Cycle saisonnier et variabilité interannuelle de la SSS dans l’Atlantique tropical

Télécharger le fichier pdf d’un mémoire de fin d’études

Caractéristiques du mode méridien

Le mode méridien ou encore le dipôle Atlantique se caractérise par un gradient inter-hémisphérique d’anomalies de SST de signe opposé dans chaque hémisphère et se manifeste essentiellement au printemps boréal. La figure 1.10 est la phase positive du mode méridien avec des anomalies positives (négatives) de SST dans l’hémisphère nord (sud), associées à de plus fortes précipitations sur le Sahel en Afrique de l’Ouest et au nord de l’Amérique du Sud, et au contraire de moindres précipitations dans le Golfe de Guinée et sur le bassin amazonien. Dans Le chapitre 2, nous étudions les mécanismes pouvant expliquer la variabilité de ce mode Atlantique.

Connexion entre le mode équatorial et le mode méridien

Les études de Servain et al. (1999, 2000), basé sur des observations et une simulation de modèle générale de 1979 à 1993, ont montré que les modes méridien et équatorial sont corrélés aux échelles interannuelles et décennales, et qu’ils sont forcés de manière dynamique par le déplacement de l’ITCZ. Plus tard, les études de modélisation de Murtugudde et al. (2001) ont réévalué cette corrélation en analysant une période plus longue (1949-2000). Ils montrent que le « changement climatique de 1976 » observé dans l’océan Pacifique s’est également manifesté dans l’Atlantique tropical et a affecté la relation entre les deux principaux modes de variabilité. Ils trouvent que la corrélation entre ces modes est intermittente. Une bonne corrélation (de l’ordre de 0,8) est obtenue lorsqu’on considère de manière séparée les périodes avant et après l’année 1976. Par contre une faible corrélation (environ 0,3) est obtenue en considérant toute la période de 1949 à 2000.
Plus tard, Foltz et Mc Phaden (2010b), voulant expliquer l’impact du mode méridien sur le mode équatorial, ont mis en évidence des mécanismes illustrés sur la figure 1.11.a qui pourraient relier les deux modes : les anomalies de vent zonal à l’équateur associées au réchauffement de la SST dans la boîte NTA durant la phase chaude du mode méridien, génèrent des ondes de Kelvin d’upwelling qui se propagent du centre vers l’est du bassin équatorial et peuvent amplifier la phase froide du mode équatorial (refroidissement dans la partie est du bassin équatorial). Les anomalies de vent vont aussi générer vers 5°N, par pompage d’Ekman, des ondes de Rossby de downwelling qui se propagent vers l’ouest et qui vont se réfléchir aux côtes ouest en ondes Kelvin de même effet thermique. Ces dernières vont se propager vers l’est et auront tendance à réchauffer les eaux froides de la partie est du bassin équatorial initiées par les ondes de Kelvin d’upwelling, faisant alors basculer le mode équatorial dans sa phase chaude. Richter et al. (2013) ont suggéré que l’apparition des anomalies positives de la SST dans la région de la langue d’eau froide est due à l’advection en subsurface des eaux chaudes du nord vers l’équateur (figure 1.11b). Cette advection peut aussi faire basculer le mode équatorial dans sa phase chaude.

Impacts socio-économiques des modes climatiques interannuels

Comme les événements El Niño dans le Pacifique, les anomalies interannuelles observées dans le Golfe de Guinée ont d’importantes conséquences climatiques et socio-économiques. Nous avons expliqué précédemment que l’arrivée des pluies sur le continent ouest-africain est fortement liée aux conditions océaniques dans le Golfe Guinée. De ce fait, les anomalies de SST associées aux modes équatorial et méridien sont un des facteurs, avec les conditions de surface continentale comme l’albédo, l’humidité des sols et la végétation (Folland et al. 1986 ; Janicot et al. 2001), qui conditionnent l’intensité de la mousson ouest africaine. De plus, l’affaiblissement des remontées d’eau froide observé dans les zones d’upwelling équatorial et côtier vont fortement perturber les activités de pêche, d’agriculture et de l’élevage qui sont les principales sources alimentaires des populations riveraines (Crawford et al. 1990 ; Boyd et al., 1992). Par exemple, durant les années Niño Atlantique, on observe une fluctuation des pêches de certaines espèces pélagiques le long des côtes africaines ainsi que des captures de thons dans l’ensemble du bassin (Servain et al. 1998). L’étude de Carton et al (1996) a montré qu’un affaiblissement de la production primaire le long des côtes sud-ouest du continent africain, au niveau du front entre les courants d’Angola et du Benguela, est aussi observé pendant ces années. Sur le continent sud américain, des anomalies pluviométriques considérables sont observées avec des conséquences dramatiques pour les populations locales en lien avec le déplacement de l’ITCZ associés au mode méridien (Hounsou-gbo et al. (2015). Par exemple, en juin 2010, plus de 1000 personnes ont disparu en raison des grandes inondations survenues dans certaines villes côtières du Brésil (Kouadio et al., 2012).

