Lire la première partie de la thèse

Lire

la

première partie

3.3

Comparaison entre les simulations : impact du

changement des for¸

cages m´

et´

eorologiques

Dans cette partie, nous allons d´ecrire les comparaisons entre les trois simulations (ANALY, INT et CLIM) dont les caract´eristiques (for¸cages m´et´eorologiques, vitesses de d´epˆot, ´emissions) ont ´et´e pr´esent´ees dans la partie pr´ec´edente (cf Tab.3.1). Les compara-isons entre les simulations, `a partir de l’´etude des p´eriodes estivales (JJAS) et hiver-nales (DJFM), ont permis d’´evaluer s´epar´ement les effets des changements des for¸cages m´et´eorologiques 3D (transport, pr´ecipitation) et des ´emissions (vitesses de d´epˆot, ´emissions biog´eniques) sur les concentrations et les distributions horizontales et verticales des pol-luants sur l’Europe. Deux parties vont se succ´eder :

• Les confrontations entre les simulations ANALY et INT vont illustrer les effets des param`etres m´et´eorologiques sur les polluants.

• Les comparaisons entre INT et CLIM vont montrer les effets des changements de vitesses de d´epˆot et d’´emissions sur leurs distributions dans l’atmosph`ere.

3.3.1

Impacts des champs m´

et´

eorologiques sur les niveaux de

polluants

Les effets des diff´erences entre les param`etres m´et´eorologiques (temp´erature, vitesses du vent horizontal, humidit´e) ont ´et´e ´evalu´es en comparant ANALY et INT, pour les p´eriodes de JJAS (Fig.3.23) et DJFM (Fig.3.24), en moyenne pour 2004-2008. Les analy-ses ARPEGE et les champs climatiques d’ARPEGE-Climat se diff´erencient d’abord par la r´esolution horizontale. Pour les cartes de diff´erences, les champs m´et´eorologiques d’-ANALY et d’INT ont ´et´e moyenn´es spatialement sur une grille identique de r´esolution de 6.5◦*5◦ afin de s’affranchir des diff´erences li´ees `a la r´esolution. Cette m´ethode permet de se concentrer sur les diff´erences significatives `a grande ´echelle. De plus, il est important de noter que la simulation INT a ´et´e men´ee sur 5 ann´ees types du climat pr´esent.

Concernant le champ de temp´eratures, des structures similaires sont observ´ees sur l’Europe : un gradient entre le Nord et la r´egion M´editerran´eenne est observ´e. N´eanmoins, au nord Est du domaine, les temp´eratures simul´ees dans ANALY sont localement plus ´elev´ees de 4 `a 5◦C en ´et´e ainsi qu’en hiver (> 6 ◦C). Au contraire, sur le sud de l’Europe (Italie, Espagne), INT simule des temp´eratures plus ´elev´ees. La r´esolution plus basse d’INT explique en partie ces diff´erences : ANALY pr´esente des structures plus fines alors que l’orographie est liss´ee dans INT. Des pr´ecipitations plus ´elev´ees sont observ´ees dans INT sur une grande partie de l’Europe centrale notamment durant l’hiver (Fig.3.24). Pour les deux saisons, l’humidit´e sp´ecifique simul´ee par ANALY est plus forte sur le nord du domaine mais plus faible sur la r´egion M´editerran´eenne que pour la simulation INT. Des vitesses de vents horizontaux (Fig.3.25) plus ´elev´ees sont observ´ees dans INT sur le Nord Ouest du domaine durant l’´et´e alors que celles-ci sont moins ´elev´ees que dans ANALY sur la M´editerran´ee. En hiver, les r´egimes de vents diff´erent entre ANALY et INT sur l’Atlantique Nord. Dans ANALY, des vents d’Ouest dominent sur la fa¸cade Atlantique, notamment au del`a de 50◦N. Dans INT, des vents d’Ouest sont simul´es vers l’Espagne (> 5 m/s), puis au del`a de 50◦N et sur le Nord Ouest du domaine, des vents d’Est et de Nord-Est sont observ´es.

a) ANALY b) INT c) ANALY-INT

Figure 3.23 – De haut en bas : les temp´eratures de surface (◦C), les pr´ecipitations (mm/jour) et l’humidit´e relative (g/kg), moyenn´ees pour la p´eriode JJAS, pour les sim-ulations ANALY et INT. Les diff´erences entre ANALY (apr`es lissage, voir texte) et INT sont repr´esent´ees sur les figures de droite.

a) ANALY b) INT c) ANALY-INT

a) ANALY b) INT

ETE

HIVER

Figure3.25 – Vitesses moyennes du vent horizontal (m/s) pour l’´et´e (en haut ) et l’hiver (en bas). Ces vitesses ont ´et´e calcul´ees pour les simulations ANALY (a) et INT (b).

(b), de NOx(c), de SO2(d) et d’a´erosols sulfat´es (e), simul´ees par ANALY et INT, pour les p´eriodes JJAS et DJFM. Durant l’´et´e, la distribution spatiale des concentrations moyennes d’O₃ est similaire dans les deux simulations. Les param`etres m´et´eorologiques tels que des temp´eratures ´elev´ees, un fort rayonnement solaire et des vitesses de vent faible favorisent l’´el´evation des niveaux d’O<sub>3</sub> en surface [Meleux et al., 2007; Hedegaard et al., 2008; Ka-tragkou et al., 2010]. Des ´etudes ont par ailleurs montr´e que la temp´erature ´etait le param`etre m´et´eorologique ayant le plus d’influence sur les niveaux d’ozone [Dawson et al., 2007; Hedegaard et al., 2008]. Les diff´erences d’O₃ entre ANALY et INT (Fig.3.26) sont en effet similaires aux changements de temp´eratures (Fig.3.23). Sur l’Espagne, l’Afrique et le Nord de l’Europe, des temp´eratures plus ´elev´ees de 4-5◦C dans ANALY conduisent `

a des concentrations d’O₃ sup´erieures `a INT de 8 `a 10 ppbv. Les diff´erences positives (n´egatives) d’O₃ entre ANALY et INT sont li´ees aux diff´erences positives (n´egatives) de temp´eratures. Sur la r´egion M´editerran´eenne, des niveaux ´elev´es d’O₃ sont simul´es dans INT, outre les changements de temp´eratures, les vitesses de vents horizontaux sont plus faibles sur cette r´egion (Fig.3.25) et favorisent une accumulation d’ozone. En hiver, les concentrations d’O₃ atteignent des niveaux beaucoup plus faibles sur l’ensemble de l’Eu-rope. N´eanmoins, ces niveaux sont plus ´elev´es sur le Nord de l’Europe dans la simulation ANALY. Les changements de r´egimes de vent sur le Nord Ouest du domaine influen-cent ´egalement les concentrations d’O₃. Contrairement `a INT, dans ANALY, des vents d’Ouest (Fig.3.25) favorisent le transport de polluants vers l’Europe, ce qui explique que

les niveaux d’O₃ simul´es par ANALY soient plus ´elev´es sur cette r´egion.

En ´et´e, les concentrations d’isopr`ene atteignent 7 `a 9 μg.m−3 sur le nord de l’Afrique et la Gr`ece (Fig.3.26). En revanche, les niveaux ne d´epassent pas 0.5 μg.m−3 en hiver et sont similaires dans les deux simulations. Les ´emissions d’isopr`ene utilis´ees pour forcer ANALY et INT sont identiques, c’est pourquoi les champs m´et´eorologiques ne permettent pas d’expliquer les diff´erences d’isopr`ene. Une coupe verticale, `a la latitude de 36 ◦N (au dessus de l’Afrique), est repr´esent´ee en Fig.3.28. Entre 0 et 10◦N, les concentrations d’isopr`ene en surface sont ´elev´ees dans INT. La hauteur de couche limite, plus ´elev´ee dans ANALY sur cette r´egion, disperse l’isopr`ene sur plusieurs niveaux. En revanche, dans INT, les concentrations sont accumul´ees en surface. Cette explication est confirm´ee par la colonne totale d’isopr`ene puisqu’on observe des quantit´es similaires dans les deux simulations.

Les concentrations estivales de NOx (Fig.3.26) d´epassent 25 μg.m−3 aux Pays Bas, en

Belgique, dans la vall´ee du Pˆo et au dessus des routes maritimes (D´etroit de Gibraltar, mer du Nord). En hiver, la pollution aux NOx se caract´erise par des concentrations qui

exc`edent 40 μg.m−3 sur de nombreuses r´egions (Pologne, Pays Bas) en raison de l’utili-sation des chauffages au charbon. Les principales diff´erences entre ANALY et INT sont observ´ees sur l’Europe centrale o`u les ´emissions de NOx sont les plus ´elev´ees.

Contraire-ment `a l’´et´e o`u les processus chimiques dominent, l’hiver est davantage contrˆol´e par les ph´enom`enes physiques et dynamiques (transport, vitesses du vent horizontal). Sur l’An-gleterre et l’Europe centrale, les vitesses des vents horizontaux simul´ees par INT sont nettement plus faibles que dans ANALY (Fig.3.25, en hiver et en ´et´e). Ce qui expli-querait que les NOx n’ayant pas ´et´e transport´es, se sont accumul´es au dessus des zones

d’´emissions. Une coupe verticale, trac´ee `a la latitude de 50 ◦N, et la colonne totale de NOx (Fig.3.29) montrent une dispersion verticale plus dynamique dans ANALY, li´ee `a

la hauteur de couche limite. En effet, les colonnes totales sont similaires pour ANALY et INT, ce qui exclu un probl`eme de quantit´e totale de NOx, mais plutˆot une dispersion

verticale moins forte dans INT qui tend `a bloquer les NOx en surface.

