L'augmentation de l'accumulation de neige simulée en Antarctique de l'Est pour le siècle à venir est une contribution négative à la hausse du niveau moyen des mers. Les modèles climatiques simulant cette augmentation ne possèdent pas de paramétrisation du transport éolien de neige or ce dernier joue un rôle primordial sur l'accumulation d'après les observations. Les modèles climatiques régionaux possédant une paramétrisation du transport éolien permettent d'estimer l'incertitude des modèles climatiques sur la hausse du niveau moyen des mers en ne représentant pas ce processus. Cependant aucune donnée de transport ne permet une validation précise de ces modèles en Antarctique. Dans ce contexte, cette thèse décrit la constitution d'une base de données de transport éolien de neige en Antarctique ainsi qu'une validation d'un modèle climatique régional incluant le transport éolien de neige. Un instrument acoustique, le FlowCapt, a été choisi pour acquérir les données. Une comparaison avec un appareil de mesure optique du transport, le Snow Particle Counter, a été menée dans les Alpes françaises. Cette comparaison a permis de déterminer les limites des deux générations de FlowCapt existantes pour la détection des événements de transport et la quantification du flux de neige. Une base de données de trois années a été acquise en Terre Adélie, Antarctique, pour permettre une comparaison avec un modèle climatique régional. Elle a permis de calculer la hauteur de rugosité et la vitesse de frottement seuil avec leurs incertitudes. Les épisodes de transport éolien de neige et une borne inférieure de la quantité de neige déplacée en un point ont été estimés. Deux comparaisons ont été menées avec le Modèle Atmosphérique Régional, un modèle climatique régional incluant de nombreuses rétroactions du transport sur l'écoulement. Les deux simulations utilisées pour les comparaisons ont été faites sur un petit domaine à fine échelle sur une période d'un mois. Le modèle simule bien les épisodes de transport sauf lorsque de la fonte s'est produite juste avant un épisode ou lorsque les épisodes ont une hauteur maximale de transport inférieure à cinquante centimètres. Le modèle sous-estime les quantités de neige transportée.

Les interactions dynamiques des conditions d'enneigement avec l'activité touristique des stations de sport d'hiver reposent sur de multiples enjeux sociaux, économiques, environnementaux et climatiques intégrés par les élus chargés du développement des territoires de montagne et industriels responsables de l'exploitation des domaines skiables. Depuis l'expérience vécue de la vulnérabilité des domaines skiables au déficit d'enneigement au début des années 1990 et plus encore depuis l'introduction des problématiques du changement climatique dans le débat public au début des années 2000, l'attente de la part des décideurs politiques et des professionnels de la neige pour des éléments fiables et pertinents sur l'impact du climat sur l'activité des sports d'hiver - dans laquelle s'intègre ce travail - n'a cessé de croître.Ce travail s'est attaché à la compréhension du rôle intégrateur de l'opérateur de domaine skiable dans son approche socio-économique d'une part et nivo-climatologique d'autre part de la gestion de la neige dans sa station dans le but de développer une chaîne de modélisation de la dynamique des interactions entre les conditions d'enneigement (variabilité, imprévisibilité) et les activités humaines (objectifs, moyens).Un état des lieux a été établi sur les priorités poursuivies, les moyens mis en œuvre (damage, neige de culture) et les contraintes subies (météorologiques, organisationnelles, structurelles) par les gestionnaires de domaines skiables dans leurs opérations quotidiennes de gestion de la neige grâce à une enquête auprès de 55 stations françaises et aux échanges réguliers avec quatre stations partenaires de ce travail (Autrans, Tignes, Chamrousse et Les Deux Alpes).Une modélisation physique des impacts de la gestion de la neige a été développée sur la base d'un modèle de neige et confrontée à des observations réalisées au cours de deux saisons hivernales consécutives dans ces quatre stations partenaires.Ces éléments ont été intégrés dans une chaîne de modélisation couplée permettant des études spatialisées des conditions d'enneigement et in fine la détermination d'indicateurs de la viabilité de l'enneigement à l'échelle de la station, dans l'ensemble des Alpes françaises. Cette méthode extrapolable à l'ensemble des massifs français a été appliquée dans les Alpes françaises sur la période passée 1958 – 2014 et a révélé la corrélation des indicateurs d'enneigement avec les données économiques des stations de sport d'hiver. Notre approche a ainsi montré sa pertinence pour des études prospectives de l'impact du changement climatique et/ou des infrastructures des domaines skiables sur la viabilité de l'enneigement et ses conséquences pour l'activité économique des stations de sport d'hiver. / The