Oscillateurs climatiques tropicaux

Pour interpréter ces modes climatiques interannuels, des modèles conceptuels, basés sur la théorie mathématique des oscillateurs (Jansen et al., 2009) et prenant en compte les principaux couplages océan-atmosphère, les variables-clés de ce couplage et les ondes planétaires océaniques (de Kelvin et Rossby), ont été construits. Les principaux modèles conceptuels proposés pour expliquer ENSO dans le Pacifique sont l’oscillateur retardé (Suarez & Schopf, 1988), l’oscillateur du Pacifique ouest (Weisberg & Wang, 1997), l’oscillateur rechargé (Jin, 1997) et l’oscillateur advectif-réflectif (Picaut et al., 1997). Ces modèles simples, essentiellement linéaires, fournissent des solutions analytiques à la dynamique équatoriale qui ont permis de grand progrès dans la compréhension d’ENSO en tant que cycle interannuel, de ses modulations à plus long terme (An & Jin, 2000), et mis en avant le potentiel prédictif du phénomène (Meinen & McPhaden, 2000). Une combinaison des oscillateurs retardé et rechargé a été testée dans les autres océans tropicaux où existent aussi des modes interannuels équatoriaux. Elle s’est révélée inadaptable au dipôle de l’Océan Indien mais en partie valide dans l’Atlantique (Jansen et al, 2009), même si elle ne prend pas en compte toutes les spécificités de la dynamique tropicale Atlantique mises à jour récemment, notamment la transmission d’anomalies thermiques du mode méridien au mode équatorial (figure 1.11). Nous rappelons ici les deux principaux oscillateurs qui ont été testés dans l’Atlantique tropical.

Oscillateur retardé

Le modèle d’oscillateur retardé est un modèle simple, d’abord proposé par Suarez et Schopf (1988) afin de mieux expliquer les oscillations d’ENSO, puis utilisé par d’autres auteurs pour expliquer les observations et les résultats de nombreux modèles plus complexes (Jansen, et al. 2009, Graham et al 2015, Sun et al., 2015). Le principal processus qui génère les oscillations dans ce modèle est la réflexion des ondes longues équatoriales (figure 1.12). Ces ondes se propagent vers l’est ou l’ouest, et se réfléchissent à l’ouest, en augmentant ou en diminuant la SST par downwelling ou upwelling (sauf dans la partie ouest où la thermocline est trop profonde).
La formulation de l’oscillateur retardé se décline en deux principales étapes, détaillées comme suit :
– Modélisation de la rétroaction positive de Bjerknes identifiée pour le mode équatorial (figure1.8) :
d T (t )=α T (t) (1.1)