Les concentrations de SO₂ simul´ees sur l’Europe (Fig.3.26,3.27, e) sont globalement semblables entre ANALY et INT `a la fois pour l’hiver et pour l’´et´e. Les niveaux ´elev´es de SO<sub>2</sub>, observ´es sur l’Est de l’Europe (Pologne, Roumanie) et l’Espagne, sont respective-ment li´es `a la combustion du charbon et aux centrales ´electriques (d’apr`es les donn´ees d’´emissions). Une fois rejet´e dans l’atmosph`ere, le SO₂ conduit `a la formation des a´erosols sulfat´es. Au nord Est du domaine, les niveaux d’a´erosols sulfat´es simul´es dans INT du-rant l’´et´e sont plus ´elev´es que dans ANALY. D’apr`es la Fig.3.23, les pr´ecipitations et le taux d’humidit´e sont plus forts dans ANALY que dans INT sur cette r´egion. Ces diff´erences impliquent une augmentation de la transformation de SO₂ en a´erosols sulfat´es mais ´egalement un d´epˆot humide plus important : ces deux effets contrast´es expliquent les diff´erences de sulfates entre ANALY et INT. Une coupe verticale est repr´esent´ee en Fig.3.30 `a la longitude de 30◦E, moyenn´ee pour la p´eriode JJAS. La distribution verticale des sulfates entre 60◦N et 70◦N est deux fois plus faible dans INT que dans ANALY. L’accumulation de sulfate en surface dans la simulation INT peut s’expliquer par les diff´erences de m´elange dans la couche limite. Une hauteur de couche limite plus ´elev´ee favorise la dispersion des polluants dans l’atmosph`ere, au contraire lorsque la couche est moins m´elang´ee, les concentrations ´elev´ees se situent en surface. Les colonnes tro-posph´eriques (Fig.3.30) confirment cette explication puisqu’elles indiquent des quantit´es

Figure 3.26 – De haut en bas : concentrations moyennes d’O₃ (a), d’isopr`ene (b), de NOx (c), de SO2 (d), de sulfate (e) et de PM10 (f) simul´ees pour la p´eriode JJAS par les simulations ANALY et INT. Les concentrations sont en μg.m−3.

(a) ANALY

(b) INT

Figure 3.28 – A gauche : coupe verticale d’isopr`ene (μg.m−3) selon la latitude de 36◦N (Nord de l’Afrique) pour la p´eriode JJAS. A droite : colonne troposph´erique d’isopr`ene (DU) sur l’Europe.

de sulfate tr`es similaires entre ANALY et INT. En hiver, des vitesses de vents ´elev´ees (2-3 m/s) et d’Ouest sont observ´ees dans ANALY sur l’Europe centrale alors que des vents d’Est plus faibles (< 1m/s) sont repr´esent´es par INT. Ces effets favorisent la dispersion des a´erosols sulfat´es vers l’Est dans ANALY alors qu’ils s’accumulent sur l’Europe centrale dans INT. Les colonnes troposph´eriques (Fig.3.31) sont diff´erentes entre ces simulations et les ph´enom`enes de transport en sont `a l’origine.

Concernant les concentrations de PM10, les diff´erences majeures entre ANALY et INT sont observ´ees sur l’Atlantique pour les mois de JJAS. Les a´erosols de sels marins, qui composent les PM, sont en partie `a l’origine de cette diff´erence. Une coupe verti-cale (Fig.3.32), trac´ee `a la latitude de 65◦N, montre que les concentrations ´elev´ees de PM10 dans INT se concentrent sur quelques niveaux proches de la surface alors que dans ANALY, la dispersion sur la verticale est plus forte. De nouveau, les colonnes totales confirment cette explication. En hiver, les concentrations de PM10 se diff´erencient sur

(a) ANALY

(b) INT

Figure 3.29 – A gauche : Coupe verticale `a la latitude de 50◦N des concentrations de NOx (μg.m−3), moyenn´ees pour DJFM. A droite : colonne troposph´erique de NOx (DU).

l’Atlantique et sur l’Europe de l’Est (Fig.3.27), o`u les diff´erences de PM10 sont li´ees aux a´erosols sulfat´es. De plus, un plus gros apport de poussi`eres d´esertiques, issus du sud du domaine (Sahara), est observ´e dans INT. En effet, des vents de sud, plus forts dans INT que dans ANALY, transportent ces a´erosols vers la r´egion M´editerran´eenne.

Les diff´erences entre les champs m´et´eorologiques dans ANALY et INT conduisent `a des diff´erences dans la distribution horizontale et verticale des polluants. Pour l’ensemble des esp`eces ´etudi´ees, les diff´erences observ´ees en ´et´e sont principalement li´ees aux diff´erences de m´elange dans la couche limite. Les changements de temp´eratures contribuent ´egalement `

a modifier les niveaux d’O₃ sur l’Europe. De plus, les conditions m´et´eorologiques telles que les pr´ecipitations et l’humidit´e relative contrˆolent en partie la formation des a´erosols sulfat´es. En hiver, les ph´enom`enes de transport (en particulier la circulation sur la fa¸cade Atlantique qui est tr`es diff´erente) influencent les distributions des polluants, et en premier chef l’ozone. Les particules primaires (poussi`eres d´esertiques, a´erosols de sel marin), qui composent les PM, sont ´egalement tributaires de ces ph´enom`enes.

(a) ANALY

(b) INT

Figure 3.30 – A gauche : coupe verticale `a la longitude de 30◦E des concentrations de sulfate (μg.m−3) moyenn´ees pour la p´eriode JJAS. Les niveaux de pression sont en hPa. A droite : colonne troposph´erique de sulfate (DU) moyenn´ee sur l’´et´e.

Figure 3.31 – Colonnes troposph´eriques de sulfate simul´es par ANALY (a) et INT (b), moyenn´ees pour la p´eriode DJFM. Unit´es en DU.

(a) ANALY

(b) INT

Figure 3.32 – A gauche : coupe verticale des concentrations de PM10 (μg.m−3), `a la latitude de 65◦N, moyenn´ees pour la p´eriode JJAS. Les niveaux de pression sont en hPa. A droite : colonnes troposph´eriques de PM10 (DU) moyenn´ees sur l’´et´e.

3.3.2

Impacts des flux de surface sur les concentrations de

pol-luants

Les comparaisons entre les simulations INT et CLIM ont permis d’illustrer les impacts des processus de surface, soit les ´emissions et les vitesses de d´epˆot, sur les concentrations de polluants. Pour la simulation CLIM, un jeu d’´emissions biog´eniques a ´et´e calcul´e en coh´erence avec les param`etres m´et´eorologiques (temp´erature, rayonnement solaire) issus d’ARPEGE-Climat. Les param´etrisations des ´emissions de sels marins et de poussi`eres d´esertiques d´ependent de la rugosit´e de la surface et du soul`evement des particules par le vent. Ces ´emissions diff`erent ´egalement entre les simulations INT et CLIM. Sur la Fig.3.33, nous avons repr´esent´e la distribution spatiale des ´emissions totales d’isopr`ene pour la p´eriode estivale. La temp´erature et le rayonnement solaire sont les variables qui r´egulent les ´emissions d’isopr`ene et autres COVs [Guenther et al., 1993; 1995; 2006]. En coh´erence avec les diff´erences de temp´erature observ´ees en Fig.3.23, les ´emissions d’isopr`ene sont plus ´elev´ees dans INT au dessus de l’Espagne et sur l’Europe centrale, la Scandinavie et le Nord Est de l’Afrique par comparaison avec CLIM. Les changements d’´emissions induisent les mˆemes changements des concentrations d’isopr`ene, celles ci sont plus ´elev´ees dans INT que dans CLIM sur ces r´egions de l’Europe centrale, de la Gr`ece (Fig.3.34). En hiver, les ´emissions d’isopr`ene sont faibles du fait des conditions m´et´eorologiques (temp´eratures basses, faible ensoleillement), les diff´erences entre INT et CLIM ne d´epassent pas 0.1 `a 0.2 μg.m−3 (Fig.3.34, b).

Les flux de d´epˆot moyens (μg.m−2.s−1) d’O₃, de NO_x et de SO₂ ont ´et´e calcul´es pour les p´eriodes JJAS (Fig.3.36) et DJFM (cf. Annexe B.1). En ´et´e, les flux d´epos´es d’O₃ sont coh´erents avec la distribution g´eographique des vitesses de d´epˆot (Fig.3.33). Sur certaines r´egions de l’Europe centrale, les vitesses simul´ees par CLIM sont plus ´elev´ees de 0.2 `a 0.3 cm/s par rapport `a INT. Les vitesses journali`eres et nocturnes moyennes ont ´et´e calcul´ees pour les deux simulations pour la p´eriode estivale. La journ´ee est consid´er´ee entre 8h et 16h UTC et la nuit entre 20h et 04h UTC. Sur la terre et durant la journ´ee, les vitesses de d´epˆot sont similaires entre INT (0.57 cm/s) et CLIM (0.54cm/s). Le d´epˆot d’O<sub>3</sub> est r´egi par un cycle diurne, les valeurs sont plus fortes de jour que de nuit (0.24 cm/s) du fait d’une turbulence atmosph´erique plus importante et d’une ouverture des stomates plus large qui favorise l’absorption sur les surfaces v´eg´etales (diminution de la r´esistance). Sur la Fig.3.33, les vitesses de d´epˆot d’O<sub>3</sub> (de JJAS) illustrent que les vitesses simul´ees par CLIM sont ´elev´ees sur les Pays Bas et plus faibles sur la Belgique. Les vitesses de d´epˆot sont inversement proportionnelles `a la r´esistance du couvert v´eg´etal. Ces r´esistances (a´erodynamiques, de la sous-couche laminaire, de surface) qui d´ependent de l’intensit´e de turbulence, de la nature du sol et de param`etres m´et´eorologiques (vent, humidit´e) expliquent ces diff´erences de d´epˆot. La Fig.3.34 confirme que les changements de concentrations entre INT et CLIM sont coh´erents avec les changements des flux d´epos´es et des vitesses de d´epˆot. Lorsque les flux d´epos´es sont plus ´elev´es, comme dans la simulation INT sur l’Espagne, l’Italie, l’Angleterre, le Nord et l’Ouest de la France, les concentrations simul´ees en surface sont plus ´elev´ees dans CLIM. Au contraire, sur l’Europe centrale, un flux moyen d´epos´e plus important dans CLIM conduit `a des concentrations moins ´elev´ees d’O₃ que dans INT. Sur l’Italie, les vitesses de d´epˆot simul´ees par INT, en ´et´e, sont plus ´elev´ees que dans CLIM, ainsi que les flux d´epos´es d’ozone, ce qui est coh´erent avec les diff´erences observ´ees en Fig.3.34.