industrial activity of ski resorts is based upon multiple concerns including social, economic, environmental and climatic issues which ski resorts stakeholders have to cope with.In the early 1990's ski resorts experienced several consecutive seasons with poor snow conditions in the European Alps when climate and environmental questions were discussed as a global concern after the United Nations held their first international conferences on climate change. This raised the interest of ski resorts stakeholders and representatives of host communities for reliable and relevant indicators of climate induced impacts on snow conditions and on the related economic activity of ski resorts.This research focused on the role played by ski resorts operators in crossing socio-economic concerns with meteorological and snow concerns, to provide a modelling approach of dynamics and interactions between snow conditions (variability, low predictability) and human activities (defined by purposes and means). The objectives pursued by operators, the means they employ (grooming, snowmaking) and constraints they face (meteorological, structural or organization issues) have been investigated through a survey of 55 French ski resorts and frequent discussions with four partner ski resorts (Tignes, Autrans, Les Deux Alpes, Chamrousse). A physically based modelling approach of the impact of grooming and snowmaking on snow properties was integrated in a snowpack model and evaluated with respect to field observations in the four partner ski resorts over two consecutive winter seasons. This was crossed with a socio economic database of ski resorts to provide an explicit spatial modelling of managed snow conditions on ski slopes for the entire French Alps ski resorts. This method was applied for the 1958 - 2014 period and snow indicators were defined and computed, revealing a significant correlation of snow reliability indicators with economic data on ski resorts. This approach therefore proved its ability to provide relevant indicators of snow conditions in ski resorts with respect to economic implications and may be used for further prospective investigations of evolutions of facilities and/or climate change impacts on snow conditions and the related economy of the ski industry.

La neige est une composante essentielle du système climatique arctique. Au nord de l'Eurasie et de l'Amérique du Nord, la couverture neigeuse est présente de 7 à 10 mois par an et son extension saisonnière maximale représente plus de 40% de la surface terrestre de l'hémisphère nord. La neige affecte une variété de processus climatiques et de rétroactions aux hautes latitudes. Sa forte réflectivité et sa faible conductivité thermique ont un effet de refroidissement et modulent la rétroaction neige-albédo. Sa contribution au bilan radiatif de la Terre est comparable à celle de la banquise. De plus, en empêchant d'importantes pertes d'énergie du sol sous-jacent, la neige limite la progression de la glace et le développement du pergélisol saisonnier. Réserve d'eau naturelle, la neige joue un rôle essentiel dans le cycle hydrologique aux hautes latitudes, notamment en ce qui concerne l'évaporation et le ruissellement. La neige est l'une des composantes du système climatique présentant la plus forte variabilité. Le réchauffement de l'Arctique étant deux fois plus rapide que celui du reste du globe, la variabilité présente et future des caractéristiques de la neige est cruciale pour une meilleure compréhension des processus et des changements climatiques.Cependant, notre capacité à observer l'Arctique terrestre étant limitée, les modèles climatiques jouent un rôle clé dans notre aptitude à comprendre les processus liés à la neige. À cet égard, la représentation des rétroactions associées à la neige dans les modèles climatiques, en particulier pendant les saisons intermédiaires (lorsque la couverture neigeuse de l'Arctique présente la plus forte variabilité), est primordiale.Notre étude porte principalement sur la représentation de la neige terrestre arctique dans les modèles de circulation générale issus du projet CMIP5 (Coupled Model Intercomparison Project) au cours du printemps (mars-avril) et de l’automne (octobre-novembre) de 1979 à 2005. Les caractéristiques de la neige des modèles de circulation générale ont été validées par rapport aux mesures de neige in situ, ainsi qu’à des produits satellitaires et à des réanalyses.Nous avons constaté que les caractéristiques de la neige dans les modèles ont un biais plus marqué au printemps qu'en automne. Le cycle annuel de la couverture neigeuse est bien reproduit par les modèles. Cependant, les cycles annuels d'équivalent en eau de la neige et de sa profondeur sont largement surestimés par les modèles, notamment en Amérique du Nord. Il y a un meilleur accord entre les modèles et les observations dans la position de la marge de neige au printemps plutôt qu'en automne. Les amplitudes de variabilité interannuelle pour toutes