Thèse de doctora t - Hydrologie.orghydrologie.org/THE/SANE.pdfexp ertise et sa rigueur scien-ti que...

Thèse de do toratpour obtenir le grade deDo teurde l'Université Pierre et Marie Curieet de l' Université Cheikh Anta Diop de DakarSpé ialité : PhysiqueparYoussouph SANEReprésentation du y le de vie des systèmes onve tifs dans le modèle LMDZ pendant la ampagne AMMA 2006Thèse soutenue le 8 Mars 2011 devant le jury omposé de :Président : Mme Lauren e PICONRapporteurs : Mme Françoise GUICHARDM. Adrian TOMPKINSDire teurs de thèse : M. Frédéri HOURDINM. Arona DIEDHIOUMme Marine BONNAZZOLAMme Aida DIONGUE NIANGM. Amadou Thierno GAYE

Thèse de do toratpour obtenir le grade deDo teurde l'Université Pierre et Marie Curieet de l' Université Cheikh Anta Diop de DakarSpé ialité : PhysiqueparYoussouph SANEReprésentation du y le de vie des systèmes onve tifs dans le modèle LMDZ pendant la ampagne AMMA 2006Thèse soutenue le 8 Mars 2011 devant le jury omposé de :Président : Mme Lauren e PICONRapporteurs : Mme Françoise GUICHARDM. Adrian TOMPKINSDire teurs de thése : M. Frederi HOURDINM. Arona DIEDHIOUMme Marine BONNAZZOLAMme Aida Diongue NIANGM. Amadou Thierno GAYE

© Youssouph SANE

REMERCIEMENTSCette thèse n'aurait pas abouti sans l'aide de personnes qui ont su m'épaulerdans des moments d'in ertitudes. Je tiens à remer ier tout eux qui de près ou deloin ont su me porter attention tout au long de ette aventure de re her he.Ma gratitude innie s'adresse à mon dire teur de thèse Frédéri Hourdin, pouravoir dirigé e travail bien qu'il soit di ile d'exprimer en quelques mots ma re- onnaissan e envers lui. Sa patien e, sa disponibilité et ses onseils m'ont permisde vivre une expérien e stimulante, enri hie par son expertise et sa rigueur s ien-tique qui inuen eront longtemps mes projets professionnels.Ce travail n'aurait également pas pu être mené sans l'impli ation de AronaDiédhiou, o-dire teur de thèse, qui a su trouver le nan ement de e travail et quia fait preuve d'une grande é oute et d'une grande aide pendant mes trois années dethèse. Tes onseils de grand frére sont onstru tifs et m'ont aidé à avoir onan een moi et de rester motivé le long de e travail. Un grand mer i d'avoir a epterde me trouver e nan ement et aussi de " oa her" mon travail de re her he deprès. Je tiens à remer ier l'IRD pour avoir nan é ette thèse.Un très grand mer i à Marine Bonazzola qui a suivi mon travail tout au longde la thèse. Elle m'a beau oup aidé sur les plans te hnique et informatique. Elle atoujours été d'une grande disponibilité pour toute dis ussion même en dehors dela thèse m'aidant à surmonter les moments d'inquiétude et de doute. Elle a aussi orrigé mon manus rit ave patien e tout en m'apprenant à être autonome. Je nepeux pas aussi oublié le voyage à Cambridge prouvant la onan e qu'elle a en moien m'ouvrant les portes de sa famille que je remer ie au passage, Yorg son mari etla petite harmante Pauline. Marine, ta gentillesse m'a beau oup tou hé et mer id'avoir pris le temps de me guider sur le hemin sinueux de la thèse et d'avoir su

Remer iements ivêtre exigeante et en ourageante à la fois.A Mme Aida Diongue NIANG, hef du département re her he et développe-ment à l'ANAMS, j'exprime aussi mes sin ères remer iements pour avoir odirigé ette thèse et avoir a epté de suivre mes travaux depuis mon master bien qu'ilme soit di ile de lui exprimer ma re onnaissan e en quelques phrases. Elle a eutoujours onan e en moi et m'a toujours en ouragé et soutenue même pendantles périodes di iles. Ses nombreux onseils et soutiens m'ont toujours été trèsutils. Aida, je ne saurai te remer ier pour toute l'aide que tu as fait à mon égard.Je tiens à exprimer toute ma re onnaissan e à Mme Lauren e Pi on, dire tri ede l'é ole do torale, d'avoir a epté de présider e jury. Je la remer ie pour l'intérêtqu'elle a porté à mes travaux.Les rapporteurs M. Adrian TOMPKINS et Mme Françoise GUICHARD ontapporté une attention minutieuse à mon travail, je leur suis très re onnaissant dutemps qu'ils m'ont onsa ré et je les remer ie d'être venus de loin (de Toulouse),voire de très loin (de Trieste).Jean-yves Grandpeix m'a dévoilé le s héma de Kerry Emmanuel et a mis ledoigt lors de la le ture de e do ument sur ertains points obs urs. J'ai beau- oup appré ié nos nombreuses dis ussions s ientiques qui m'ont souvent permisd'avan er dans la ompréhension de la onve tion. Je ne te remer ie jamais assezpour ton esprit ritique et tes remarques onstru tives qui me sont très bénéques.Mer i à Remy Ro a pour les dis ussions que j'ai eues ave lui, qui ont été trèsenri hissantes pour moi pendant la première année de ma thèse.Mer i à Ionela de m'avoir fourni les diérentes simulations de e travail, me

Remer iements vfaisant gagner un temps pré ieux à onsa rer à l'analyse des résultats.Mer i à Martine Maherou de s'être o upée des ta hes administratives surtoutles ordres missions. Mer i aussi à Robert pour sa disponibilité on ernant la réso-lution des problémes informatiques.J'ai aussi eu la han e de faire parti du LPAO-SF, LTHE et de l'ANAMS. Jeremer ie Amadou Therno GAYE pour avoir a epté de faire parti des en adreursde ette thèse et de m'avoir permis de m'ins rire à l'UCAD. Je remer ie aussi tousles membres du LPAO-SF pour nos intera tions autour de mes présentations. Ungrand mer i à Abdoulaye DEME qui a beau oup guidé mes premiers pas au LMDen me donnant des onseils instru tifs. Mer i aussi à Mohamed Ly pour toutes lessolli itations sur ferret mais aussi les bons moments passés à Paris.Je remer ie aussi Therry Lebel, dire teur du LTHE d'avoir a epté de me fairebéné ier le nan ement de l'IRD, ainsi qu'à tous les membres du laboratoire.Je ne peux pas ne pas évoquer i i ertaines personnes qui ont jalonné monpar ours, et qui d'une manière ou d'une autre, ont ontribué de diverses manièresà me faire arriver jusqu'i i. A ommen er par le Dire teur de l'ANAMS, qui a a - epté de me prendre dans son institution me donnant l'o asion de travailler ave Aida sur la modèlisation du limat. Je pense bien sûr ensuite à tous les membresde l'ANAMS parti ulièrement Elarion Sambou, Mamina Camara et mon frére etami Ibou Ndiaye.Je dis aussi mer i au ministre Christian Sina Diatta, qui m'a soutenu et m'a in ultél'idée de faire une thèse. Il m'a donné la han e de faire un master au Maro oùj'ai passé de merveilleux moments ave mon professeur Mostafa EL hamly que jeremer ie beau oup pour sa disponibilité et sa gentillesse.

Remer iements viJ'asso ie aussi à es remer iements Karim, Ndeye Fatou, Urbain, Assani, JeanMarie, Alassane Bah, Gabriel, Sylvain, Fatima et la maman Fatima, Mostafa (legardien) pour l'a ueil haleureux auquel j'ai eu droit au entre IRD de Bondy.Mer i à mes amis Demba, Koliba, Aziz Mbengue, Aziz Badiane, MikeDi, Yones.Je remer ie parti ulièrement Siré Badji pour sa disponibilité et l'a ueil ha-leureux qu'elle m'a toujours réservé à haque fois que j'arrive à paris. Mer i aussià Mohamet, Cherif et Sandy pour es merveilleux moments passés ensemble.Je remer ie les ollégues du LMD, notamment Ni olas Ro heton pour son appui on erant mes démar hes administratives. Je n'oublie bien sûr au un des thésardset des nouveaux do teurs. D'abord les nouveaux do teurs ; Aymeri , Pierre-yves,Cathérine, Camille, Jingmei, Alex, Mathieu, Julien, Mohamed, Thomas, Jean-Batiste, Traoré et bientot Alberto. Pour les thésards ; Ni ola, Mélanie, Florent,Romain, Philippe, Moussa, Xia, Anais, Bouba ar, Ara et Isabelle, je vous dis bon ourage.Je n'oublie pas tous les autres her heurs et étudiants du labo même si es lignesne les font pas apparaître.Enn, je tiens à remer ier ma famille pour m'avoir toujours soutenue et pousséeà aller de l'avant. Mer i à mes parents pour leur amour et leur onan e en moi.Vous m'avez bien éduqué et vous êtes pour moi une sour e d'énergie inépuisableet inégalable. Je vous serai éternellement re onnaissant. Mer i à Khady, Salimata,Awa, Maman, John, Bakis, Saliou, Abdou, Mamy, Saly, Tidiane, Idy, Bouba arFaye, Chérif, Leblan , Sidate, Pape Badji. Vous ne pouvez mesurer ombien vousêtes important pour moi. Je n'oublie pas Ya ine Bodian, ma mère adoptive pourson amour et ses onseils qui m'ont été d'un grand se ours. Je dis aussi mer i àmes on les Boté, Cheikh Aba, Sidy, Sarany, Salif et mon tuteur du ly ée AbdouBadji, pour le soutien et l'attention qu'ils m'ont toujours a ordés.

Remer iements viiJe réserve une re onnaissan e parti ulière, ave la grande douleur de ne plusl'avoir parmi nous, à ma défunte mère. Un grand mer i à mon pére pour son soutiensans faille de mon édu ation.

RÉSUMÉCette thèse a pour obje tif d'étudier et d'améliorer la représentation du y lede vie des systèmes onve tifs de l'Afrique de l'Ouest (orages tropi aux, lignes degrains, ...) dans les modèles de ir ulation atmosphérique. Ces modèles de ir ula-tion sont devenus un des outils de base pour à la fois les re her hes en physique du limat et pour la prévision opérationnelle du temps. La gamme d'é helles spatialesimpliquée rend parti ulièrement omplexe la modélisation de la mousson OuestAfri aine. Cependant, beau oup de progrès ont été réalisés es dernières annéesau Laboratoire de Météorologie Dynamique dans le développement des paramétri-sations de onve tion nuageuse (Rio and Hourdin (2008) ; Grandpeix and Lafore(2010)) et le modèle LMDZ est apable de représenter de façon orre te les ara -téristiques moyennes du système de mousson Ouest Afri aine.Notre travail de thèse repose en grande partie sur l'exploitation des données re- ueillies au ours de l'été 2006 pendant la période d'observation intensive (mesuressol, avions, ballons) de la ampagne d'Analyse Multidis iplinaire de la MoussonAfri aine (AMMA). L'amélioration de la représentation de la onve tion dans esrégions est un enjeu de première importan e, à la fois pour l'amélioration des pré-visions du temps et pour essayer de prévoir les possibles variations du limat surla région dans le adre du ré hauement global du limat.La dis rimination des systèmes lo aux et propagatifs a permis de faire la om-paraison des systèmes lo aux ave le modèle qui ne représente pas pour le momentla propagation des systèmes onve tifs. Ainsi le y le diurne des systèmes lo auxest omparable au y le diurne du modèle.Un des résultats marquant obtenu durant ette thèse on erne la représentation du y le diurne des pré ipitations onve tives. Nous avons en parti ulier, montré quela nouvelle "paramétrisation" de la onve tion orageuse, prenant en ompte expli-

Résumé ix itement les "po hes froides" réées sous les nuages par réévaporation des pluies onve tives, développée par Grandpeix and Lafore (2010), permet de dé aler dansla soirée les pluies onve tives (qui se produisent en générale beau oup trop ttdans les modèles, vers 12h, en phase ave l'insolation), en bien meilleur a ordave les observations.Nous avons aussi mis au point une appro he d'initialisation physique de la onve -tion par des températures de brillan e du satellite Météosat Se onde Génération(MSG). Cette appro he d'initialisation déte tant les zones onve tives donne unemeilleure représentation spatiale de la onve tion de manière ohérente ave lesobservations.

ABSTRACTThe obje tive of this thesis is to study and improve the representation of the life y le of onve tive systems in West Afri a (tropi al thundestorms, squall lines...)in general ir ulation models.These models are one of the fundamental tools for limate resear h and foroperational weather fore ast. The spatial s ales of the phenomenons make par-ti ularly omplex the modelling of the West Afri an monsoon. However, mu himprovement has been re ently a hieved at LMD in onve tive parameterizations(Rio and Hourdin (2008) ; Grandpeix and Lafore (2010)) and the LMDZ model isable to represent a urately the mean hara teristi s of the West Afri an monsoonsystem.Our PhD work is mostly based on data olle ted in Summer 2006 during theintensive observation period of the AMMA ampaign. The improvement of therepresentation of onve tion in these regions is a ru ial hallenge, both for theimprovement of weather fore asts and for studying the possible limate variationsin the region in the ontext of global warming.The dis rimination between lo al and propagative systems allowed to ompareobserved lo al loud systems with those simulated by the GCM, whi h does notrepresent yet the propagation of onve tive systems. The diurnal y le of lo al louds in thus omparable with the GCM diurnal y le. One of the main resultsobtained is on the representation of the diurnal y le of onve tive pre ipitation.We showed that the new onve tion parameterization, whi h takes a ount of old pools reated below the louds by evaporation of onve tive pre ipitation,developed by Grandpeix and Lafore (2010), allows to shift onve tive pre ipita-

Abstra t xition towards the end of the afternoon (GCM onve tive pre ipitation generallyo ur too early, at about noon, in phase with insolation), and this is in mu hbetter agreement with observations. We also developed a method of physi al ini-tialization of onve tion using brightness temperatures of the satellite MSG. Thisapproa h dete ts the onve tive regions and gives a better spatial representationof onve tive pre ipitation.

TABLE DES MATIÈRESREMERCIEMENTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . iiiRÉSUMÉ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viiiABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xTABLE DES MATIÈRES . . . . . . . . . . . . . . . . . . . . . . . . . xiiCHAPITRE 1 :INTRODUCTION GÉNÉRALE . . . . . . . . . . . 1CHAPITRE 2 :CARATÉRISTIQUESCLIMATIQUES DE L'AFRIQUEL'OUEST (AO) . . . . . . . . . . . . . . . . . . . . . 62.1 Cir ulation générale atmosphérique . . . . . . . . . . . . . . . . . . 62.2 La Mousson Ouest Afri aine (MOA) . . . . . . . . . . . . . . . . . 112.2.1 Dénition et mé anisme de la MOA . . . . . . . . . . . . . . 112.2.2 Mise en pla e du système de la MOA . . . . . . . . . . . . . 122.2.3 Cir ulation en moyenne et haute troposphère . . . . . . . . . 172.2.4 A tivité ondulatoire . . . . . . . . . . . . . . . . . . . . . . . 182.2.5 Variabilité de la MOA . . . . . . . . . . . . . . . . . . . . . 222.3 Les systèmes onve tifs de mésoé helle . . . . . . . . . . . . . . . . 252.3.1 Les amas nuageux . . . . . . . . . . . . . . . . . . . . . . . . 252.3.2 Les lignes de grains tropi ales . . . . . . . . . . . . . . . . . 262.3.3 Cy le de vie . . . . . . . . . . . . . . . . . . . . . . . . . . . 27CHAPITRE 3 :MODÈLE ET OBSERVATIONS . . . . . . . . . . . 293.1 Observations des systèmes onve tifs et des pré ipitations . . . . . . 293.1.1 Réanalyses ERA-Intérim du Centre Européen . . . . . . . . 293.1.2 Données satellitales utilisées . . . . . . . . . . . . . . . . . . 313.1.3 Réseau de pluviographes de Dakar . . . . . . . . . . . . . . . 35

Table des matières xiii3.2 Le modèle LMDZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353.2.1 Présentation générale du modèle LMDZ . . . . . . . . . . . 353.2.2 Prin ipe de fon tionnement de LMDZ . . . . . . . . . . . . . 373.2.3 Paramètrisations physiques . . . . . . . . . . . . . . . . . . 423.3 La onve tion dans les modèles de ir ulation générale . . . . . . . 503.3.1 Nouvelle physique . . . . . . . . . . . . . . . . . . . . . . . . 563.3.2 Représentation des ondes d'est dans le modèle LMDZ . . . . 63CHAPITRE 4 :LAMOUSSON OUEST AFRICAINE SIMULÉE PARLE MODÈLE LMDZ . . . . . . . . . . . . . . . . . . 694.1 Présentation des simulations . . . . . . . . . . . . . . . . . . . . . . 694.2 Sensibilité au guidage . . . . . . . . . . . . . . . . . . . . . . . . . . 704.2.1 Comparaison ERA-Intérim et NCEP . . . . . . . . . . . . . 704.2.2 Guidage par ERA-Intérim . . . . . . . . . . . . . . . . . . . 734.3 Sensibilité à la physique . . . . . . . . . . . . . . . . . . . . . . . . 844.4 Sensibilité à l'eet du zoom . . . . . . . . . . . . . . . . . . . . . . 924.5 Con lusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106CHAPITRE 5 :CYCLE DIURNEDE LA CONVECTIONENAFRIQUEDE L'OUEST . . . . . . . . . . . . . . . . . . . . . . . 1075.1 Introdu tion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1075.2 Cara térisation des événements de pluie à Dakar . . . . . . . . . . . 1095.3 Cara téristiques du y le diurne des pré ipitations . . . . . . . . . . 1185.3.1 Cara térisation à l'é helle globale à partir d'observations sa-tellitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.3.2 Cy le diurne des pré ipitations de Dakar . . . . . . . . . . . 1205.4 Interprétation du y le diurne . . . . . . . . . . . . . . . . . . . . . 1225.4.1 Systèmes onve tifs, lo aux et propagatifs . . . . . . . . . . 1225.4.2 Diagrammes Hovmoller en fon tion de l'heure lo ale d'arri-vée des systèmes à Dakar . . . . . . . . . . . . . . . . . . . . 125

Table des matières xiv5.4.3 Le tra king des systèmes nuageux . . . . . . . . . . . . . . . 1305.5 Cy le diurne dans le modèle LMDZ à Dakar . . . . . . . . . . . . . 1335.6 Analyse du y le diurne dans le modèle LMDZ à Dakar . . . . . . . 1375.7 Con lusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142CHAPITRE 6 :INITIALISATION DE LA CONVECTION DANSLE MODÈLE LMDZ . . . . . . . . . . . . . . . . . . 1456.1 Méthodes d'initialisation et d'assimilation . . . . . . . . . . . . . . 1466.1.1 L'initialisation physique . . . . . . . . . . . . . . . . . . . . 1476.1.2 L'assimilation variationnelle . . . . . . . . . . . . . . . . . . 1486.1.3 Etude de la sensibilité du forçage par ALE . . . . . . . . . . 1506.2 Analyse ave LMDZ . . . . . . . . . . . . . . . . . . . . . . . . . . 1526.2.1 Représentation de la onve tion . . . . . . . . . . . . . . . . 1526.2.2 Pro essus de mélange dans les paramétrisations . . . . . . . 1556.2.3 Prols verti aux des variables thermodynamiques . . . . . . 1616.2.4 Conve tion profonde, thermiques et po hes froides . . . . . . 1646.2.5 Con lusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174CHAPITRE 7 :CONCLUSION GÉNÉRALE ET PERSPECTIVES1787.1 Con lusion générale . . . . . . . . . . . . . . . . . . . . . . . . . . . 1787.2 Perspe tives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180LISTE DES TABLEAUX . . . . . . . . . . . . . . . . . . . . . . . . . 183LISTE DES FIGURES . . . . . . . . . . . . . . . . . . . . . . . . . . . 184BIBLIOGRAPHIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

CHAPITRE 1INTRODUCTION GÉNÉRALELa région de mousson Ouest Afri aine est ara térisée par une variabilité in-terannuelle trés marquée des pluies (Rowell et al., 1995) et plusieurs études ontété entreprises pour omprendre ette variabilité (Fontaine et al., 1995). La régionsahélienne limitée par le Sahara au Nord et la zone guinéenne au Sud est parti uliè-rement vulnérable à de telles variabilités et a souert de sévères sé heresses qui onteu des impa ts so io-é onomiques dévastateurs. Le dépla ement méridional de lamousson ontrle étroitement le y le de l'eau à l'é helle saisonnière sur l'Afriquede l'Ouest ave une propagation des pluies maximales vers le Nord jusqu'au moisd'Août, suivi d'un retrait rapide.Les pré ipitations de mousson sont en fait la résultante de systèmes pluvieuxde plus petite é helle (orages isolés, systèmes onve tifs de mésoé helle, lignes degrains) et il a été montré que la variabilité interannuelle de la pluviométrie dans leSahel est liée à la baisse du nombre d'évenements onve tifs, alors que l'intensitédes événements onve tifs reste en moyenne in hangée (LeBarbe et al., 2001). Cha- un de es systèmes orageux est lui même la résultante de mouvements onve tifsnuageux de plus petite é helle.La gamme d'é helles spatiales impliquée rend parti ulièment omplexe la mo-délisation de la mousson Ouest Afri aine. Les modèles résolvant expli itement lesstru tures onve tives (Diongue et al., 2002) né essitent un maillage très n, ave une résolution spatiale de l'ordre du kilomètre, et ne sont de e fait appli ables qu'àl'étude de systèmes onve tifs individuels. Les modèles de limat ou les modèlesde prévision du temps représentant l'ensemble du système de mousson utilisentdes mailles beau oup plus grossières (typiquement 20 à 300 km de résolution) et

Introdu tion générale 2doivent don représenter la onve tion nuageuse au travers de paramétrisations quireprésentent s hématiquement la somme des mouvements onve tifs au sein d'unemaille du modèle. Les s hémas de paramétrisation de la onve tion sont loin defaire l'unanimité et la manière dont es modèles représentent la onve tion peutdiérer largement selon le s héma onsidéré (Slingo et al., 1994). Ainsi, les intera -tions d'é helles qui peuvent apparaître seront fortement liées à la paramétrisationde la onve tion utilisée.Des progrès ont été réalisés es dernières années dans le développement de esparamétrisations et les modèles de limat quand ils sont for és par des tempéra-tures de surfa e de l'o éan réalistes, sont apables de représenter au premier ordreles ara téristiques moyennes des systèmes de mousson. Ces modèles ont en re-van he été très peu évalués dans leur apa ité à représenter de façon réaliste lessystèmes onve tifs de méso-é helle. La bonne représentation de es systèmes estpourtant un enjeu à deux titres : d'abord par e que l'organisation en systèmes onditionne la distribution spatio-temporelle lo ale des pluies, et que la bonnereprésentation de ette distribution est essentielle pour les études d'impa t surl'agri ulture ; ensuite, omme mentionné pré édemment, par e que la variabilitédu système de mousson est onditionnée par la variabilité du nombre de es évé-nements onve tifs.La thèse proposée i i s'attaquera don à la question de la représentation dessystèmes onve tifs dans les modèles de limat ave pour but ultime de simuler orre tement le y le annuel de l'eau sur l'Afrique de l'Ouest ave le modèle de limat LMDZ.Le travail réalisé pendant ette thèse s'ins rit dans le adre du programmeAMMA (Analyse Multidis iplinaire de la Mousson Afri aine) 2001-2010, ave desobservations renfor ées entre 2005 et 2007. Au ours de l'été 2006 se sont déroulées