Figure 3.33 – De haut en bas : a) E missions d’isopr `ene d e JJAS in t´egr ´ees aux for¸ cages des sim ulations INT et CLIM. b) Emissions mo y ennes d’a ´erosols de sels marins, p our la p ´erio de JJAS, des sim ulations INT et CLIM. c) Vitesses de d ´epˆ ot d’O 3 de INT et de CLIM, mo y enn ´ees p our la p ´erio de JJAS. Sim ulation INT : les vitesses de d ´epˆ ot mo y ennes (sur terre) atteignen t 0.57 cm/s et 0.24 cm/s en journ ´ee et dans la n uit resp ectiv emen t (0.06 cm/s et 0.05 cm/s sur la mer). Sim ulation CLIM : en journ ´ee et p endan t la n uit, les vitesses de d ´epˆ ot mo y ennes (sur terre) son t de 0.54 cm/s et 0.24 cm/s resp ectiv emen t (0.05 cm/s et 0.04 cm/s sur la mer).

En hiver (Fig.3.35, les concentrations d’O₃ sont plus ´elev´ees dans INT que dans CLIM sur une majeure partie du domaine continental, `a l’exception de l’Ouest et du Nord de la France. ces augmentations de l’O₃ s’expliquent par les flux moyens d´epos´es (cf. Annexe B.1) et les vitesses de d´epˆot (non illustr´ees) plus ´elev´es dans INT que dans CLIM.

Comme pour l’O₃, les flux d´epos´es de NOx et de SO2 diff`erent entre INT et CLIM. D’apr`es la Fig.3.36 (et Annexe B.1), les flux de d´epˆots de NOx sont plus ´elev´es sur le Nord

de l’Espagne, l’Angleterre dans la simulation INT et co¨ıncident avec des concentrations en surface plus basses que pour CLIM. Ces esp`eces ont une dur´ee de vie courte dans l’atmosph`ere, c’est donc `a proximit´e des sources que les diff´erences les plus importantes sont observ´ees. A la fois pour l’´et´e et l’hiver, les contrastes de d´epˆots sont coh´erents avec les diff´erences de concentrations en surface. Sur le Nord de l’Espagne et la Belgique, les flux de SO<sub>2</sub> d´epos´es sont plus ´elev´es dans INT, les concentrations moyennes de SO<sub>2</sub> simul´ees par INT sont donc plus faibles sur ces r´egions. Les changements d’a´erosols sulfat´es entre INT et CLIM (Fig.3.34, e) sont tr`es faibles en JJAS (<0.5 μg.m−3). En hiver (Fig.3.35, e), ces diff´erences sont l´eg`erement plus importantes et co¨ıncident avec celles du SO<sub>2</sub>. Sur les pays comme la Turquie, la Gr`ece et l’Europe de l’Est, davantage de SO₂ est disponible dans INT, et les vitesses de d´epˆot sont plus faibles que dans CLIM (non illustr´ees), ce qui favorise la formation de sulfates.

Les changements de PM10 entre INT et CLIM (Fig.3.34,3.35, f) sont en grande partie li´es aux ´emissions d’a´erosols de sels marins (Fig.3.33) et de poussi`eres d´esertiques, qui d´ependent des param`etres m´et´eorologiques (comme le vent). Les ´emissions d’a´erosols de carbone suie et des particules fines anthropiques, qui entrent ´egalement dans la composi-tion des PM, sont quant `a elles identiques aux deux simulations. Ainsi, les concentrations de PM10 sont plus ´elev´ees dans INT sur une majeure partie du domaine (Atlantique, Nord Afrique, M´editerran´ee) en ´et´e et en hiver.

a) Isopr`ene b) O₃

c) NOx d) SO2

e) Sulfate f) PM10

Figure 3.34 – Diff´erences des concentrations moyennes d’isopr`ene (a), d’O₃ (b), de NO₂ (c), de SO₂ (d) et d’a´erosols sulfat´es (e) entre INT et CLIM sur l’Europe, pour l’´et´e. Unit´es en μg.m−3.

a) Isopr`ene b) O₃

c) NOx d) SO2

e) Sulfate f) PM10

Figure 3.36 – De haut en bas : flux de d ´epˆ ot mo y ens d’O 3 (a), de NO x (b) et de SO 2 (c) calcul ´es p our INT et CLIM, p our la p ´erio de JJAS. Les flux d ´ep os ´es son t en μ g.m − 2 .s − 1 .

3.3.3

Conclusion

Les comparaisons entre les simulations ANALY et CLIM (Fig.3.37, Annexe B.2) illus-trent les contributions des changements de for¸cages (champs m´et´eorologiques, ´emissions, vitesses de d´epˆot) sur les concentrations et les distributions des polluants. Les esp`eces peuvent soit ˆetre pilot´ees par les for¸cages 3D ou les processus de surface mais ´egalement par les effets de ces deux processus. En ´et´e, les diff´erences de concentrations d’O<sub>3</sub> sont en partie li´ees aux champs m´et´eorologiques (comme la temp´erature), mais sont principale-ment dues aux changeprincipale-ments de vitesses de d´epˆot. En hiver, les changements de transport (sur l’Atlantique) et de vitesses de d´epˆot expliquent les diff´erences d’ozone. Pour d’autres esp`eces, comme l’isopr`ene, les changements obtenus en ´et´e (sur le Nord de l’Afrique, l’Es-pagne et la Gr`ece) sont en grande partie `a attribuer aux processus dynamiques : la hauteur de couche limite qui favorise ou non le m´elange sur la verticale. Pour les NOx et le SO2, nous avons observ´e que les changements en JJAS se situent surtout `a proximit´e des zones d’´emissions en raison de leurs courtes dur´ees de vie dans l’atmosph`ere. Ainsi, pour ces esp`eces, les diff´erences entre ANALY et CLIM d´ependent surtout des flux de surface et des vitesses de d´epˆot puisque les jeux d’´emissions de NOx et SO2 sont identiques entre les simulations. En hiver, des comportements diff´erents sont observ´es, les ph´enom`enes dynamiques li´es au transport dominent largement les diff´erences de NOx et de SO2 entre ANALY et CLIM. Ensuite, nous avons vu que les a´erosols sulfat´es ´etaient principale-ment pilot´es par les processus chimiques, physiques et dynamiques, li´es aux param`etres m´et´eorologiques (temp´erature, humidit´e) durant l’´et´e mais aussi durant l’hiver (vitesses de vent). Enfin, en ´et´e et en hiver, les diff´erences de concentrations de PM10 s’expliquent en grande partie par les ´emissions de sels marins, de poussi`eres d´esertiques mais ´egalement par les a´erosols sulfat´es, eux-mˆemes d´ependants des for¸cages m´et´eorologiques.

a) O₃ b) Isopr`ene

c) NOx d) SO2

e) Sulfate f) PM10

Figure 3.37 – Diff´erences des concentrations moyennes d’O₃ (a), d’isopr`ene (b), de NO_x (c), de SO₂ (d), de sulfate (e) et de PM10 (f) entre ANALY et CLIM pour la p´eriode JJAS. Unit´es en μg.m−3.

3.4

Interpr´

etation des donn´

ees de qualit´

e de l’air

is-sues de for¸

cages climatiques pour l’´

etude du

cli-mat actuel

Dans cette section, nous nous attacherons `a comparer les performances des simula-tions ANALY et CLIM par comparaison aux donn´ees AirBase actuelles. Ces compara-isons vont concerner l’´etude de la variabilit´e interannuelle, des cycles diurnes moyens, des scores statistiques et des indicateurs de qualit´e de l’air (SOMO35, d´epassements de seuil, AOT40). L’objectif est d’´evaluer comment les donn´ees de qualit´e de l’air simul´ees par des for¸cages d’un mod`ele de climat diff`erent de la simulation de r´ef´erence, forc´ee par des analyses. Des diff´erences sont en effet attendues en raison des for¸cages (r´esolution plus grossi`ere) et de l’absence de la chronologie r´eelle des ´ev´enements. Les indicateurs qui sont peu diff´erents entre les deux simulations pourront ˆetre consid´er´es comme fiables pour interpr´eter les simulations de la qualit´e de l’air future. Cette ´etape est essentielle pour la suite de la th`ese.

3.4.1

Comparaison des r´

esultats statistiques et discussion

Les variations interannuelles des concentrations d’O₃, de NOx, de SO2 et de PM10 sont repr´esent´ees par les s´eries temporelles de la Fig.3.38. Ces s´eries ont ´et´e simul´ees par le mod`ele (ANALY en noir et CLIM en gris) et observ´ees aux stations AirBase (rouge) entre le 1er <sub>janvier 2004 et le 31 d´ecembre 2008. Ces s´eries mensuelles ont ´et´e calcul´ees `a</sub>

partir des moyennes journali`eres. Apr`es soustraction des cycles annuels moyenn´es sur les 5 ann´ees (Fig.3.39) aux s´eries temporelles de la Fig.3.38 (1), nous obtenons la s´erie des anomalies (Fig.3.38, (2)). La m´et´eorologie d’ANALY est cens´ee suivre la variabilit´e jour `

a jour des ´ev´enements de mani`ere plus r´ealiste que la simulation CLIM qui elle, reproduit le climat de la p´eriode 2000-2010.