les variables de la neige sont nettement sous-estimées par la plupart des modèles CMIP5. Pour les deux saisons, les tendances des variables de la neige dans les modèles sont principalement négatives, mais plus faibles et moins significatives que celles observées. Les distributions spatiales des tendances de la couverture neigeuse sont relativement bien reproduites par les modèles, toutefois, la distribution spatiale des tendances en équivalent-eau et en profondeur de la neige présente de fortes hétérogénéités régionales.Enfin, nous concluons que les modèles CMIP5 fournissent des informations précieuses sur les caractéristiques de la neige en Arctique terrestre, mais qu’ils présentent encore des limites. Il y a un manque d’accord entre l’ensemble des modèles sur la distribution spatiale de la neige par rapport aux observations et aux réanalyses. Ces écarts sont particulièrement marqués dans les régions où la variabilité de la neige est la plus forte. Notre objectif dans cette étude était d'identifier les circonstances dans lesquelles ces modèles reproduisent ou non les caractéristiques observées de la neige en Arctique. Nous attirons l’attention de la communauté scientifique sur la nécessité de prendre compte nos résultats pour les futures études climatiques. / Snow is a critical component of the Arctic climate system. Over Northern Eurasia and North America the duration of snow cover is 7 to 10 months per year and a maximum snow extension is over 40% of the Northern Hemisphere land each year. Snow affects a variety of high latitude climate processes and feedbacks. High reflectivity of snow and low thermal conductivity have a cooling effect and modulates the snow-albedo feedback. A contribution from terrestrial snow to the Earth’s radiation budget at the top of the atmosphere is close to that from the sea ice. Snow also prevents large energy losses from the underlying soil and notably the ice growth and the development of seasonal permafrost. Being a natural water storage, snow plays a critical role in high latitude hydrological cycle, including evaporation and run-off. Snow is also one of the most variable components of climate system. With the Arctic warming twice as fast as the globe, the present and future variability of snow characteristics are crucially important for better understanding of the processes and changes undergoing with climate. However, our capacity to observe the terrestrial Arctic is limited compared to the mid-latitudes and climate models play very important role in our ability to understand the snow-related processes especially in the context of a warming cryosphere. In this respect representation of snow-associated feedbacks in climate models, especially during the shoulder seasons (when Arctic snow cover exhibits the strongest variability) is of a special interest.The focus of this study is on the representation of the Arctic terrestrial snow in global circulation models from Coupled Model Intercomparison Project (CMIP5) ensemble during the melting (March-April) and the onset (October-November) season for the period from 1979 to 2005. Snow characteristics from the general circulation models have been validated against in situ snow measurements, different satellite-based products and reanalyses.We found that snow characteristics in models have stronger bias in spring than in autumn. The annual cycle of snow cover is well captured by models in comparison with observations, however, the annual cycles of snow water equivalent and snow depth are largely overestimated by models, especially in North America. There is better agreement between models and observations in the snow margin position in spring rather than in autumn. Magnitudes of interannual variability for all snow characteristics are significantly underestimated in most CMIP5 models compared to observations. For both seasons, trends of snow characteristics in models are primarily negative but weaker and less significant than those from observations. The patterns of snow cover trends are relatively well reproduced in models, however, the spatial distribution of trends for snow water equivalent and snow depth display strong regional heterogeneities.Finally, we have concluded CMIP5 general circulation models provides valuable information about the snow characteristics in the terrestrial Arctic, however, they have still limitations. There is a lack of agreement among the ensemble of models in the spatial distribution of snow compared to the observations and reanalysis. And these discrepancies are accentuated in regions where variability of snow is higher in areas with complex terrain such as Canada and Alaska and during the melting and the onset season. Our goal in this study was to identify where and when these models are or are not reproducing the real snow characteristics in the Arctic, thus we hope that our results should be considered when using these snow-related variables from CMIP5 historical output in future climate studies.