Estimation des couplages du mode méridien

Carton et al. (1997) et Chang et al. (1997, 2001) ont recherché les mécanismes pouvant expliquer la variabilité du mode méridien. Ils ont trouvé que les flux atmosphériques, notamment le vent et le flux de chaleur latente (évaporation) interagissaient avec le gradient inter-hémisphérique de SST. Ils montrent que ce couplage SST – vent – évaporation est dû à une rétroaction thermodynamique où les anomalies initialement créées s’amplifient par une chaîne de processus qu’elles ont généré. Une anomalie chaude de SST dans l’un des hémisphères entraîne un gradient nord-sud de SST, et par conséquent de pression, les deux variables étant fortement liées en zone tropicale. Le gradient de pression accélère alors les alizés dans l’autre hémisphère et les ralentit localement. L’évaporation qui est directement proportionnelle à la vitesse du vent diminue dans l’hémisphère local et augmente dans l’autre l’hémisphère. Cela réduit la perte de chaleur latente à la surface de l’océan dans l’hémisphère anormalement chaud et inversement dans l’autre hémisphère. Ce flux de chaleur induit par le vent tend donc à renforcer le gradient initial de SST nord-sud, ce qui renforce encore les anomalies de vent. Ce renforcement mutuel et thermodynamique, appelé « WES (Wind-Evaporation-SST) feedback » en anglais (Mahajan et al., 2009), constitue la rétroaction positive du mode méridien et se subdivise en trois couplages à savoir :
● Couplage entre la SST et le vent
● Couplage entre le vent et le flux de chaleur latente
● Couplage entre le flux de chaleur latente et la SST
En se basant sur la méthodologie d’estimation des paramètres de couplage du mode équatorial (figure 8, chapitre 1), nous avons quantifié ces couplages impliqués dans la rétroaction positive du mode méridien au printemps boréal (Figure 2.1).
La Figure 2.1a présente les anomalies de vent associées aux anomalies de SST du mode méridien. Cette figure résulte de la projection du champ de vent sur l’indice en SST du mode méridien défini par Servain et al. (1991 & 1998). Cet indice est égal à la différence entre l’anomalie de SST moyennée dans l’hémisphère nord (5°N-20°N) et celle moyennée dans l’hémisphère sud (5°N-20°S) qui quantifie le gradient inter-hémisphérique du mode méridien. La Figure 2.1.a montre que pour un gradient de 1 °C (l’équivalent d’un dipôle, avec un réchauffement de 0,5 °C dans l’hémisphère nord et un refroidissement de -0,5°C dans l’hémisphère sud, par exemple) entraîne une intensification des alizés du sud-est de 1,6 à 2 m.s−1 au sud de l’équateur et une relaxation simultanée des alizés du nord-est de l’ordre de -0,6 à -1,6 m.s-1 dans la partie nord entre 10°N et 20°N. Cette dynamique du vent correspond à un déplacement de l’ITCZ vers le nord suite à un renforcement de l’anticyclone de St-Hélène et un affaiblissement de l’anticyclone des Açores. Ces modifications du vent s’expliquent par le fait que le réchauffement de la SST dans l’hémisphère nord crée un flux d’air chaud ascendant, et donc une zone de dépression atmosphérique qui attire les vents lointains (selon la théorie du modèle de Gill, 1980), d’où des anomalies de vent qui convergent vers l’hémisphère nord.
Figure 2.1 : (a) Coefficient de régression linéaire des anomalies de vent (flèches) et de module du vent (couleurs) en chaque point du bassin sur l’indice du gradient inter-hémisphérique de la SST (différence entre anomalies de SST moyennées dans la bande 5°N-20°N et dans la bande 5°N-20°S). (b) Coefficient de régression linéaire en chaque point des anomalies du flux de chaleur latente sur celles du module du vent. (c) Coefficient de régression linéaire en chaque point des anomalies de SST sur celles du flux de chaleur latente. Les régressions sont faites sur les anomalies moyennées au printemps boréal, correspondant à la saison principale du mode méridien. La variance expliquée significative pour chaque couplage est superposée sur les cartes (isolignes). Les données sont issues des réanalyses océaniques GODAS et atmosphérique NCEP/NCAR. Le flux de chaleur est positif de l’océan vers l’atmosphère.
Pour le deuxième couplage, une régression locale entre les anomalies du module du vent et celles du flux de chaleur latente a été faite. La Figure 2.1b représente les coefficients de couplage entre ces deux variables. Ainsi, on observe que l’océan perd 20 à 40 w.m-2 de sa chaleur par évaporation à la suite d’une variation de 1 m.s−1 de la vitesse du vent au sein du bassin.
Le dernier couplage (Figure 2.1c) montre qu’une augmentation de 10 W.m−2 du flux de chaleur latente entraîne d’une façon générale un refroidissement de -0,14°C dans la majeure partie du bassin à l’exception des régions d’upwellings côtières (régions au large des cotes sénégalaises et Angolaises) et équatoriale (région de la langue d’eau froide) où la variabilité de SST est plus liée aux processus dynamiques de l’océan que thermodynamiques (Jouanno et al., 2017). Donc, en faisant le lien avec la SST, on peut dire que les anomalies positives de SST dans l’hémisphère nord et négatives dans l’hémisphère sud durant un mode méridien entraînent une structure dipolaire de signe opposé dans les flux de chaleur latente ; c’est-à-dire que les anomalies de flux sont négatives dans l’hémisphère nord et positives dans l’hémisphère sud. Les études de Chang et al. (2001) ont aussi observé ce lien étroit entre la SST et le flux de chaleur latente durant le mode méridien.
De cette analyse, il ressort qu’un réchauffement de la température de surface de la mer dans l’hémisphère nord entraîne une intensification des vents méridiens vers le nord au sud de la position moyenne de l’ITCZ, correspondant au déplacement de celle-ci vers le nord (Figure 2.1a). Cette intensification des vents entraîne une augmentation du flux de chaleur latente (Figure 2.1b) qui produit un refroidissement de SST au sud de la position moyenne de l’ITCZ (Figure 2.1c). Ce refroidissement au sud entraîne donc un renforcement du gradient méridien de température initié par le réchauffement au nord, qui peut à son tour renforcer le vent, et constitue donc la rétroaction positive du mode méridien.

Conception d’un modèle oscillatoire pour le mode méridien

Les régions-clés choisies après l’analyse statistique des variables couplées (Figure 2.1) du mode méridien sont présentées sur la Figure 2.2. Foltz & McPhaden (2010b) ont aussi utilisé ces régions pour définir l’indice du mode méridien dans leur étude représente l’hémisphère nord et la boîte STA (South Tropical Atlantic) celui du sud. Les rectangles en (b) correspondent aux événements positifs (en rouge) et négatifs (en bleu) du mode méridien identifiés par les analyses en EOFs et Clusters au chapitre 3. Le filtre haute fréquence (hf) utilisé permet de filtrer les variations de fréquence inférieure ou égale à 2 ans du signal brut.

Description schématique du modèle oscillatoire

La Figure 2.3 résume l’ensemble des processus pouvant expliquer l’oscillation du mode méridien en considérant les deux boîtes précédemment citées. Le cycle proposé est le suivant : une perturbation initiale par réchauffement de la SST dans la boîte NTA (TN) augmente (1) le gradient de température (TN −TS). Ce gradient entraîne une intensification des vents méridiens vers le nord au sud de la position moyenne de l’ITCZ, correspondant au déplacement de celle-ci vers le nord (2). Cette intensification des vents entraîne une augmentation du flux de chaleur latente qui produit un refroidissement de la SST dans la boîte STA (TS), au sud de la position moyenne de l’ITCZ (3). Il se crée ainsi des anomalies chaudes dans la boîte NTA et froides dans la boîte STA. Ce refroidissement dans la boîte STA entraîne donc un renforcement du gradient méridien (4) de température initié par le réchauffement au nord, qui peut à son tour renforcer le vent, et constitue donc une rétroaction positive pour le mode méridien. Par le biais des courants méridiens moyen entre ces deux boîtes, la température des eaux froides de la boîte STA est advectée vers les eaux chaudes de la boîte NTA (6), avec un retard lié au temps de transport de ces anomalies par les courants méridiens (Chang et al., 1997). Cette advection va contrebalancer le réchauffement initial de la température (TN) en un refroidissement. Ce dernier réduira le gradient de température (7), affaiblira l’intensité du vent méridien au sud de la position moyenne de l’ITCZ. La relaxation du vent entraînera la diminution du flux de chaleur latente qui produira le réchauffement dans la boîte STA et constituera donc une rétroaction négative pour le mode méridien.