La variabilit´e interannuelle des concentrations d’O₃ reproduite par ANALY est simi-laire aux observations en terme d’amplitude. De plus, les ´ev´enements simul´es sont corr´el´es aux observations. L’anomalie positive due `a la canicule de 2006 est reproduite par le mod`ele mais l´eg`erement sous-estim´ee par rapport aux observations : cet ´et´e a ´et´e extrˆeme en terme de pollution photochimique `a l’O₃ [Struzewska and Kaminski, 2008] par rap-port aux autres ann´ees de la p´eriode. Dans le Tab.3.4 sont r´esum´ees les statistiques des valeurs horaires et du Mx8h d’O₃ pour les p´eriodes annuelles et saisonni`eres, moyenn´ees sur les stations europ´eennes consid´er´ees. Un biais n´egatif plus ´elev´e est observ´e sur la s´erie temporelle de CLIM durant l’´et´e (MBO<sub>3</sub>H=-4.6μg.m−3, MBO<sub>3</sub>MAX=-5.2μg.m−3). Les valeurs moyennes de RMSE simul´ees par CLIM sont ´egalement plus fortes en ´et´e et en hiver. Les distributions spatiales du biais moyen d’O<sub>3</sub> calcul´e pour le Mx8h sont illustr´ees en Fig.3.40 pour la p´eriode JJAS. Ces distributions sont similaires entre les deux simulations, et les biais sont globalement du mˆeme ordre de grandeur `a l’excep-tion de l’Allemagne et de la France. Les concentral’excep-tions moyennes (JJAS) d’O₃ simul´ees par MOCAGE (Fig.3.41) sur diff´erents pays d’Europe sont comparables entre ANALY et CLIM.

La s´erie des anomalies de NOx (Fig.3.38, b2) est globalement bien captur´ee par

ANALY : les anomalies positives simul´ees au d´ebut des ann´ees 2005 et 2006 sont corr´el´ees aux observations. Les scores statistiques moyens d’ANALY et CLIM sont regroup´es dans

a) O₃ b) NOx

c) SO₂ d) PM10

Figure 3.38 – 1. S´eries temporelles, simul´ees (ANALY : noir ; CLIM : gris) et mesur´ees aux stations AirBase (rouge), des moyennes mensuelles d’O₃ (a), de NOx (b), de SO2 (c) et de PM10 (d). Les s´eries sont trac´ees du 1er _{janvier 2004 au 31 d´ecembre 2008 et}

prennent en compte l’ensemble des stations du domaine Europe. Les concentrations sont en μg.m−3. 2. Anomalies obtenues en soustrayant le cycle annuel moyen (Fig.3.39) des s´eries temporelles trac´ees en 1. Unit´es en μg.m−3.

Indicateurs d’O₃ ANALY CLIM

Ann´ee JJAS DJFM Ann´ee JJAS DJFM

MBO₃H 2.7 -2.9 6.4 -5.3 -4.6 -8.2 MNBO₃H 5.1 -4.5 13.8 -9.8 -7.7 -17.7 CORRO₃H 0.61 0.59 0.58 0.3 0.32 0.17 RMSEO₃H 24.7 24.9 24.3 34.3 35.4 34.1 σH 0.87 0.73 1.04 0.98 0.97 1.08 MBO₃MAX 0.01 -8.1 5.7 -6.3 -5.2 -9.1 MNBO₃MAX 0.04 -9.44 9.8 -8.8 -5.9 -15.5 CORRO₃MAX 0.7 0.63 0.65 0.4 0.04 0.25 RMSEO₃MAX 21.3 21.4 21.5 32.7 35.2 32.2 σMAX 0.85 0.66 1.09 0.99 0.90 1.22 SOMO35 3925 1552 915 3628 2043 531

Table 3.4 – Statistiques calcul´es pour les p´eriodes JJAS (Juin, Juillet, Aoˆut et Septem-bre), DJFM (D´ecembre, Janvier, F´evrier et Mars) et annuelles entre le mod`ele MOCAGE et les observations AirBase, pour les stations du domaine Europe. Les statistiques sont moyenn´ees sur la p´eriode de 5 ans et ont ´et´e calcul´ees pour les valeurs horaires et le Mx8h d’O₃. Les indicateurs sont : le biais moyen (MBO₃H, MBO₃MAX ; μg.m−3), le biais moyen normalis´e (MNBO₃H, MNBO₃MAX, %), le coefficient de corr´elation (CORRO₃H, CORRO₃MAX), l’erreur quadratique moyenne (RMSEO₃H, RMSEO₃MAX ; μg.m−3) et la d´eviation standard (σH, σMAX). L’index SOMO35 est en μg.m−3.j.

a) O₃ b) NOx

c) SO₂ d) PM10

Figure 3.39 – S´eries annuelles (moyenn´ees sur les 5 ann´ees de simulation) des concen-trations d’O₃ (a), de NOx (b), de SO2 (c) et de PM10 (d) simul´ees par ANALY (noir ) et CLIM (gris) et mesur´ees aux stations AirBase (rouge). Ces s´eries sont moyenn´ees sur les stations repr´esentatives du domaine Europe. Les concentrations sont en μg.m−3.

la Tab.3.5. Pour la p´eriode estivale, les biais moyens horaires et journaliers sont compa-rables entre ANALY et CLIM (Fig.3.40), ainsi que le RMSE. En revanche, les scores de CLIM se d´egradent par rapport `a ANALY en hiver, en terme de biais moyens, de bi-ais normalis´es, de RMSE et de d´eviation standard. Les comparaisons des concentrations moyennes simul´ees (Fig.3.41) illustrent une surestimation du NO₂ par CLIM sur l’Espagne (11.3 μg.m−3 contre 7.6 μg.m−3 pour ANALY) et l’Angleterre (13.9 μg.m−3 contre 9.7 μg.m−3 _{pour ANALY) en ´et´e. Pour les autres pays, des valeurs similaires sont observ´ees}

entre les deux exp´eriences.

Les s´eries temporelles de SO₂ sont repr´esent´ees en Fig.3.38 (c) : les concentrations de SO₂ sont surestim´ees par les deux simulations. Comme l’indique la Fig.3.41, les concentra-tions simul´ees par ANALY et CLIM, en JJAS, sont similaires pour chacun des pays. Les anomalies simul´ees par ANALY et celles reproduites par les observations sont corr´el´ees et similaires en terme d’amplitude.

a) O3 b) NO x c) SO 2 Figure 3.40 – Distributions g ´eographiques des biais mo y ens (μ g.m − 3 )d uM x 8 hd ’O 3 (a), des mo y ennes journali `eres de NO x (b) et de SO 2 (c), mo y enn ´es p our la p ´erio de JJAS. En haut : sim ulation ANAL Y. En bas : sim ulation CLIM.

D’apr`es la Fig.3.40 et le Tab.3.6, les biais moyens calcul´es pour ANALY et CLIM sont simi-laires en ´et´e (MBSO₂DM=-0.07μg.m−3) et plus ´elev´es pour CLIM en hiver (MBSO₂DM=0.79

μg.m−3 _{pour ANALY et MBSO}

2DM=1.25 μg.m−3 pour CLIM). Le mˆeme constats s’ap-plique aux valeurs du RMSE, du MNB et de σ.

D’apr`es les s´eries temporelles de la Fig.3.38 (d), les concentrations de PM10 simul´ees par CLIM sont sup´erieures `a celles d’ANALY en hiver alors que les niveaux sont proches en ´et´e. Les pics de PM10 simul´es par CLIM durant les p´eriodes hivernales sont coh´erents avec les repr´esentations spatiales discut´ees dans la partie pr´ec´edente. En moyenne sur les 5 ann´ees de simulation, le biais moyen annuel est n´egatif pour ANALY (MBPM10=-4.6 μg.m−3 _{en hiver) et positif pour CLIM (MBPM10=4.6 μg.m}−3_).

Indicateurs de NOx ANALY CLIM

Ann´ee JJAS DJFM Ann´ee JJAS DJFM

MBNOxH -0.19 -2.5 2.2 2.1 -2.1 8.4 MNBNOxH -1.2 -32.5 13.9 17.0 -28.8 55.1 CORRNOxH 0.46 0.29 0.42 0.14 0.08 0.05 RMSENOxH 13.2 8.8 15.9 20.5 10.6 29.2 σNOxH 1.20 0.91 1.19 1.64 1.00 1.78 MBNOxDM -0.12 -2.4 2.2 2.1 -2.1 8.0 MNBNOxDM -0.67 -32.4 14.6 17.5 -27.9 54.3 CORRNOxDM 0.61 0.43 0.55 0.20 0.09 0.07 RMSENOxDM 9.8 6.1 11.9 17.6 7.6 25.7 σNOxDM 1.34 0.98 1.30 1.92 1.07 2.08

Table3.5 – Similaire au Tab.3.4 pour les valeurs horaires et moyenne journali`ere de NO_x.

Indicateurs de SO₂ ANALY CLIM

Ann´ee JJAS DJFM Ann´ee JJAS DJFM

MBSO₂H 0.39 -0.06 0.79 0.46 -0.06 1.3 MNBSO₂H 18.6 -2.9 36.7 24.2 -3.1 50.8 CORRSO₂H 0.23 0.15 0.27 0.02 -0.01 -0.01 RMSESO₂H 4.3 3.3 4.9 5.5 3.8 7.4 σSO2H 1.37 1.16 1.53 1.65 1.21 2.05 MBSO₂DM 0.37 -0.07 0.79 0.45 -0.07 1.25 MBNSO₂DM 17.8 -3.5 35.4 23.2 -4.0 49.7 CORRSO₂DM 0.36 0.3 0.4 0.03 -0.01 -0.01 RMSESO₂DM 3.2 2.3 3.7 4.5 2.8 6.29 σSO2DM 1.53 1.35 1.70 1.92 1.47 2.42

Table3.6 – Similaire au Tab.3.4 pour les valeurs horaires et moyenne journali`ere de SO₂.