No description available.

La caractérisation du couvert nival en forêt boréale est un élément important pour la compréhension des régimes climatiques et hydrologiques. Depuis plusieurs années, l’utilisation des micro-ondes passives est étudiée pour l’estimation de l’équivalent en eau de la neige (SWE : Snow Water Equivalent) à partir de capteurs satellitaires. Les algorithmes empiriques traditionnels étant limités en forêt boréale, le couplage d’un modèle de transfert radiatif (MTR) micro-onde passive (qui prend en compte les contributions du sol, de la neige, de la végétation et de l’atmosphère) avec un modèle de neige pour l’inversion du SWE semble une avenue prometteuse. La thèse vise donc à coupler un MTR avec le schéma de surface du modèle climatique canadien (CLASS) dans une perspective d’application opérationnelle pour les estimations de SWE à partir de données satellitaires micro-onde à 10.7, 19 et 37 GHz. Dans ce contexte, certains aspects centraux du MTR, dont l’effet de la taille des grains ainsi que la contribution de la végétation sont développés et quantifiés. Le premier aspect étudié dans la thèse concerne l’adaptation du modèle d’émission micro-onde passive DMRT-ML (Dense media radiative transfer theory – multi layer) pour l’intégration d’une nouvelle métrique représentant la taille des grains (surface spécifique des grains de neige: SSA). L’étude basée sur des mesures radiométriques et de neige in situ, montre la pertinence de l’utilisation de la SSA dans DMRT-ML et permet d’analyser le sens physique de l’adaptation nécessaire pour amener le modèle à simuler les températures de brillance (T[indice inférieur B) de la neige avec une erreur quadratique moyenne minimale de l’ordre de 13 K. Dans un contexte du couplage entre le modèle de neige de CLASS et DMRT-ML, un modèle d’évolution de la SSA est ensuite implémenté dans CLASS. Les SSA simulées par le module développé sont validées avec des données in situ basées sur la réflectance de la neige dans l’infrarouge à courte longueur d’onde pour différents types d’environnement. Au niveau de la contribution de la végétation, le modèle γ-ω a été étudié à partir de différentes bases de données (satellite, avion et au sol) en forêt boréale dense. L’étude montre l’importance de la considération de la diffusion (ω) pour l’estimation de l’émission de la végétation, paramètre auparavant généralement négligé aux hautes fréquences. Ensuite, des relations entre les transmissivités et certains paramètres structuraux de la forêt, dont l’indice de surface foliaire (LAI), ont été établies pour des forêts boréales en été. Des valeurs d’albédo de diffusion (ω) ainsi que les paramètres définissant la réflectivité du sol (QH) en forêt boréale ont aussi été inversées. Finalement, les simulations de T [indice inférieur] B issues du couplage du MTR (DMRT-ML, modèle γ-ω, et modèle atmosphérique) avec CLASS (dont les SSA simulées) ont été comparées avec les données AMSR-E sur une série temporelle continue de sept ans. Les premières comparaisons montrent une différence entre les paramètres de végétation (γ-ω) d’été et d’hiver, ainsi qu’une importante contribution des croûtes de glace dans la neige au signal. Les simulations du modèle ajusté montrent une bonne correspondance avec les observations d’AMSR-E (de l’ordre de 3 à 7 K selon la fréquence et la polarisation). Des tests de sensibilité montrent par contre une faible sensibilité du MTR/CLASS au SWE pour des forêts denses et des couverts nivaux épais. Le MTR-CLASS développé pourrait permettre l’assimilation de températures de brillance satellitaires en forêt boréale dans des systèmes opérationnels pour l’amélioration de paramètres de surface, dont la neige, dans les modèles météorologiques et climatiques.