Processus physiques incorporés dans les termes du modèle

+α T (t) : ce terme est la représentation mathématique de la rétroaction positive sur le gradient méridien de température (T). Cette rétroaction résulte de l’intensification du vent méridien illustrée sur la Figure 2.3. En effet, cette intensification du vent augmente le flux de chaleur latente et produit un refroidissement de la température TS. Ce refroidissement dans la boîte STA entraîne donc un renforcement du gradient méridien de température initié par le réchauffement au nord et constitue donc une rétroaction positive pour le mode méridien. Ce gradient méridien (T) va donc croître en fonction du temps à un taux proportionnel à l’amplitude de la rétroaction positive que nous paramétrons dans le modèle sous forme de +α .
À ce stade, l’équation du modèle est sous la forme de : d T (t )=+α T (t ) dont la solution est une dt fonction exponentielle croissante dans le temps ( T (t)= Ae+at ) où l’amplitude A correspondant au gradient de température initiale T (0) . Cela signifie que les anomalies SST se développeraient indéfiniment si la tendance naturelle du système océan-atmosphère ne rétablissait pas l’équilibre en atténuant les différences de température air-mer par l’augmentation du flux thermique net de surface et aussi par la convection atmosphérique associée à l’ITCZ qui limite la température de surface au nord (seuil de convection). Cette atténuation peut s’introduire dans le modèle sous la forme d’un terme non linéaire −βT 3 (t) qui correspond à un amortissement (damping term, en anglais) de la rétroaction positive α T (t) .
−νT (t−τ) : Ce terme représente la rétroaction négative retardée (Figure 2.3) due aux processus d’advection méridienne qui déclenchent les oscillations du mode avec un temps de retard τ . Dans ce terme, ν s’apparente au courant méridien moyen qui advecte les anomalies de SST de la boîte sud vers la boîte nord en un temps approximatif égal à τ . Selon les études de Chang et al. (1997); Seager et al. (2001) et Kushnir et al. (2002), cette rétroaction négative sur le gradient T est due à l’advection par les courants moyens au bord ouest, en particulier le Courant Nord Brésil, qui transporte les eaux du sud vers le nord en un temps approximatif τ qui correspond au temps nécessaire pour déclencher le changement de phase du mode. L’équation qui résume l’ensemble de ces processus est la suivante : d T (t )=α T (t)−β T3 (t )−νT (t−τ) où T =T N −T S (2.1)
Les études de Czaja et al. (2002) et Vimont (2010) ont montré que le mode méridien n’est pas qu’un mode auto-entretenu, c’est-à-dire un mode qui se maintient tout seul, mais est aussi un mode sous l’influence de la dynamique extérieure. En effet, la variabilité climatique du Pacifique notamment le phénomène El Niño impacte les variations de l’Atlantique tropical via les mécanismes de télé-connexion. En particulier, un réchauffement de la SST dans la boîte NTA apparaît quelques mois après le pic Niño. Nous avons donc intégré ce forçage extérieur dans le modèle afin d’évaluer son impact. Ce forçage est représenté par le terme : +σ Nino (t−δ) dans l’équation 2.2, où +σ représente l’amplitude du forçage qui affecte l’Atlantique quelques mois plus tard. Ce temps de retard correspond à δ dans le modèle. L’équation 2.1 du modèle devient donc : d T (t )=α T (t)−β T3 (t )−νT (t−τ)+σ Nino (t−δ) (2.2)

Estimations des paramètres clés du modèle

L’ensemble des paramètres du modèle est présenté dans le tableau 1. Les paramètres physiques à savoir : α , ν , τ , σ et δ sont estimés à partir des données d’observation. L’ordre de grandeur moyen du paramètre α=|−0,04 ° C/ w. m−2| de la rétroaction positive est obtenu par une régression linéaire moyenne entre le flux de chaleur latente et la SST. Plus précisément, la valeur d’ α est le coefficient de régression entre les indices du mode méridien calculés à partir de l’anomalie de SST (TN – TS) d’une part et de l’anomalie du flux de chaleur latente (FluxN – FluxS) d’autre part. Les valeurs locales (en chaque point de la grille spatiale) de la régression entre ces deux variables sont montrées dans la Figure 2.1.c où nous avons présenté les couplages intervenants dans la rétroaction positive du mode méridien. Ensuite, nous normalisons α par les écarts types respectifs (0,5 °C et 5,65 w.m-2) des deux variables afin de le rendre adimensionnel pour le modèle.
La valeur adimensionnelle α devient donc : α=0,41 . Notons que la valeur absolue sur α permet de ne pas tenir compte du sens de l’évaporation (de l’océan vers l’atmosphère ou vice versa) dans le modèle.
Le temps de décalage δ , estimé à 2 mois, correspond au décalage de temps du maximum de corrélation (r=0,4) entre l’indice d’El Niño moyennée dans la boite Niño 3 (SSTA- Niño 3) et celui du mode méridien (voir figure 2.4). Le choix de cette boite Niño 3 par rapport aux autres existantes se justifie de par sa proximité avec le bassin Atlantique, ce qui la rend plus susceptible d’avoir un impact significatif sur l’Atlantique. De plus, les études de Saravanan & Chang 2000 et Alexander et Scott (2002) ont montré aussi que l’influence d’El Niño, qui se manifeste essentiellement en hivers boréal, a un impact significatif sur l’Atlantique 2 à 3 mois plus tard, soit au printemps boréal correspondant à la saison du mode méridien. Ceci justifie également ce décalage de temps. Le signe positif du coefficient σ montre qu’un événement El Niño renforce un réchauffement dans l’Atlantique Nord et peut donc intensifier un gradient méridien positif (phase positive du mode méridien) et vice versa.