Ces comparaisons illustrent sans surprise que la simulation forc´ee par les analyses, proche des conditions r´eelles atmosph´eriques, reproduit la variabilit´e jour `a jour des

Figure 3.41 – Concentrations moyennes d’O₃ (a), de NO₂ (b) et de SO₂ (c) simul´ees par les simulations ANALY (noir), CLIM (gris) et observ´ees aux stations repr´esentatives (asterix) d’AirBAse en JJAS. Ces concentrations moyennes sont calcul´ees par pays. FR est la France, ES est l’Espagne, GB est l’Angleterre, DE est l’Allemagne, IT est l’Italie, PL est la Pologne.

Indicateurs de PM10 ANALY CLIM

Ann´ee JJAS DJFM Ann´ee JJAS DJFM

MBPM10 -8.2 -11.9 -4.6 -5.3 -11.8 4.6 MFBPM10 -59.5 -94.6 -33.6 -48.5 97.9 3.5 MFEPM10 75.1 96.9 58.0 85.4 101.7 77.4 CORRPM10 0.39 0.2 0.48 0.04 -0.04 0.03 RMSEPM10 15.1 14.4 15.1 21.6 15.3 28.3 σPM10 0.96 0.49 1.02 1.39 0.60 1.59

Table 3.7 – Similaire au Tab.3.4 pour les moyennes journali`eres de PM10. Les indica-teurs statistiques sont : le biais moyen (MBPM10 ;μg.m−3), le Mean Fractional Bias (MF-BPM10, %), le Mean Fractional Error (MFEPM10, %), le coefficient de corr´elation (COR-RPM10), l’Erreur quadratique moyenne (RMSEPM10 ; μg.m−3) et la d´eviation standard (σPM10).

´ev´enements, contrairement `a la simulation climatique. Cependant, comme le montre la Fig.3.39, en moyennant sur les 5 ann´ees de simulation, des variations annuelles et saisonni`eres similaires sont observ´ees entre ANALY et CLIM. De plus, les concentrations moyennes d’O₃, de NO₂ et de SO₂, repr´esent´ees par pays, sont similaires entre les deux simulations. Les cycles diurnes, moyenn´es sur la p´eriode JJAS, sont repr´esent´es en Fig.3.42 pour les simulations ANALY et CLIM. L’´evolution diurne des concentrations d’O₃est marqu´ee par un maximum en milieu d’apr`es midi alors que les valeurs minimales sont atteintes dans la nuit, du fait du d´epˆot sec et de la titration par le NO. L’amplitude entre ces valeurs extrˆemes (min et max) est similaire `a celle simul´ee par ANALY. Cependant, pendant la nuit, les concentrations simul´ees par CLIM sont moins ´elev´ees de 5 `a 7 μg.m−3. Cela est li´e `a l’intensit´e du d´epˆot d’O₃ en surface ou `a la titration par le NO qui conduit `a la formation de NO₂. Le profil diurne de NOx (Fig.3.39) montre que les concentrations

simul´ees par CLIM pendant la nuit sont sup´erieures `a ANALY de 2 `a 3 μg.m−3, ce qui valide l’hypoth`ese pr´ec´edente. Durant la journ´ee, les NOx sont d´etruits au profit de la

production photochimique d’O₃. Le cycle du SO₂ est marqu´e par deux pics de concentra-tions en d´ebut de matin´ee et en fin de journ´ee, dus en grande partie au trafic automobile. Un biais de 2 `a 3 μg.m−3 est observ´e entre ANALY et CLIM sur l’ensemble de la s´erie. De telles diff´erences ont ´et´e observ´ees pr´ec´edemment et sont li´ees aux vitesses de d´epˆot qui, comme pour les NO<sub>x</sub>, diff`erent entre les simulations. En moyenne sur les 5 ann´ees de simulation, le mod`ele forc´e par des for¸cages climatiques est capable de repr´esenter des niveaux de polluants coh´erents par rapport aux analyses. De plus, les tendances `a sous-estimer ou sursous-estimer les niveaux observ´es aux stations AirBase sont suivis pour les deux simulations.

Dans cette section, les comparaisons des scores entre les simulations ANALY et CLIM ´etaient bas´ees sur une ´etude statistique ordinaire qui consiste `a comparer chaque ann´ee simul´ee `a l’ann´ee observ´ee correspondante mˆeme si cela n’a pas grand sens dans le cas de CLIM. En effet, l’exp´erience CLIM est conduite sur 5 ann´ees de la p´eriode 2000-2010, il n’y a pas de correspondances entre les ann´ees sp´ecifiques simul´ees et les observations. L’´etude statistique men´ee pour ANALY n’est donc pas enti`erement adapt´ee `a la simulation CLIM. Nous ´etudions dans la suite l’impact sur les scores de permutations circulaires sur

a) Ozone b) NOx

c) SO₂

Figure 3.42 – Cycles diurnes simul´es par ANALY et CLIM pour l’O₃ (a), les NO_x (b) et le SO₂ (c). Ces cycles sont moyenn´es sur la p´eriode estivale de 2004-2008, aux stations repr´esentatives du domaine Europe. Les observations AirBase sont repr´esent´ees par *.

les ann´ees de la simulation CLIM (en effet, aucun ordre particulier est `a privil´egier). En faisant de mˆeme avec ANALY, nous ´etudions aussi l’impact de la perte de la chronologie des ´ev´enements sur les diff´erents indicateurs statistiques.

3.4.2

Impacts de la chronologie des ´

ev´

enements sur les

indica-teurs statistiques

Une ´etude statistique, bas´ee sur une permutation circulaire (sur la p´eriode de 5 ans), a ´et´e mise en place afin de comparer les simulations ANALY et CLIM et discuter de la pertinence des indicateurs. Chaque ann´ee simul´ee par le mod`ele a ´et´e ´evalu´ee aux 5 ann´ees d’observations de la p´eriode 2004-2008, ce qui nous a amen´es `a consid´erer 25 paires de scores statistiques. En consid´erant que les comparaisons sont faites `a partir de moyennes sur les 5 ann´ees de simulation, les permutations circulaires ont ´et´e calcul´ees de fa¸con `

permutations possibles. N´eanmoins, les permutations pour lesquelles une (ou plusieurs) ann´ee (s) simul´ee co¨ıncide avec l’ann´ee observ´ee correspondante, ont ´et´e exclues. Ces conditions ont conduit `a 44 r´ealisations possibles.

Afin de r´esumer ces r´esultats, nous avons utilis´e les diagrammes de Taylor (cf. Chap.1, section 1.3). Le coefficient de corr´elation R donne une mesure de la co-variance entre les valeurs observ´ees et simul´ees. La valeur de d´eviation standard normalis´ee (NSD) repr´esente la mesure de la variance mod´elis´ee par rapport `a celle observ´ee. Lorsque NSD atteint des valeurs inf´erieures `a 1, cela signifie que la d´eviation standard temporelle simul´ee est sous-estim´ee par rapport aux observations. Sur ces graphiques, ANALY repr´esente la simulation de r´ef´erence comme d´ecrite pr´ec´edemment, “ANALY-p” (symboles bleus) et “CLIM-p” (symboles rouges) correspondent aux permutations. Dans les Tab.3.8 et 3.9 sont repr´esent´ees les valeurs m´edianes des r´esultats statistiques de ces diff´erentes r´ealisations (comme le biais moyen, le biais moyen normalis´e, et la corr´elation) pour la p´eriode JJAS. Les comparaisons entre ANALY et ANALY-p illustrent clairement les cons´equences de la perte de chronologie des ´ev´enements (Fig.3.43). Pour l’O₃ (Tab.3.8), outre les corr´elations, la valeur m´ediane de RMSE obtenue par ANALY-p est d´egrad´ee `a la fois pour les valeurs horaires (RMSEO<sub>3</sub>H=31 μg.m−3 pour ANALY-p et 21.4 μg.m−3 pour ANALY) et le Mx8h (RMSEO<sub>3</sub>MAX=30.9 μg.m−3 pour ANALY-p et 24.9 μg.m−3 pour ANALY). N´eanmoins, des valeurs similaires sont observ´ees entre ANALY et ANALY-p pour les MNBO<sub>3</sub>MAX et MNBO<sub>3</sub>H, dans des ordres de grandeurs de -9 % et -4.5 % respec-tivement. Les d´eviations standard d’ANALY et ANALY-p sont semblables, elles varient autour de 0.66, ce qui signifie que le mod`ele sous-estime la variabilit´e du Mx8h d’ozone. Les mˆemes conclusions peuvent ˆetre appliqu´ees aux moyennes journali`eres de NO<sub>x</sub>, de SO<sub>2</sub> et de PM10. Pour la moyenne journali`ere de NOx (Fig.3.43), la d´eviation standard

est proche de la r´ef´erence ce qui indique que l’amplitude des concentrations simul´ees de NO_xest en accord avec les observations. Ces r´esultats montrent qu’avec les permutations, la simulation ANALY-p n’est plus corr´el´ee aux observations, ce qui la rend comparable `

a CLIM-p. Les valeurs de RMSE augmentent de 19 %, 11 % et 8 % entre ANALY et ANALY-p pour les valeurs horaires d’O₃, de NOx et de SO2 respectivement. N´eanmoins, pour les indicateurs MB, MNB et σ, des valeurs similaires sont conserv´ees.

