Validation et limites de l’approche

Comme nous l’avons vu en introduction de cette section, on trouve g´en´eralement deux types de m´ethode dans les ´etudes portant sur la r´eponse de l’oc´ean Austral au SAM : la premi`ere bas´ee sur la « r´egression » des variables analys´ees sur l’index du SAM et la seconde - celle que nous avons choisie - bas´ee sur la r´ealisation d’exp´eriences de « sensibi- lit´e » `a l’aide d’un for¸cage synth´etique.

Le choix de la m´ethode de sensibilit´e est fond´e sur plusieurs crit`eres. Tout d’abord, il est possible de choisir la forme du for¸cage (intensit´e et distribution spatiale) adapt´ee `

a l’´etude. Ceci a notamment permis, d’une part d’´etudier l’importance de la structure spatiale des anomalies de vent li´ees aux phases positives du SAM sur la r´eponse dyna- mique de l’oc´ean au SAM, et d’autre part d’´etudier la lin´earit´e de la r´eponse de l’oc´ean `

a l’intensit´e des anomalies de vent (voir chapitre 5). Cette m´ethode pourrait en outre

permettre de prendre en compte l’impact `a long terme de la tendance positive du SAM en

obtenant l’effet cumul´e induit par les perturbations de vent introduites dans le syst`eme. Enfin, dans une telle approche, la r´eponse du syst`eme oc´eanique au SAM est analys´ee

en terme de diff´erence entre simulation de sensibilit´e et simulation de contrˆole. Ceci per-

met de contourner en partie le probl`eme de d´erive du mod`ele inh´erent `a toute simulation

b´en´eficiant seulement d’un « spin-up » court.

Par ailleurs, la m´ethode de r´egression pr´esente deux inconv´enients. Le premier est qu’il faut une simulation suffisamment longue pour que la r´egression ait un sens. C’est

´egalement le cas pour une m´ethode bas´ee sur l’analyse de champs composite11_{. Le second}

11

Pour les phases positives du SAM, le champ d’une variable est construit `a partir de la moyenne des

2.6. Conclusion 77

est que cette m´ethode peut « manquer » les effets du SAM qui seraient d´ephas´es dans le temps, si une r´egression « lagg´ee » n’est pas explicitement effectu´ee.

La validit´e de la m´ethode de sensibilit´e aux phases positives du SAM introduite par

Lefebvre et Goose (2005), dont la nˆotre est largement inspir´ee, est discut´ee en d´etails dans

leur ´etude. Trois conditions y sont principalement ´eprouv´ees : la lin´earit´e de la r´eponse du syst`eme dynamique au SAM et sa non-d´ependance aux conditions initiales, ainsi que l’ad´equation entre r´eponse au SAM simul´ee par le syst`eme et observ´ee. Lefebvre et Goose (2005) montrent que ces conditions sont toutes v´erifi´ees dans des simulations bas´ees sur le syst`eme de mod´elisation NEMO (configuration ORCA2-LIM), ce qui nous donne bonne

confiance quant `a leur validit´e dans nos simulations. On notera en particulier que nos

simulations reproduisent tr`es bien la r´eponse de la concentration de glace de mer aux

phases positives du SAM (non montr´e), qui prend la forme typique d’un dipˆole, avec des

concentrations plus faibles en mer de Weddell et des concentrations plus fortes en mers d’Admundsen et Ross (Lefebvre et al., 2004; Holland et al., 2005).

Enfin, une des limitations principales de cette m´ethode est, comme il a d´ej`a ´et´e ´evoqu´e

plus haut, la production d’un effet cumul´e des perturbations sur le syst`eme par l’appli- cation syst´ematique et permanente de la perturbation en question. Afin d’´eviter cet effet, Lefebvre et Goose (2005) ont montr´e que la simulation ne devait pas d´epasser l’´echelle de la d´ecennie.

Pour finir, la formulation du for¸cage synth´etique (cf. ´equation (2.7)) ne permet pour l’instant que d’appliquer des perturbations de vent constantes dans le temps. On pour- rait ´egalement envisager de modifier le code afin que les param`etres α et β puissent ˆetre

d´efinis comme des fonctions du temps. Cela ouvrirait notamment la voie `a des simulations

de sensibilit´e `a la tendance du SAM ou encore `a sa variabilit´e saisonni`ere12_{. Cela constitue}

une des perspectives de ces travaux de th`ese.