Rôle du forçage ENSO dans le modèle

Pour mieux identifier les mécanismes associés à ces différentes bandes de fréquence, nous avons analysé le comportement du modèle sans forçage ( σ=0 ). La simulation du modèle sans forçage montre une oscillation régulière autour de 0,25 °C, qui s’amortit très vite dans le temps sans pourvoir générer des oscillations de signe opposé (Figure 2.7). Cela montre que la rétroaction négative n’est pas suffisante pour déclencher le changement de phase et l’oscillation du système autour de son état d’équilibre. Pour corriger cela, nous avons amplifié le paramètre ν qui contrôle l’amplitude de la rétroaction négative à ν=0,27+0,02 qui correspond à la valeur à partir de laquelle l’oscillation est stable et non amortie. La nouvelle simulation avec ce paramètre amplifié montre une oscillation régulière, d’amplitude constante (Figure 2.7) et de période d’environ 2,5 ans appartenant donc à la bande haute fréquence (Figure 2.9).
Pour s’assurer que l’amplification de la rétroaction négative n’impose pas la bande de fréquence au signal du modèle sans forçage, nous avons évalué le spectre du signal associé à un ensemble de valeur autour de ν . La Figure 2.8 montre que pour des valeurs de ν appartenant à l’intervalle [ 0,26−0,35 ] , la fréquence est en moyenne autour de 2 ans (de 20 mois à 27 mois) avec un maximum égal à 27 mois (environ 2,5 ans) pour ν=0,27+0,02 . Ces fréquences sont toutes inclues dans la bande à haute fréquence du modèle ce qui nous permet de conclure que le spectre du modèle sans forçage est moins sensible aux variations autour de ν , donc que le pic de fréquence d’environ 2,5 ans n’est pas lié à l’amplification du paramètre ν mais que celle-ci permet de maintenir le système dans son état oscillant (état non amorti).
Dans ce modèle sans forçage, c’est la présence d’une rétroaction positive rapide et d’une rétroaction négative lente ( α>ν ) qui permet au système d’osciller. À partir d’une perturbation initiale du système, la rétroaction positive rapide entraîne la croissance du gradient de température. Par contre la rétroaction négative lente vient ensuite renverser la croissance initiale en sa phase opposée, et le même mécanisme de croissance/renversement se répète ainsi de suite, ce qui résulte en une oscillation régulière auto-entretenue (sans besoin de forçage externe) de période d’environ 2,5 ans.
L’analyse spectrale d’ENSO montre que les évènements El Niño se manifestent plus ou moins régulièrement tous les 2 à 7 ans (Yeh et al., 2009), majoritairement dans deux pics de fréquence dont l’un est d’environ 3,5 ans et l’autre plus énergétique de 5,5 ans (Figure 2.9). Comparé au modèle avec forçage, on retrouve le pic de 5,5 ans dans le modèle alors que celui de 3,5 ans n’y est pas de façon explicite (Figure 2.9). Cela suggère que la variabilité basse fréquence (pic de fréquence de 5,5 ans) d’ENSO s’infiltre linéairement dans le modèle auto-entretenu alors que celle de la haute fréquence (pic de fréquence de 3,5 ans) dissipe son énergie dans le modèle en interagissant de façon non linéaire avec l’oscillation auto-entretenue (pic de fréquence de 2,5 ans) pour générer le pic à 3 ans observé dans le modèle forcé.
On retient donc que le mode méridien résulte de la superposition d’un mécanisme auto-entretenu basé sur les rétroactions positives et négatives générant des oscillations régulières de haute fréquence et d’un autre mécanisme d’oscillation basse fréquence lié à l’influence d’ENSO du Pacifique.

Données et modèles

Pour cette étude, nous avons utilisé essentiellement des données in situ de SSS, des données issues du satellite SMOS, des produits de réanalyse Era-Interim et une simulation numérique régionale du modèle NEMO. Les caractéristiques détaillées de chacune de ces données et du modèle seront présentées dans la publication insérée à la section 3.2.

Classifications des modes climatiques de l’Atlantique tropical

Plusieurs méthodes d’analyse des données ont été appliquées sur les anomalies de SST, vent et précipitation afin de classifier les différents modes de variabilité interannuelle dans l’Atlantique tropical. Ces méthodes sont, la décomposition en Fonctions Empiriques Orthogonales (Empirical Orthogonal Functions, EOFs), la régression linéaire et la Classification Ascendante Hiérarchique (CAH), ou Agglomerative Hierarchical Clustering en anglais (Kohonen, 1989). Nous avons choisi de présenter les résultats issus des analyses EOFs qui sont bien connues et de la technique CAH qui est moins fréquemment utilisée.