En comparant les r´esultats statistiques des permutations ANALY-p et CLIM-p, les indi-cateurs qui diff`erent peu pourront ˆetre consid´er´es comme les plus utiles `a consid´erer pour analyser les tendances futures. Pour l’O₃, des corr´elations similaires et proches de z´ero sont obtenues pour ANALY-p et CLIM-p pour le Mx8h. Comme l’indique le Tab.3.8, les corr´elations entre les valeurs horaires d’O₃ observ´ees et simul´ees sont plus ´elev´ees que pour le Mx8h journalier. En permutant les ann´ees, le maximum journalier n’est plus corr´el´e aux observations. Cependant, nous pouvons confirmer que la variabilit´e diurne de l’O₃, car-act´eris´ee par des niveaux ´elev´es d’O₃ durant l’apr`es midi et des valeurs minimales durant la nuit, est encore captur´ee malgr´e ces permutations. Les valeurs de RMSE pr´esentent des performances plus faibles pour CLIM-p `a la fois pour le Mx8h (+ 10 %) et les niveaux horaires (+ 13%). Leσ indique une tendance d’ANALY-p `a sous-estimer la variabilit´e de l’O<sub>3</sub> en ´et´e. Dans le cas de CLIM-p, des valeurs de d´eviations standards plus ´elev´ees sont observ´ees : 0.9 et 0.98 contre 0.67 et 0.75 pour ANALY-p. Ce r´esultat, plutˆot inattendu, ne peut ˆetre consid´er´e comme une performance meilleure de CLIM-p. Le mod`ele sous-estime le Mx8h journalier d’O₃ pour ANALY-p et CLIM-p comme en t´emoigne le MNB : la valeur m´ediane atteint -9.1 % pour ANALY-p et -6.4 % pour CLIM-p.

Figure 3.43 – Diagramme de Taylor comparant les concentrations simul´ees et observ´ees du Mx8h d’O₃, de la moyenne journali`ere de NOx et de SO2. Les scores d’ANALY sont repr´esent´es par une croix noire. Les scores d’ANALY-p et CLIM-p sont respectivement en bleu et rouge.

Indicateurs d’O 3 Indicateurs de NO x Indicateurs de SO 2 ANAL Y-p CLIM-p ANAL Y ANAL Y-p CLIM-p ANAL Y ANAL Y-p CLIM-p ANAL Y MBO 3 MAX -7.9 -5.6 -8.1 MBNO x DM -2.5 -2.0 -2.4 MBSO 2 DM -0.09 -0.04 -0.07 MNBO 3 MAX -9.1 -6.4 -9.4 MNBNO x DM -32.6 -27.8 -32.4 MNBSO 2 DM -2.8 -1.0 -3.5 CORR O3 MAX 0.04 0.07 0.63 CORRNO x DM 0.09 0.07 0.43 CORRSO 2 DM -0.004 0.005 0.3 RMSEO 3 MAX 31 34.6 21.4 RMSENO x DM 7.1 7.6 6.1 RMSESO 2 DM 2.6 2.7 2.3 σ O3 MAX 0.67 0.9 0.66 σ NO x DM 0.98 1.07 0.98 σ SO 2 DM 1.39 1.47 1.35 MBO 3 H -2.8 -5.0 -2.9 M BNO x H -2.5 -2.1 -2.5 M BSO 2 H -0.08 -0.04 -0.06 MNBO 3 H -4.4 -7.9 -4.5 MNBNO x H -32.7 -28.6 -32.5 M NBSO 2 H -2.6 -0.68 -2.9 CORR O3 H 0.33 0.34 0.59 CORRNO x H 0.09 0.07 0.29 CORRSO 2 H -0.008 -0.01 0.15 RMSEO 3 H 30.9 35.1 24.9 RMSENO x H 9.9 10.5 8.8 RMSESO 2 H 3.6 3.8 3.3 σ O3 H 0.75 0.98 0.73 σ NO x H 0.90 0.98 0.91 σ SO 2 H 1.18 1.21 1.16 T a ble 3.8 – Statistiques de JJAS obten us p our les p erm utations ANAL Y-p et CLIM-p p our les v aleurs horaires et le Mx8h d’O 3 , les v aleurs horaires et les mo y ennes journali `eres de SO 2 et NO x .L av a le u rm ´ediane des p erm utations est repr ´esen t´ee dans ce tableau. Les scores calcul ´es son t : le biais mo y en (μ g.m − 3 ), le biais mo y en normalis ´e (%), les corr ´elations, le RMSE (μ g.m − 3 )e tl ad ´eviation standard. ANAL Y est la sim ulation de r´ef ´erence.

Concernant les concentrations horaires et journali`eres de NOx et de SO2, les simula-tions ANALY-p et CLIM-p pr´esentent maintenant des corr´elations similaires (Tab.3.8). Durant l’´et´e, ANALY-p et CLIM-p sous-estiment les concentrations horaires et jour-nali`eres de NO_x. Les valeurs m´edianes du MNBNO_xDM et MNBNO_xH changent d’`a peu pr`es 14 % entre ANALY-p et CLIM-p, celles du RMSENOxDM et RMSENOxH de 7 %.

Concernant la variabilit´e des NOx, des r´esultats satisfaisants sont observ´es `a la fois pour

ANALY-p (σDMNOx= 0.98) et CLIM-p (σDMNOx= 1.07). Le mod`ele surestime la

vari-abilit´e des concentrations horaires et des moyennes journali`eres de SO<sub>2</sub> pour ANALY-p et CLIM-p (Tab.3.8). L’amplitude de la variabilit´e des moyennes journali`eres de PM10 est sous-estim´ee (σPM10= 0.49 pour ANALY-p, σPM10= 0.59 pour CLIM-p), une tendance similaire est donc observ´ee pour les deux simulations. La mˆeme constatation peut ˆetre ´etablie pour le MBPM10. Enfin, pour le MFB et MFE, les crit`eres de performance ne sont pas atteints pour ANALY-p et CLIM-p.

Indicateurs PM10

ANALY-p CLIM-p ANALY

MBPM10 -11.9 -11.8 -11.9 MFBPM10 -93.8 -98.6 -94.6 MFEPM10 97 102.2 96.9 CORRPM10 0.01 0.01 0.2 RMSEPM10 14.9 15.1 14.4 σPM10 0.49 0.59 0.49

Table 3.9 – Comme le Tab.3.8 pour la moyenne journali`ere de PM10. Les scores statis-tiques concern´es sont : le biais moyen, le mean fractional bias, le mean fractionnal error, les coefficients de corr´elation, le RMSE et la d´eviation standard.

3.4.3

Autres indicateurs de la qualit´

e de l’air

Pour compl´eter l’´etude, deux indicateurs relatifs `a la sant´e ont ´et´e ´etudi´es : l’index SOMO35 et le nombre de jours de d´epassements des seuils r´eglementaires.

Les valeurs de SOMO35 sont r´esum´ees sur la Fig.3.44. Moyenn´ees sur toutes les sta-tions Europ´eennes, les contributions saisonni`eres calcul´ees avec AirBase atteignent 2221 μg.m−3 _{et 496μg.m}−3 _{en ´et´e et en hiver respectivement (4118μg.m}−3 _{pour l’ann´ee). Les}

deux simulations repr´esentent correctement les niveaux de SOMO35 ainsi que la variation saisonni`ere observ´ee aux stations AirBase (Tab.3.4) : pr`es de 50 % du SOMO35 annuel est produit en ´et´e et 20 % en hiver [van Loon et al., 2007]. Sur la Fig.3.44, nous avons calcul´e l’index SOMO35, pays par pays. ANALY et CLIM simulent des valeurs tr`es sem-blables, notamment sur l’Espagne, l’Allemagne, la France et l’Europe. Les distributions g´eographiques simul´ees par CLIM (Fig.3.45) sont similaires `a celles d’ANALY : sur le nord du domaine, les niveaux de SOMO35 sont moins ´elev´es que dans le Sud de l’Europe, comme en Italie et en Espagne o`u les objectifs de qualit´e de l’air ne sont pas atteints. N´eanmoins, les valeurs de SOMO35 simul´es par CLIM sont l´eg`erement plus ´elev´ees sur l’I-talie. De plus, une zone plus marqu´ee se distingue sur l’Allemagne dans CLIM : les valeurs de SOMO35 exc`edent 7500 μg.m−3.j. Cela co¨ıncide avec les diff´erences d’O<sub>3</sub> en surface observ´ees sur cette partie du domaine (Fig.3.37), o`u les concentrations d’O₃ ´etaient plus

´elev´ees dans CLIM que dans ANALY. Deux conclusions ressortent de ces figures : CLIM simule des valeurs correctes de SOMO35 ainsi que la distribution g´eographique.

Figure3.44 – Valeurs de SOMO35 (μg.m−3.jour) calcul´ees par pays et sur l’Europe, pour les simulations ANALY et CLIM et observ´ees par AirBase aux stations repr´esentatives. Ces valeurs ont ´et´e moyenn´ees sur les p´eriodes annuelles de 2004 `a 2008.

Figure 3.45 – Cartes des niveaux de SOMO35 (μg.m−3.jour) calcul´es pour ANALY et CLIM aux stations repr´esentatives d’AirBase. Ces cartes sont moyenn´ees sur les 5 ann´ees de simulation.

lim-ite de 120μg.m−3pour le Mx8h journalier d’O₃. Sur l’Angleterre (GB) et la Pologne (PL), des valeurs similaires sont obtenues par ANALY et CLIM. En revanche, pour les autres pays, CLIM simule un plus grand nombre de d´epassements de seuil (Fig.3.46). Ainsi, CLIM est plus proche des observations que ne l’est ANALY. Ce r´esultat est inattendu mais coh´erent avec les diff´erences pr´ec´edemment observ´ees sur les cartes d’O₃ de sur-face (Fig.3.37). En moyennant sur l’ensemble des stations Europ´eennes, ANALY simule 5.7 jours de d´epassement de seuil alors que CLIM simule 12 jours. Les concentrations moyennes d’O₃ simul´ees par ANALY au del`a du seuil de 120 μg.m−3 pour le Mx8h d’O₃, sont en accord avec les observations. En revanche, des concentrations plus ´elev´ees sont calcul´ees avec CLIM, notamment pour les stations de France et d’Italie (Fig.3.47, b).

Figure 3.46 – Nombre de jours moyens (p´eriode annuelle) d´epassant le seuil de 120 μg.m−3 _{pour le Mx8h d’O}

3 pour les simulations ANALY (gauche) et CLIM (droite).