Introdu tion générale 3les périodes d'observations spé iales (SOP) de la ampagne AMMA en Afrique del'Ouest. L'obje tif est d'étendre les onnaissan es sur la mousson en Afrique del'Ouest en vue d'améliorer les prévisions météorologiques et limatiques dans etterégion.Cha une des SOPs a été dédiée à une phase diérente de la mousson : la SOP1 àl'établissement de la mousson (juin), la SOP2 au régime établi de mousson (juillet-août) et la SOP3 au retrait de la mousson (septembre).Ce programme AMMA a he omme un de es obje tifs importants l'amélio-ration de la représentation des pro essus physiques dans les modèles intégrateurs omme les modèles de prévision numérique sur la région ou les modèles de li-mat. Une des lefs de ette amélioration on erne la représentation des pro essusturbulents et onve tifs, se s ou nuageux. La représentation de es pro essus estparti ulièrement di ile dans ette région de la planète. Au niveau du Laboratoirede Météorologie Dynamique (LMD), beau oup d'eorts ont été onsentis ré em-ment au développement du modèle LMDZ (voir hapitre 4) ou à l'améliorationde la paramétrisation de es pro essus dans le modèle. Le projet AMMA, et enparti ulier la ampagne intensive de l'été 2006, est une o asion pour tester etévaluer les nouvelles paramètrisations, dans leur apa ité à représenter la thermo-dynamique du système (stru ture dynamique de la mousson, nuages, pluies).En Afrique de l'Ouest, la haute troposphère est marquée par l'existen e du Jetd'Est Tropi al (JET) qui est un jet à l'é helle inter ontinentale lié à l'établisse-ment de la mousson indienne. Au niveau de la moyenne troposphère, on note laprésen e du Jet d'Est Afri ain (JEA) qui est un jet d'é helle régionale résultantdu gradient de température entre le Golf de Guinée et le Sahara. Par des insta-bilités barotropes et baro lines de e jet, des perturbations d'é helles synoptiquesappelées ondes d'est afri aines se propagent vers l'ouest. Les systèmes onve tifsde mésoé helle se positionnent souvent en des endroits privilégiés de l'onde et se

Introdu tion générale 4propagent également vers l'ouest, à peu près à la même vitesse que l'intensité dujet d'est afri ain.Il est lair que beau oup de systèmes en Afrique de l'Ouest se propagent d'esten ouest et sont initiés en amont de la zone qu'ils arrosent. Cependant d'autressystèmes isolés donnent des pré ipitations en des endroits lo aux et di ilementreprésentables dans les modèles à travers des paramétrisations.Cette thèse s'organise ainsi :Après l'introdu tion, le hapitre 2 est une revue non exhaustive des onnais-san es en matière de limatologie Ouest Afri aine pour mieux analyser les résultatsdes simulations au hapitre 4. On évoquera ainsi quelques phénomènes ou mé a-nismes impliqués dans le système MOA.Au hapitre 3, nous présentons l'outil prin ipal de notre étude le modèle de ir- ulation générale LMDZ, développé au Laboratoire de Météorologie Dynamique(Sadourny and Laval (1984) ; Hourdin et al. (2006)), ainsi que les diérents typesd'observations utilisées pour la validation de e modèle.Le hapitre 4 s'atta he à la validation des nouvelles paramétrisations dévelop-pées pour le modèle LMDZ en utilisant les réanalyses du Centre Européen desPrévisions Météorologiques à Moyen Terme (CEPMMT), les observations in situet satellitales.Le hapitre 5 est dédié au y le diurne de la onve tion dé len hée prématu-rément dans les modèles de limat. Une analyse de l'amélioration du y le diurnedans le modèle LMDZ omparée aux observations issues des pluviographes deDakar est ee tuée. Cette amélioration est interprétée ainsi que les pro essus phy-

Introdu tion générale 5siques impliqués.Le hapitre 6 propose une méthode d'initialisation de la onve tion dans lemodèle LMDZ par des températures de brillan e du satellite Météosat Se ondeGénération (MSG). Cette méthode permet de dé len her la onve tion et les pré- ipitations du modèle en phase ave les observations. Cette méthode sera appliquéà un as de onve tion du 10 juillet 2006 à Niamey. Le modèle LMDZ ave lesnouvelles paramétrisations simulera e système onve tif de mésoé helle et sera omparé aux obersvations in situ et satellitaires.Le hapitre 7 présente enn les on lusions et les perspe tives de e travail.

CHAPITRE 2CARATÉRISTIQUES CLIMATIQUES DE L'AFRIQUE L'OUEST(AO)2.1 Cir ulation générale atmosphériqueLa ir ulation générale atmosphérique est le mouvement à l'é helle planétairede l'atmosphère qui redistribue la haleur provenant du soleil en onjon tion ave la ir ulation o éanique. Elle est initiée par le bilan radiatif qui est la diéren e entrela part du rayonnement in ident absorbé par le système Terre-O éan-Atmosphère(TOA), et le rayonnement thermique réémis par et ensemble vers l'espa e. Lagure 2.1 représente la moyenne globale annuelle du bilan énergétique. Le uxsolaire, représenté en jaune, est l'énergie in idente à la surfa e du système. Elle sedé ompose en plusieurs parties lors de la traversée de l'atmosphère et une propor-tion de ha une de es parties se voit rétrodiusée vers l'espa e. Les rayonnementsthermiques de l'atmosphère et de la surfa e de la Terre, représentés en magentasont eux aussi divisés en deux parties, une diusée dans l'espa e et une réabsorbéepar la surfa e. D'autre part, une petite ontribution à l'é hange énergétique Terre-atmosphère se fait sous forme de haleur sensible ou latente lors d'évaporation, oude ondensation (représentée en rose). Si l'on onsidére e bilan en haque point duglobe à un instant donné, on s'aperçoit qu'il n'est pas équilibré. L'équilibre énergé-tique de la planéte n'est que global et les é arts lo aux et temporels onditionnentles é hanges d'énergie entre les diérents zones de la surfa e. Ainsi, on note uneforte variation méridienne de e bilan radiatif entre l'équateur, où l'énergie solaireest maximale, et les ples fortement dé itaires. Ce bilan radiatif est représenté surla gure 2.2 ; rayonnement solaire moyen reçu au sommet de l'atmosphère ( ourberouge), rayonnement solaire absorbé ( ourbe bleue) et rayonnement infra rougemoyen émis vers l'espa e ( ourbe verte). Il s'en suit un transport d'énergie des

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 7zones ex édentaires vers les zones dé itaires.

Figure 2.1 Transferts d'énergie à la surfa e, en moyenne globale annuelle (thèsede Cabot (1995))Ainsi les mouvements de l'air dans l'atmosphère globale dépendent de e bilanradiatif. Le limat terrestre est gouverné par ette répartition inégale de l'énergiedans le système TOA. En eet, omme la Terre est un sphéroïde, la radiationsolaire in idente au sol varie entre les régions faisant fa e dire tement au Soleilet les régions pro hes des ples. Il s'en suit un ré hauement diérentiel entreles deux régions. Le déséquilibre énergétique ainsi réé a pour onséquen e desdiéren es de pression, qui sont à l'origine des ir ulations atmosphérique et o éa-nique. Ainsi la réponse atmosphèrique aux forçages radiatifs se traduit par desmouvements verti aux. De l'as endan e ave détente adiabatique et libération de haleur latente est observée dans les zones ex édentaires, et au niveau des zonesdé itaires on a de la subsiden e ave ompression adiabatique et assé hement del'air. Ces variations méridiennes du bilan radiatif induisent l'existen e des ellulesde Hadley pour réduire les gradients. Ainsi, sur haque hémisphère, une ir ula-

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 8

Figure 2.2 Distribution latitudinale moyenne annuelle des ux radiatifs (W m−2)émis et reçu à la surfa e de la Terre (Gill (1982))tion fermée a lieu entre une zone d'as endan e à l'équateur météorologique et unezone de subsiden e vers 30. L'équateur météorologique, en ore appelé zone de onvergen e intertropi ale (ZCIT) est une zone d'as endan e et de onve tion surla einture intertropi ale. Il orrespond au maximum d'énergie reçue et suit la mi-gration saisonnière du soleil. C'est aussi le lieu de onve tion profonde humide dueau ré hauement sur le ontinent et au niveau de l'o éan ave une onvergen e desmasses d'air dans les basses ou hes et une divergen e dans les ou hes supérieures.Outre le transfert d'énergie méridien et verti al assuré par la ir ulation deHadley, une autre ir ulation de type est-ouest ( ir ualtion zonale type Walker,Fig.2.3) se met en pla e en réponse aux ontrastes existant entre d'une part leseaux haudes des régions ouest des bassins o éaniques et les régions froides à l'est,et d'autre part entre les ontinents hauds à faible apa ité alorique et les o éansplus froids à forte inertie thermique. On distingue deux groupes de ellules de typeWalker : le groupe pa ique/Atlantique transportant les haleurs latente et sen-

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 9sible vers l'est et l'énergie géopotentielle vers l'ouest, et le groupe Afrique/o éan In-dien ara térisé par une ir ulation inverse de elle du pré édent groupe (Fig.2.3).Comme pour les ir ulations de Hadley, elles de type Walker sont ara tériséespar des zones d'as endan e générant des systèmes pluvieux et des zones de sub-siden e entraînant l'atténuation des systèmes nuageux en amont. Cette ellule deWalker peut être trés intense lo alement jusqu'à dominer elle de Hadley (Fig.2.4).

Figure 2.3 S héma des ir ulations équatoriales de Walker. (Dhonneur, 1978)

Figure 2.4 Cir ulation de Hadley : Zone de Convergen e Inter-Tropi ale (Peixotoand Oort (1992))


Figure 2.5 Vue s hématique en 3D de la mousson ouest afri aine (voir texte pourplus de détails). (Lafore et al., 2010)

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 112.2 La Mousson Ouest Afri aine (MOA)Un des enjeux majeurs des re her hes sur la variabilité limatique est de om-prendre le système de MOA et de quantier l'impa t de sa variabilité sur le y lehydologique et les ressour es en eau.La gure 2.5 fournit une vue s hématique en 3D des ara téristiques lés du sys-tème MOA. Ainsi, la dépression thermique notée SHL (Saharan Heat Low) est une ara téristique importante de la MOA (Thorn roft and Bla kburn (1999) orres-pondant à une profonde onve tion sé he ( olorée en rouge dans g.2.5). Le JEA(Jet d'Est Afri ain) est représenté par le é he jaune. La onve tion est organiséedans la ZCIT au sud du FIT (Front Inter Tropi al) en pointillés bleus sur la gure2.5.2.2.1 Dénition et mé anisme de la MOALe terme "mousson" vient de l'arabe "mausin" qui signie saison. Il s'agit d'unux d'air hangeant de dire tion selon la saison. Le phénomène de mousson estpropre aux régions tropi ales. La mousson s'observe sur l'Inde, la Nouvelle Guinée,le Sud-Ouest de l'o éan Indien, les régions o éaniques de l'o éan Pa ique situéesà l'Est de l'Asie du Sud-Est, le Nord-Ouest de l'Afrique entrale, l'Afrique O i-dentale et en Australie (Malardel, 2005).Le régime de mousson afri aine onstitue la omposante prin ipale du limatde l'Afrique de l'Ouest, dans la mesure où il assure la plus grande alimentation eneau de l'atmosphère.La mousson Ouest Afri aine se développe en raison des ara tères hangeantsde la pression atmosphérique, provoqués par le taux de ré hauement et de refroi-dissement diérents ontrates des masses ontinentales et de l'o éan atlantique.L'o éan, par le fait que la haleur spé ique de l'eau est plus élévée que elle du

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 12sol, se ré haue moins vite que le ontinent. Le ré hauement de l'o éan est aussiatténué par le mélange (transport des ou hes de surfa e vers les ou hes pro-fondes).En été, le ontinent est plus haud que l'o éan. Les masses d'air o éaniquesétant plus froides et plus denses que elles au dessus du ontinent, il s'établit alorsune diéren e de pression entre le ontinent et l'o éan, (i i, il s'agit de l'Afriquede l'Ouest et de l'O éan Atlantique). Il s'établit une vaste zone dépressionnairesur le ontinent. La tendan e de l'atmosphère à minimiser le gradient de pressionentre le ontinent et l'o éan rée un ux transéquatorial du Sud. Ce mé anismea été mis en éviden e par Edmond Hadley dès 1628. C'est le régime des ux demousson Ouest Afri aine d'été. En hiver, le ontinent est plus froid que l'o éan. Lemé anisme qui a engendré la mousson d'été s'inverse et une ir ulation de Nord-Est s'établit sur le ontinent : 'est le régime des ux d'harmattan en Afrique del'Ouest.Ainsi sur la gure 2.5 est représenté l'ensemble des ara téristiques dominantesde la mousson afri aine. Ce modèle on eptuel de la mousson afri aine met enexergue l'empla ement des jets, la overgen e des ux, les intrusions d'air se ainsiqu'à la dépression thermique saharienne (ou heat low, en anglais).2.2.2 Mise en pla e du système de la MOALe ux de mousson en provenan e de Golf de Guinée traverse l'équateur mé-téorologique et prend une nouvelle orientation Sud-Ouest sous l'eet de la for ede oriolis. Ce sont des alizés du Sud-Est qui, lors de leur passage dans les régionsmaritimes et sous l'inuen e (des hautes pressions) de l'anti y lone de Sainte Hé-lène se hargent d'humidité et donnent naissan e à un ux d'humidité. Ce ux demousson peut être déni omme étant le ux d'humidité en provenan e du golf de

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 13Guinée porté par les alizés du Sud, deviés vers l'Est par la for e de Coriolis. Ce uxpénétre vers le Nord et est plus important durant les mois d'été boréal, lorsque legradient thermique entre l'o éan au niveau du Golf de Guinée et le Sahara devientplus marqué. Le point de ren ontre de e ux ave le vent haud et se du Nord,appelé Harmatan (ux saisonnier haud, se et poussièreux souant vers le sud enprovenan e du Sahara), orrespond au Front Inter Tropi al (FIT). C'est la réponsedynamique de l'atmosphère aux ontrastes thermiques terre-mer. D'aprés Sultanand Jani ot (2000), l'apparition du système de mousson en Afrique de l'Ouest estliée à la migration de la ZCIT en été boréal et les pré ipitations sont ontrlées parl'adve tion de l'humidité provenant du Golf de Guinée (gure 2.5). Cette migra-tion est ara térisée par un "saut" brutal latitudinal vers la n Juin (gure 2.6),d'une position quasi-stationnaire à 5N en Mai-Juin, à une position d'équilibre à10N en Juillet-Aout (Sultan and Jani ot, 2003). Ce dépla ement rapide est mar-qué par une augmentation des ux d'humidité dans les basses ou hes (Cadet andNnoli, 1987) ave une augmentation de la omposante méridienne des ux au ni-veau de l'Equateur. Adefolalu et al. (1985) ont montré que ette date oin ide ave l'établissement d'une ir ulation anti y lonique d'altitude à 200 hPa, oupant leslarges transports méridiens entre les basses et les hautes latitudes, ainsi qu'ave la mise en pla e du JEA dans la moyenne troposphère. Le "saut" de la ZCITentre es deux positions d'équilibre marque l'installation du régime de moussonaux latitudes soudano-sahéliennes et peut don être onsidéré omme la mise enpla e de la mousson. La date de e "saut" de mousson peut être repérée au moyendes séries temporelles aux deux latitudes d'équilibre au moment où l'on observesimultanément une baisse de la pluviométrie à 5N et une augmentation rapide desindi es pluviométriques à 10N et à 15N (gure 2.6).Le fon tionnement de la mousson d'Afrique de l'Ouest est un système où inter-agissent l'o éan, le ontinent et l'atmosphère. Par exemple, Caniaux et al. (2010)ont mis en éviden e que la mise en pla e d'une langue d'eau froide au niveau du golf


Figure 2.6 Diagramme temps-latitude de l'évolution annuelle moyennée entre1979 et 2000 de l'estimation des pré ipitations CMAP (OLR et mesures in-situ).Les pointillés rouges marquent la date moyenne de mise en pla e de la moussond'été et les pointillés noirs représentent les épisodes de pauses. Le trait noir ontinureprésente la limite entre l'o éan et le ontinent (Sultan and Jani ot, 2003)


Figure 2.7 Langue d'eau froide et début de mousson sur la période 1982 - 2006.Caniaux et al. (2010)de Guinée pré ède le dé len hement des pluies de mousson. En eet, le golf de Gui-née est la région de l'o éan atlantique tropi al où la variabilité de la températurede surfa e de la mer est la plus forte a hant des amplitudes saisonnières jusqu'àdes valeurs de +7C. Cette variabilité est essentiellement dûe à la remontée d'eauxprofondes équatoriales et à la présen e de "langue froide" durant l'été boréal. Lerefroidissement de la température de surfa e de la mer, lié à l'établissement de lalangue d'eau froide saisonnière, a été orrélé ave les migrations vers le Nord de laZCIT. Sur la gure 2.7, on onstate le fait que la langue d'eau froide pré éde lamousson Ouest Afri aine ave un oe ient de orrélation de 0.59. Il y a aussi uneautre zone d'as endan e sè he située vers 20N. Ramel et al. (2006) ont montréque si la dépression saharienne est a élèrée vers le Nord de 10N - 15N à 20N- 25N, il y a divergen e au Sud et par la suite une baisse de la onve tion. Surla gure 2.8, on voit bien une remontée Nord-Ouest du Heat Low atteignant sonmaximum en Juillet-Aout. Ainsi la mousson orrespond à la période de pénetrationde l'humidité sur le ontinent donnant naissan e aux systèmes pluvieux.


Figure 2.8 Cy le saisonnier de la dépression thermique (Lavaysse et al., 2009)

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 172.2.3 Cir ulation en moyenne et haute troposphèreLes gradients d'énergie nés des ontrastes o éan-atmosphère jouent un rleprimordial dans la ir ulation de la moyenne et haute troposphère marquée par laprésen e du Jet d'Est Afri ain(JEA) et du Jet d'Est Tropi al(JET).2.2.3.1 Le Jet d'Est Tropi al (JET)C'est un ourant s'étendant de l'Asie à l'Atlantique. Il a pour origine les ontrastes thermiques existant dans le Sud-Est asiatique entre les massifs monta-gneux du Tibet et les régions o éaniques moins haudes situées près de l'équateur.Sur l'Afrique o identale, il est observé entre 100 et 200 hPa autour de 10N ave une intensité maximale de l'ordre de 20 m/s. Il est lié à l'établissement de la mous-son indienne et a une inuen e notable sur les pré ipitations en Afrique de l'Ouest.Son intera tion ave la pluviométrie demeure mal ernée. D'après Kanamitsu andKrishnamurti (1978), le JET a tendan e à s'aaiblir lors des années sé hes. Chenand Van Loon (1987) on luent que le JET est sus eptible d'être alimenté parla haleur latente liberée au sein des systèmes onve tifs asso iés aux moussonsindienne et Ouest Afri aine. Hulme and Tosdevin (1988) onrment l'inuen e duJET sur le régime de pré ipitation au Soudan. Diongue et al. (2002) ont mon-tré que les systèmes onve tifs par leur divergen e vers 200hPa a élérent le jet àl'avant et le dé élérent à l'arrière.2.2.3.2 Le Jet d'Est Afri ain (JEA)Ce jet est observé pendant l'été boréal en moyenne troposphère entre 500 et700 hPa. Son oeur est situé autour de 15N. Il s'étend du la T had au Cap-Vert,ave des intensités maximales de l'ordre de 15 m/s. Il résulte du fort gradient ther-mique existant dans les basses ou hes entre le Sahara et le Golfe de Guinée et durenversement de e gradient méridien en altitude. Le JEA suit les dépla ementsméridiens de la ZCIT. Selon Cadet and Nnoli (1987), il transporte de l'humidité

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 18et son inuen e est purement régionale et se limite en Afrique de l'Ouest. S'ilest lair que le JEA inuen e les pré ipitations saheliennes par l'organisation dessystèmes, son origine et son maintien ont fait l'objet de plusieurs études. Burpee(1972), faisant une étude statistique de données issues de sondages sur l'Afriquede l'Ouest et de l'Est, a suggeré que les gradients thermiques liés au ré haue-ment du Sahara induisent une ir ulation méridionale dire te. Ainsi, l'instabilitéqui aurait été induite par les pertes d'énergie inétique zonale du JEA est rétabliepar fourniture onstante d'énergie thermique résultant des ontrastes thermiques.Ce type de ir ulation méridienne permet de onvertir de l'énergie potentielle enénergie inétique pouvant maintenir le jet. Cook (1999) a aussi montré sur la basede simulations ave des modèles de ir ulation générale que l'existen e du JEAest liée à la présen e de gradients méridiens d'humidité du sol et de température.Thorn roft and Bla kburn (1999), ave un modèle à symétrie zonale onsidèrent 3types de for age expliquant ainsi le maintien du jet. Il s'agit du hauage dû auxeets de la onve tion sé he liée à la dépression thermique saharienne, au hauagelié à la onve tion humide dans la zone de onvergen e intertropi ale et au Sud duJEA et enn les 2 eets ombinés.2.2.4 A tivité ondulatoireLa troposphère de l'Afrique o identale est traversée par 2 types d'ondes sy-noptiques, de périodi ité et de longueur d'ondes diérentes (Diedhiou et al. (1999),De Feli e et al. (1990)). Les prin ipales sont les ondes d'Est de périodi ité 3-5 jourset de longueur d'onde 3000 km liées aux instabilités barotrope et baro line du JEA.Les autres types d'ondes d'Est sont de périodi ité et de longueur d'onde deux foisplus grandes (respe tivement 6-9 jours et 6000 km) et se développent de manièreintermittente au Nord du JEA.