Méthode des EOFs

Principe des EOFs

L’analyse en EOF est une méthode de réduction de données qui fournit une description compacte de la variabilité spatiale et temporelle d’une série de données en termes de fonctions orthogonales (ou modes EOF) dont les premières expliquent généralement la plus grande partie de la variance. Son principe de base consiste à décomposer chaque variable climatique sous la forme : 51 ∞ F( x,t )=∑ αi gi (t)f i (x ) où f i et gi sont respectivement des fonctions orthogonales spatiales i =1 et temporelles obtenues par diagonalisation de la matrice de covariance. La valeur propre correspondante est la portion de la variance associée à la carte dans l’espace physique.
Comme les principaux modes de variabilité grande échelle de l’Atlantique tropical résultent d’un couplage entre l’océan et l’atmosphère, nous avons effectué une analyse en EOF multivariée (Alory et Delcroix, 2002) en combinant dans une même matrice les variables océanique (SST) et atmosphérique (composante zonale et méridienne du vent) toutes normalisées sur la même période.

Application des EOFs

La figure 3.1 présente les deux modes de variabilité couplée les plus énergétiques en SST et vents du printemps boréal. Les valeurs positives représentent un réchauffement et les valeurs négatives un refroidissement de la SST par rapport à la moyenne saisonnière, quand la série temporelle est positive, et vice-versa. Le premier mode (figure 3.1.a) représente environ 30 % de la variance totale avec une structure spatiale qui est celle du mode méridien que nous avons décrit au chapitre 1. Un dipôle d’anomalies de SST de signe opposé au nord et au sud de la position moyenne de l’ITCZ (vers 3-5°N) est associé à une intensification des alizés de sud-est à l’équateur durant sa phase positive. L’EOF multivariée impose que les structures spatiales de SST et vent varient selon la même fonction de temps. Les valeurs excédant l’écart-type de la fonction temporelle normalisée (figure 3.1.b) indiquent l’existence d’un mode méridien bien marqué, soit positif en 1980, 1981, 1983, 1992, 1997, 2004, 2005, 2012 ou négatif en 1984, 1985, 1986, 1989, 1991, 1996, 1999, 2008, 2009.
La décomposition des anomalies des mêmes variables en été boréal fait ressortir les deux modes dominants présentés sur la figure 3.2. Le premier mode représente environ 20 % de la variance totale et est caractérisé par un réchauffement anormal de la SST dans le Golfe de Guinée, avec des anomalies de vent d’ouest correspondant à un ralentissement des alizés dans la région ouest équatoriale (figure 3.2.c). Ces caractéristiques correspondent bien au mode équatorial décrit au chapitre 1. Les valeurs excédant l’écart-type de la fonction temporelle normalisée (figure 3.2.d) indiquent la présence d’un mode équatorial, soit positif en 1988, 1989, 1995, 1996, 1998, 1999, 2008, 2010, ou négatif en 1982, 1983, 1992, 1997, 2001, 2002, 2014, 2015 (figure 3.2.d).

Méthode des clusters : Classification Ascendante Hiérarchique

Principe des clusters

La Classification Ascendante Hiérarchique (CAH) est une méthode de classification itérative qui permet de réduire de grands ensembles de données à un plus petit nombre de groupes (Ward, 1963). Dans la procédure CAH, chaque singleton (défini comme une carte d’anomalies mensuelle et considéré comme un élément unique de l’ensemble de données) est initialement fusionné avec un autre en fonction de la plus petite distance euclidienne (distance entre deux points) entre chaque paire de singletons. Chaque groupe fusionné résultant, appelé cluster, est ensuite apparié avec un autre groupe fusionné selon le critère de Ward (1963) (qui est analogue à la distance euclidienne pour les singletons). Ce critère utilise cette distance euclidienne pour fusionner chaque paire de singleton (s) et (ou) singleton (s) déjà fusionné (s) en fonction de la plus petite somme de la distance au carré entre le singleton et le centroïde du cluster. Cela garantit une similarité maximale entre les éléments formant le cluster et une dissimilarité maximale entre tous les clusters.
Cette procédure est répétée jusqu’à ce que les deux clusters restants se fusionnent finalement dans l’ensemble de données complètes. La procédure de regroupement peut être représentée par un dendrogramme ou arbre de classification, qui illustre les fusions effectuées à chaque étape successive de l’analyse et la distance de liaison (séparation) entre chaque regroupement successif. L’abscisse de cet arbre montre les numéros de chaque singleton ou cluster unique et l’ordonnée indique la hauteur. Les lignes horizontales relient les clusters tandis que les lignes verticales indiquent la distance entre chaque paire de clusters fusionnés.
Par conséquent, pour identifier les principaux modes de variabilité, il suffit de découper le dendrogramme horizontalement pour représenter l’ensemble des données en partant seulement de quelques clusters uniques fusionnés qui peuvent être physiquement expliqués (similaire à une procédure EOF où seuls les premiers modes dominants sont utilisés). Cette limite peut être définie arbitrairement afin de maximiser de manière optimale la similarité au sein du cluster et la dissemblance entre les clusters. Des exemples de l’utilisation de cette technique de classification peuvent être trouvés dans les travaux de Kao et Yu (2009), Vincent et al. (2009) et Singh et al. (2011).

