La glace de mer Arctique connaît actuellement de profondes mutations dans sa structure et sa variabilité. Le déclin récent de la couverture estivale de glace de mer Arctique, qui a atteint un nouveau record en septembre 2012, a relancé l'intérêt stratégique de cette région longtemps oubliée. La prévision de glace de mer à l'échelle saisonnière est ainsi un problème d'océanographie opérationnelle qui pourrait intéresser nombre d'acteurs économiques (pêche, énergie, recherche, tourisme). De plus, en tant que conditions aux limites pour l'atmosphère, la glace de mer peut induire une prévisibilité de l'atmosphère à l'échelle saisonnière, au même titre que les anomalies de température de surface de l'océan sous les tropiques. Nous présentons dans cette thèse la construction d'un système de prévisions saisonnières dédié à la glace de mer Arctique avec le modèle couplé CNRM-CM5.1, développé conjointement par le CNRM-GAME et le CERFACS. Nous passons en revue la stratégie d'initialisation, la réalisation et l'évaluation des hindcasts (ou rétro-prévisions). La communauté dispose d'observations de concentration de glace de mer, mais de très peu de données d'épaisseur à l'échelle du bassin. Afin d'initialiser la glace de mer et l'océan dynamiquement et thermodynamiquement, nous avons choisi d'utiliser la composante océan-glace de mer de CNRM-CM5.1, NEMO-GELATO. L'initialisation consiste à forcer NEMO-GELATO avec les champs météorologiques issus de la réanalyse ERA-Interim, sur la période 1990-2010. Des corrections appliquées aux forçages basées sur des observations satellitaires et in-situ nous permettent d'obtenir une bonne simulation de l'océan et de la glace de mer en terme d'état moyen et de variabilité interannuelle. L'épaisseur reste néanmoins sous-estimée. Quelques propriétés de prévisibilité intrinsèque de la glace de mer Arctique sont ensuite présentées. Une étude de prévisibilité potentielle diagnostique nous a permis de distinguer deux modes de prévisibilité de la glace de mer à l'aide du volume et de la structure sous-maille d'épaisseur. Un « mode de persistance » concerne la prévisibilité de la couverture d'hiver. La surface de glace de mars est potentiellement prévisible à 3 mois à l'avance par la seule persistance, et dans une moindre mesure à l'aide des surfaces couvertes par la glace relativement fine. Un « mode de mémoire » concerne la prévisibilité de la couverture estivale. La surface de glace de septembre est potentiellement prévisible jusqu'à 6 mois à l'avance à l'aide du volume et surtout de la surface couverte par la glace relativement épaisse. Ces résultats suggèrent donc qu'une bonne initialisation du volume et de la structure d'épaisseur en fin d'hiver permettrait une bonne prévisibilité des étendues de fin d'été. Les prévisions d'été et d'hiver présentent des scores particulièrement encourageants, que ce soit en anomalies brutes ou en anomalies par rapport à la tendance linéaire. Cela suggère une prévisibilité liée à l'état initial et non aux forçages externes imposés. L'analyse des prévisions d'été montre que le volume et les structures d'épaisseur de l'état initial expliquent l'essentiel des différentes prévisions, ce qui confirme l'existence du « mode de mémoire » malgré un fort biais radiatif. L'analyse des prévisions d'hiver suggère que l'étendue initiale explique une partie des différentes prévisions, un indice du « mode de persistance » des prévisions hivernales. Une analyse régionale des prévisions d'hiver permet de préciser le rôle de l'océan dans ces prévisions, et montre dans quelle mesure nos prévisions pourraient être utilisées de manière opérationnelle, notamment en mer de Barents / Sea ice experiences some major changes in the early 21st century. The recent decline of the summer Arctic sea ice extent, reaching an all-time record low in September 2012, has woken renewed interest in this remote marine area. Sea ice seasonal forecasting is a challenge of operational oceanography that could benefit to several stakeholders : fishing, energy, research, tourism. Moreover, sea ice is a boundary condition of the atmosphere. As such, as tropical sea surface temperature, it may drive some atmosphere seasonal predictability. The goal of this PhD work was to set up a dedicated Arctic sea ice seasonal forecasting system, using CNRM-CM5.1 coupled climate model. We address the initialization strategy, the creation and the evaluation of the hindcasts (or re-forecasts). In contrast to sea ice concentration, very few thickness data are available over the whole Arctic ocean. In order to initialize sea ice and the ocean dynamically and thermodynamically, we used the ocean-sea ice component of CNRM-CM5.1, named NEMO-GELATO, in forced mode. The initialization run is a forced simulation driven by ERA-Interim forcing over the period 1990-2010. Corrections based on satellite data and in-situ measurements leads to skilful simulation of the ocean and sea ice mean state and interannual variability. Sea ice thickness seems overall underestimated, based on the most recent estimates. Some characteristics of sea ice inherent predictability are then addressed. A diagnostic potential predictability study allowed us to identify two regimes of predictability using sea ice volume and the ice thickness distribution. The first one is the 'persistence regime', for winter sea ice area. March sea ice area is potentially predictable up to 3 months in advance using simple persistence, and surface covered by thin ice to a lesser extent. The second one is the 'memory regime', for summer sea ice area. September sea ice area is potentially predictable up to 6 months in advance using volume and to a greater extent the area covered by relatively thick ice. These results suggest that a comprehensive winter volume and thickness initialization could improve the summer forecasts. Summer and winter seasonal hindcasts shows very encouraging skills, in terms of raw and detrended anomalies. These skills suggest a predicatibility from initial conditions besides predictability due to the trend. Summer forecasts analysis shows that the volume and the ice thickess distribution explains a high fraction of the variance of predicted sea ice extent, which confirms the existence of the 'memory regime'. Winter forecasts also suggest the 'persistence regime'. A regional investigation of the winter hindcast helps precising the role of the ocean in the forecasts, and shows to what extent our system predictions could be used operationally, especially in the Barents Sea
| Identifer | oai:union.ndltd.org:theses.fr/2012PEST1117 |
| Date | 07 December 2012 |
| Creators | Chevallier, Matthieu |
| Contributors | Paris Est, Bocquet, Marc |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0021 seconds