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 192.2.4.1 Ondes d'Est de 3-5 joursLa fréquen e de es ondes est maximale de Juillet à Septembre orrespondantà la période d'établissement des jets en altitude. Ces perturbations ont été large-ment étudiées à ause du rle qu'elles jouent dans la modulation de la onve tion.Plusieurs études (Carlson (969b) ; Burpee (1974) ; Reed et al. (1974) ; Duvel et al.(1990)) lient l'a tivité onve tive et la présen e des ondes ave un maximum denébulosité orrespondant à un maximum de pré ipitations à l'Ouest du thalweg( ir ulation y lonique) de l'onde et un minimum à l'Est. Burpee (1972), montreque les isaillements barotrope et baro line du JEA ontribuent à la roissan edes ondes en onformité ave le ritère de Charney and Stern (1962). De e fait,il ressort que l'a tivité onve tive semble être modulée par la présen e de es ondes.Les études ré entes de modélisation idéalisée de Hall et al. (2006) et Thorn roftet al. (2008) ont montré que l'o uren e des événements onve tifs en amont dujet (favorisés par la zone de relief à la frontière T had-Soudan) pourrait apporterle surplus d'énergie ( hauage latent) né essaire pour dé len her le développementtransitoire d'ondes d'Est. Ils on luent alors que les ondes d'Est sont ex itées parla onve tion à l'Est. D'après Leroux et al. (2010) les ondes dé len hées sont trèsdépendantes du jet. Selon eux, les ondes de plus grande longueur d'onde sontdé len hées sur un jet large qui s'étend jusqu'à la te au Sud. Cette ongura-tion semble également maximiser le isaillement verti al du vent. Les ondes de pluspetite longueur d'onde sont au ontraire asso iées à un jet étroit situé très au Nord.Le travail de Reed et al. (1974) sur la stru ture et les propriètés des ondes onstitue une référen e et permet de fournir une onnaissan e plus poussée desondes d'est afri aines. Durant la phase III de GATE ((Global Atmosphéri Re-sear h Programme) Atlanti Tropi al Experiment sur l'Atlantique Est) (du 23Août au 19 septembre 1974) où l'a tivité des ondes d'est était intense et régulière,une étude omposite a été ee tuée sur huit ondes d'est identiées sur l'Afrique

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 20 entrale et o identale et sur l'Atlantique est. L'onde omposite obtenue s'est pro-pagée vers l'ouest ave une longueur d'onde moyenne de 3000 km environ, unepériode de 3.5 jours et une vitesse de 8 ms−1. Le entre de es ondes d'est dénipar le maximum de tourbillon relatif, est situé en moyenne à 11N, 4 à 5plus ausud que le oeur moyen du JEA. Comme l'avaient suggéré Carlson (969b) et Bur-pee (1974), les ondes d'est présentent un deuxième vortex situé près de 20N. Ce isuggére deux axes préférentiels de propagation, de part et d'autre du JEA. Tandisque l'onde d'axe sud par rapport au JEA se développe en moyenne troposphèreet est maintenue par instabilités barotrope et baro line, l'onde d'axe nord se dé-veloppe vers 900 hPa et est essentiellement maintenue par l'instabilité baro line,liée à la dépression thermique du Sahara. Au passage de la te afri aine, la tra edes ondes de l'axe nord est moins évidente.L'analyse poussée des hamps dynamiques et thermodynamiques de l'onde d'estde l'axe sud a permis de dégager les on lusions suivantes :1. Le maximum de l'amplitude de la perturbation est entré vers 650 hPa et unmaximum se ondaire apparaît vers 200 hPa.2. Un oeur froid est trouvé en dessous de 650 hPa, surmonté d'un oeur haudjusqu'à 250 hPa et ensuite d'un oeur froid au dessus. Ce i est ohérent ave lemaximum de vorti ité trouvé à 650 hPa (vent thermique).3. A 850 hPa, de fortes valeurs de température et un dé it d'humidité sont as-so iés au vent du nord. Ce i traduit l'adve tion d'air haud et se par ir ulationtransverse liée à la dépression thermique du Sahar.4. Une forte onvergen e dans les basses ou hes est asso iée à un noyau d'as- endan e jusque vers 200 hPa, située légèrement à l'avant du thalweg ( ir ulation y lonique). C'est à et endroit que le maximum de pluie est observé traduisantainsi la modulation de la onve tion par l'onde d'est.5. Les ondes persistent lorsqu'elles passent du ontinent afri ain à l'o éan Atlan-tique ave quelques modi ations : intensi ation de l'onde a ompagnée d'unediminution de la longueur d'onde et de la période, augmentation de l'amplitude

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 21de la onversion barotrope, présen e d'un vortex au lieu des deux vortex observéssur le ontinent, as endan es et onve tion amoindries.Pour avan er dans la ompréhension des ondes d'est, des travaux numériquesont été réalisé (Thorn roft and Hoskins (1994a) ; Thorn roft and Hoskins (1994b) ;Paradis et al. (1995) ; Renni k (1981)). Pour es simulations en onguration idéa-lisée, l'onde d'est est déterminée en isolant le mode le plus instable qui se développeau sein d'un ourant zonal possédant un JEA. L'ensemble de es simulations ontété ee tuées ave des modèles dans une onguration idéalisée en onsidérant un ourant zonal auquel on superpose une perturbation et en sele tionnant ensuite lemode le plus instable.2.2.4.2 Ondes de 6-9 joursL'existen e en Afrique de l'ouest et sur l'Atlantique est d'autres types d'ondesde plus grande période que les lassiques ondes d'est afri aines, avait été soulignéepar ertains auteurs. Viltard and De Feli e (1979), en faisant une étude statistiquedu vent sur le ontinent ouest afri ain, à partir des données de GATE, ont trouvépour le vent méridien un pi important d'énergie spe trale sur la bande 6-9 jourssur des stations lo alisées autour de 15N. Cependant, ils n'ont pas pu déterminerla dire tion de propagation de es ondes. Ensuite Cadet and Nnoli (1987) en faisantune analyse spe trale de la vapeur d'eau, ont révélé qu'en dehors du pi d'énergiesur la bande 3-5 jours orrespondant aux ondes d'est lassiques, il existe une autrepériodi ité importante dans la bande de 6-9 jours. De Feli e et al. (1990) ont éga-lement étudié les ara téristiques des ondes de 6-9 jours à partir des analyses duCEPMMT pour l'été 1981.Plus ré emment, Diedhiou et al. (1999), en faisant une étude systématique à par-tir des réanalyses CEPMTT et NCEP sur des périodes 1979-1993 et 1979-1995respe tivement, ont mis en éviden e l'existen e des ondes de 6-9 jours. L'analysespe trale de la omposante méridionale du vent à 700 hPa sur l'Afrique de l'ouest

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 22et l'Atlantique est a donné 3 bandes de fréquen es : les 2 premières, omprisesentre 3 et 5 jours, orrespondant à la lassique onde d'est afri aine et une troi-sième bande de fréquen e entre 6 et 10 jours. L'analyse omposite a montré que, ontrairement aux ondes de 3-5 jours qui sont a tives au nord et au sud du JEA,l'onde 6-9 jours est a tive entre 17.5 et 25N. Ils ont également montré que l'onde6-9 jours est ara térisée par de larges ir ulations anti y loniques qui seraienten relation ave les anti y lones de Libye et des Açores. Contrairement au modes3-5 jours présent tout au long de la saison, le mode 6-9 jours est intermittent : ilest surtout fréquent au début et à la n de l'été. Ce ara tére intermittent laissepenser à une possible intera tion entre les ondes de 6-9 jours et la ir ulation desmoyennes latitudes.2.2.5 Variabilité de la MOA2.2.5.1 Variabilité interannuelle et dé ennale

Figure 2.9 Indi e pluviométrique au Sahel orespondant à Mai-Septembre etexprimé en anomalies normalisées al ulée de 1905 à 2006 par la moyenne despré ipitations entre 13N-17N et 17W-22E (Jani ot et al. (2010))Le système de mousson Ouest Afri ain apparaissant omme un système ouplé

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 23O éan - Terre - Atmosphère, on sait maintenant que les anomalies de températuresde surfa e de la mer à l'é helle globale ont un impa t important sur la variabilitéinterannuelle et dé ennale des pré ipitations Sahéliennes. Une étude ré ente deJoly et al. (2006) a montré que la variabilité dé ennale est inuen ée par l'Os- illation Multi-dé ennale Atlantique (OMA), elle-même orrelée à la ir ulationthermohaline (THC). Sur la gure 2.9, nous avons la série temporelle des anoma-lies des pré ipitations sur le Sahel sur la période 1905-2006. Si la première partiedu 20e siè le a été ara térisée par une su ession de ourtes périodes sè hes ethumides, la deuxième partie du siè le a onnu une trés inhabituelle évolution despré ipitations ave une période de 20 ans humide entre 1945 et 1965, suivie d'uneautre période de plus de 20 ans sé hes (de 1965 à 2005). Depuis le milieu des années1980, nous voyons une tendan e vers une ertaine reprise, même si les anomaliesde pré ipitations sont en ore majoritairement négatives. Cette tendan e est plusmarquée sur la partie orientale du Sahel que la partie o identale. LeBarbe et al.(2001) ont déte té des hangements mineurs entre les régimes de démarrage de lamousson Ouest Afri aine pendant les années humides (dé ades 50s et 60s) et lesannées sé hes (dé ades 70s et 80s). Ils ont trouvé que la période sè he a été mar-quée par une diminution du nombre d'événements pluvieux alors que l'intensitéreste in hangée. LeBarbe and Lebel (1997) avaient déjà remarqué e phénomène.Sur la gure 2.10 la première olonne représente les températures de surfa e dela mer (appelées aussi en anglais SST : Sea Surfa e Temperature), la deuxième olonne les pré ipitations au printemps et la troisième olonne les pré ipitationsen été. On s'intéresse à la zone Ouest Afri aine. Ave des SST haudes au niveaude l'Atlantique nord, on enregistre plus de pré ipitations dans la zone Ouest Afri- aine. Cela est vrai en été omme au printemps. Don , plus les SST sont haudesau niveau de l'Atlantique nord, plus les pré ipitations sont importantes dans lazone Ouest Afri aine. Mais, plus les SST sont froides, moins importantes sont lespré ipitations.


Figure 2.10 Os illation Multi-dé ennale Atlantique et Sahel (Knight et al., 2006)

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 252.2.5.2 Variabilité intrasaisonnièreEn Afrique de l'Ouest, le renversement saisonnier des vents orrespond à lamousson. Le démarrage des pluies sur le ontinent Ouest Afri ain est ara térisépar un dépla ement rapide vers le Nord de la ZCIT à la n de Juin (Sultan andJani ot (2000) ; LeBarbe et al. (2001)). D'après une étude de Jani ot and Sultan(2001), la variabilité intrasaisonnière est ara térisée par une su ession de phasea tives/ina tives de 10 à 20 jours pendant la période de Juillet à Septembre. Lesphases ina tives se traduisent par des pauses pluviométriques dommageables pourles a tivités agri oles.2.3 Les systèmes onve tifs de mésoé helleOn appelle système onve tif de mésoé helle un groupe de umulonimbus re-liés entre eux par une en lume stratiforme ommune. Ces systèmes peuvent être lassés en deux groupes qui sont les lignes de grains et les amas nuageux.2.3.1 Les amas nuageuxLes amas nuageux sans stru ture trés nette sont plus omplexes que les lignesde grains, mais sont d'é helle omparable et ont une durée de vie de l'ordre de lajournée. Ils se dépla ent plus lentement (quelques m/s) et possédent des formesmoins dénies. On les observe dans les onditions de isaillement de vent plusfaible que elles asso iées aux lignes de grains (Houze and Betts (1981) ; Barnesand Sie kman (1984)). Les amas nuageux sont majoritaires sur les zones tropi alesmême si beau oup de re her hes s'ee uent sur les systèmes organisés aux dépensdes études sur les amas nuageux moins organisés.Durant l'expérien e GATE, de nombreux systèmes onve tifs ont été observéspermettant ainsi d'avoir la base des onnaissan es expérimentales a tuelles sur

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 26la onve tion tropi ale. Il s'agit des études de Frank (1978) ; Leary and Houze(1979) ; Houze and Betts (1981) ; Barnes and Sie kman (1984). C'est ainsi qu'ave des données radars de rée tivité, Houze and Betts (1981) distinguent quatre typesd'é hos :- les ellules isolées produisant de faibles pré ipitations, d'extension horizontalefaible et de sommet en dessous de 6 km- des assemblages de ellules d'extension horizontale modérée, produisant des pluiesmoyennes et dont le sommet des ellules atteignent 6 à 9 km- des regroupements plus importants de umulonimbus pouvant atteindre 15 à 16km de hauteur ave la présen e d'en lumes pré ipitantes- des régions de pluies stratiformes où les ellules onve tives sont en voie de désa-grégation.2.3.2 Les lignes de grains tropi alesLes lignes de grains présentent une stru ture bidimensionnelle marquée ave uneligne de umulonimbus s'étendant sur quelques dizaines de kilomètres à l'avant dusystème et une partie 'stratiforme' à l'arrière qui peut s'étaler sur plusieurs en-taines de kilomètres. Ils sont ara térisés par leur grande vitesse de propagation(10 à 15 m/s) et une forme plus ou moins onvexe de leur bordure avant.L'organisation de la onve tion en ligne a été d'abord remarquée par les prévisio-nistes de l'Afrique de l'Ouest (Hamilton and Ar hbold (1945) ; Elridge (1957)) qui,en utilisant des données synoptiques onventionnelles et des mesures de vent enaltitude, ont pu donner les prin ipales ara téristiques de es systèmes onve tifs.Les lignes de grain peuvent être vues omme un alignement de umulonimbus (par-tie onve tive) suivi d'une large en lume (partie stratiforme), se dirigeant d'Esten Ouest plus rapidement que l'air ambiant. Elles ont une durée de vie de plu-sieurs jours et apparaissent sur l'image satellitale omme des masses nuageusesdont le bord Ouest est net et onvexe et le bord Est est dius. Leur passage au

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 27sol est ara térisé par une violente rafale a ompagnée d'une brusque hute detempérature, 2 à 3 minutes avant l'arrivé des pluies. Le front de rafale délimiteles ourants des endants froids (ou po hes froides) qui s'étalent sous l'air haudà l'avant du système permettant ainsi de produire de nouvelles ellules onve tives.2.3.3 Cy le de vieAve la grande diversité des systèmes onve tifs de mésoé helle, il est trés dif- ile de donner un y le de vie s hématique. C'est ainsi que Leary and Houze(1979) ont élaboré un y le de vie permettant de dé rire six systèmes en utilisantdes données radars d'une journée. Ce y le de vie est ainsi omposé de 4 stades :1. Initiation : des umulonimbus se développent isolément et sont parfois organisésen lignes. Les pré ipitations peuvent atteindre 10 mm/h et à e stade, les nuagespeuvent se dissiper rapidement. Par ontre, des onditions favorables peuvent per-mettre au système de s'intensier.2. Intensi ation : de nouvelles ellules se forment à l'avant des an iennes avantque elles- i ne se dissipent. La zone de pré ipitation devient plus large et onti-nue. Les pré ipitations atteignent lo alement 100 mm/h et les nuages onve tifss'élèvent jusqu'à la tropopause.3. Maturité : ette phase est atteinte quand une partie stratiforme ommune en-globant les ellules onve tives s'est formée. Une subsiden e de mésoé helle peutetre initiée par la fonte ou l'évaporation des hydrométéores de ette en lume.Cette partie stratiforme produit des pluies de quelques mm/h. De nouvelles el-lules onve tives ontinuent d'être générées, produisant de fortes pré ipitations etalimentant la partie stratiforme.4. Dissipation : lorsque plus au une ellule onve tive ne se rée, la phase de dis-sipation ommen e. La ause peut être une modi ation thermodynamique del'environnement ou alors une dimunition de la onvergen e dans les basses ou hesqui alimentait les ellules onve tives. La dissipation peut durer plus de huit heures

Caratéristiques limatiques de l'Afrique l'Ouest (AO) 28pendant lesquelles le système ontinue à produire des pluies stratiformes.

CHAPITRE 3MODÈLE ET OBSERVATIONS3.1 Observations des systèmes onve tifs et des pré ipitationsLe but de e hapitre est de dé rire les outils parti uliers utilisés pour la thèse.3.1.1 Réanalyses ERA-Intérim du Centre EuropéenLes réanalyses sont des hamps de variables météorologiques issus d'un modèlenumérique de prévision ouplant l'information provenant d'observations diversesà elle des équations. Elles intégrent des données issues d'observations (dire te ouindire te) et des données issues des modèles grâ e à la te hnique d'assimilation desdonnées. Cette ombinaison permet d'obtenir une ouverture spatiale et tempo-relle ontinue des données et de ombler ainsi les la unes observées sur les régionshostiles (Sahara, forêt équatoriale, zones de guerre).D'un point de vue pratique, les réanalyses fournissent un ensemble de variables ohérentes pour l'étude de la variabilité temporelle des paramètres atmosphériques.Les réanalyses du Centre Européen de Prévision Météorologique à Moyen Terme(CEPMMT) sont produites sur diérentes périodes. Ces dernières sont dénies enfon tion des données d'obervation disponibles, ainsi que de diérentes versions dumodèle de prévision et diérentes te hniques d'assimilation :- ERA15 (1978-1993) : assimilation des données satellitales VPTR, TOVS et CMW- ERA40 (1957-2001) assimilation d'observations ré entes (TOVS, SSM/I, ERS,ATOVS et CMW)- ERA-Intérim qui est une nouvelle analyse de l'atmosphère globale ouvrant la

Modèle et Observations 30période ri he en données depuis 1989, et ontinue en temps réel.Ces réanalyses sont onstituées de données issues de mesures au sol, bateau,radiosondage, ballon sonde, avion, satellite et autres. Ces données brutes sont inté-grées au modèle physique par une te hnique d'assimilation de données. Le s hémad'assimilation est appelé 4D-VAR. La te hnique 4D-VAR onsiste à minimiser unefon tion oût, qui s'é rit omme la diéren e entre les observations et les variablesprévues par le modèle.Le projet ERA-Intérim a été lan é en 2006 pour faire la jon tion entre les réana-lyses pré édentes ERA40 (1957-2001) et une nouvelle analyse de la nouvelle versiondes réanalyses du CEPMMT. Le prin ipal obje tif de e projet était d'améliorer ertains aspe ts essentiels de ERA40, tels que la représentation du y le hydrolo-gique et la qualité de la ir ulation stratosphérique. Ces obje tifs ont été largementatteints en raison d'une ombinaison de plusieurs fa teurs, y ompris l'améliorationdu modèle, l'utilisation de l'analyse variationnelle à 4 dimensions, une révision del'analyse de l'humidité et d'autres améliorations dans le traitement de données.La version du modèle IFS (Integrated For asting System) du Centre Européenutilisé pour produire ERA-Intérim possède les ara téristiques suivantes :- y le 31r2 du modèle IFS (version de septembre 2006 du modèle IFS produisantl'ar hive opérationnelle)- résolution verti ale : 60 niveaux de modèle (en oordonnées sigma) depuis lasurfa e jusqu'à la mésosphère à 0.1 hPa- représentation en harmonique sphérique T255- grille gaussienne réduite N128 pour les hamps de surfa e et autres points degrille (environ 79 km de résolution spatiale).Les analyses ERA-Intérim sont disponibles à une résolution temporelle de 6h. Deuxprévisions de 10 jours sont réalisées par jour, à partir des analyses de 0h et 12h

Modèle et Observations 31UTC :Les hamps de ERA-Intérim sont fournis sur 37 niveaux de pression, allant de1000 à 1hPa, à une résolution spatiale de 1.5 x 1.5 dégrés. Des hiers de lima-tologie sont disponibles et ont été onstruits à partir de moyennes sur la période1989 de nos jours. Pour notre étude, nous avons utilisé les données journalières depré ipitations et du vent.3.1.2 Données satellitales utilisées3.1.2.1 Données OLRLes données de rayonnement de grande longueur d'onde sortant au sommet del'atmosphère (en anglais, Outgoing Longwave Radiation) sont issues des mesuresee tuées par les satellites de NOAA (National O eani and Atmospheri Admi-nistration) depuis 1974.L'OLR onstitue un tra eur de la ouverture nuageuse asso iée à la onve tionprofonde.Un rayonnement faible orrespond à une zone onve tive nuageuse. Les donnéessont disponibles par des pas de temps de 6h sur une grille de 2.5 degré x 2.5 degrésur le site web i-dessous :www.esrl.noaa.gov/psd/data/gridded/data.interp_OLR.html.3.1.2.2 Données Infrarouge de MSGLes images infrarouge (10.8 µm) du satellite Météosat de Se onde Générationsont utilisées dans notre étude. Dans la fenêtre atmosphérique (9.8 - 11.8 µm) de e anal, l'atmosphère est transparent et on est sensible à la température du solen iel lair et à l'altitude des nuages en région nuageuse. Les radian es mesuréespar les satellites MSG sont déduites de la fon tion de Plan k en intégrant dans

Modèle et Observations 32une bande spe trale donnée. Ave une inversion de l'équation de Plan k, on déduitainsi la température de la surfa e émettante à travers la fenêtre infrarouge suivant ette équation :Tλ =

C2

λln[ C1

λ5Eλ+ 1]

(3.1)où λ désigne la longueur d'onde entrale dans la bande spe trale onsidérée,C1 et C2 sont des onstantes dérivées de l'équation de Plan k ave C1 = 2hc2 etC2 = hc/k ( où h = 6.62 10−34J.s onstante de Plan k, = 3 108m/s élérité dela lumière et k = 1.38 10−23J/K onstante de Boltzmann). Cette température Tλmesurée au sommet de l'atmosphère par MSG est la température de brillan e.La gure 3.1 est une image prise dans le anal infrarouge 10.8 µm sur l'Afriquede l'Ouest et permet d'avoir une information sur l'état de l'a tivité onve tive.Plus le sommet du nuage est haut, plus il aura une température froide et don un rayonnement infrarouge faible. Mesurées en W/m2, des valeurs faibles de erayonnement infrarouge sont normalement des indi ateurs de zone de onve tionprofonde. Cela n'est pas toujours le as, ar on peut aussi ren ontrer des valeursfaibles de e rayonnement attribuables aux nuages hauts et ns que sont les irrus.La déte tion des systèmes onve tifs s'appuie spé iquement sur le anal infrarouge(10.8 µm) du satellite MSG, disponible toutes les 15 minutes sur des pixels de 3 kmde résolution. L'imagerie satellitale permet d'avoir onnaissan e de la températureréémise par la surfa e ou les nuages pour haque pixel onsidéré. Un nuage a fortextension verti ale possédera une température infrarouge faible. Par exemple, latempérature de 233 K orrespond à un seuil de déte tion de onve tion profonde(Arkin, 1979).