Ce travail de thèse propose une méthodologie d'instrumentation reposant sur plusieurs outils hydrologiques, géophysiques et géochimiques afin de quantifier l'apport nival dans les débits du Lignon. Cette instrumentation consiste en un suivi des échanges aux différents compartiments/interfaces hydrologiques que forment l'atmosphère, la neige, le sol et les cours d'eau au cours des saisons. La neige, et surtout l'équivalent en eau liquide qu'elle représente, est fondamentale pour la compréhension du fonctionnement des sources du Lignon, situées à l'aval direct d'une congère de grand volume. Ce volume d'eau est stocké durant la saison froide pour être restitué lors de la fonte printanière. Cette restitution est loin d'être homogène dans le Haut Lignon, en raison de la forte variabilité spatio-temporelle des paramètres qui la pilotent.L'infiltration de l'eau alors produite est une étape clef dans le comportement hydrologique du Lignon au printemps. La structure du sol à proximité des sources explique également la forte dépendance des sources du Lignon par rapport aux précipitations neigeuses. Cette dépendance est particulièrement visible lors de la fonte de la neige, qui modifie à très court terme les débits aux sources. Cette relation neige-pluie-débit met en évidence une alimentation superficielle pluvio-neigeuse prépondérante par rapport aux débits issus d'eau plus profonde, mais variable au cours de l'année.La méthode d'instrumentation employée, adaptée à l'hydrologie locale employée, permet de corroborer les résultats obtenus avec une précision appréciable, tout en ouvrant de nouvelles perspectives d'application à d'autres bassins versants d'altitude.

Les extrêmes neigeux sont parmi les risques naturels les plus dangereux dans les régions montagneuses. Les processus max-stables, qui relient statistique des valeurs extrêmes et géostatistique, offrent un cadre approprié pour les étudier. Deux questions importantes concernant la dépendance spatiale des extrêmes sont traitées dans cette thèse à travers les cas des chutes et des hauteurs de neige dans les Alpes françaises : la sélection de modèle et la non-stationnarité temporelle. Nous utilisons pour cela deux jeux de données de maxima hivernaux de chutes de neige (90 stations de 1958 à 2013) et de hauteurs de neige (82 stations de 1970 à 2013). Nous décrivons d'abord une procédure de validation-croisée appropriée pour évaluer les capacités des processus max-stables à capturer la structure de dépendance des extrêmes spatiaux. Nous mettons en exergue trois processus max-stables pour leur aptitude à modéliser la dépendance spatiale des chutes de neige extrêmes : les processus de Brown-Resnick, géométrique gaussien et extrémal-t. Les performances de ces trois modèles sont extrêmement similaires, quel que soit le nombre de stations ou d'années. Ensuite, nous présentons une approche par fenêtre glissante pour évaluer l'évolution temporelle de la dépendance des extrêmes spatiaux. Nous montrons ainsi que les chutes de neige extrêmes ont tendance à être de moins en moins dépendantes spatialement. Nous montrons que cela est dû à une augmentation de la température provoquant une baisse du ratio neige/pluie. Il existe aussi un effet d'intensité avec des extrêmes moins dépendants à cause d'une baisse du cumul hivernal de chutes de neige. Enfin, nous présentons la première utilisation de processus max-stables avec des tendances temporelles dans la structure de dépendance spatiale. Cette approche est appliquée aux maxima de hauteurs de neige modélisés par un processus de Brown-Resnick. Nous montrons que leur dépendance spatiale est impactée par le changement climatique d'une manière similaire que celle des chutes de neige extrêmes. / Extreme snowfall and extreme snow depths are among the most dangerous hazards in the mountainous regions. Max-stable processes, which connect extreme value statistics and geostatistics by modeling the spatial dependence of extremes, offer a suitable framework to deal with. Two challenging issues concerning spatial dependence of extremes are broached in this thesis through the examples of snowfall and snow depths in the French Alps: model selection and temporal nonstationarity. We process two winter maxima data sets of 3-day snowfall (90 stations from 1958 to 2013) and snow depths (82 stations from 1970 to 2013). First, we introduce a leave-two-out cross-validation procedure appropriate for evaluating the predictive ability of max-stable processes to model the dependence structure of spatial extremes. We compare five of the most commonly used max-stable processes, using as a case study the snowfall maxima data set. This approach allows us to show that the extremal-t, geometric Gaussian and Brown-Resnick processes are able to represent as well the structure of dependence of the data, regardless of the number of stations or years. Then, we show, using a data-based approach allowing to make minimal modeling assumptions, that snowfall extremes tended to become less spatially dependent over time, with the dependence range reduced roughly by half during the study period. We demonstrate that this is attributable at first to the increase in temperature and its major control on the snow/rain partitioning. A magnitude effect, with less dependent extremes due to a decrease in winter cumulated snowfall, also exists. Finally, we tackle the first-ever use of max-stable processes with temporal trends in the spatial dependence structure. This approach is applied to snow depth winter maxima modeled by a Brown-Resnick process. We show that the spatial dependence of extreme snow depths is impacted by climate change in a similar way to that has been observed for extreme snowfall.