2.6

Conclusion

Dans ce chapitre, nous avons pr´esent´e les principaux d´eveloppements apport´es au suivi

ainsi qu’`a la r´ealisation des simulations australes. Les simulations que nous discutons dans

la suite de ce manuscrit b´en´eficient ainsi de la m´ethode de rappel des propri´et´es thermoha- lines des eaux de fond qui permet, comme nous l’avons vu, de corriger significativement la d´erive du transport de l’ACC. Une approche m´ethodologique fond´ee sur l’application d’un for¸cage synth´etique simulant des pertubations de vents a ´et´e introduite. Cette approche

est celle adopt´ee pour analyser la sensibilit´e de la dynamique et des flux de CO2 aux

phases positives du SAM qui font l’objet de deux ´etudes pr´esent´ees dans les chapitres 5 et 6. Les simulations de r´ef´erence r´ealis´ees dans chacune des configurations PERIANT05,

PERIANT025 et BIOPERIANT05 qui ont ´emerg´e suite `a ces travaux pr´eliminaires sont

pr´esent´ees et ´evalu´ees dans le chapitre suivant.

12

Il a en effet ´et´e montr´e que la tendance positive du SAM n’est significative qu’en ´et´e et automne (Marshall , 2003)

Chapitre 3

Evaluation des simulations

australes

Sommaire

3.1 Introduction . . . 80 3.2 M´ethode . . . 80 3.3 Evaluation de l’´etat moyen des simulations . . . 81 3.3.1 Famille A : simulations dynamiques . . . 81 3.3.2 Famille B : simulations dynamiques avec CFC11 . . . 92 3.3.3 Famille C : simulations coupl´ees dynamique-biog´eochimie . . . . 96 3.4 Evaluation du cycle saisonnier de pCOoc

2 . . . 105

3.4.1 Comparaison aux observations . . . 105 3.4.2 Discussion . . . 114 3.5 Conclusion . . . 120

3.1

Introduction

L’objectif de ce chapitre est l’´evaluation des quantit´es dynamiques et biog´eochimiques

essentielles `a la r´esolution des flux air-mer de CO2 par le mod`ele. Pour ce faire, les sor-

ties des simulations de r´ef´erence des diff´erentes familles de simulations australes que nous

avons introduites dans le chapitre 1 (familles A, B et C) sont compar´ees `a des produits

observationnels. Evaluer la qualit´e des simulations nous permet de connaˆıtre leurs points forts et leurs points faibles, et de pouvoir ainsi interpr´eter les r´esultats obtenus dans nos

´etudes de fa¸con plus pertinente. Par ailleurs, la comparaison de simulations `a diff´erentes

r´esolutions - lorsqu’elle est possible - nous permet d’appr´ehender l’effet d’une r´esolution accrue sur les solutions du mod`ele (i.e. am´elioration ou d´et´erioration des biais du mod`ele). Dans ce chapitre, nous commencerons par introduire la d´emarche adopt´ee pour com- parer les sorties des simulations australes aux observations. Puis nous pr´esenterons une ´evaluation de certains champs dynamiques dans les simulations PERIANT05 et PER- IANT025 (famille A), suivie d’une ´evaluation de l’absorption et de la p´en´etration des CFC11 dans les simulations PERIANT05 et PERIANT025 (famille B), et enfin une ´evalua- tion de certains champs biog´eochimiques dans les simulations BIOPERIANT05 (famille C). Les simulations de r´ef´erence des familles A, B et C ont ´et´e r´ealis´ees dans un ordre chronologique au cours de mes travaux de th`ese, permettant ainsi d’ajouter au fur et `a me- sure un degr´e de complexit´e suppl´ementaire dans les simulations (ajout d’un traceur passif neutre dans la famille B, puis de traceurs passifs biologiques et biog´eochimiques dans la famille C) tout en s’appuyant sur l’expertise acquise lors de la r´ealisation des simulations de r´ef´erence des familles ant´erieures. Ainsi, les conclusions concernant l’´evaluation de la

dynamique de la famille A s’appliquent-elles aussi bien `a la dynamique des simulations

des familles B et C.