Modèle et Observations 33

Figure 3.1 Image MSG de la température de brillan e dans le anal 10.8 µm du1er septembre 2006 à 22 :00 UTC

Modèle et Observations 343.1.2.3 Données GPCPGPCP (Global Pre ipitation Climatology Proje t) est une grande base de don-nées établie par le WCRP (World Climate Resear h Program) pour quantier ladistribution des pré ipitations globales. Le site prin ipal abritant es données esthttp ://lwf.n d .noaa.gov/oa/wmo/wd amet-n d .html. Pour réaliser ette lima-tologie, le GPCC (Global Pre ipitation Climatology Center) du Deuts her Wet-terdients et le entre de prédi tion limatique de la NOAA (National O eani andAtmospheri Administration) ombinent diérentes données infrarouges de satel-lites améri ains, européens et japonais, les données AIRS (Atmospheri InfraRedSounder, de la NASA) et diverses données de la NOAA omme par exemple TIROS(Television Infrared Observation Satellite), TOVS (Operation Verti al Sounder),OPI (Outgoing Longwave Radiation Pre ipitation Index).La méthode d'assimilation de données est dé rite par Adler et al. (2003). Les don-nées interpolées sont disponibles depuis 1979. La grille a une résolution spatiale de1 degré x 1 degré et temporelle d'un jour. Des données limatologiques sont éga-lement disponibles (moyenne sur la période Janvier 1979 à Dé embre 2006) ainsique les ar hives journalières pour haque année.3.1.2.4 Données EPSAT-SGLes pluies estimées par les satellites EPSAT-SG (Estimations des pluies par SA-Tellites Se onde Génération) proviennent d'un algorithme d'estimation des pluiespar satellite développé au LMD. Cet algorithme propose trois sous-produits :- une estimation de probabilités de pluies (Ppluie) basée sur un réseau de neurones.L'entrainement de e réseau se fait sur une base de données o-lo alisée de don-nées infrarouge et visible de MSG et de données mi ro-ondes du satellite TRMM(produit radar TRMM - 2A25). On entraîne ainsi le réseau de neurones à trouverune relation solide entre les anaux de MSG et la probabilité de présen e de pluiedans la base de données o-lo alisée. Le produit a une résolution horizontale de0.1 x 0.1 degrés et temporelle de 15 mns.

Modèle et Observations 35- un produit d'intensité potentielle de pluie (Ipot) al ulé à partir du premier pro-duit de probabilité de pluie et du produit (GPCP1dd) (1 degré, 1 jour). L'idéeest d'obtenir un produit de taux de pluie à valeur limatologique en lissant spa-tialement et temporellement les taux de pluie GPCP1dd (lissage sur une fenêtreglissante de 2.5 x 2.5 degrés et plus ou moins 15 jours autour du temps nominal).- les deux premiers produits Ppluie et Ipot se ombinent pour obtenir le produitd'intensité de pluie Iest selon la formule Iest = Ppluie× Ipot. Ce produit est validé àune résolution temporelle de 10 jours et une résolution spatiale de 0.5 x 0.5 degrésdans la région de l'Afrique de l'Ouest grâ e à deux réseaux de pluviométres del'IRD et Agrhymet.3.1.3 Réseau de pluviographes de DakarLe réseau de pluviographes de Dakar (Sénégal) est déployé tous les ans pourla saison des pluies à proximité de la te. Ce réseau de pluviographes (g.3.2)s'étend de 14,13N à 15,22N en latitude, et de 16,47W à 17,47W en longitude.Il est omposé de 32 stations ; parmi elles 14 stations sont séparées les unes desautres par une distan e moyenne de 18,8 km, et 18 autres stations formant unréseau dense, sont séparées par une distan e moyenne de 1,7 km. Les pré ipitationssont mesurées toutes les heures du 1er Août 2006 au 30 Septembre 2006.3.2 Le modèle LMDZ3.2.1 Présentation générale du modèle LMDZLe modèle de ir ulation générale LMDZ est la omposante atmosphérique dumodèle ouplé de l'IPSL et est développé au Laboratoire de Météorologie Dyna-mique (Sadourny and Laval (1984) ; Hourdin et al. (2006)). C'est un modèle de li-mat de se onde génération ave une apa ité de zoom omme l'indique la dernièrelettre de son nom "Z". La apa ité de ranement de la grille zoomée est obtenuegrâ e à une é riture généralisée de la formulation numérique ave un maillage dont


Figure 3.2 Réseau des pluviographes de Dakarles fa teurs d'élongation dans les deux dire tions horizontales peuvent être hoi-sis arbitrairement. Le modèle permet de simuler le limat a tuel, de re onstituerles limats passés sous l'inuen e des variations orbitales, et de prévoir l'impa t limatique de divers s énarios, en étant ouplé ave des modèles d'o éan, de sols,de ouvert végétal et de gla e de mer ou de himie atmosphérique. Cette version ouplée est utilisée dans les études de hangement limatique pour le quatrièmerapport d'assessement du GIEC (Groupe d'experts Intergouvernemental sur l'Evo-lution du Climat).Des al uls sont ee tués par le modèle LMDZ en haque point d'un maillage3D qui ouvre l'ensemble de l'atmosphère. Des valeurs typiques de e maillageutilisée dans ette thèse sont par exemple 96x95x39 ou 136x114x39. Il s'agit dunombre de points en longitude, latitude et altitude. Pour la résolution 96x95x39,on obtient alors horizontalement des mailles de l'ordre de 400x380 kilomètres versl'équateur. L'autre version zoomée (136x114x39) ave omme entre de zoom (0,

Modèle et Observations 3710N) (g.3.3) a environ 80 km de résolution sur l'Afrique de l'Ouest.

Figure 3.3 Grille du modèle LMDZ guidé et zoomé (136x114 points de grille et39 niveaux verti aux)3.2.2 Prin ipe de fon tionnement de LMDZLe modèle de ir ulation générale LMDZ al ule l'évolution temporelle des va-riables d'état (vitesse, humidité spé ique, température, pression) en diérentspoints d'un maillage qui ouvre l'ensemble de l'atmosphère. Cette évolution desvariables est al ulée à partir d'un état initial par pas de temps. En un instantt donné, la tendan e est al ulée pour une variable onnue. Ainsi, la variable estintégrée dans le temps.Le prin ipe de fon tionnement du modèle est s hématisé sur la g.3.4. On dié-ren ie la partie dynamique du modèle (intégration des équations de Navier Stokes)de la partie physique (paramétrisations sous-maille).

Modèle et Observations 38La partie dynamique ontient la résolution numérique des équations générales dela ir ulation atmosphérique. Les équations de la dynamique sont dis rétisées surla grille 3D sphérique par diéren es nies. C'est dans ette partie que les é hangeshorizontaux entre les mailles sont pris en ompte.La partie physique est une juxtaposition de olonnes atmosphériques n'interagis-sant pas entre elles. Chaque olonne est supposée statiquement horizontalementhomogéne.Entre la partie dynamique et la partie physique le traitement est de naturediérente. Le pas de temps physique né essaire pour le al ul du forçage par laphysique est plus long que le pas de temps utilisée pour la résolution des équa-tions de la dynamique. Les pas de temps dynamique et physique dépendent dela résolution hoisie. Typiquement, la dis rétisation temporelle s'ee tue pour lessimulations limatiques ave un pas de temps dynamique de 3 minutes et un pasde temps physique d'une demi-heure.3.2.2.1 Grille horizontaleDes grilles diérentes entre la partie dynamique et la partie physique sontutlisées dans le modèle LMDZ. Les variables s alaires omme la température po-tentielle, le géopotentiel et la pression de surfa e, sont évaluées aux points or-respondant à des ouples de valeurs entières (X,Y) = (i, j). Quant aux variablesdynamiques, elles sont dé allées par rapport aux variables s alaires en utilisantune grille C dans la dénition de Arakawa. On al ule le vent zonal aux points(X,Y) = (i+1/2, j) et le vent méridien aux points (X,Y) = (i, j+1/2).Con ernant la grille dynamique, on repéte en i = IM + 1 (ave IM nombre depoints de grille en longitude) les valeurs de i = 1 pour représenter la périodi itéen longitude. Pour les valeurs des ples, elles sont dupliquées en IM + 1 fois. Lagrille physique n'a qu'une valeur aux ples et pas de périodi ité en longitude. En


Figure 3.4 S héma de fon tionnement de LMDZ4 : séparation de la partie dy-namique 3D et de la partie physique 1D, mode for é/mode ouplé, transport destra eurs (par Frédéri Hourdin)

Modèle et Observations 40pratique, les al uls se font pour une suite de NGRID olonnes atmosphériquesave NGRID = IM ∗ (JM − 1) + 2 (JM étant le nombre de points de grille enlatitude).3.2.2.2 Grille verti ale

Figure 3.5 Comparaison entre oordonnées non hybrides et hybridesLes oordonnées σ = pps

parfois hoisies omme oordonnées verti ales per-turbent de façon signi ative la représentation de la dynamique stratosphériquedans la mesure où le relief est visible dans e système de oordonnées jusqu'au som-met du modèle. C'est ainsi que nalement, la dis rétisation verti ale est donnéedans le GCM en oordonnées hybrides σ − p pour avoir une répartition verti aleirrégulière, an de permettre notamment une plus grande pré ision au niveau dusol (g.3.5). La pression dans la ou he l est dénie par :Pl = AlPs +Bl (3.2)où Ps est la pression de surfa e et A et B sont tels que Pl ≈ AlPs prés du sol (le

Modèle et Observations 41premier niveau) et Pl ≈ Bl à la haute altitude (les dernières niveaux sont pro hesdes niveaux isobares).3.2.2.3 Le guidage dans LMDZLe guidage est une méthode qui ajuste les variables dynamiques des modèlesde ir ulation générale vers les réanalyses, donnant une représentation réaliste des onditions météorologiques. Jenken et al. (1996) furent les premiers à envisagerd'appliquer une te hnique de validation des modèles limatiques en guidant le mo-dèle de ir ulation général ECHAM. Cette te hnique a été appliquée au modèleLMDZ par Hauglustaine et al. (2004). Ainsi la te hnique a été largement adoptéepour l'étude des pro essus an de mieux représenter la variabilité des phénomènesmétéorologiques. Bien qu'existent des faiblesses dans les réanalyses ERA40 utili-sées pour le guidage, Jenken et al. (1996) puis Hauglustaine et al. (2004) ont puévaluer positivement la performan e du guidage. Telford et al. (2008) ont trouvéque le modèle guidé ave ERA40 reproduit mieux la dynamique de ERA40 que elui non guidé et ont noté des ara téristiques similaires au guidage dans les mo-dèles spe traux.Dans ertaines simulations le modèle peut être régulièrement rappelé vers lesanalyses. Dans e travail, les données réanalysées du CEPMMT (ERA-Intérim)sont utilisées omme la référen e vers laquelle l'atmosphère du modèle est relaxé.Le proto ole est identique à elui proposé par Bielli et al. (2009). Le guidage estappliqué à haque pas de temps du modèle sur ertains hamps météorologiques(vent, température). Ce i est ee tué en rajoutant un terme de relaxation τ dansles équations pronostiques du modèle ;∂X

∂t= M(X) +

Xa −X

τ(3.3)

Modèle et Observations 42Où X est la variable météorologique du modèle (u, v, T, ...)

Xa est la variable issue des analyses météorologiquesM(X) représente le al ul des dérivés temporelles par le modèleτ est le temps de relaxation vers les analysesLe hoix de τ est en fon tion des diérentes variables et dépend de la région onsi-dérée. Généralement, on utilise une petite onstante de temps donnant un forçagefort à l'extérieur du zoom et une plus grande onstante de temps à l'intérieur duzoom pour laisser les paramétrisations agir plus librement sur les hamps phy-siques. Le mode "guidé" donne ainsi la possibilité de limiter des simulations 3Ddans une région donnée, en imposant des forçages grande é helle issues des ana-lyses ou réanalyses.3.2.3 Paramètrisations physiquesLes paramétrisations physiques du modèle LMDZ (Hourdin et al., 2006) in luele s héma de tranfert radiatif de Fouquart and Bonnel (1980) pour le rayonnementsolaire et elui de Mor rette et al. (1986) pour le rayonnement terrestre. La onden-sation est paramétrée de façon diérente pour la onve tion profonde et pour lesautres nuages. La paramétrisation des fra tions nuageuses est elle de Bony andEmanuel (2001). Les eets de traînée et portant sur le relief sont représentés parle s héma de Lott and Miller (1997). Con ernant la onve tion nuageuse, la para-métrisation utilisée est développée par Emanuel (1991) (voir paragraphe 3.2.3.4).Cette paramétrisation est basée sur une représentation en ux de masse d'une o-lonne onve tive nuageuse idéalisée divisée en trois ompatriments. Dans la suite,on ne dé rira que la paramétrisation de la onve tion.Pour la modélisation de la onve tion, il est primordial de poser les notions debase de la thermodynamique d'une parti ule d'air nuageuse. Cela permet d'intro-duire des variables et d'expliquer les on epts tels que la ottabilité ou l'instabilité onditionnelle qui sont à la base de l'étude de la onve tion nuageuse (Emanuel

Modèle et Observations 43(1991)).3.2.3.1 Cara téristique d'une parti uleSupposons une parti ule d'air atmosphèrique de pression P , de températureT et de masse volumique ρ, s'élevant sans é hanger ni haleur ni humidité ave son environnement (transformation dite adiabatique). Cette parti ule ontient une ertaine proportion d'air se et de vapeur d'eau. L'humidité spé ique de la par-ti ule est dénie par qv = ρv/ρ, ave ρv la densité volumique de la vapeur d'eau.L'humidité spé ique à saturation qs est l'humidité spé ique maximale de vapeurd'eau que la parti ule peut ontenir à une pression et une température données.La ondensation est la formation d'eau liquide ql dans la parti ule au delà de qset e pro essus dégage de la haleur. On dénit l'humidité relative de la parti ulepar rh = qv/qs.Cher hons les invariants lors de l'as ension de la parti ule, ae tée par les han-gements de pression, et éventuellement de phase.La ondensation ae te le ontenu en vapeur d'eau qv, en eau liquide ql et engla e qi. Le ontenu en eau totale de la parti ule qt = qv + ql + qi est onservé, enl'absen e de pré ipitations.La température est ae tée à la fois par les pro essus de ondensation, ainsique par des hangements de pression. La température potentielle prend en ompteles eets de pression et est dénie par :

θ = T (P0/P )k (3.4)ave k = Rd/Cp (Rd est la onstante des gaz parfaits et Cp la apa ité spé ique àpression onstante de l'air se ). θ est la température qu'aurait une parti ule d'air

Modèle et Observations 44insaturée de températute T située au niveau de pression P si elle était amenéeà la pression P0 par transformation adiabatique. θ est onservé au ours d'unetransformation adiabatique sans hangement de phase.Pour l'étude de l'atmosphère humide, on utilise la température potentielle équi-valente θe. Elle est la température potentielle d'une parti ule d'air dont on aurait ondensé tout le ontenu en eau, et qui se serait ré hauée par le dégagement de haleur latente asso ié. On a :θe ≃ θexp(Lcqv/CpT ) (3.5).où Lc en (Jkg−1) est la haleur latente de ondensation et Cp (Jkg−1k−1) est la haleur massique à pression onstante pour la parti ule d'air.On dénit aussi la température potentielle liquide par :θl = θexp(Lcql/CpT ) (3.6).

θl est la température d'une parti ule ramenée adiabatiquement à la pression P0après avoir évaporé tout son ontenu en eau liquide. Les températures potentielleséquivalente et liquide sont onservées lors d'une transformation adiabatique ave ondensation. Par rapport à θe, θl présente l'avantage d'être égale à θ en l'ab-sen e d'eau liquide, et les valeurs de rl sont telles, qu'on peut utiliser la dénitionlinéarisée de θl :θl = θ − exp(Lvql/Cpθ) (3.7)

Modèle et Observations 453.2.3.2 Stabilité et instabilité verti aleSoit une parti ule d'air de température Tp dans un environnement de tem-pérature Te. La par elle d'air n'a pas for ément la même température que sonenvironnement, mais la pression est la même à ause des ondes sonores rapides quihomogénéise la pression. La somme des for es massiques s'exerçant sur la par ellesuivant la verti ale est :Fz = −g − 1

ρp

∂P

∂z(3.8)où 1

ρp

∂P∂z

est la for e de pression.L'environnement étant en équilibre hydrostatique, on a ∂P∂z

= −ρeg.Finalement, la somme des for es massiques vautFz = g(

ρeρp

− 1) = g.(ρe − ρpρp

) (3.9)ou en utilisant ρp = P/RTp et ρe = P/RTe,Fz = g.(

Tp − TeTe

) (3.10)La résultante est don dirigée vers le haut si la par elle d'air est moins dense, ouplus haude, que son environnement.Une par elle partant d'une altitude initiale z0 ave une température T0 suivra ense déplaçant verti alement un prol de température Γa (adiabatique sé he), ouΓs(adiabatique humide) si elle est saturée. L'environnement a un prol dTe

dz= Γe.Pour un dépla ement δz, la température de la par elle devient T0 + Γaδz, dans unenvironnement à la température T0 + Γeδz (en supposant que la par elle était à latempérature de l'environnement à son altitude initiale). La résultante des for es

Modèle et Observations 46est don :Fz =

d2δz

dt2= g

Γa − ΓeTe

δz (3.11)Le dépla ement verti al sera don amplié (ex eptionnellement) si Γa−Γe > 0.On a alors une situation instable : la température de l'environnement dé roit deplus de 10 degrés par kilomètre. Dans e as, si Γs − Γe > 0, on parle d'instabilitéabsolue.Si Γa−Γe < 0, les for es de ottabilité s'opposent aux dépla ements verti aux : onest dans une situation stable. Une par elle dépla ée verti alement os ille autourde sa position d'équilibre. La stabilité est d'autant plus grande que la températurede l'environnement dé roit lentement (ou augmente : on parle alors d'inversion)ave l'altitude. Et si, Γs − Γe < 0, nous avons une stabilité absolue.Pour Γa < Γe < Γs, on parle d'instabilité onditionnelle : la par elle est instableseulement si elle ondense.Le prol verti al de température potentielle permet de mettre en éviden e unezone de stabilité nommée CIN (Conve tive INhibition). Au sein de elle- i, nousobservons une roissan e de la température potentielle. Cette zone, située dans lesbasses ou hes, indique la quantité d'énergie qu'il faut fournir pour qu'une par elled'air la dépasse et atteigne une zone d'instabilité. Elle s'exprime en Jkg−1 et sonordre de grandeur se situe dans la dizaine de Jkg−1.La CAPE (Conve tion Available Potential Energie) orrespond à une sour ed'énergie onve tive et traduit une instabilité lo ale. Elle s'exprime aussi en Jkg−1mais son ordre de grandeur est environ ent fois plus grand que les valeurs de laCIN. La CAPE est dénie par :

Modèle et Observations 47CAPE =

∫

Rd(Tv − T )dP

P(3.12)

où Tv = T + 0.61qT est la température virtuelle de la parti ule (ave T tem-pérature de l'environnement et q humidité spé ique).La CAPE orrespond à l'aire où θp > θe sur la gure 3.6, et est l'énergie totalesus eptible d'être onvertie en énergie inétique dans le pana he onve tif. Ellepeut être aussi dénie omme étant le travail fourni par les for es de ottabilitélorsque la parti ule s'éléve de LFC à LBN et est de l'ordre de quelques kJ/kgpour les orages.La CIN orrespond à l'aire où θp < θe sur la gure 3.6, et est l'énergie né essairepour ontrebalan er la for e de ottabilité dans une atmosphère stable. Elle peutêtre dénie omme étant le travail fournit par les for es de ottabilité lorsque laparti ule s'éléve du niveau où sa ottabilité devient négative à LFC. Don , 'estune barrière énergétique que la parti ule doit fran hir pour atteindre l'altitude àpartir de laquelle elle va s'éléver sous l'eet de la ottabilité.3.2.3.3 Paramètres lefs de l'étude de la onve tionPour avoir une meilleure ompréhension de la onve tion profonde, un mo-dèle simple est onsidéré et dans lequel une parti ule s'éléve de façon adiabatiquedepuis la surfa e en suivant une adiabatique sè he d'abord puis une adiabatiquehumide aprés avoir ondensé. Les prols verti aux de température potentielle vir-tuelle dans l'environnement et dans la par elle sont représentés sur la gure 3.6.A partir de e graphe, on peut ainsi dénir quelques points ara téristiques de la


Figure 3.6 Prol verti al de température potentielle virtuelle dans l'environne-ment et dans une as endan e adiabatique : dénition des ara téristiques de la onve tion - LCL : niveau de ondensation -LFC : niveau de onve tion libre -LNB : niveau de ottabilité neutre -CIN : inhibition onve tive -CAPE : énergiepotentielle disponible pour la onve tion ( f texte pour plus de détails)

Modèle et Observations 49 onve tion :-LCL (Lifting Condensation Level) ; niveau de saturation atteint par la parti- ule as endante ou niveau de ondensation.-LFC (Level of Free Conve tion) ou niveau de onve tion libre. A e niveau,la température potentielle virtuelle de la parti ule as endante devient supérieure à elle de l'environnement. Au dessus de e niveau, la for e de ottabilité appliquéeà la parti ule est positive.-LBN (Level of Neutral Buoyan y) ou niveau de ottabilité neutre. A e ni-veau, la température potentielle virtuelle de la parti ule redevient égale à elle del'environnement.Quand une parti ule s'éléve adiabatiquement, elle a une ottabilité négativeaux alentours de son niveau de ondensation. Ave une énergie inétique susantepour vain re la CIN , elle atteint son niveau de onve tion libre et s'éléve libre-ment jusqu'à son niveau de ottabilité neutre. Mais si son énergie inétique estinsusante, elle redes end avant d'atteindre son niveau de onve tion libre. La onve tion profonde est dé len hée quand la CIN est dépassée et l'intensité dela onve tion est ontrlée par la vitesse verti ale de la parti ule au niveau de ondensation. La onve tion profonde transporte l'air haud des basses ou hesvers la moyenne troposphère, diminuant ainsi la CAPE. Le hauage solaire oule relief peuvent fournir l'énergie né essaire à dépasser la CIN et dé len her la onve tion profonde.Deux aspe ts sont trés importants pour le ontrle de la onve tion : le dé len he-ment qui est la ondition d'apparition de la onve tion profonde, la fermeture quidétermine l'intensité de la onve tion.