La Fig.3.47 (c) repr´esente la distribution en percentiles des maxima journalier d’O₃. L’intervalle entre les 20`eme <sub>et 70</sub>`eme_{percentiles expose des valeurs similaires entre les deux}

simulations. L’occurrence des valeurs extrˆemes maximales est sous-estim´ee par le mod`ele pour ANALY et CLIM. Cependant, au del`a du seuil de 180 μg.m−3, CLIM atteint des occurrences plus fortes que les observations (Fig.3.47, d).

Ces diff´erentes figures confirment que la simulation CLIM simule des concentrations r´ealistes d’O₃ sur l’Europe.

Figure 3.47 – a) Nombre de jours moyen d´epassant le seuil de 120 μg.m−3 pour le maximum journalier de la moyenne glissante sur 8h (p´eriode JJAS). b) Concentrations moyennes d’O₃ au del`a du seuil de 120μg.m−3 (sur toutes les stations disponibles) durant l’´et´e pour les pays : France (FR), Espagne (ES), Allemagne (DE), Angleterre (GB), Italie (IT) et Pologne (PL). La d´eviation standard qui repr´esente la variabilit´e interannuelle est repr´esent´ee par les bars verticales. c) Distribution, en percentiles, des maxima journaliers d’O<sub>3</sub> mesur´es aux stations AirBase (rouge) et simul´es par MOCAGE (ANALY en noir et CLIM en gris). d) Distribution zoom´ee entre les 80eme` et 100eme` percentiles.

3.5

Conclusion

Le mod`ele MOCAGE, dans sa configuration de r´ef´erence, c’est `a dire forc´e par des champs analys´es, a ´et´e ´evalu´e par comparaison au r´eseau d’observations AirBase. La r´esolution horizontale du mod`ele, tr`es fine sur l’Europe, a permis de faire une ´etude r´egionale de la qualit´e de l’air. Les r´esultats obtenus sont satisfaisants : le mod`ele re-produit la variabilit´e interannuelle des esp`eces, ainsi les ´episodes estivaux de pollution photochimique `a l’O<sub>3</sub> et les ph´enom`enes de pollution aux PM10 en hiver sont correcte-ment repr´esent´es par le mod`ele. L’´evaluation des scores statistiques, par pays, montre une in´egalit´e des r´esultats entre le nord et le sud du domaine. Le choix de l’inventaire des ´emissions explique en partie ces diff´erences. Cette constatation rejoint celles observ´ees dans diverses ´etudes de performances de mod`ele de qualit´e de l’air. Les scores du mod`ele se situent dans la gamme des valeurs de plusieurs ´etudes d’intercomparaison [Hass et al., 2003; van Loon et al., 2004; 2007] et valident la capacit´e du mod`ele `a reproduire les niveaux de polluants sur l’Europe. N´eanmoins, dans cette configuration, la composition des PM est incompl`ete, les biais pourront ˆetre am´elior´es en prenant en compte les a´erosols organiques secondaires et les nitrates.

Les trois simulations, r´ealis´ees `a partir de for¸cages diff´erents (champs m´et´eorologiques, ´emissions, vitesses de d´epˆot) ont ´et´e compar´ees afin de mettre en ´evidence les effets sur les distributions des polluants dans l’atmosph`ere. La hauteur de couche limite, en contraig-nant la dispersion des polluants, joue un rˆole d´eterminant et explique en grande partie les diff´erences observ´ees pour l’ensemble des esp`eces. N´eanmoins, selon l’esp`ece consid´er´ee, l’influence de la m´et´eorologie ou des ´emissions n’est pas la mˆeme : certaines esp`eces sont davantage gouvern´ees par les ´emissions, les vitesses de d´epˆot ou encore par les champs m´et´eorologiques. Sur l’ensemble du domaine, les diff´erences d’O<sub>3</sub> sont `a la fois li´ees `a la temp´erature et `a la hauteur de couche limite, mais surtout aux diff´erences de vitesses de d´epˆot (et de flux d´epos´es). Les diff´erences d’a´erosols sulfat´es et d’isopr`ene sont principale-ment li´ees aux for¸cages 3D (hauteur de couche limite) alors que les esp`eces SO₂ et NOx

sont essentiellement d´ependantes des flux de surface, de part leurs courtes dur´ees de vie dans l’atmosph`ere.

Dans la derni`ere partie, nous avons ´evalu´e plus sp´ecifiquement comment les donn´ees is-sues d’un mod`ele de qualit´e de l’air diff´erent lorsque deux types de for¸cages m´et´eorologiques sont utilis´es : soit des analyses soit des champs m´et´eorologiques issus d’un mod`ele de cli-mat. Ce travail pr´eliminaire est essentiel pour quantifier et interpr´eter les conclusions statistiques des simulations de qualit´e de l’air des climats futurs.

La simulation coupl´ee aux for¸cages du mod`ele de climat n’est pas apte `a reproduire les observations comme la simulation de r´ef´erence, puisqu’elle ne suit pas la variabilit´e jour `a jour des ´ev´enements m´et´eorologiques et de qualit´e de l’air. Les comparaisons entre les niveaux de SOMO35 ainsi que les distributions des percentiles du maxima journaliers d’O<sub>3</sub> ont montr´e que le mod`ele ´etait capable de simuler des niveaux r´ealistes d’O₃ sur l’Europe `a partir de for¸cages m´et´eorologiques issus d’un mod`ele de climat. L’objectif de ce travail ´etait de d´eterminer des indicateurs statistiques pertinents pour interpr´eter les sorties du mod`ele forc´e par des param`etres m´et´eorologiques climatiques. Afin de com-parer les simulations entre elles et illustrer l’impact de la chronologie des ´ev´enements, une m´ethode de permutation a ´et´e mise en place. Pour l’O₃, nous avons montr´e que les deux simulations, forc´ees par les analyses ou le mod`ele de climat, suivent les mˆemes tendances :

les concentrations horaires et du Mx8h sont l´eg`erement sous-estim´ees, les biais et RMSE sont dans les mˆemes ordres de grandeur. Des conclusions similaires peuvent ˆetre ´elargies aux moyennes journali`eres et aux donn´ees horaires de SO₂ et de NOx, de mˆeme qu’aux

concentrations moyennes journali`eres de PM10. De plus, nous avons montr´e que l’ampli-tude de la d´eviation standard est correctement reproduite par le mod`ele lorsque celui-ci est forc´e par le mod`ele de climat. Finalement, comme pour la variabilit´e, les r´esultats statistiques du MB, MNB et RMSE peuvent ˆetre interpr´et´es avec fiabilit´e.

Les indicateurs pertinents illustr´es dans cette ´etude seront maintenant utilis´es pour interpr´eter les simulations de la qualit´e de l’air dans le futur sur l’Europe.

Chapitre 4

Impacts des climats futurs sur la

qualit´

e de l’air en Europe

Sommaire

4.1 Introduction . . . 164

4.2 Comparaisons des simulations climatiques . . . 167

4.2.1 Evolution des param`etres m´et´eorologiques . . . 167 4.2.2 Impacts sur les niveaux de polluants en Europe . . . 171

4.3 Qualit´e de l’air en France aux horizons 2030 et 2050 . . . 195

4.1

Introduction

Des changements majeurs du climat induits par l’´evolution des ´emissions anthropiques de gaz `a effet de serre sont attendus d’ici la fin du 21`eme _{si`ecle [IPCC, 2007]. Nous nous}

attacherons ici `a ´etudier comment la distribution des polluants dans la basse troposph`ere et la qualit´e de l’air peuvent ˆetre affect´es par ces changements. De nombreux travaux ont ´et´e men´es pour ´etudier les effets du climat sur la qualit´e de l’air en Europe [Langner et al., 2005; Szopa et al., 2006; Meleux et al., 2007; Giorgi and Meleux, 2007; Zlatev, 2007; Andersson and Engardt, 2010; Katragkou et al., 2011]. Ces ´etudes aboutissent `a des projections diff´erentes de l’´evolution de la qualit´e de l’air dans les climats futurs, dues `a la divergence des sc´enarios climatiques et des syst`emes de mod´elisation, mais elles convergent n´eanmoins vers des constatations similaires concernant la qualit´e de l’air. L’originalit´e de cette ´etude est de pouvoir ´etudier les interactions entre les domaines global et r´egional, et les probl´ematiques li´ees `a la qualit´e de l’air future `a haute r´esolution sur l’Europe.

Dans ce chapitre, nous avons ´etudi´e la qualit´e de l’air en Europe aux horizons 2030 et 2050 en prenant compte l’´evolution des ´emissions anthropiques li´ee aux strat´egies de r´eduction Europ´eenne et du changement du climat. Pr´ec´edemment, nous avons montr´e que, pour la p´eriode actuelle, le mod`ele MOCAGE, coupl´e aux champs m´et´eorologiques d’ARPEGE-Climat, ´etait capable de simuler des niveaux r´ealistes de polluants sur l’Eu-rope. Nous allons nous baser sur les indicateurs pertinents qui ont ´et´e distingu´es pour analyser la qualit´e de l’air des climats futurs.

Le choix d’´etudier 2030 a ´et´e contraint par la disponibilit´e des projections des ´emissions de polluants anthropiques. Un sc´enario d’´emissions a ´et´e mis en place sur l’Europe, pour les ann´ees 2030 par le projet EC4MACS. Cet inventaire d’´emissions prend en consid´eration les pr´evisions de croissances ´economiques et les l´egislations actuelles qui r´eglementent la pollution de l’air en Europe. Nous avons ´egalement ´etudi´e la p´eriode 2050, pour laquelle cette projection n’´etait pas disponible. En consid´erant que l’´evolution des ´emissions entre 2030 et 2050 est incertaine, nous avons choisi de garder des ´emissions similaires entre ces deux p´eriodes. Les comparaisons entre les p´eriodes 2030 et 2050 ont permis d’isoler les effets li´es `a l’´evolution du climat. Les for¸cages m´et´eorologiques d’ARPEGE-Climat sont bas´es sur le sc´enario d’´emissions climatiques RCP8.5. Pour ce sc´enario, consid´er´e comme pessimiste, un changement significatif du climat (croissance du bilan radiatif, augmenta-tion des concentraaugmenta-tions de CO<sub>2</sub>) est observ´e d`es les ann´ees 2030. Dans nos simulations, il n’y a pas de r´etroactions entre les ´emissions et les champs climatiques. Cependant, les ´emissions anthropiques globales des ann´ees 2030 ont ´et´e calcul´ees en coh´erence avec le sc´enario RCP8.5. Comme sur l’Europe, les ´emissions anthropiques globales restent in-chang´ees entre les simulations de 2030 et de 2050.