Application des clusters

Comme nous l’avons précédemment dit, l’avantage de l’analyse en EOF est qu’elle donne une description compacte de la variabilité spatiale et temporelle. Cependant, elle assume une symétrie directe entre les phases positive et négative de chacune des structures spatiales identifiées. Or certaines études (par exemple, Larkin et Harrison, 2002) ont montré que dans le Pacifique, les structures spatiales des évènements El Niño et La Niña ne sont pas strictement opposées. De plus, Singh et al. (2011) ont aussi noté cette dissymétrie sur la signature en SSS associée à ENSO. Pour cette raison, nous avons appliqué la méthode des clusters à la SST dans l’Atlantique tropical afin de comparer les résultats à ceux précédemment obtenus avec l’analyse en EOFs pour in fine définir la méthodologie optimale permettant de mieux suivre et étudier ces modes dans la suite du travail.
La figure 3.3 représente les 5 premiers modes dominants issus de l’analyse en cluster appliquée sur la SST du printemps boréal. Les structures spatiales en SST sont représentées par les clusters 1, 2, 3, 4 et 5 et pour chaque cluster, on peut voir ses années d’apparition sur l’abscisse de l’arbre de classification (dendrogramme).
On note donc que les clusters 1 et 2 montrent la structure spatiale du mode méridien respectivement en phase positive et négative. Le cluster 1 est apparu en 1980, 1981, 1982, 1983, 1992, 1997, 2004, 2005, 2012 et le cluster 2 dans les années : 1985, 1986, 1989, 1991, 1994, 1999, 2002, 2003, 2009. En comparant ces résultats à ceux obtenus à partir des analyses en EOFs à la figure 3.1a.b, on remarque que toutes les années identifiées par l’analyse en cluster se retrouvent dans le classement issu des EOFs à l’exception des années soulignées dont les amplitudes des anomalies sont inférieures à l’écart type et donc ne sont pas pris en compte dans le classement général. L’analyse en cluster ne permet pas de quantifier l’amplitude du mode pour les différentes années où il se manifeste, mais seulement le signe. Il est aussi à noter que les années 1984 et 2008 ont été identifiées, avec les EOFs, comme des années du mode méridien en phase négative alors qu’elles sont ici classées dans le cluster 4, qui sera décrit dans le prochain paragraphe. De cette comparaison, il ressort donc que le mode méridien peut être vu comme un mode à caractère symétrique, du moins, du point de vue qualitatif et peut être identifié à l’aide d’une analyse en EOF multivariée.
Le cluster 3 montre un réchauffement à l’échelle du bassin comparable au deuxième mode de l’analyse en EOF (figure 3.1.c.d), apparu en 1988, 1996, 1998 et 2010 où l’analyse EOF montre également un mode positif, particulièrement fort les années 1988 et 2010. Ce réchauffement semble être lié aux évènements El Niño du Pacifique apparu en 1988, 1998 et 2010 (voir figure 3.5). Enfield et Mayer (1997)ont mis évidence ce lien entre le Pacifique et l’Atlantique qui s’explique par les mécanismes de téléconnexion. Ils montrent que cette influence sur anomalies de SST dans l’Atlantique atteint son pic la saison succédant à la phase mature d’ENSO. Le cluster 4 montre en 1984, 1995, 2001, 2006, 2007, 2008 et 2011, un fort réchauffement au large des côtes sud africaines (Angola, Namibie). Ces évènements chauds sont appelés Benguela Niño (Shannon et al., 1985), par analogie à El Niño du Pacifique. Le Benguela Niño a un fort impact sur l’écosystème marin, les précipitations et le système d’upwelling côtier de la région (Rouault et al., 2007). Rouault (2012) et Reason et al. (2015) ont classifié tous les évènements du Benguela Niño depuis les années 1950, à partir de la série temporelle de l’indice d’ABA (“Angola Benguela area”, définie par Florenchie et al., 2003), défini par la moyenne des anomalies de SST dans la boite ABA (20°S-10°S, 8°E-15°E,voir la position de la boite sur le cluster 4, figure 3.3). Les dates d’apparition des évènements chauds du cluster 4 sont en accord avec leurs résultats à l’exception des années 2007 et 2008 où l’amplitude des anomalies est inférieure à leur écart type moyen (leur critère de classification) dans cette région. Ceci confirme que le mode identifié dans le cluster 4 est bien le Benguela Niño. Les processus liés à ce mode sont maintenant assez bien documentés. Il est principalement dû à un forçage lointain qui est caractérisé par un ralentissement des alizés à l’ouest de la bande équatoriale (Philander, 1986 ; Carton et Huang, 1994 ; Vauclair et du Penhoat, 2001; Reason et al., 2006 et Imbol et al., 2017). Les anomalies de température de subsurface associées aux ondes de Kelvin générées par ces alizés se propagent sous la thermocline jusqu’à la région d’Angola-Benguela où elles apparaissent à la surface sous forme d’anomalies SST (Florenchie et al., 2003, 2004, Rouault et al., 2007). Cependant, l’épisode froid de ce mode, appelé Benguela Niña, n’a pas été explicitement identifié par notre analyse en cluster. Rouault (2012) et Imbol et al. (2017) ont noté son apparition lors des années 1983, 1992, 1997, 2004, 2005 et 2012. On pourrait donc s’attendre à un cluster de structure spatiale opposée à celle du cluster 4 (Benguela Niño), ce qui ne ressort pas de nos analyses. Les EOFs et clusters montrent plutôt que les 6 années de Benguela Niña se caractérisent par des phases positives du mode méridien (figure 3.1.a.b et cluster 1 de la figure 3.3). Ces résultats ne sont pas contradictoires, puisque la phase positive du mode méridien est caractérisée par un refroidissement général au sud de l’équateur, avec des anomalies négatives de SST bien marquées dans la région du Benguela (figure 3.1.a.b et cluster 1 de la figure 3.3). Puisque le Benguela Niño et la phase négative du mode méridien sont 2 clusters distincts (cluster 4 et 2 de la figure 3.3, respectivement), alors que le Benguela Niña et la phase positive du mode méridien ne sont qu’un seul et même cluster (cluster 1, figure 3.3), nous en concluons que le Benguela Niño est un mode asymétrique, avec des processus a priori distincts régissant Benguela Niño et Niña. En effet, les mécanismes responsables des anomalies de SST du mode méridien, qui sont aussi en partie celles du Benguela Niña, sont surtout liés aux interactions thermodynamiques entre l’océan et l’atmosphère (WES feedback, voir chapitre 1) alors que ceux du Benguela Niño sont surtout liés à la dynamique équatoriale (Imbol et al., 2017).
Le dernier cluster (cluster 5) fait ressortir un réchauffement au large des côtes nord-ouest de l’Afrique (au large du Sénégal) apparu en 1987, 1990, 1993, 2000. Ce mode n’a pas encore été identifié dans la littérature et semble asymétrique et non oscillatoire, car il ne correspond à aucun mode issu de l’analyse en EOF et ne semble pas avoir de phase négative. En dehors de la région de réchauffement et de quelques anomalies froides très localisées, le reste du bassin ne présente pas d’anomalies marquées. Cela nous amène à suggérer que ce cluster pourrait être une phase transitoire pour les autres clusters et par conséquent un mode neutre.