No description available.

La Terre est en grande partie recouverte d'eau et il est possible de retrouver ce composé sous plusieurs formes. L'une d' entre-elles, la neige, s'étend sur de vastes territoires, que ce soit durant quelques mois ou à longueur d'année, et ce grand manteau blanc semble éclatant de pureté ainsi que briller sous les rayons du soleil. Mais est-ce vraiment le cas? Selon de nombreuses études réalisées dans les régions polaires, il semblerait que plusieurs processus physiques et chimiques prennent place dans la neige, ce qui implique qu'elle soit donc hautement active photochimiquement. Cela signifie qu'il y a présence de photolyse vis-à-vis des impuretés contenues dans le couvert neigeux lors de l'irradiation de la surface par le soleil. De ce fait, il y a production de composés qui peuvent contribuer à la pollution de l'environnement. Un des principaux flux photochimiques, le rejet de NO x , est provoqué par la transformation photolytique des nitrates et il semble alors essentiel de se pencher sur la compréhension du mécanisme ainsi que des facteurs qui influencent ce phénomène afin d' aider à résoudre ce problème environnemental. L'ouvrage présenté correspond à la poursuite des travaux débutés lors de la thèse du Dr Patrick Marchand intitulée Photolyse des nitrates dans la glace : Effet de surface. Ce mémoire vient solidifier les bases de ce projet et établir de nouveaux concepts concernant les réactions photochimiques des nitrates. Par conséquent, la reproduction en laboratoire de la réaction de photolyse impliquant des ions nitrates semble nécessaire et déterminante à la réalisation du projet exposé. Pour cela, il est intéressant de débuter l'étude de la photolyse des nitrates à partir d'un milieu plus accessible et donc d'utiliser des solutions aqueuses. Ainsi, la progression de la réaction peut être analysée par spectroscopie UV-Visible et il est possible d'étudier les différents facteurs (concentration, pH, température,...) influençant le taux de photolyse en milieu aqueux. Par la suite, les résultats obtenus peuvent s'avérer utiles lors de la photolyse des nitrates en milieu solide effectuée dans une chambre d'analyse sous vide avec la spectroscopie infrarouge comme méthode de détection. Lors des diverses expériences réalisées au laboratoire, il a été possible de constater que la réaction de photolyse présentait une cinétique du premier ordre et donc que la concentration des réactifs affectait la vitesse de photolyse. En solutions, la variation du pH et l'ajout de nitrite présentent également un effet sur la vitesse de la réaction. De plus, l'évaluation du taux de photolyse a permis de déterminer que l'ion nitrite représentait le produit majoritaire contrairement aux résultats décrits dans la littérature. Du côté de la phase condensée, l'analyse de la cinétique a également révélé qu'un processus de recombinaison pouvait expliquer l'allure des données expérimentales. En somme, ce travail illustre l'avancement face à la compréhension de la photolyse des nitrates et il démontre la nécessité de persévérer dans la quête de solutions pour ce phénomène de grande envergure qui cause de nombreux impacts environnementaux.