L’objectif de cette ´etude est d’´evaluer les effets d’un changement du climat et les effets des r´eglementations ´etablies par l’Union Europ´eenne pour r´eduire les ´emissions sur la qualit´e de l’air en Europe. Nous voulons d´eterminer si les strat´egies de r´eduction des ´emissions peuvent contrebalancer les effets li´es au changement du climat et `a l’´evolution des niveaux de pollution de fond, pour maintenir une qualit´e de l’air correcte en Europe et en France.

Pour mener cette ´etude, trois simulations num´eriques sont compar´ees et sont d´ecrites dans le Tab.4.1 : les deux simulations des climats futurs se r´ef´erent `a S2030 et S2050 alors que CLIM est consid´er´ee comme la simulation de r´ef´erence. Comme l’indique le Tab.4.1, S2030 utilise l’inventaire d’´emissions de 2030 issu d’EC4MACS sur l’Europe, alors que les

´emissions sur le globe sont coh´erentes avec le sc´enario RCP8.5. S2050 s’appuie ´egalement sur le sc´enario RCP8.5, cependant, les ´emissions globales et Europ´eennes sont similaires `

a S2030. Les comparaisons entre S2030 et S2050 permettront d’isoler la sensibilit´e aux effets du climat et aux conditions aux limites de grandes ´echelles.

Sim ulation Fo r¸cages m ´et ´eorologiques Emissions P´ erio de CLIM ARPEGE-Climat/ Climat pr ´esen t GEMS 5a n n ´ees caract ´erisan t la p´ erio de 2000-2010 S2030 ARPEGE-Climat/ R CP8.5 climat futur 2030 ´emissions globales R CP8.5 5a n n ´ees caract ´erisan t la sc ´enario EC4MA CS 2030 sur Europ e p´ erio de 2030 (2031-2035) S2050 ARPEGE-Climat/ R CP8.5 climat futur 2050 ´emissions globales R CP8.5 2030 5a n n ´ees caract ´erisan t la sc ´enario EC4MA CS 2030 sur Europ e p´ erio de 2050 (2051-2055) T a ble 4.1 – Description des sim ulations men ´ees p our les climats futurs (S2030, S2050) et pr ´esen t (CLIM).

4.2

Comparaisons des simulations climatiques

Dans cette partie, les distributions spatiales des esp`eces sur l’Europe et sur le globe cor-respondent aux diff´erences entre les climats futurs du sc´enario RCP8.5 (S2030 ou S2050) et le climat de r´ef´erence (CLIM). Les champs m´et´eorologiques et les polluants ont ´et´e moyenn´es sur les p´eriodes de simulation : les mois de Juin, Juillet, Aoˆut et Septembre sont utilis´es pour la p´eriode estivale (JJAS) alors que les mois de D´ecembre, Janvier, F´evrier et Mars repr´esentent les mois d’hiver (DJFM). Les comparaisons permettent d’il-lustrer les impacts de la r´eduction des ´emissions en Europe face au changement du climat, sur les niveaux de polluants dans l’atmosph`ere et en surface (S2030 .vs. CLIM, S2050 .vs. CLIM). Les comparaisons entre S2050 et S2030 permettent d’isoler l’influence du climat sur la qualit´e de l’air.

Pour cette ´etude, nous avons utilis´e les champs m´et´eorologiques issus du mod`ele de climat ARPEGE-Climat, qui ont ´et´e moyenn´es sur 5 ans. L’interpr´etation de ces r´esultats vise ici `a d´ecrire l’impact de ces param`etres sur les niveaux de polluants dans l’atmosph`ere plutˆot qu’`a d´ecrire une ´evolution du climat dans le futur.

4.2.1

Evolution des param`

etres m´

et´

eorologiques

L’´evolution des conditions synoptiques entre CLIM et les simulations futures S2030 et S2050 est repr´esent´ee en Fig.4.1 pour les p´eriodes JJAS et DJFM. En ´et´e, une aug-mentation de la hauteur du g´eopotentiel est observ´ee dans S2030 sur le nord et le sud de l’Europe. La Fig.4.1 indique ´egalement une augmentation plus significative de la hauteur du g´eopotentiel dans S2050 `a l’Est du domaine (Turquie), et sur l’Atlantique Nord. En hiver, l’´evolution des conditions synoptiques est surtout marqu´ee sur l’Atlantique Nord (au dessus de l’Angleterre).

Les diff´erences entre les param`etres m´et´eorologiques ont ´et´e ´evalu´ees pour les p´eriodes JJAS (Fig.4.2) et DJFM (Fig.4.3) entre S2030 et CLIM (a), S2050 et CLIM (b), et S2050 et S2030 (c). Les champs de temp´erature, de pr´ecipitation, d’humidit´e relative et de vitesse de vent, qui seront discut´es ici, sont parmi les param`etres les plus pertinents `a consid´erer pour l’´etude de la pollution de l’air.

Tout d’abord, dans la simulation S2030, des temp´eratures plus ´elev´ees sont simul´ees par le mod`ele sur l’Europe continentale et en particulier `a l’Est du domaine (Pologne), cette tendance est renforc´ee dans S2050. En ´et´e, les diff´erences maximales avec le climat pr´esent atteignent respectivement 2 ◦C et 3.9 ◦C pour S2030 et S2050. N´eanmoins, une augmen-tation plus mod´er´ee des temp´eratures est observ´ee sur la France. La temp´erature joue un rˆole d´eterminant dans la production d’O₃ [Derwent et al., 2003] en favorisant les ´emissions biog´eniques et les r´eactions photochimiques. En hiver, une tr`es nette augmentation des temp´eratures est observ´ee sur une partie du domaine allant du Sud Ouest au Nord Est, cette tendance qui apparaˆıt dans S2030, se renforce dans S2050 (ΔMax= 4◦C entre S2050 et CLIM).

D’apr`es la Fig.4.2, une augmentation des pr´ecipitations est observ´ee sur l’Europe Cen-trale dans S2030, puis S2050 alors que celles-ci diminuent sur certaines r´egions comme l’Espagne, l’Italie et la Gr`ece. Cette ´evolution des pr´ecipitations modifie la dispersion des polluants [Langner et al., 2005; Meleux et al., 2007] : une diminution (augmentation) des pr´ecipitations inhibe (favorise) le lessivage des polluants. En revanche, en hiver, une diminution des pr´ecipitations est projet´ee sur l’ensemble du continent Europ´een, et

no-(a) CLIM (b) S2030 (c) S2050

Figure4.1 – Hauteur moyenne du g´eopotentiel (m) `a 500hPa dans les simulations S2030 (a), S2050 (b) et CLIM (c) pour la p´eriode JJAS (en haut ) et DJFM (en bas).

tamment dans le sud du domaine, en dessous de 45 ◦N. Or, la formation de polluants, comme l’O₃, est favoris´ee par la diminution des pr´ecipitations et l’augmentation de la photochimie associ´ee `a la r´eduction du couvert nuageux. Ainsi, les tendances observ´ees dans S2030 sont renforc´ees dans S2050, `a la fois en hiver et en ´et´e.

Les changements d’humidit´e relative, de la p´eriode JJAS, sont contrast´es entre l’Eu-rope de l’Ouest et de l’Est. Une humidit´e plus ´elev´ee est simul´ee par S2050 sur l’Europe centrale et du Nord (ΔMax=1.2 g/kg) alors qu’une diminution se distingue `a l’Est. Comme pour les temp´eratures, en hiver, l’humidit´e augmente sur une partie du domaine allant du Sud Ouest au Nord Est dans S2030, et davantage pour S2050. Une augmentation de l’hu-midit´e relative contribue `a la production des radicaux hydroxils qui sont impliqu´es dans la production d’O₃. Sur l’oc´ean Atlantique et la M´editerran´ee, l’augmentation de l’humidit´e dans les climats futurs, peut s’expliquer par une augmentation de l’´evaporation.

Concernant les vitesses de vent de la p´eriode JJAS, des structures similaires sont simul´ees dans S2030 et S2050 sur le domaine continental. En revanche, au dessus de l’oc´ean Atlantique, l’´evolution des vitesses de vent est diff´erente entre les climats futurs. Alors qu’une diminution des vitesses est observ´ee sur le Nord Ouest du domaine dans S2030 par rapport `a CLIM, une forte augmentation des vents est illustr´ee `a l’Ouest de l’Espagne dans S2050. En hiver, les diminutions et augmentations des vitesses du vent horizontal entre S2030 et CLIM, puis entre S2050 et CLIM se diff´erencient principalement `a l’Ouest du domaine. Dans S2050, des vents plus ´elev´es sont observ´es `a l’Ouest de la France. Ces

(a) S2030-CLIM (b) S2050-CLIM (c) S2050-S2030

Figure 4.2 – De haut en bas : Diff´erences des temp´eratures moyennes de surface ( C), des pr´ecipitations (mm/d), de l’humidit´e relative (g/kg), de la vitesse du vent (m/s) entre S2030 et CLIM (a), S2050 et CLIM (b) et S2050 et S2030 (c) pour la p´eriode JJAS. Les valeurs minimales et maximales ont ´et´e calcul´ees pour la partie continentale du domaine.

(a) S2030-CLIM (b) S2050-CLIM (c) S2050-S2030