Modèle et Observations 503.3 La onve tion dans les modèles de ir ulation généraleDans e paragraphe, nous allons présenter briévement les diérents s hémas de onve tion qui existent.La théorie d'instabilité onditionnelle de se ond genre (CISK) proposée parCharney and Eliassen (1964), stipule que l'énergie inétique asso iée à la grandeé helle est onvertie en énergie potentielle disponible.D'après Emanuel et al. (1994), e point de vue est en désa ord ave la théoried'Arakawa and S hubert (1974), selon laquelle la onve tion est en équlibre statis-tique ave son environnement. Cette théorie est basée sur le fait que les pro essusde grande é helle évoluent beau oup plus lentement que les pro essus de petiteé helle asso iées à la onve tion. Ainsi l'énergie potentielle disponible produite parles perturbations de grande é helle est vite dissipée par la onve tion, au lieu d'êtresto kée sur des périodes de temps ara téristiques de la grande é helle. L'énergiepotentielle disponible est don invariante sur es é helles de temps. Ces deux pointsde vue ont mené à diérents s hémas de onve tion.Le s héma d'ajustement humide introduite par Manabe et al. (1965) est simple.La onve tion humide apparait au moment et à l'endroit où l'air est onditionnelle-ment instable et la maille sursaturée. Ce s héma a l'avantage de représenter l'eetstabilisateur de la onve tion sur l'atmosphère. Son in ovénient est qu'il né es-site une sursaturation à l'é helle de la maille pour dé len her la onve tion, quiest pourtant un pro essus à l'é helle sous-maille. On peut aussi iter le s hémade Kuo (1974) qui est basé sur des observations montrant que les pré ipitationssont quasiment égales à la onvergen e de l'humidité dans les tropiques (Krish-namurti et al. (1980)). Ce s héma est en a ord ave la théorie de CISK ar lafra tion de maille sur laquelle la onve tion se développe est al ulée omme lerapport entre la quantité d'eau adve tée dans la olonne onsidérée et la quantité

Modèle et Observations 51de vapeur d'eau né essaire pour saturer toute la olonne. Le s héma de Tiedtke(1989) est aussi dans la lignée de la théorie de CISK, mais diére des s hémasde Kuo et Manabe par sa formulation en ux de masse. L'intérêt prin ipal de etype de s héma est de pouvoir paramétriser le transport des espè es tra es. Deuxux (de masse, d'énergie statique, de vapeur d'eau, d'eau liquide, de tra eur), l'unas endant, l'autre des endant, sont traités expli itement et la tour onve tive est onsidérée omme un pana he qui entraîne l'air environnant. Quant au s hémad'Emanuel (1991), il est le plus sophistiqué et est inspiré d'observations de nuages onve tifs, qui révélent un grand degré d'inhomogénéité, ave une grande part dutransport verti al a ompli par des ux à une é helle inférieure à elle du nuage.3.3.0.4 Le s héma de onve tion de Kerry EmmanuelLes mé anismes mis en jeux étant omplexes, il faut les simplier et mettre enéviden e, les phénomènes prédominants. Dans le modèle LMDZ, une version mo-diée du s héma de onve tion de Kerry Emmanuel (Emanuel, 1991) est utilisé.Nous allons ommen er par la des ription du s héma de Kerry Emmanuel d'origine(Emanuel, 1991).Selon le s héma d'Emanuel (1991), un système onve tif est dé omposé enquatre parties distin tes. La première se situe à l'avant du système. Elle se trouvedans la région où les ourants as endants sont uniformes et marqués. Au seinde elle- i nous avons une forte ondensation et des pré ipitations sous forme degrosses gouttes. La deuxième zone, située en aval de la première montre un grandbrassage des masses d'air. Des zones de onvergen es alternent ave des zonesde subsiden es. Cette région est en général omplétement saturée en eau, et lesquantités d'eau pré ipitées sont maximales. La troisième partie en ore en aval, orrespond à la zone où la ouverture nuageuse n'est présente qu'en haute altitudepar le biais notamment de l'en lume du umulonimbus. La parti ularité de elle- i

Modèle et Observations 52est que ses pré ipitations engendrées en hautes altitudes traversent un environne-ment non saturé. Nous étudierons e i plus en détail dans le paragraphe suivant.Enn la dernière zone orrespond à l'environnement autour du système onve tif.Elle n'est pas saturée en eau et ne subit pas de pré ipitations. C'est e que l'onappelle un environnement lair.Ce s héma permet don une meilleure appro he dans la résolution des pro-blèmes de hauage et d'humidi ation. Ils dépendent notamment de l'e a itédes pré ipitations dans la par elle εi, de la fra tion ouverte par les des entespré ipitantes σj et de la fra tion des pré ipitations qui hutent à travers l'environ-nement insaturé σs.En e qui on erne εi, on onsidére 2 niveaux de pressions ritiques, pc =

150hPa et pt = 500hPa : si le nuage a une diéren e de pression inférieure à 150hPa, εi = 0. Si la diéren e de pression est supérieure à 500 hPa, l'e a ité estquasi-totale et est égale εmax, paramètre réglable xé entre 0993 et 0.999 suivantles versions utilisées. Entre es deux niveaux de pression, l'a roissement de l'e- a ité se fait de façon linéaire.La spé i ation de la fra tion ouverte par les des entes pré ipitantes est plusproblématique ar dépend de la onguration exa te du nuage. Cette mesure estréglée à 0.15 au dessus et dans le nuage, et à 1 en dessous du nuage.Enn en e qui on erne la fra tion traversant la zone non saturée, la mesureest arbitraire et empirique. On utilise en pratique σs = 0.01.Les al uls de ottabilité utilisent la température potentielle θl introduite plushaut. Cette température permet de al uler la hauteur de détraînement, 'est-à-dire l'altitude à laquelle la par elle d'air, qui a été absorbée à la base du nuage, va

Modèle et Observations 53quitter elui- i pour un environnement lair. En eet dans e s héma d'Emanuel(1991), on distingue des par elles d'air ave des propriétés diérentes (tempéra-ture, humidité spé ique), et l'on peut pour ha une d'elles retrouver son altitudenale. Il s'agira de l'altitude où les températures potentielles virtuelles sont équili-brées. Cette méthode, Emmanuel la nomme "ottabilité diérentielle". Ce tri parottabilité est une des spé i ités du s héma d'Emanuel (1991).Nous avons vu, dans la partie pré édente qu'il existait une région du système onve tif où des pré ipitations engendrées au sommet du nuage traversaient unenvironnement lair. Puisque l'air n'est pas saturé, les gouttes la traversant vontpeu à peu s'évaporer. Ainsi la première onséquen e est la diminution des pré i-pitations par un hangement de phase. Il peut don se produire le passage d'unsystème pluvieux a tif en altitude mais ave au une pré ipitation enregistrée ausol. En général, ela se produit au début et parfois à la n de la saison des pluies,lorsque la ou he limite atmosphérique est en ore très sè he.Lorsqu'on observe e hangement de phase liquide-vapeur, la haleur latented'évaporation entraîne un refroidissement du milieu. Ce i engendre l'augmentationde la pression à l'altitude où se produit l'évaporation, don environ au sommet dela ou he limite. Cette sur harge va entraîner des ourants de subsiden es. Ces ourants vont entraîner ave eux une partie de l'air avoisinant. On parle aussi de"pana he entraînant". Si l'air ambiant est se , on peut enregistrer à la fois unrefroidissement lié à l'évaporation et un assè hement ausé par le mélange de lapar elle hutant (qui elle est humidié ave l'évaporation) ave de l'air très se .Une fois dans les basses ou hes, e ourant des endant froid et se sera à l'originedes ourants de densité. En eet ette masse d'air plus lourde va s'étendre à lasurfa e entraînant un front de rafale. Cet aaissement soulève de l'air en amont àl'origine d'une onve tion de masses d'air. Ce phénomène est essentiel pour l'or-ganisation des lignes de grains.

Modèle et Observations 54Il est possible d'observer e même système de refroidissement dans la deuxièmezone (au entre du nuage) ave la présen e de ristaux de gla e hutant, et qui à ertaine altitude vont fondre, entraînant un ourant subsidant similaire.Il est aussi né essaire de onnaître e pro essus, ar il ontribue au bilan des pré i-pitations. Ces des entes pré ipitantes onstituent don une spé i ité importantedu s héma d'Emanuel (1991).Ainsi le s héma de onve tion proposé par Emanuel (1991) repose sur une sé-le tion des parti ules par ottabilité. L'image idéalisée est la suivante : l'air issud'une ou he pro he de la surfa e monte adiabatiquement jusqu'à son niveau deottabilité neutre. Une fra tion de l'eau ondensée est onvertie en pré ipitations,dont l'évaporation donne naissan e à une des ente d'air insaturée. A haque ni-veau, l'air nuageux restant se mélange ave l'air de l'environnement en formant unspe tre uniforme de mélanges de ottabilités diérentes. Ces diérents mélangesatteignent de façon adiabatique leur niveau de ottabilité neutre respe tif, où ilssont détrainés dans l'environnement. Le s héma représente don plusieurs as en-dan es de ottabilités diérentes, une des ente saturée, ainsi qu'une des ente d'airinsaturée paramétrisée par un simple pana he entrainant, de fra tion onstante en-gendrée par l'évaporation des pré ipitations. Le dé len hement et la fermeture dus héma reposent sur la stabilité de la troposphère (par l'intermédiaire de CAPE)et l'inhibition onve tive (CIN). En eet, la onve tion profonde se dé len he si laottabilité dans l'as endan e est positive dans la première maille au dessus du ni-veau de ondensation. Le ux de masse à la base des nuages est lui déterminée par :Mb =

α

p0

∫ pb

PLNB

(max(Bmin(p), 0.)

B0)2ρ

√CAPE(p)dp (3.13)où pb est le niveau situé au-dessus du niveau de ondensation et PLNB est le

Modèle et Observations 55niveau de ottabilité neutre, Bmin(p) est la limite inférieure de la ottabilité d'uneparti ule montée adiabatiquement de pb à p et CAPE(p) est le travail des for esde ottabilité entre pb et p. Les onstantes p0 et B0 sont prises égales à 105Pa et1K respe tivement, et α est le fa teur d'é helle pris égal à 0.03.3.3.0.5 Le s héma de onve tion dans la version STDPHY

Figure 3.7 Représentation s hématique d'une olonne onve tive (Emanuel,1991) : as endan e adiabatique subissant diérents mélanges ave l'environne-ment, détrainement des parti ules à ottabilité neutre ; des entes pré ipitanteset des entes insaturées (par J.-Y. Grandpeix).Dans les versions les plus ré entes du modèle LMDZ, le s héma de onve tionutilisé est une version modiée du s héma de onve tion d'Emanuel (1991) notée

Modèle et Observations 56STDPHY. Ce s héma onserve les fondements à savoir la prise en ompte d'une olonne onve tive omposée de ux de masse saturés, as endants ou des endantsa ompagnée de des entes pré ipitantes (g.3.7). Il s'agit dans ette version :- d'un s héma en ux de masse, 'est à dire que les ux de masse des ourants onve tifs sont expli itement al ulés et que les tendan es de température et d'hu-midité sont exprimées en fon tion de es ux.- toutes les tendan es sont proportionnelles au ux de masse des ourants as en-dants à la base des nuages onve tifs. La détermination du ux de masse MB(exprimé en kgm−2s−1) est appelée "fermeture". C'est dans ette "fermeture" quel'intensité de la onve tion est déterminée.Trois modi ations majeures ont été apportées au s héma d'Emanuel (1991). Elles on ernent le dé len hement de la onve tion, son intensité dénie par la ferme-ture, ainsi que la dénition du mélange entre l'air as endant et l'environnement. Enpari ulier, alors que dans la version d'(Emanuel, 1991) d'origine, le dé len hementde la onve tion a lieu si la ottabilité dans l'as endan e est positive au niveau dela grille supérieure au niveau de ondensation, le test de ottabilité s'ee tue à 40hPa au dessus du niveau de ondensation dans ette version modiée.3.3.1 Nouvelle physiqueLa nouvelle version du modèle LMDZ (notée NEWPHY) modiée ontenant lesnouvelles paramétrisations apporte une amélioration sur la dépendan e du s hémaà la dis rétisation verti ale. Une des améliorations apportée dans la version NEW-PHY : alors que la olonne onve tive s'alimente dans la première ou he du modèledans la version STDPHY, une épaisseur de la ou he d'alimentation indépendantede la résolution verti ale peut désormais être xée.Le s héma de onve tion d'Emanuel (1991) modié est toujours dédié à la re-présentation de la onve tion profonde seule.

Modèle et Observations 57Deux aspe ts sont importants pour le ontrle de la onve tion : les onditions danslesquelles la onve tion apparait, et la détermination de l'intensité onve tive. Cesdeux aspe ts orrespondent aux notions de dé len hement et de fermeture. Dansla version NEWPHY, la ondition du dé len hement de la onve tion profonden'a pas hangé et se repose toujours sur le dépassement de CIN. Par ontre, ona hangé le al ul de l'énergie disponible pour vain re la CIN. Cette énergie est al ulée à partir de la ottabilité des parti ules à 40 hPa au-dessus du niveau de ondensation dans la version STDPHY, et à présent elle est fournie par les pro- essus ayant lieu en-dessous du niveau de ondensation. La version NEWPHY sedistingue aussi de la version STDPHY par la fermeture utilisée. La fermeture enCAPE, qui onsiste à relier le ux de masse à la base des nuages à la CAPE al u-lée au-dessus du niveau de ondensation, est rempla ée par une fermeture utilisantune énergie potentielle disponible à la base des olonnes onve tives, et fourniepar les pro essus ayant lieu en-dessous du niveau de ondensation (Cheruy et al.(2000)). Ces pro essus englobent les pro essus de ou he limite ( ellules onve -tives asso iées à la onve tion peu profonde), les eets du relief (soulèvement d'air onditionnellement instable) et le rle des po hes froides engendrées par l'évapo-ration des pré ipitations (qui soulèvent l'air qu'elles ren ontrent).Pour mieux représenter l'eet des pro essus de soulèvement sur la onve tionprofonde, Grandpeix and Lafore (2010) ont introduit deux variables d'interfa e :l'énergie de soulèvement (ALE = Available Lifting Energy) et la puissan e de sou-lèvement (ALP = Available Lifting Power). La né essité d'utiliser au moins deuxvariables pour représenter les pro essus de soulèvement apparaît dans l'analogieave une pompe alimentant un jet d'eau présentée dans la gure 3.8. Au niveaude la pompe, la apa ité du jet à atteindre la hauteur désirée dépend uniquementde la vitesse du jet à la sortie du tuyau, alors que le débit dépend aussi de la puis-san e de la pompe. Par analogie, le dé len hement de la onve tion est expriméen fon tion de l'énergie de soulèvement ALE(J/kg) et l'intensité onve tive est

Modèle et Observations 58exprimée en fon tion de la puissan e de soulèvement ALP (W/m2).Ainsi la paramétrisation onve tive est ouplée aux pro essus sous-nuageuxvia les deux variables ALE (pour le dé len hement) et ALP (pour la fermeture)(g.3.8).L'appro he utilisée pour le dé len hement de la onve tion profonde, est baséesur l'image de olonnes onve tives prenant naissan e dans la ou he limite, etdont ertaines atteignent leur niveau de onve tion libre et pénètrent dans la tro-posphère libre. Si l'énergie inétique des pana hes à leur niveau de ondensationest susante pour dépasser lo alement la CIN , alors la onve tion profonde sedé len he. Ce i est illustré sur la gure 3.8(a) où la dou he est dé len hée quandk > gh (ave k = ALE). La onve tion se dé len he quand l'énergie inétiquemaximale k (k = ALE) de l'air in ident sur le front de rafales ex ède l'inhibition onve tive (ALE > |CIN |). Ce dépassement peut être ausé par la ou he limite(ALEbl), le relief (ALEoro) ou les po hes froides (ALEwake). On prend le maximumde es diérentes d'énergies pour le omparer à la CIN .

max(ALEbl, ALEoro, ALEwake) > |CIN | (3.14)La ou he limite fournitALEbl ≃ (1

2w2)max ≃ (1

2w2)thermal,les ourants de densité

ALEwake = 12C2 (où C est la vitesse du front de rafales).

Modèle et Observations 59La variable ALEoro de l'eet thermique de l'orographie est estimée à partir del'énergie potentielle de la ou he de surfa e.Pour la fermeture, l'intensité de la onve tion se dénit par la valeur du uxde masse traversant le niveau de ondensation. On dénit ette intensité à partirde ALP et ela est illustré sur la gure 3.8(b).Dans e as, on prend la somme des énergies fournie par la ou he limite, lerelief et les ourants de densité ALP = ALPbl+ALPoro+ALPwake pour déterminerle ux de masse à la base des nuages qui s'exprime par :Mb =

ALP

2w2b + |CIN | (3.15)

Mb est de l'ordre de quelques entièmes de kgm−2s−1.La variable ALP fournie par la ou he limite estALPbl = 1

2ρw3 (≃ qq 0.01W/m2),les ourants de densité

ALPwake = hwΓw12ρc3 (≃ qq 0.1W/m2)et l'orographie

ALPoro = − ∫ basetop

~D.~V dp (≃ qq 0.1W/m2)

Modèle et Observations 603.3.1.1 Le modèle du thermiqueHistoriquement, la paramétrisation des thermiques de LMDZ a été élaborée and'améliorer la représentation des nuages bas et du y le diurne des nuages onve -tifs. La sous-estimation des nuages bas, le dé len hement prématuré des pluies onve tives ainsi que leur arrêt prématuré en n d'après-midi sont des biais om-muns à la plupart des modèles de limat. L'amélioration de es diérents aspe tspasse notamment par une représentation plus réaliste des mouvements onve tifsde la ou he limite atmosphérique.Pour ela, les pro essus en jeu dans la turbulen e de ou he limite et la onve -tion peu profonde sont étudiées par Rio and Hourdin (2008) en se basant sur desobservations et des simulations haute résolution. Les développements sont testésprin ipalement dans la version uni- olonne du modèle LMDZ, sur des as parti u-liers de onve tion ontinentale, peu profonde et profonde.Pour essayer de prendre en ompte toutes les é helles de turbulen e observées dansla ou he limite onve tive, on ombine à un s héma diusif lassique une para-métrisation en ux de masse représentant les stru tures ohérentes de la ou helimite : le modèle du thermique nuageux. La représentation expli ite d'un pana heas endant entrainant et détrainant, ainsi que d'une subsiden e ompensatoire dansl'environnement, permet d'améliorer le y le diurne de la ou he limite et des u-mulus qui se forment par beau temps. Cette meilleure représentation des nuages de ou he limite permet aussi de ontrler le y le diurne de la onve tion profondeasso iée aux orages et est validée dans le as 1D par Rio and Hourdin (2008). Eneet, le dégagement de haleur asso ié au développement des umulus au ours dela journée induit une vitesse verti ale de plus en plus forte dans le pana he. Lavitesse maximale atteinte permet d'évaluer une énergie de soulèvement fournie parla ou he limite. Si ette énergie de soulèvement dépasse l'inhibition onve tive,la onve tion profonde se dé len he. L'intensité de ette onve tion est ontrléepar les pro essus sous-jas ents de ou he limite d'une part, et les po hes froides

Modèle et Observations 61se formant sous le système onve tif d'autre part. Le ouplage entre pro essus de ou he limite, onve tion nuageuse profonde et po hes froides permet de retarderle dé len hement des pré ipitations de plusieurs heures et de le maintenir plus tarddans la soirée.3.3.1.2 Les po hes froidesUn aspe t important de la onve tion nuageuse profonde n'est pas orre te-ment simulé dans les modèles de ir ulation générale. Il s'agit de la propagationdes systèmes onve tifs. L'évaporation des pluies sous les systèmes onve tifs en-traîne la formation des po hes d'air froides dans les basses ou hes qui se propagent omme des ourants de densité provo ant ainsi un soulèvement d'air (voir para-graphe 3.2.4.4). Une paramétrisation des po hes froides développée par Grandpeixand Lafore (2010) fait partie intégrante de la nouvelle physique de LMDZ. Et dans ette paramétrisation, la partie "dé len hement et fermeture" du s héma onve -tif permet le dé len hement de la onve tion profonde et la détermination de sonintensité.3.3.1.3 L'eet thermique de l'orographieLe modèle de brise de Yu (2010) omporte les équations de onservation de lamasse, de la quantité de mouvement et d'énergie. L'estimation de la dénivellationest faite par la diéren e entre l'altitude maximale et l'altitude moyenne de lamaille. Les paramètres de l'orographie sous-maille sont al ulés par la paramétri-sation de Lott and Miller (1997).Pour Yu (2010), la onve tion profonde se dé len he quand l'énergie inétiquede la brise de vallée (ALEoro) dépasse l'inhibition onve tive de la ou he limite(CIN). Le modèle de brise détermine ainsi une valeur ALEoro = 0.5w2lcl pour


CIN

Wake

(a) (b)

GE

LFC

P

h

Pw

K = 12V

2

θ(z)z

K = 12C

2

Figure 3.8 Analogie entre une pompe alimentant un jet d'eau et un ourant dedensité assurant le maintient de la onve tion profonde. En (a), la pompe ave unepuissan e P fournit un débit M ave une énergie inétique k ; une fra tion k (lerendement du moteur) de P est onvertie en puissan e du jet Mk. La dou he estdé len hée lorsque k > gh. Le débit est donné par M = kP/k. En (b) les ourantsde densité fournissent une puissan e Pw et soulèvent l'air in ident sur le front derafales ave une énergie inétique k = (1/2)C2 (énergie de soulèvement ALE). Unefra tion kw de Pw est onvertie en puissan e des ourants as endants (puissan ede soulèvement ALP). La onve tion est dé len hée lorsque k > |CIN |. Le ux demasse MB à la base du nuage est donné par : MB = kwPw/(2w2B + |CIN |), qui esttrès semblable à la formule pour le jet, à l'ex eption du terme 2w2B au dénominateurqui représente l'énergie inétique des ourants as endants au niveau de onve tionlibre et l'eet de dissipation. (extrait de Grandpeix and Lafore (2010)

Modèle et Observations 63l'énergie inétique de la brise à la base du nuage. Cette paramétrisation a faitl'objet de la thèse de Jingmei YU au LMD et n'est pas en ore prise en omptedans nos simulations.3.3.2 Représentation des ondes d'est dans le modèle LMDZDans ette partie, nous essayerons de voir à l'é helle journalière, la représen-tation des ondes d'est afri aines dans les diérentes versions du modèle LMDZ.Cette représentation permettra de voir si le guidage reproduit les ondes d'est demanière ohérente ave les réanalyses ERA-Intérim.3.3.2.1 Analyse spe traleL'analyse spe trale est souvent utilisée en météorologie pour mettre en éviden edes os illations ou des périodi ités dans des séries hronologiques de variables li-mitées dans le temps et é hantillonnées à des pas de temps réguliers. C'est unedémar he qui onsiste à dé omposer l'énergie d'un pro essus temporel dans l'es-pa e fréquentiel et à déterminer les bandes de fréquen es qui orrespondent à unepartie signi ative de ette énergie. Ce passage de l'espa e temps(t) à l'espa efréquen e(ν) peut se faire au moyen de diérentes te hniques en parti ulier la mé-thode de Fourier.En théorie, une série hronologique x(t) d'une variable météorologique est uneréalisation d'un pro essus qui a souvent une forte part aléatoire. La transforméede Fourier de e signal est une estimation du spe tre de puissan e appelé pé-riodigramme I(ν). L'espéran e mathématique des périodigrammes de toutes lesréalisations possibles est le spe tre de puissan e P(ν) dans l'espa e fréquentiel dupro essus. Le spe tre de puissan e est aussi (théoréme de Wiener-Kint hine) latransformée de la fon tion d'auto orrélation du pro essus.