Table des matières

1 État des connaissances.
1.1 Importance climatique et sociétale de l’Atlantique tropical
1.2 Variabilité interannuelle couplée dans l’Atlantique tropical
1.2.1 Modes de variabilité dominants et leur dépendance saisonnière
1.2.1.a Mode équatorial
i- Caractéristiques du mode équatorial
ii- Processus de couplage du mode équatorial
1.2.1.b Mode méridien
i- Caractéristiques du mode méridien
1.2.2 Connexion entre le mode équatorial et le mode méridien
1.2.3 Impacts socio-économiques des modes équatorial et méridien
1.3 Oscillateurs climatiques tropicaux
1.3.1 Oscillateur retardé
1.3.2 Oscillateur rechargé
1.4 Objectifs et méthodologies
2 Application des modèles oscillatoires à l’Atlantique tropical
2.1 Introduction
2.2 Estimation des couplages du mode méridien
2.3 Conception d’un modèle oscillatoire pour le mode méridien
2.3.1 Description schématique du modèle oscillatoire
2.3.2 Processus physiques incorporés dans les termes du modèle
2.3.3 Estimations des paramètres clés du modèle
2.3.4 Solution numérique et validation du modèle
2.3.4.a Rôle du forçage ENSO dans le modèle
2.4 Conclusion
3 L’impact des modes climatiques sur la SSS
3.1 Introduction
3.1.1 Cycle saisonnier et variabilité interannuelle de la SSS dans l’Atlantique tropical
3.1.2 Données et modèles
3.2 Classifications des modes climatiques de l’Atlantique
3.2.1 Méthode des EOFs
3.2.1.a Principe des EOFs
3.2.1.b Application des EOFs
3.2.2 Méthode des clusters
3.2.2.a Principe des clusters
3.2.2.b Application des clusters
3.3 Article : Sea Surface Salinity signature of the tropical Atlantic interannual climatic modes
3.3.1 Résumé en français.
3.3.2 Article publié dans le Journal of Geophysical Research-Ocean
3.4 Conclusion
4 Influence de l’onde de Kelvin sur les caractéristiques de la couche de surface
4.1 Introduction
4.2 Modèle simplifié
4.3 Équations vérifiées par l’état moyen et les perturbations
4.3.1 État moyen
4.3.2 Perturbations initiales
4.4 Résolution numérique
4.5 Solutions analytiques dans les conditions adiabatiques
4.5.1 Solutions analytiques pour l’évolution (u , h ,θ)
4.5.2 Solutions analytiques pour l’évolution de la densite
4.6 Validation des résultats analytique
4.7 Application du modèle simplifié à une onde de Kelvin dans l’Atlantique Équatorial
4.7.1 Choix de l’année 2009
4.7.2 Analyse de l’évolution de la thermocline et la densité en 2009
4.7.2.a Onde de Kelvin de juillet-août-septembre 2009
4.8 Conclusion
Conclusion générale et perspectives
Annexe
Bibliographie

Télécharger le rapport complet