Résumé : Le bilan d’énergie de la Terre est largement influencé par la variation de l’albédo de surface (fraction de l'énergie solaire réfléchie par une surface). Ces variations sont modifiées par la présence, l’épaisseur et les propriétés physiques de la neige. Le réchauffement climatique observé a un impact significatif sur l'évolution du couvert nival, ce qui influence grandement l'albédo de surface, et en retour modifie le climat. Malgré l’importance de l’albédo de surface, plusieurs modèles calculent l’albédo de manière empirique, ce qui peut entraîner des biais significatifs entre les simulations et les observations selon les surfaces étudiées. Le schéma de surface canadien, Canadian Land Surface Scheme, CLASS (utilisé au Canada dans les modèles climatiques Global Climate Model et Modèle Régional Canadien du Climat), modélise l’évolution spatiale et temporelle des propriétés de la neige, dont l'albédo. L’albédo de CLASS est calculé selon la hauteur et l’âge (métamorphisme) de la neige au sol, et selon l’accumulation de la neige sur la canopée. Les objectifs de ce travail sont d’analyser le comportement de l’albédo (simulé et mesuré) et d’améliorer le paramétrage de l’albédo de surface pendant l’hiver sur des régions à l’est du Canada. Plus précisément, le comportement de l’albédo a été étudié par l’analyse de la sensibilité de CLASS 3.6 aux paramètres prescrits (paramètres qui sont utilisés dans les calculs du modèle dont les valeurs sont fixes et définies empiriquement). En plus de l’analyse des variations temporelles de l’albédo en fonction des conditions météorologiques pour les terrains de végétation basse (noté "gazon") et de conifères. Aussi, l’amélioration du paramétrage a été tentée en optimisant (pour le gazon et les conifères) ou en modifiant (pour le gazon) les calculs considérant les paramètres prescrits dont l’albédo de CLASS est sensible. En premier lieu, nous avons montré que la sensibilité de l’albédo de CLASS en terrain de gazon dépend grandement du seuil du taux de précipitation nécessaire pour que l’albédo soit actualisé (à sa valeur maximale) dans le modèle. Faire varier ce seuil entraîne que les simulations quotidiennes d’albédo de surface enneigées vont s’étaler en majorité entre 0.62 à 0.8 (supérieur à l’étalement normalement simulé). Le modèle est aussi sensible à la valeur d’actualisation de l’albédo dont la variation entraîne que l’albédo enneigé quotidien peut s’étaler de jusqu’à 0.48 à 0.9. En milieu forestier (conifères), le modèle est peu sensible aux paramètres prescrits étudiés. La comparaison entre les albédos simulés et les mesures au sol montrent une sous-estimation du modèle de -0.032 (4.3 %) à SIRENE (gazon au sud du Québec), de -0.027 (3.4 %) à Goose-Bay (gazon en site arctique) et de -0.075 (27.1 %) à la Baie-James (forêt boréale). Lorsque comparée avec les données MODIS (MODerate resolution Imaging Spectroradiometer) la sous-estimation du modèle à la Baie-James est de -0.011 (5.2 %). On montre que la valeur de l'albédo mesurée lors des précipitations de neige à Goose Bay est en moyenne supérieure à la valeur d'actualisation de l'albédo dans le modèle (0.896 par rapport 0.84), ce qui peut expliquer la sous-estimation. En forêt, un des problèmes provient de la faible valeur de l'albédo de la végétation enneigée (ajout de 0.17 dans le visible), tandis que l’albédo de surface mesuré peut être augmenté de 0.37 (par rapport à la végétation sans neige). Aussi, l’albédo de la neige sur la canopée ne diminue pas avec le temps contrairement à ce qui est observé. En second lieu, nous avons tenté d’améliorer le paramétrage, en optimisant des paramètres prescrits (aucune amélioration significative n’est obtenue) et en modifiant la valeur d'actualisation de l’albédo de la neige en zone de gazon. Cette valeur, normalement fixe, a été rendue variable selon la température et le taux de précipitations. Les résultats démontrent que les modifications n’apportent pas d'améliorations significatives de la RMSE (Root Mean Square Error) entre les simulations et les mesures d’albédo. Les modifications sont toutefois pertinentes pour ajouter de la variabilité aux fortes valeurs d’albédo simulées ainsi que pour améliorer la compréhension du comportement des simulations d’albédo. Aussi, la méthodologie peut être reproduite pour d’autres études qui veulent étudier la représentativité et améliorer les simulations d’un modèle. / Abstract : The surface energy balance of northern regions is closely linked to surface albedo (fraction of solar radiation reflected by a surface) variations. These variations are strongly influenced by the presence, depth and physical properties of the