Modèle et Observations 64En pratique, la te hnique de Fourier présente l'in ovénient de fournir un spe tredont le pas d'é hantillonnage dans le domaine fréquentiel est déterminé par la lon-gueur du signal initial T. Pour des raisons d'e a ité de al ul, la transformée deFourier est faite par l'algorithme appelé Fast Fourier Transform (FFT).La variable de référen e pour ette limatologie sera le vent méridien à 700 hPa.Nous avons hoisi le vent méridien plutt que le tourbillon relatif, d'une part par eque les études pré édentes ont montré que les ondes 3-5 jours et 6-9 jours pouvaientêtre déte tées à partir du vent méridien et d'autre part, par e que le tourbillonrelatif ne donne pas toujours une bonne estimation des paramètres inématiquesdes perturbations puisque les extrema asso iés ne oin ident pas exa tement ave les entres des ir ulations ; e i peut par exemple fausser le al ul de la longueurd'onde des perturbations.Nous allons à présent isoler les ondes 3-5 jours par ltrage numérique. Pour ela nous utilisons un ltre passe-bande, ré ursif d'ordre 2, de type Butterworth(Murakami (1979)). On ltre ainsi le vent méridien entre 3 et 5 jours.3.3.2.2 Analyse du signal par les ondelettesPour mieux erner l'aspe t relatif à la périodi ité des ondes, nous allons ee -tuer une transformée en ondelettes du vent méridien à 700 hPa, ar ette analysepermet d'appréhender toutes les é helles de fréquen e qui interviennent au ours dela saison (Hess-Nielsen and Wi kerhausser (1996) ; Torren e and Compo (1998)).Ces méthodes temps-é helles onsidèrent un signal omme une superposition designaux élémentaires (les ondelettes) os illants mais lo alisés dans le temps (à ladiéren e des ondes de Fourier). Tous es signaux élémentaires ont la même formeet ne diérent que par leur instant d'apparition et leur durée.

Modèle et Observations 653.3.2.3 Prin ipe de la transformée en ondelettes3.3.2.3.1 Ondelette de Morlet :L'ondelette de Morlet à une dimension est dénie omme une fon tion omplexeψ(t) :

ψ(t) = eiw0t−0.5t2 (3.16)ψ(t) a pour transformée de Fourier ψ(t)

ψ(w) = e−0.5(w−w0)2 (3.17)Cette ondelette est généralement utilisée pour des valeurs de w0 omprise entre5 et 6.3.3.2.3.2 Transformée en ondelette ontinue :Soit s(t) un signal réel, la transformée en ondelettes ontinue de e signal auregard d'une ondelette analysante ψ(t) s'é rit omme le produit de onvolution deψ(t)a par s(t).

Ωs(t) = ψ(t)a ⊗ s(t) (3.18)Les oe ients de la tranformée en ondelettes sont donnés par :Ca,b =

∫ +∞

−∞

ψ(t)a,bs(t)dt (3.19)

Modèle et Observations 66⊗ désigne le produit de onvolution ;a représente le fa teur d'é helle (a ε R) ;b représente les dé alages temporels (b ε R) ;

ψ(t) est un omplexe onjugué de ψ(t)ψa(t) =

1√aψ(t

a) (3.20)

ψa,b(t) =1√aψ(t− b

a) (3.21)

ψa(t) est normalisée de façon à e que toutes les ondelettes d'une même familleaient la même énergie :∫ +∞

−∞

|ψ(t)|2dt =∫ +∞

−∞

|ψ(t)a|2dt (3.22)3.3.2.3.3 Propriétés :La transformée en ondelettes ontinue est une transformation linéaire. Elle estinvariante par transition et par dilatation.La transformée en ondelettes est redondante ar ses oe ients sont orrelés.L'ondelette est généralement bien lo alisée tant dans l'espa e des temps que dans elui des fréquen es. Soient [tmin, tmax] et [wmin

2π, wmax

2π] les intervalles en dehors des-quels nous avons respe tivement ψ(t) = 0 et ψ(w) = 0. L'analyse du signal àla fréquen e w0

2π, pour un dé allage b et pour une é helle a entraîné les inégalitéssuivantes : tmin < ( t−b

a) < tmax et wmin

w0

< a < wmax

w0

. La prise en ompte de esinégalités dans un plan (a, b) fait apparaitre un ne d'inuen e.

Modèle et Observations 67On peut retrouver l'énergie ontinue dans un signal à partir des oé ientsde la transformée en ondelettes. Ces oe ients onservent toute l'information on ernant l'énergie du signal :∫ +∞

−∞

|s(t)|2 = C−1ψ

∫ +∞

0|Ca,t||Ca,t|

dtda

a2(3.23)

On peut enn dénir une densité énergétique, Ea(a, b), pour une position b etune é helle a :Ea(a, b) =

|Ca,b|2a

(3.24)En intégrant sur toutes les é helles pour un instant donné, on trouve une densitélo ale, Et(t), qui équivaut à un spe tre instantané. Le spe tre d'énergie global,ou la densité d'énergie par é helle, Ea(a) représente les distributions des é helles ontenues dans un signal :

Ea(a) = C−1ψ

∫ +∞

−∞

Ed(a, t)dt

a(3.25)

Il est possible de retrouver l'énergie du signal à partir de sa densité d'énergiepar é helle :∫ +∞

−∞

|s(t)|2 =∫ +∞

0Ea(a)da (3.26)

Modèle et Observations 68L'analyse en ondelette ore ainsi la possibilité de suivre l'évolution d'un si-gnal mais aussi, en onsidérant des signaux élémentaires, de se fo aliser sur desinstants pré is à la manière d'un mi ros ope mathématique. On peut ainsi hoi-sir une position d'analyse sur un signal (ou dans un hamp) à l'aide d'une fo aleet déterminer la taille des détails à analyser par un grossissement. Cet outil estadapté à la des ription des phénomènes transitoires, intermittents et multi é helles.

CHAPITRE 4LA MOUSSON OUEST AFRICAINE SIMULÉE PAR LE MODÈLELMDZ4.1 Présentation des simulationsNde la simulation physique résolution guidageNEWguid NEWPHY 96x95x39 ouiSTDguid STDPHY 96x95x39 ouiNEWclim NEWPHY 96x95x39 nonSTDclim STDPHY 96x95x39 nonNEWZguid NEWPHY 136x114x39 ouiSTDZguid STDPHY 136x114x39 ouiTableau 4.I Tableau ré apitulatif des diérentes simulationsDans ette partie, nous allons évaluer les diérentes ongurations du mo-dèle LMDZ et étudier en parti ulier la sensibilité du limat simulé aux nouvellesparamétrisations physiques, au guidage et à l'eet du zoom. Pour ela, le mo-dèle LMDZ est utilisé dans deux ongurations : une onguration régulière (ave 96x95 points de grille et 39 niveaux verti aux) et une onguration zoomée ( ave 136x114 points de grille et 39 niveaux verti aux) sur l'Afrique de l'Ouest ave omme entre de zoom le point de oordonnées (0, 10N). Le modèle est for épar des températures de surfa e de l'o éan (SST) de l'année 2006 et guidé par lesréanalyses ERA-Intérim du CEPMMT. La méthode du guidage est dé rite dansle paragraphe 3.2.2.3. Le vent est rappelé à haque pas de temps vers les analysesave un temps ara téristique de 3h. Cette onguration de guidage a été évaluéedans la thèse de Ly (2010) qui montre qu'il est préférable de ne guider que le vent ;le guidage en température empê hant le développement de la onve tion. Nousavons ee tué des simulations d'une année (2006) et toutes les simulations sontré apitulées dans le tableau 4.I.

La mousson Ouest Afri aine simulée par le modèle LMDZ 70La omparaison de NEWguid et STDguid, NEWclim et STDclim ou NEWZguidet STDZguid nous renseignera sur l'eet des paramétrisations physiques. La om-paraison de NEWguid et NEWZguid nous renseigne sur l'eet du zoom. La om-paraison entre NEWguid et NEWclim ou entre STDguid et STDclim nous renseignesur la sensibilité des simulations au guidage.4.2 Sensibilité au guidage4.2.1 Comparaison ERA-Intérim et NCEPSur la gure 4.1 où sont représentés le vent zonal (m/s) à gau he et pré ipita-tions (mm/j) à droite moyennés sur la période JJAS (Juin-Juillet-Août-Septembre)2006, ERA-Intérim et NCEP ont une dynamique atmosphérique semblable enAfrique de l'Ouest. Les stru tures des pré ipitations sont diérentes donnant unein ertitude sur les pré ipitations fournies par les entres de prévision.Sur la gure 4.2 où sont représentées les sorties LMDZ du vent zonal (m/s) àgau he et des pré ipitations (mm/j) à droite moyennés sur la période JJAS 2006,le modèle étant guidé par ERA-Intérim en haut et par NCEP en bas, la dyna-mique atmosphérique reste semblable en Afrique de l'Ouest sur les deux types desimulations. On note une diéren e au niveau des zones de maximum de onve -tion (moins de pluies pour la version guidée par ERA-Intérim au niveau du MontCameroun ; moins de pluies au niveau de l'o éan de la version guidée par NCEP).En omparant NCEP et LMDZ guidé par NCEP, la simulation guidée parNCEP est meilleure (plus pro he de GPCP), e qui implique que les paramétresphysiques du modèle sont bonnes (ave la bonne dynamique, on obtient un hampde pré ipitations pas idiot).

La mousson Ouest Afri aine simulée par le modèle LMDZ 71

Figure 4.1 Vent zonal (m/s) à gau he et pré ipitations (mm/j) à droite moyennéssur la période JJAS 2006


ERA−Intérim ERA−Intérim

NCEPNCEPFigure 4.2 Vent zonal (m/s) à gau he et pré ipitations (mm/j) à droite moyennéssur la période JJAS 2006, guidé par ERA-Intérim en haut et par NCEP en bas

La mousson Ouest Afri aine simulée par le modèle LMDZ 734.2.2 Guidage par ERA-IntérimSur la gure 4.3 en haut, est représentée la oupe verti ale du vent zonal umoyenné sur la période JJAS 2006 sur la zone 15W - 15E pour ERA-Intérim (a),STDguid (b) et STDclim ( ). La oupe verti ale du vent zonal permet de voir l'em-pla ement des trois ara téristiques dominantes de la ir ulation atmosphériqueOuest Afri aine. Le Jet d'Est Tropi al (JET) se situe vers 10N à 200 hPa et leJet d'Est Afri ain (JEA) vers 15N à 600 hPa. La omposante zonale du ux demousson u > 0 se situe entre 0 et 20N, et s'étend jusqu'à 800 hPa. Le modèleLMDZ en mode limatique reproduit le Jet d'Est Tropi al, le Jet d'Est Afri ain etla Mousson Ouest Afri aine (MOA). On observe un bon a ord entre ERA-Intérimet STDguid, e qui prouve l'é a ité du guidage des omposantes zonale et mé-ridienne du vent ave un temps de relaxation de 3h. On note une surestimationde l'intensité du vent zonal dans STDclim au niveau des extra-tropiques. Ce biaisdisparaît dans STDguid montrant ainsi l'impa t du guidage. L'étendue latitudinalede la omposante zonale du ux de mousson est ohérente par rapport à ERA-Intérim et se situe entre 0et 20N, mais est moins profonde dans le as non guidé ar n'atteint pas le niveau 800 hPa.Au milieu de la gure 4.3, on présente le vent à 925 hPa moyenné sur la périodeJJAS 2006 pour ERA-Intérim (a), STDguid (b) et STDclim ( ). On observe ainsiune représentation réaliste du ux de mousson pénétrant l'Afrique de l'Ouest parle golf de Guinée, ependant plus marqué dans le as guidé.En bas de la gure 4.3, on présente la oupe verti ale de la température moyen-née sur la période JJAS 2006 sur la zone 15W à 15E pour ERA-Intérim (a),STDguid (b) et STDclim ( ). Cette variable n'est pas guidée dire tement. On noteune représentation réaliste de la température moyenne dans le modèle au niveaudes tropiques omparée à ERA-Intérim. Cependant, un biais haud est observédans la tropopause (100 - 300 hPa) au niveau des extra-tropiques, dans les deux


(a) ERA-Intérim (b) STDguid ( ) STD limFigure 4.3 Coupe verti ale du vent zonal (en haut) et de la température (en bas)moyenné sur JJAS 2006 sur la zone 15W - 15E. Au milieu, hamp de vent zonalà 925 hPa moyenné sur la période JJAS 2006 : ERA-Intérim (a), STDguid (b) etSTDclim ( )

La mousson Ouest Afri aine simulée par le modèle LMDZ 75simulations.Pour erner les zones de forte a tivité ondulatoire, nous al ulons la varian eexpliquée dans haque bande de période. Nous présentons sur la gau he de la gure4.4, la varian e du vent méridien entre 3 et 5 jours en Août-Septembre 2006 pourles réanalyses ERA-Intérim (a), le modèle LMDZ guidé (b) et non guidé ( ). Plus ette varian e est importante, plus le régime 3-5 jours est marqué. La olonne degau he de la gure 4.4 présente ette varian e en tant qu'indi ateur de l'a tivitéondulatoire pour Août et Septembre 2006. On remarque que ette période présenteune a tivité ondulatoire plutt marquée ave un maximum situé sur l'o éan au-tour de 15N pour toutes les simulations. Cette forte a tivité ondulatoire s'étendzonalement entre 40W et 0. Le modèle LMDZ guidé reproduit bien la distribu-tion spatiale de l'a tivité ondulatoire des réanalyses ERA-Intérim e qui est une onséquen e du guidage, mais ave une sousestimation de l'amplitude, sans douteà ause de la résolution relativement grossière du modèle. La onguration nonguidée, arrive aussi à reproduire le maximum d'a tivité ondulatoire dans la mêmezone, mais tend à étendre le maximum o éanique au entre du ontinent e quin'est pas le as dans les réanalyses. On onstate aussi que l'amplitude dans laversion non guidée est toujours plus petite que elle dans le modèle guidé. Ce iprouve lairement que le guidage permet une meilleure représentation des ondesd'est.Nous avons déte té les régimes d'ondes en appliquant une analyse en ondelettessur le vent méridien à 700 hPa. Le vent méridien semble être plus approprié pourla déte tion des ondes que le vent zonal ar e dernier est noyé dans les u tuationsdu JEA. Sur haque point de grille et pour une date donnée nous pouvons don al- uler la valeur de l'ondelette. A droite de la gure 4.4, nous présentons l'évolutiondu module de l'ondelette en fon tion de la période d'analyse (Août et Septembre2006) au point de grille Dakar (17W, 14.5N). On retrouve la prépondéran e du


(a) ERA-Intérim (b) ERA-Intérim

( ) STDguid (d) STDguid

(e) STD lim (f) STD limFigure 4.4 Varian e moyenne du vent méridien à 700 hPa ltré entre 3 et 5 jourspour Août et Septembre 2006 (à gau he) et module de la transformée par ondelettede Morlet du vent méridien à 700 hPa à Dakar (17W;15.5N) (à droite) du 1erJuin au 30 septembre 2006

La mousson Ouest Afri aine simulée par le modèle LMDZ 77régime 3-5 jours sur toute la période pour les réanalyses et les simulations. Nousremarquons qu'il existe des séquen es où nous avons une u tuation du signalentre 6 et 9 jours ainsi qu'un régime de 9 et 12 jours. Cette évolution du modulede l'ondelette donne un meilleur résultat ave le modèle guidé par rapport auxréanalyses que le modèle non guidé.

Figure 4.5 Evolution des pré ipitations lissées sur 3 jours pour JJAS 2006 àDakarPar ette omparaison des variables dynamiques, on onrme la apa ité duguidage à imposer une situation synoptique en phase ave les observations (i i lesréanalyses ERA-Intérim). On s'intéresse maintenant à l'impa t du guidage sur ladistribution des pluies. Pour e faire, on ompare les pré ipitations du modèle surle point de grille Dakar (17W ;14.5N) à la moyenne des pré ipitations enregistréespar le réseau des pluviographes de Dakar ( f se tion 3.1.3) (noté GAUGE) et àGPCP. Pour les pluviographes, on ne dispose que des mois d'août et de septembre.On ne s'attend pas à avoir la même moyenne des pré ipitations mesurées par lespluviographes en un point donné et dans LMDZ ou GPCP ar les taux de pluie

La mousson Ouest Afri aine simulée par le modèle LMDZ 78y sont lissés sur la maille. Par exemple, un point de grille dans GPCP ave unerésolution de 1 degré x 1 degré fait environ 110 x 110 km2 dans la région OuestAfri aine. On représente sur la gure 4.5 la variation temporelle des pré ipita-tions lissées sur 3 jours à Dakar. Le oe ient de orrélation entre les taux depluies observés par les pluviographes de Dakar et GPCP est de 0.61. Nous pou-vons omparer STDguid (an ienne physique guidée) et STDclim (an ienne physique limatique) ave GPCP an de voir la sensibilité au guidage dans le modèle. Lelissage de 3jours est ee tué an d'éliminer l'eet du y le diurne et la variabilitéhaute fréquen e des pluies. Ainsi, une meilleure représentation des pluies dans lemodèle guidé est observée par rapport au modèle non guidé ave une orrélationde 0.54 et 0.17 par rapport à GPCP, respe tivement. Les pluies du modèle guidésont plus en phase ave GPCP surtout au mois de septembre dans le modèle guidé.Cette gure 4.5 montre qu'on arrive en partie à ontrler la séquen e des pré ipi-tations quand les vents horizontaux sont guidées.La gure 4.6 montre la moyenne des pré ipitations sur la période JJAS 2006.On observe que le modèle guidé fait pleuvoir jusqu'au nord du la T had ommedans GPCP e qui onstitue une amélioration par rapport au modèle non guidépar les vents ERA-Intérim issus du modèle ECMWF qui produit trop peu de pré i-pitations au nord, et en guidant le modèle LMDZ qui a le même défaut, on produitdes pré ipitations au nord, e qui est paradoxal et intéressant. Dans l'ensemble surl'Afrique de l'Ouest, les stru tures sont semblables dans les deux simulations gui-dée ou non guidée, mais la zone de pré ipitations est plus large dans le as guidé.Les stru tures de pré ipitations du modèle guidé se rappro hent de ERA-Intérim.On a aussi plus de pré ipitations sur l'o éan dans la simulation guidée en a ordave les observations. Une autre remarque importante est qu'en guidant le modèleLMDZ, on augmente onsidérablement les quantités de pré ipitations au niveaudu Sahel (12.5N ; 17.5N) (gure 4.7).


(a) GPCP (b) ERA-Intérim

( ) STDguid (d) STD limFigure 4.6 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) STDguid et (d) STDclim


Figure 4.7 Diagramme hovmoller temps-longitudes des pré ipitations moyennéessur la zone 12.5N et 17.5N


Figure 4.8 Distribution latitudinale des pré ipitations (mm/h) moyennées surla période JAS (Juillet-Août-Septembre) 2006 dans la zone (10W - 10E) (àgau he) et l'évolution sur la même période de l'indi e pluviométrique sahélienSSR (moyenne des pré ipitations dans la boîte sahélienne(10N - 20N ; 10W -10E)), observé et simulé (à droite)La gure 4.8 (à droite) étend es analyses à plus grande é helle spatiale. Onreprésente i i, l'évolution sur les mois de Juillet-Août-Septembre (JAS) 2006 del'indi e pluviométrique SSR (Sudan Sahel Rainfall) qui est la moyenne des pré ipi-tations dans la boîte sahélienne (10N - 20N ; 10W - 10E). Cet indi e permet derendre ompte du volet pluviométrique de la mousson Ouest Afri aine. L'apportdu guidage semble i i relativement évident sur la pluviométrie intrasaisonnière dela MOA, le oe ient de orrélation moyen entre l'indi e SSR observé et simulépassant de 0.11 pour le modèle non guidé à 0.69 pour le modèle guidé. Ces résul-tats on ernant le SSR indiquent que le guidage est né essaire à une simulationapproximative de la variabilité de la mousson Ouest Afri aine. Cette forte orréla-tion des pré ipitations du Sahel ave le modèle guidé montre qu'ave une grandeé helle orre te, on arrive à bien reproduire les pré ipitations de la bande sahé-lienne. Si les résultats on ernant le modèle non guidé ne sont guère surprenants(le modèle étant omplétement libre de reproduire sa propre haute fréquen e, sans

La mousson Ouest Afri aine simulée par le modèle LMDZ 82rappel vers la hronologie observée), les orrélations obtenues ave le modèle guidépar rapport à l'indi e SSR observé, permettent toutefois de on lure qu'une partienon négligeable de la variabilité de la MOA s'explique par la variabilité atmosphé-rique de grande é helle, qui dépasse don la seule Afrique de l'Ouest. A gau hede la gure 4.8 est représentée la distribution des pré ipitations moyennées sur10W-10E et on onstate en ore que le guidage améliore également légérement ladistribution latitudinale des pré ipitations.Con ernant la variabilité intrasaisonnière de la mousson Ouest Afri aine, lavision lassique est basée sur un dépla ement progressif de la zone de onvergen eintertropi ale (ZCIT) sur le ontinent entre 5N en mai et 15N en août. Les étudesré entes du y le saisonnier (LeBarbe et al. (2001) ; Sultan and Jani ot (2003)) re-mettent en ause e s héma, en montrant la non linéarité du dépla ement de laZCIT sur le ontinent entre deux positions de quasi-équilibre à 5N et 10N, etl'existen e d'un "saut de mousson" entre es deux latitudes. Deux régimes plu-viométriques, asso iés aux deux positions de la ZCIT, sont dès lors distingués, àsavoir une première saison dite o éanique, essentiellement dûe à l'apport d'humi-dité à partir du Golfe de Guinée, et une se onde dite ontinentale après le saut demousson, mettant en jeu une dynamique très diérente (Le Lay and Gall, 2005).Ainsi, on représente sur la gure 4.9, les pré ipitations moyennées sur la zone 20Wà 10W (à gau he) et 10W à 10E (à droite). On retrouve la non linéarité du dé-pla ement de la ZCIT dans les pluies GPCP ave un dépla ement sur le ontinenten début juillet (vers le 10 juillet) entre l'équateur et 5N. Les deux versions dumodèle LMDZ guidé ou non guidé simulent bien e dépla ement non linéaire dela ZCIT. Les stru tures des pré ipitations sont meilleures dans la version guidéepar rapport à GPCP. On note aussi que les pré ipitations sont plus intenses versla te Ouest Afri aine que dans le Sahel entre (à gau he de la gure 4.9).


Figure 4.9 Diagramme temps-latitude des pré ipitations moyennées sur 20W -10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut), STDclim (aumilieu) et STDguid (en bas)

La mousson Ouest Afri aine simulée par le modèle LMDZ 844.3 Sensibilité à la physiqueDans e paragraphe, nous évaluons l'impa t des nouvelles paramétrisationsdans les simulations guidée et non guidée en e qui on erne des vents et des pré- ipitations. L'impa t des diérentes paramétrisations sur le vent est étudié sur lessimulations non guidées. Ainsi, la oupe verti ale du vent zonal nous permettantde voir l'empla ement des trois ara téristiques dominantes de la ir ulation at-mosphérique Ouest Afri aine, montre que les deux versions du modèle limatiquereproduit le JEA et la MOA (en haut de la gure 4.10). Leur position est toujoursdéte tée vers 15N à 600 hPa et vers 10N à 200 hPa, respe tivement ave unesurestimation de l'intensité maximale du JEA et une sousestimation de la MOApar rapport aux réanalyses ERA-Intérim. En revan he, le JET n'est pas bien re-présenté dans la nouvelle version du modèle.Le milieu de la gure 4.10 présente le vent à 925 hPa moyenné JJAS 2006 pourERA-Intérim (a), NEWclim (b) et STDclim ( ). On observe ainsi une représenta-tion réaliste du ux de mousson dans le golf de Guinée. On remarque qu'il esttoujours beau oup plus important dans ERA-Intérim. Il est plus fort dans dans lanouvelle version que dans l'an ienne version.Le bas de la gure 4.10 présente la oupe verti ale de la température moyen-née JJAS 2006 sur la zone 15W à 15E pour NEWclim (b) et STDclim ( ). On atoujours une représentation réaliste de la température moyenne dans le modèleau niveau des tropiques omparé à ERA-Intérim. Cependant, un biais haud esten ore observé à la tropopause (100 - 300 hPa) au niveau des extra-tropiques et e dernier persiste dans le modèle LMDZ ave les nouvelles paramétrisations.Une le ture graphique de la gure 4.11 où est représentée la moyenne des pré i-pitations sur la période JJAS 2006 pour (a) NEWguid, (b) NEWclim, ( ) STDguid


(a) ERA-Intérim (b) NEW lim ( ) STD limFigure 4.10 Coupe verti ale du vent zonal (en haut) et de la température (enbas) moyennée JJAS 2006 sur la zone 15W - 15E, au milieu hamp de vent zonalà 925 hPa moyenné sur la période JJAS 2006 : ERA-Intérim (a), NEWclim (b) etSTDclim ( )



( ) NEWguid (d) NEW lim

(e) STDguid (f) STD limFigure 4.11 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) NEWguid, (d) NEWclim, (e) STDguid et (f) STDclim

La mousson Ouest Afri aine simulée par le modèle LMDZ 87et (d) STDclim, sut à montrer que les forts biais se s sur les zones montagneusesdu Mont Cameroun (4N-11N ; 9E-12E) ne sont pas orrigés par le guidage. Onremarque aussi que la nouvelle version du modèle améliore la représentation desmaximums de pré ipitations donnant plus de stru tures ohérentes ave GPCPque l'an ienne version, ave ependant une surestimation de la quantité des pluiesau niveau de l'o éan Atlantique et une sousestimation au niveau des montagnes.En représentant les diéren es des pré ipitations PLMDZ −PGPCP sur la gure4.12,4.13,4.14 et 4.15, nous obervons des biais au niveau des zones de maximumde onve tion surtout au niveau de la nouvelle version.Les résultats du RMSE = √

1N

∑Ni=1 (PLMDZi − PGPCP i)2 sont donnés dans letableau 5.I sur la région (30W-50E ; 10S-32N).

RMSE = 2.040RMSE = 1.706

Figure 4.12 Eet de la nouvelle physique dans les simulations à grille régulièreet guidéesOn se situe de nouveau sur le point de grille Dakar (17W ;14.5N) an de om-

La mousson Ouest Afri aine simulée par le modèle LMDZ 88RMSE = 2.040 RMSE = 1.572

Figure 4.13 Eet du guidage dans la nouvelle physiqueRMSE = 2.040 RMSE = 2.233

Figure 4.14 Eet du zoom dans la nouvelle physique


RMSE = 2.257 RMSE = 2.233

Figure 4.15 Eet de la nouvelle physique dans les simulations zoomées et guidéesNom de la simulation physique résolution RMSENEWguid NEWPHY 96x95x39 2.040STDguid STDPHY 96x95x39 1.706NEWclim NEWPHY 96x95x39 1.512STDclim STDPHY 96x95x39 1.459NEWZguid NEWPHY 136x114x39 2.233STDZguid STDPHY 136x114x39 2.257Tableau 4.II Tableau des RMSE ave GPCP des diérentes simulations


Figure 4.16 Variation temporelle des pluies lissées sur 3 jours sur la période JJAS2006 à Dakar pour le modèle guidéparer les pluies du modèle à GPCP. Nous allons omparer les deux physiques dumodèle guidé (STDguid et NEWguid) et non guidé (STDclim et NEWclim). Commepré édemment, un lissage de trois jours est ee tué an d'éliminer l'eet du y lediurne. Sur la gure 4.16 est représentée la variation temporelle de GPCP, degauge et des pluies lissées sur 3 jours dans les deux versions (NEWPHY et STD-PHY) du modèle guidé. Pour la orrélation, la nouvelle physique a un oe ientde orrelation de 0.57 légèrement plus grand que elui de l'an ienne physique ave une valeur de 0.54. Ces oe ients de orrélation ne sont pas signi ativementdiérents. Don les nouvelles paramétrisations n'améliorent pas et ne détériorentpas non plus les variables des pré ipitations en mode guidé de Dakar.Sur la gure 4.17, nous avons représenté, l'indi e pluviométrique SSR où lespré ipitations sont moyennées sur le domaine 10N à 20N et 20W à 20E pourle modèle non guidé et guidé, respe tivement. L'impa t des nouvelles paramé-trisations est notable sur la pluviométrie intrasaisonnière de la MOA. Dans les


(a) Cas non guidé

(b) Cas guidéFigure 4.17 Distribution latitudinale des pré ipitations moyennées sur la zone10W et 10E (à gau he) et variabilité intrasaisonnière de l'indi e pluviométriquesahélienne SSR observé et simulé (à droite)

La mousson Ouest Afri aine simulée par le modèle LMDZ 92simulations non guidées, l'utilisation de la nouvelle physique aboutit à une sousestimation des pluies systématique sur le Sahel. A ontrario, la nouvelle physiqueaméliore la représentation des pluies dans les simulations guidées. Dans le as guidé,les oe ients de orrélation ave GPCP passent de 0.69 pour l'an ienne physiqueà 0.73 pour la nouvelle physique. Ces résultats on ernant le SSR onrment quele guidage est né essaire à une simulation raisonnable de la variabilité intrasaison-nière de la mousson Ouest Afri aine. A gau he des gures 4.17 et gure 4.28 estreprésentée la distribution latitudinale des pré ipitations moyennées sur la zone10W à 10E et on onstate qu'on a un meilleur a ord dans le as guidé surtoutave la nouvelle version du modèle.Nous représentons sur la gure 4.18, les pré ipitations moyennées sur la zone20W à 10W (à gau he) et 10W à 10E (à droite). Les deux physiques du mo-dèle LMDZ arrivent à bien simuler e dépla ement non linéaire de la ZCIT, maisave un dépla ement sur le ontinent entre l'équateur au mois de mai et 10N enaoût. Con ernant les stru tures pré ipitantes dans es deux versions du modèleLMDZ, elles sont mieux représentées dans la nouvelle version du modèle ompa-rées aux pré ipitations GPCP. Cette représentation est bien meilleure sur la teOuest Afri aine (à gau he de la gure 4.18). Ce i montre que les nouvelles para-métrisations améliorent la représentation des pré ipitations dans ette zone OuestAfri aine.4.4 Sensibilité à l'eet du zoomAprès avoir montré dans les paragraphes pré édents que le guidage et les nou-velles paramétrisations améliorent la représentation de la dynamique et de la plu-viométrie en Afrique de l'Ouest, nous allons à présent voir l'eet du zoom en omparant la grille régulière (NEWguid) et la grille zoomée (NEWZguid). Ainsi,sur la gure 4.19, la représentation de la oupe verti ale du vent zonal montre


Figure 4.18 Diagramme temps-latitude des pré ipitations moyennées sur 20W -10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut), NEWclim (aumilieu) et STDclim (en bas)


(a) ERA-Intérim

(b) NEWguid ( ) NEWZguid

(d) STDguid (e) STDZguidFigure 4.19 Coupe verti ale du vent zonale moyennée JJAS 2006 sur la zone 15W- 15E : ERA-Intérim (a), NEWguid (b), NEWZguid ( ), STDguid (d) et STDZguid(e)

La mousson Ouest Afri aine simulée par le modèle LMDZ 95que le zoom ne modie pas l'empla ement des trois ara téristiques dominantes dela ir ulation atmosphérique Ouest Afri aine. Leur position est toujours déte téevers 15N à 600 hPa pour le JEA et vers 10N à 200 hPa pour le JET ave unesurestimation de leur intensité maximale et une sousestimation de la MOA.Sur la gure 4.20, on présente le vent à 925 hPa moyenné sur la période JJAS2006 pour NEWguid (a), NEWZguid (b), STDguid ( ) et STDZguid (d). Le uxde mousson pénétrant en Afrique de l'Ouest par le Golf de Guinée est observé surtoutes es simulations. Cette représentation du ux de mousson est toujours o-hérente ave les observations. On remarque qu'il est toujours plus important dansERA-Intérim, même dans les simulations zoomées.La gure 4.21 présente la oupe verti ale de la température moyennée sur lapériode JJAS 2006 sur la zone 15W à 15E pour NEWguid (a), NEWZguid (b),STDguid ( ) et STDZguid (d). On a toujours une représentation réaliste de latempérature moyenne dans le modèle au niveau des tropiques omparée à ERA-Intérim. Cependant, on observe en ore le biais haud dans la tropopause (100 -300 hPa) qui n'est pas modié par l'eet du zoom.Sur la gure 4.22 et 4.23, nous avons représenté les biais par rapport à ERA-Intérim des températures des diérentes simulations. La nouvelle version est plusfroide au niveau de la moyenne et basse troposphère que l'an ienne version. Enzoomant, on améliore le biais froid dans la nouvelle version au niveau des basses ou hes et aussi on améliore les biais hauds au niveau de la haute troposphère.Cette amélioration est notable au niveau de la gure 4.24 où est étudié l'apportdu zoom (TNEWPHYZguid

− TNEWPHY guid et TSTDHY Zguid− TSTDPHY guid) dans lesdeux versions sur les basses ou hes.Sur la gure 4.25, on note une légére amélioration de la représentation des pré- ipitations au niveau des montagnes (Mont Cameroun 4N-11N ; 9E-12E) ave


(a) ERA-Intérim


(d) STDguid (e) STDZguidFigure 4.20 Champ de vent zonal à 925 hPa moyenné JJAS 2006 : ERA-Intérim(a), NEWguid (b), NEWZguid ( ), STDguid (d) et STDZguid (e)


(a) ERA-Intérim


(d) STDguid (e) STDZguidFigure 4.21 Coupe verti ale de la température moyennée JJAS 2006 sur la zone15W - 15E : ERA-Intérim (a), NEWclim (b), NEWZguid ( ), STDguid (d) etSTDZguid (e)


Figure 4.22 Biais de la température par rapport à ERA-Intérim des simulationsave la grille régulière guidées pour l'an ienne physique (à gau he) et la nouvellephysique (à droite)

Figure 4.23 Biais de la température par rapport à ERA-Intérim des simulationszoomées et guidées pour l'an ienne physique (à gau he) et la nouvelle physique (àdroite)


Figure 4.24 Diéren e de température entre l'an ienne physique zoomée et l'an- ienne physique à grille régulière (à gau he) et diéren e de température entre lanouvelle physique zoomée et la nouvelle physique à grille régulière (à gau he)le zoom . Les stru tures des pré ipitations restent toujours ohérentes, mais glo-balement les biais se s persistent au niveau des zones montagneuses ainsi que lasurestimation des pluies au niveau de l'o éan Atlantique.Sur le diagramme Hovmoller temps-longitudes des pré ipitations moyennées surla zone 12.5N et 17.5N, les simulations zoomées parviennent à mieux représenterles stru tures des pré ipitations onformément à GPCP (g.4.26). Ainsi, l'utilisa-tion de la nouvelle version guidée et zoomée du modèle LMDZ permet d'augmenterl'humidité des basses ou hes donnant des stru tures de pré ipitations meilleuresau niveau du Sahel.Sur le point de grille Dakar (17W ; 14.5N) nous omparons les pluies simu-lées à GPCP. Nous allons, omparer les deux versions du modèles (NEWguid etNEWZguid) pour la nouvelle physique zoomée et non zoomée puis (STDguid etSTDZguid) pour l'an ienne physique zoomée et non zoomée an de voir l'amélio-ration du zoom dans le modèle LMDZ. Comme pré édemment, un lissage de troisjours est ee tué an d'éliminer l'eet du y le diurne. Sur la gure 4.27(a) est



( ) NEWguid (d) NEWZguid

(e) STDguid (f) STDZguidFigure 4.25 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) NEWguid, (d) NEWZguid, (e) STDguid et (f) STDZguid


Figure 4.26 Diagramme Hovmoller temps-longitudes des pré ipitations moyen-nées sur la zone 12.5N et 17.5N


(a) Nouvelle physique

(b) An ienne physiqueFigure 4.27 Variation temporelle des pluies lissées sur 3 jours sur la période JJAS2006 à Dakar pour (a) nouvelle physique et (b) an ienne physique

La mousson Ouest Afri aine simulée par le modèle LMDZ 103représentée la variation temporelle des pluies lissées sur 3 jours dans GPCP et lesdeux versions guidées, zoomée et non zoomée du modèle. On note que le zoomn'améliore pas la variation temporelle des pluies lissées sur 3 jours ave presqueles mêmes oe ients de orrélation ; 0.57 pour la nouvelle physique régulière et0.55 pour la nouvelle physique zoomée. Sur la gure 4.27(b), le zoom augmentefortement les pré ipitations entre juin et juillet 2006.Sur la gure 4.28, on représente l'indi e pluviométrique SSR (à droite) et àgau he la distribution latitudinale des pré ipitations moyennées sur la zone om-prise entre 10W et 10E. Les oe ients de orrélation de l'indi e SSR observé etsimulé passe de 0.73 pour la nouvelle physique régulière à 0.44 pour la nouvellephysique zoomée. Pour l'an ienne physique, les oe ients de orrélation de SSRsont 0.67 et -0.08 pour la version régulière et zoomée, respe tivement. Ces résultats on ernant le SSR montrent que le zoom détériore la variabilité intrasaisonnièrede la mousson Ouest Afri aine. Cependant, l'apport du zoom semble relativementévident sur la représentation des stru tures de la MOA et sur la distribution lati-tudinale des pré ipitations (g.4.28 à gau he).Sur la gure 4.29, on représente la variabilité intrasaisonnière de pré ipitationsmoyennées sur 20W - 10W (à gau he) et sur 10W - 10E (à droite) pour lessimulations NEWguid (a) et NEWZguid (b). Le zoom parvient à simuler l'intensitéet l'étendue spatiale du ux de mousson par omparaison aux observations. Lezoom apporte une meilleure représentation des stru tures pré ipitantes ommedans GPCP. Ainsi, l'utilisation de la nouvelle version guidée et zoomée du modèleLMDZ, permet d'augmenter l'humidité des basses ou hes donnant des stru turesde pré ipitations meilleures au niveau du Sahel.


(a) Nouvelle physique

(b) An ienne physiqueFigure 4.28 Distribution latitudinale des pré ipitations moyennées sur la zone10W et 10E (à gau he) et variabilité intrasaisonnière de l'indi e pluviométriquesahélienne SSR observé et simulé (à droite)


Figure 4.29 Diagramme temps-latitudes des pré ipitations moyennées sur 20W- 10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut), NEWguid (aumilieu) et NEWZguid (en bas)

La mousson Ouest Afri aine simulée par le modèle LMDZ 1064.5 Con lusionLe guidage autorise une dynamique atmosphérique régionale plus réaliste surl'Afrique de l'Ouest et ontribue fortement à l'amélioration du hamp de pré i-pitations. Les apports de e guidage en points de grille sont in ontestables pourimposer au modèle la variabilité intrasaisonnière observée. On note des limites duguidage sur la orre tion des biais régionaux. En guidant la nouvelle version dumodèle, on améliore davantage la représentation des pré ipitations en Afrique del'Ouest. L'apport des nouvelles paramétrisations est net dans la nouvelle versionguidée et zoomée du modèle ave une meilleure représentation du ux de moussondans les basses ou hes et aussi une bonne représentation des stru tures pré i-pitantes au Sahel. On peut ainsi on lure, que la simulation nouvelle physique,guidée et zoomée est la meilleure et 'est don elle qui sera utilisée dans la suitepour l'étude du y le diurne et l'inialisation de la onve tion par les températuresde brillan e.

CHAPITRE 5CYCLE DIURNE DE LA CONVECTION EN AFRIQUE DEL'OUEST5.1 Introdu tionUn des enjeux majeurs des re her hes sur la variabilité limatique est de quan-tier l'impa t de ette variabilité sur le y le hydrologique et les ressour es en eau.Ce i est parti ulièrement vrai en zone tropi ale, notamment en limat semi-arideoù le ouplage entre l'atmosphère et les surfa es ontinentales est très fort.La majeure partie des pré ipitations en Afrique de l'Ouest sont des oragesd'origine onve tive. La formation des orages est en grande partie pilotée sur le ontinent par le y le journalier de l'ensoleillement. Les pro essus de onve tionau-dessus des o éans dièrent de eux au-dessus des ontinents en parti ulier parla moindre importan e du y le diurne, du isaillement verti al du vent, les ondi-tions d'instabilité, l'impa t de la végétation.En Afrique de l'Ouest, l'essentiel des pré ipitations est produit par des systèmesisolés asso iés à une onve tion lo ale et par des systèmes onve tifs organisés mo-biles (lignes de grains). La onve tion lo ale est un phénomène météorologique on ernant essentiellement la petite é helle ave des dimensions de quelques di-zaines de kilomètres et une durée de vie ne dépassant pas quelques heures. Ellegénére des pré ipitations dont la durée dépend de la taille des nuages arrivés àmaturité. Les lignes de grains sont des phénomènes météorologiques de mésoé- helle atteignant souvent les dimensions de plusieurs entaines de kilomètres. Ilsproduisent la majeure partie des pré ipitations en Afrique de l'Ouest. Leur duréede vie est de quelques heures à quelques jours ave des vitesses de propagation

Cy le diurne de la onve tion en Afrique de l'Ouest 108d'est en ouest de l'ordre de 10 à 15 m/s.Les mé anismes physiques impliqués dans la onve tion profonde sont nom-breux et sont d'é helles diverses : mi rophysique, radiatif, entraînement turbulent,intera tions entre nuages, forçages de grande é helle. Leur représentation dans lesmodèles de ir ulation générale à travers les paramètrisations est un problème ru-tial et n'est a tuellement que très imparfaitement résolue.Ainsi, le y le diurne des pré ipitations n'est en général pas bien représentésdans les modèles de ir ulation générale, et 'est un sujet préo upant pour la mo-délisation limatique en raison du rle lé que jouent les nuages dans le bilan del'eau. La sousestimation des nuages bas, le dé len hement prématuré des pré ipita-tions onve tives ainsi que leur arrêt en n de journée sont des biais ommuns à laplupart des modèles de limat. Le pi de la onve tion profonde est généralementsimulé trop tt dans la journée (Gui hard et al., 2004). Betts and Ja ob (2002a)en réalisant ertains progrès dans la ompréhension de l'apparition pré o e despré ipitations dans les modèles, ont trouvé que l'évolution du y le diurne surtouttropi al implique l'intera tion étroite de nombreux pro essus. Par exemple, Bettsand Ja ob (2002b) ont montré que le modèle du CEPMMT ne représente pas demanière orre te le développement des umulus au matin sur la ou he limite, etque le pi des pré ipitations observées le matin est dû aux pré ipitations de grandeé helle.L'amélioration de es diérents aspe ts passe notamment par une représenta-tion plus réaliste des mouvements onve tifs de la ou he limite atmosphérique.Le rle des pro essus de ou he limite dans le y le diurne des nuages onve tifsest pris en ompte dans le modèle de ir ulation générale LMDZ en ombinantun s héma diusif lassique ave un s héma en ux de masse représentant lesstru tures ohérentes de la ou he limite (Rio and Hourdin, 2008). Le ouplage

Cy le diurne de la onve tion en Afrique de l'Ouest 109entre les pro essus de ou he limite (Rio and Hourdin (2008)), onve tion nua-geuse profonde (Emanuel (1991)) et po hes froides (Grandpeix and Lafore (2010))a permis de retarder le dé len hement de la onve tion de plusieurs heures et deles maintenir plus tard dans la soirée, et e i est validé dans le as 1D par Rioand Hourdin (2008). Cette ensemble de paramétrisations onstitue e que nousappelons la nouvelle version du modèle LMDZ. Ces diérentes paramétrisationssont intégrées dans la nouvelle version 3D de LMDZ.Une des ription pré ise de la variation du y le diurne des systèmes onve tifset des pré ipitations est né essaire pour améliorer la représentation des pro essusresponsables de la génération et de la dissipation des nuages dans les modèles de ir ulation générale. Les données observées en surfa e donnent des informationsutiles sur le y le diurne à l'é helle régionale, mais sont très limitées par leur faibledensité et é hantillonnage in omplet. Les observations satellitales ont l'avantaged'avoir une ouverture omplète mais ont besoin de méthodes indire tes pour ladétermination des pré ipitations et de la ouverture nuageuse.Ce hapitre repose en grande partie sur l'exploitation des pré ipitations ho-raires de la ampagne AMMA 2006. La dis rimination des pré ipitations dûes auxsystèmes lo aux et propagatifs, a permis de omparer les pré ipitations des sys-tèmes lo aux ave le modèle qui ne représente pas pour le moment la propagationdes systèmes onve tifs. L'amélioration du y le diurne de la onve tion dans lemodèle est démontrée et les pro essus impliqués sont analysés.5.2 Cara térisation des événements de pluie à DakarDans ette étude, des données horaires de pré ipitations sont utilisées pour ara tériser le y le diurne des pré ipitations à Dakar ( vers 14.5N). Les pré ipi-tations du réseau de Dakar (voir se tion 3.3.3) sont mesurées toutes les heures à

Cy le diurne de la onve tion en Afrique de l'Ouest 110partir du 1 août 2006 au 30 septembre 2006. Elles montrent un très bon a ordave les produits satellites ombinés IR/WV à l'é helle de 10 jours (Ro a, 2009).A partir des enregistrements d'un pluviographe, nous dénissons le début d'unévénement pré ipitant par le moment où le taux horaire de pluie du pluviographedevient stri tement positif, et sa n lorsque le taux de pluie horaire devient nul.Durant les mois d'août et septembre 2006, le nombre d'événements pré ipitantspar station est ompris entre 12 et 50 hors de la zone dense, et entre 42 et 56dans le réseau dense (en haut de la gure 5.1). Les pré ipitations umulées parstation sur toute la période montrent la même variation spatiale, ave des pré i-pitations umulées omprises entre 72 mm et 416 mm hors de la zone dense etentre 275 mm et 415 mm dans la zone dense (en bas de la gure 5.1). Nous avonsnoté une station anormale faisant 20 événements pré ipitants ave des pré ipita-tions umulées de 163 mm dans la zone dense. En moyenne, les stations du réseaudense enregistrent don un nombre plus élevé d'événements pré ipitants et plus depré ipitations que les autres stations. Le réseau dense s'avère être une zone parti- ulièrement pluvieuse pour la période onsidérée. L'hétérogénéité spatiale déte téeentre les taux de pluies à l'é helle d'environ 100 km n'est pas ex eptionnelle enAfrique de l'Ouest. Par exemple, Si ot (1991) a montré que la répartition spatialede la pluie est trés hétérogène dans le bassin de la mare d'Oursi à l'extrême norddu Burkina-Faso (14.33N à 14.41N et 0.26N à 0.40W) (gure 5.2).Sur la gure 5.3 (en haut) an de ontextualiser es observations lo ales, onmontre le nombre d'événements pré ipitants par station (a) et al ulé à partirdu anal 10.8 µm du satellite Météosat Se onde Génération (MSG) (b). Pour unpoint de grille des observations MSG, on dénit une variable An qui détermine siun point est onve tif ou non à partir d'un seuil sur la température de brillan e :