snowpack. Climate change affects significantly snow cover evolution, and decreases surface albedo and snow albedo with positive feedback to climate. Despite the importance of the albedo, many models empirically compute it, which can induce significant biases with albedo observations depending on studied surfaces. The Canadian Land Surface Scheme, CLASS (used in Canada into the Canadian Regional Climate Model, and the Global Climate Model), simulates the spatial and temporal evolution of snow state variables including the albedo. The albedo is computed according to the depth of snow on the ground as well as the accumulation of snow in trees. The albedo seasonal evolution for snow on ground is estimated in CLASS from an empirical aging expression with time and temperature and a “refresh” based on a threshold of snowfall depth. The seasonal evolution of snow on canopy is estimated from an interception expression with trees type and snowfall density and an empirical expression for unloading rate with time. The objectives of this project are to analyse albedo behavior (simulated and measured) and to improve CLASS simulations in winter for Eastern Canada. To do so, sensitivity test were performed on prescribed parameters (parameters that are used in CLASS computation, their values are fixed, and determined empirically). Also, albedo evolution with time and meteorological conditions were analysed for grass and coniferous terrain. Finally, we tried to improve simulations by optimizing sensitive prescribed parameters for grass and coniferous terrain, and by modifying the refresh albedo value for grass terrain. First, we analysed albedo evolution and modelling biases. Grass terrain showed strong sensitivity to the precipitation rate threshold (for the albedo to refresh to its maximum value), and to the value of the albedo refresh. Both are affected by input data of precipitation rate and phase. The modification of precipitation threshold rate generates daily surface albedo to vary mainly (75 % of data in winter) between 0.62 and 0.8, which is a greater fluctuation than for a normal simulation over winter. The modification of the albedo refresh value generates surface albedo to vary mainly (75 %) between 0.66 and 0.79, but with extreme values, 25 % of data, from 0.48 to 0.9. Coniferous areas showed small sensitivity to studied prescribed parameters. Also, comparisons were made between simulated and measured mean albedo during winter. CLASS underestimates the albedo by -0.032 (4.3 %) at SIRENE (grass in Southern Quebec), by -0.027 (3.4 %) at Goose Bay (grass in arctic site) and by -0.075 (27.1 %) at James Bay (boreal forest) (or -0.011 (5.2 %) compared to MODIS (MODerate resolution Imaging Spectroradiometer) data). A modelling issue in grass terrain is the small and steady maximum albedo value (0.84) compared to measured data in arctic condition (0.896 with variation of an order of 0.09 at Goose Bay, or 0.826 at SIRENE with warmer temperatures). In forested areas, a modelling issue is the small albedo increase (+0.17 in the visible range, +0.04 in NIR) for the part of the vegetation that is covered by snow (total surface albedo gets to a maximum of 0.22) compared to events of high surface albedo (0.4). Another bias comes from the albedo value of the snow trapped on canopy which does not decrease with time in opposition to observed surface albedo which is lower at the end of winter and which suggests snow metamorphism occurred. Secondly, we tried to improve simulations by optimizing prescribed parameters and by modifying the albedo’s maximum value computation. Optimisations were made on sensitive prescribed parameters or on those that seemed unsuited. No significant RMSE (Root Mean Square Error) improvements were obtained from optimisations in both grass and coniferous area. Improvements of albedo simulations were tried by adjusting the maximum value (normally fixed) with temperature and precipitation rate, in grass terrain. Results show that these modifications did not significantly improved simulations’ RMSE. Nevertheless, the latter modification improved the correlation between simulated and measured albedo. These statistics were made with the whole dataset which can reduce the impact of modifications (they were mainly affecting albedo during a precipitation event), but it allows to overview the new model performance. Modifications also added variability to maximum values (closer to observed albedo) and they increased our knowledge on surface albedo behavior (simulated and measured). The methodology is also replicable for other studies that would aim to analyse and improve simulations of a surface model.