Cy le diurne de la onve tion en Afrique de l'Ouest 111

10 15 20 25 30 35 40 45 50 55 600

0.5

1

1.5

2

2.5

3

3.5

4

number of precipitating events per station

occu

rren

ce

Outside of dense network: stns # 21−40

10 15 20 25 30 35 40 45 50 55 600

1

2

3

4

5

6

number of precipitating events per stationoc

curr

ence

Dense network: stns # 2−20

50 100 150 200 250 300 350 400 450 5000

0.5

1

1.5

2

2.5

3

3.5

4

cumulated precipitation (mm) per station

occu

rren

ce

Outside of dense network: stns # 21−40

(a) Hors zone dense 50 100 150 200 250 300 350 400 450 5000

1

2

3

4

5

6

cumulated precipitation (mm) per station

occu

rren

ce

Dense network: stns # 2−20

(b) Zone denseFigure 5.1 Histogramme du nombre d'événements pré ipitants par station (enhaut) et histogramme des pré ipitations umulées par station (en bas) : hors zonedense (à gau he) et pour la zone dense (à droite)


Figure 5.2 Exemple de dispersion spatiale des pluies au Sahel : u tuationsannuelles de la dispersion spatiale des pluies dans le bassin d'Oursi à l'extrêmenord du Burkina-Faso (Si ot (1991))An =

1 si TBn≤ 233K

0 si TBn> 233KOn dénit ensuite un indi e de début d'événement onve tif

Bn =

1 si An = 1 et An−1 = 0

0 sinonLa somme ∑

Bn est le nombre total d'événements pluvieux en un point de grillesur la période.Comme dans les travaux de Laing et al. (2008), nous utilisons un seuil de 233K de la température de brillan e pour identier les systèmes de nuages froids quisont les plus sus eptibles de pré ipiter. Il est important de souligner, ependant,que la relation entre les pré ipitations et les températures de brillan e infrarougesn'est pas simple, don nous ne prévoyons pas de restituer dans e sens le nombre

Cy le diurne de la onve tion en Afrique de l'Ouest 113d'événements pré ipitants par ette méthode. Néanmoins, la répartition spatialedes nombres d'événements pré ipitants enregistré par les stations et al ulé à partirdes températures de brillan e devrait montrer une ertaine orrélation. On observeainsi en haut de la gure 5.3, un large gradient latitudinal du nombre d'événements al ulé à partir de MSG survenant en août et septembre 2006. L'empla ement duréseau dense est marqué par un maximum lo al de nombre d'événements pré ipi-tants, onrmé par les résultats des taux de pluies. La station abhérante reste bienvisible par sa position, son nombre d'événements pré ipitants (20 événements depluies) et par son umul de pré ipitations (163 mm).Les pré ipitations umulées pour haque station sont montrées sur la gure5.3 ( ) et sont omparées aux pluies estimées par des satellites se onde générationEPSAT-SG (Estimation Pre ipitation by Satellite-Se onde Generation) en niveaude ouleur (gure 5.3 (d)). Comme pour le nombre d'événements pré ipitants, lazone dense enregistre le maximum de umul de pré ipitations entre août et sep-tembre 2006. Ce maximum est ohérente entre les taux de pluies enregistrés parles pluviographes et les pré ipitations estimées pas satellite (EPSAT-SG). La mé-thode EPSAT-SG (Berges et al., 2009) est basée sur la désagrégation du produitde résolution spatiale et temporelle GPCP-1DD de MSG.Les pré ipitations umulées montrent essentiellement la même distribution spa-tiale que le nombre d'événements pré ipitants donnant ainsi un maximum dans larégion du réseau dense. L'hétérogénéité des valeurs est plus élevée pour les tauxde pluies observés que pour les données EPSAT-SG, un résultat dire tement attri-buable à la diéren e de la résolution spatiale entre les deux ensembles de données.Néanmoins, la omparaison onrme à nouveau la spé i ité de la région de zonedense ara térisée par des pré ipitations abondantes. Pour ara tériser l'é a itédes événements pré ipitants, nous traçons pour haque station, en haut sur la gure5.4, la distribution umulée du pour entage de pré ipitations umulées en fon tion


(a) (b)

( ) (d)Figure 5.3 Nombre d'événements pré ipitants par station (a) et al ulé à partirde MSG (b) pour août et septembre 2006 ; umul des pré ipitations par station ( )et umul EPSAT-SG (d) pour la même période

Cy le diurne de la onve tion en Afrique de l'Ouest 115du nombre d'événements pré ipitants. Les stations du réseau dense montrent un omportement spé ique ave essentiellement la même distribution. Les 10 évé-nements ave les plus fortes intensités pluvieux donnent environ 75% des pluiestotales sauf pour la station abhérente qui donne plus de 95% des pluies totales.Hors de la zone dense, les distributions sont plus étalées, puisque les 10 événementsles plus pré ipitants donnent entre 70% et 95% des pré ipitations totales selon lastation onsidérée.Bien sûr, la dispersion est en partie liée à l'é art-type du nombre d'événementspré ipitants. Cette ause de la variabilité peut être éliminée en représentant pour haque station la distribution umulée du pour entage des pré ipitations umuléesen fon tion de la proportion des événements pré ipitants (en bas de la gure 5.4).Les stations du réseau dense montrent en ore une omportement plus homogèneque les autres stations. Dans le réseau dense, 20% du nombre total d'événementspré ipitants donnent entre 65% et 80% des pré ipitations totales. L'analyse de esgures montre que la probabilité d'enregistrer quelques événements pré ipitantsde très forte intensité est plus élevée dans le réseau dense qu'à l'extérieur.An de mieux ara tériser la stru ture spatiale des pré ipitations à l'é helle duréseau, nous al ulons les distan es séparant haque paire de stations appartenantà l'ensemble du réseau et leur oe ient de orrélation asso ié de la série tempo-relle des pré ipitations. Ensuite, la série temporelle est lissée sur une journée puison al ule les oe ients de orrélation asso iés. Pour haque ouple de stations,deux oe ients de orrélation sont al ulés, orespondant à la série lissée despré ipitations et à la série brute ave un pas de temps horaire, respe tivement. Lagure 5.5 donne les deux oe ients de orrélations de haque ouple de stationsen fon tion de la distan e séparant les stations onsidérées. Sans surprise, les oef- ients de orrélations al ulés à partir de la série lissée sont plus élevés que eux al ulés à partir des signaux diurnes (pas de temps horaire). Les deux oe ients


0 5 10 15 20 25 30 35 40 45 50 550

10

20

30

40

50

60

70

80

90

100

number of events

cum

ulat

ed p

erce

ntag

e of

pre

cipi

tatio

n (%

)

Outside of dense network: 21−40 stn

stn 21stn 24stn 25stn 27stn 28stn 29stn 30stn 31stn 32stn 33stn 35stn 37stn 39stn 40

0 5 10 15 20 25 30 35 40 45 50 550

10

20

30

40

50

60

70

80

90

100

number of eventscu

mul

ated

per

cent

age

of p

reci

pita

tion

(%)

Dense network: 1−20 stn

stn 2stn 3stn 4stn 5stn 6stn 7stn 8stn 9stn 11stn 12stn 13stn 14stn 15stn 16stn 17stn 18stn 19stn 20

0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

proportion of events (%)

cum

ulat

ed p

erce

ntag

e of

pre

cipi

tatio

n (%

)

Outside of dense network: 21−40 stn

stn 21stn 24stn 25stn 27stn 28stn 29stn 30stn 31stn 32stn 33stn 35stn 37stn 39stn 40

(a) Hors zone dense 0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

proportion of events (%)

cum

ulat

ed p

erce

ntag

e of

pre

cipi

tatio

n (%

)

Dense network: 1−20 stn

stn 2stn 3stn 4stn 5stn 6stn 7stn 8stn 9stn 11stn 12stn 13stn 14stn 15stn 16stn 17stn 18stn 19stn 20

(b) Zone denseFigure 5.4 Distribution umulée des pour entages de pré ipitations umulées enfon tion du nombre d'événements (en haut), et en fon tion de la proportion despré ipitations (en bas) : hors réseau dense (a) et dans le réseau dense (b)

Cy le diurne de la onve tion en Afrique de l'Ouest 117de orrélation sont également supérieurs à 0.6 lorsque les deux stations sont situéesdans le réseau dense. Les deux oe ients de orrélation sont fortement orrélésave la distan e ; les oe ients de orrélation des distan es et les oe ients de orrélation des pré ipitations, al ulé pour le signal lissé et le signal brut, sontégaux à -0.75 et -0.79, respe tivement. Sur la série moyennées à 1 jour, on voitun omportement pour une distan e inférieure à 10 km séparant deux stations,sans doute lié au fait d'être ou ne pas être dans la même ellule onve tive. Et unautre omportement pour les é helles plus grandes, sans doute lié à l'importan ede l'environnement de grande é helle.

0 10 20 30 40 50 60 70 80 90 100−0.4

−0.2

0

0.2

0.4

0.6

0.8

1

distance (km)

corr

elat

ion

coef

ficie

nt

corr coeff 1dy av. = −0.75corr coeff diurn. = −0.79

1 dy averagediurnal cycle1 dy regressiondiurnal regression

Figure 5.5 Coe ients de orrelation pour une série de pré ipitations lissée d'unjour et le signal brut sans lissage en fon tion de la distan e entre les stations

Cy le diurne de la onve tion en Afrique de l'Ouest 1185.3 Cara téristiques du y le diurne des pré ipitations5.3.1 Cara térisation à l'é helle globale à partir d'observations satelli-talesLe y le diurne des pré ipitations a été largement do umenté à l'é helle duglobe par plusieurs études. Les données de températures de brillan e du CLAUS(Cloud Ar hive User Servi e) et les données satellites TRMM (Tropi al RainfallMeasuring Mission) de pré ipitations, ont démontré l'existen e d'un mode de y lediurne primaire des pré ipitations onve tives (Yang and Slingo (2008) ; Nesbittand Zipser (2003) ; Yang and Smith (2008)). Les maxima de onve tion et de pré- ipitations sont généralement observés tard dans la nuit jusqu'au petit matin auniveau de l'o éan, et au milieu de l'aprés-midi sur les ontinents. L'interprétationdu maximum de onve tion au niveau du ontinent est liée à l'instabilité maxi-male de la ou he limite provoquée par le rayonnement solaire diurne (Walla e,1975) même si e maximum est en fait dé alé de plusieurs heures par rapport à e maximum d'ensoleillement. En revan he, la ause du maximum de onve tionde pré ipitations observé au niveau de l'o éan reste dis utable et plusieurs mé a-nismes ont été proposé (Gray and Ja obson (1977) ; Cox and Grith (1979) ; Suiet al. (1997)).Cette vision a été anée par la déte tion d'un mode diurne se ondaire à l'é hellerégionale et globale. Yang and Smith (2008) montrent dans une étude exhaustiveque les prin ipaux modes primaires du maximum de onve tion sont généralementa ompagné par des maxima se ondaires se produisant en milieu d'aprés-midi surl'o éan et tard dans la soirée jusqu'au petit matin sur les ontinents. Mohr (2004) onrme que le y le diurne des pré ipitations est bimodal vers 10N en Afriquesub-saharienne. Dans ertains as, sur le ontinent, le maximum de onve tion quia lieu tard dans la soirée jusqu'au petit matin devient en ore plus fort que le pi du milieu de l'aprés-midi, omme illustré par Shinoda et al. (1999) sur Niamey

Cy le diurne de la onve tion en Afrique de l'Ouest 119(Niger) et par Carbone and Tuttle (2008) au entre des Etats Unis. Yang andSmith (2008), Shinoda et al. (1999), Carbone and Tuttle (2008) et Mohr (2004),trouvent tous une grande variabilité du se ond mode diurne selon la région, lasaison et l'année. Plusieurs fa teurs sont proposés pour expliquer la nature bimo-dale du y le diurne et sa variabilité. Yang et al. (2008) interprétent les diérentsmodes diurnes par un partitionnement des pré ipitations totales en pré ipitations onve tives et stratiformes. Mohr (2004) trouve que la variabilité du y le diurneau niveau de l'Afrique sub-Saharienne est premièrement inuen ée par la variabi-lité de la fréquen e des systèmes onve tifs organisés et leur y le de vie.Au entre des Etats Unis (Carbone and Tuttle, 2008), et au niveau de l'Afriquetropi ale (Laing et al. (2008) ; Shinoda et al. (1999)), la fréquen e du maximumdiurne résulte de la superposition du maximum diurne lo al ave l'arrivée des sys-tèmes propagatifs. Sur la te, l'extension forte du signal diurne ontinental présde l'o éan (Yang and Slingo, 2008) pourrait expliquer le y le des pré ipitationsobservé dans ette région.Toutefois, es auses de bimodalité peuvent ne pas être dé orrélées les uns desautres, et il serait sans doute trop restri tif de souligner un seul mé anisme pourinterpréter le y le diurne. En eet, Houze et al. (1981), ont noté que les pré ipita-tions stratiformes orrespondent à la n de vie d'un système onve tif pré ipitant.Carbone et al. (2002), montrent que les épisodes résultant de la onve tion orga-nisée, telles que lignes de grains ou MCSs sont sus eptibles de se propager sur delongues distan es. Par onséquent, séparer les pré ipitations totales en pré ipita-tions stratiformes et onve tives, peut ne pas être, en fait, radi alement diérentde lasser les systèmes onve tifs en fon tion de leur âge et le degré d'organisa-tion. Le degré d'organisation pourrait, à son tour, être lié aux ara téristiques depropagation des systèmes.

Cy le diurne de la onve tion en Afrique de l'Ouest 1205.3.2 Cy le diurne des pré ipitations de DakarAn d'analyser le y le diurne des pré ipitations à Dakar, on représente surla gure 5.6 ; en haut, un omposite des pré ipitations en fon tion des jours etde l'heure lo ale ; en bas, le y le diurne moyen des pré ipitations en fon tion desstations et de l'heure lo ale. Ces gures montrent un pi très marqué de pré ipita-tions enregistrées vers 18h par les pluviographes. Deux pi s moins importants sontobservés à 11h et 00h. Cela est bien illustré en bas de la gure 5.6, où on retrouvele fait que la zone dense enregistre plus de pré ipitations que le reste du réseau arles 20 premières stations représentent ette zone.Pour examiner les fa teurs qui ontrlent le y le diurne des pré ipitations,nous nous inspirons des travaux de Nesbitt and Zipser (2003) et Mohr (2004) en onsidérant le nombre d'événements pré ipitants, le pour entage des pré ipitationstotales et la moyenne des pré ipitations umulées par événement pré ipitant, dansdes intervalles de temps d'une heure (g.5.7). Un même évènement est ompté plu-sieurs fois s'il est observé par plusieurs stations. Les y les diurnes sont al ulés àpartir des données du réseau dense uniquement ( olonne droite de la gure 5.7), etdes données sur l'ensemble des stations. Dans e as, le réseau dense est représentéseulement par une seule station dénie par la moyenne de toutes les stations duréseau dense ( olonne gau he de la gure 5.7) sauf la station abhérante qu'on aéliminé pour la suite de l'étude.Dans l'ensemble du réseau, l'o uren e des événements pré ipitants a un largepi dominant entré à 17h heure lo ale, et deux pi s se ondaires situées à 11het minuit, respe tivement. En termes de pré ipitations, les deux pi s se ondairesreprésentent 15% et 18,5% des pré ipitations totales entre 10h et 12h puis entre23h et 01h, respe tivement, tandis que le pi dominant représente 38% des pré- ipitations totales entre 15h et 19h, heure lo ale. La moyenne des pré ipitations umulées par événement a le même ordre de grandreur dans les trois intervalles de


Figure 5.6 Composite des pré ipitations de août et septembre 2006 dans la régiondu réseau des pluviographes ; en haut, la moyenne des pré ipitations (mm/h) enfon tion de l'heure lo ale (en ordonnées) et des jours (en abs isses) ; en bas, lamoyenne des pré ipitations en fon tion de l'heure lo ale (en ordonnées) et desstations (en abs isses)

Cy le diurne de la onve tion en Afrique de l'Ouest 122temps onsidérés, même s'il est plus élevé entre 23h et 01h.Dans le réseau dense, les trois pi s sont en ore visibles, mais elui entré à11h est légérement supérieur au pi de 17h en terme d'o uren e ave en revan heun umul par événement nettement plus faible qu'entre 15h et 20h. Le pi situéentre 10h et 12h et elui situé entre 23h et 01h représentent 14% et 18% despré ipitations, respe tivement, tandis que le pi de l'aprés midi représente 44%des pré ipitations totales entre 16h et 18h. L'é art-type du pi de l'aprés midiest plus faible dans le réseau dense qu'à l'extérieur, en raison de la proximité desstations qui mesurent un événement donné en même temps, alors qu'on a 1h ou 2hde dé alage de mesure dans des stations situées à de grandes distan es les uns desautres (jusqu'à 100 km) en dehors du réseau dense. La moyenne des pré ipitations umulées par événement peut atteindre 20 mm à 18h dans le réseau dense, alorsqu'il ne dépasse pas les 14 mm hors du réseau dense. Ce résultat onrme ladéte tion de systèmes parti ulièrement intenses dans le réseau dense et montreque es événements de pré ipitations intenses se produisent de préféren e vers 18hheure lo ale.5.4 Interprétation du y le diurne5.4.1 Systèmes onve tifs, lo aux et propagatifsNous her hons à expliquer le y le diurne des pré ipitations en séparant lessystèmes onve tifs propagatifs des systèmes lo aux. Pour estimer la ontributiondes systèmes propagatifs sur le y le diurne, nous déte tons les nuages froids dansla région du réseau des pluviographes et nous déterminons leurs origines en exami-nant les images infra rouges de MSG. En représentant sur la gure 5.8 la variationdes pluies et des températures de brillan e de août et septembre 2006, on noteque la majeure partie des températures de brillan e froides sont asso iées à despré ipitations à Dakar sur ette période. Cela montre ainsi l'e a ité des sys-


0 5 10 15 20 255

10

15

20

25

30

35

40

local hour

occu

rren

ce o

f pre

cipi

tatin

g ev

ents

Homogeneous network

0 5 10 15 20 250

10

20

30

40

50

60

70

80

local hour

occu

rren

ce o

f pre

cipi

tatin

g ev

ents

Dense network

0 5 10 15 20 250

1

2

3

4

5

6

7

8

9

10

local hour

perc

enta

ge o

f tot

al p

reci

pita

tion

(%)

Homogeneous network

0 5 10 15 20 250

5

10

15

20

25

local hour

perc

enta

ge o

f tot

al p

reci

pita

tion

(%)

Dense network

0 5 10 15 20 250

2

4

6

8

10

12

14

local hour

prec

ipita

tion

per

even

t (m

m)

Homogeneous network

(a) Ensemble du réseau 0 5 10 15 20 250

5

10

15

20

25

local hour

prec

ipita

tion

per

even

t (m

m)

Dense network

(b) Zone denseFigure 5.7 Nombre d'événements pré ipitants, pour entage de pré ipitation to-tale et moyenne des pré ipitations umulées par événement, dans des bins d'1h,pour l'ensemble du réseau (a) et le réseau dense (b).


Figure 5.8 Variation des pré ipitations (mm/h) horaires enregistrées par les plu-viographes de Dakar et des températures (K) de brillan e des images infrarougesde MSG (bleu) au point de grille de Dakar pour août et septembre 2006

Cy le diurne de la onve tion en Afrique de l'Ouest 125tèmes onve tifs à pré ipiter ar sur ette même gure, on onstate que d'autressystèmes n'ont pas pré ipité même ave des températures de brillan e froides. Onremarque qu'ils sont quand même rares (environ deux en début août et deux enn septembre). Nous avons aussi utilisé deux types de méthodes, basées respe ti-vement sur les diagrammes Hovmoller et sur une te hnique de suivi des systèmesplus onnue sous le nom de tra king (en anglais). Celle- i est dé rite dans la par-tie suivante. Sur la gure 5.9, nous avons représenté la variation temporelle despré ipitations observées par les pluviographes, GPCP et EPSAT-SG (à gau he) ;diagramme Hovmoller des pluies EPSAT-SG (au milieu) et à droite le diagrammeHovmoller des températures de brillan e de MSG. Cela nous permet de déte ter leslignes de grain pré ipitants dans la région du réseau des pluviographes après avoirpar ouru des grandes distan es. En même temps, nous avons essayé de déte ter lessystèmes dits lo aux 'est-à-dire qui ont par ouru de faibles distan es. On onstateque tous les systèmes déte tés ont pré ipité dans la région des pluviographes.5.4.2 Diagrammes Hovmoller en fon tion de l'heure lo ale d'arrivéedes systèmes à DakarUne manière de quantier la ontribution des systèmes lo aux et propagatifsdans le pi des pré ipitations est de réaliser des diagrammes Hovmoller (e.g Lainget al. (2008) ; Carbone and Tuttle (2008)).Pour la période des mois d'août et septembre 2006 et pour diérents intervallesde temps (9h-12h ; 15h-18h et 22h-1h), nous notons les jours où la températurede brillan e du nuage est froide a ompagnée de pré ipitations dans le réseau despluviographes. Deux onditions doivent être satisfaites : la présen e au moins d'unpixel plus froid que 233 K dans la région du réseau des pluviographes, et la déte -tion d'un taux de pluies stri tement positif par au moins un pluviographe. Pour es as, la "visibilité" V d'un système pré ipitant par le réseau de pluviographes


Figure 5.9 Déte tion des systèmes onve tifs lo aux et propagatifs pré ipitantsdans la région du réseau des pluviographes entre août et septembre 2006

Cy le diurne de la onve tion en Afrique de l'Ouest 127peut être estimée omme :V = (

Ndetdense

N totdense

+Ndetext )/(1 +N tot

ext) (5.1)où Ndetdense et Ndet

ext sont respe tivement le nombre de pluviographes, au sein ethors de la zone dense, où les pré ipitations sont déte tées. Le nombre de pluvio-graphes situés hors zone dense (N totext) est égal à 14 et le nombre total de plu-viographes fait 15 en ramenant la zone dense à une station parti ulière. Dans letableau 5.I, nD est le nombre de stations dans la zone dense et nH le nombre destations hors zone dense, enregistrant des pré ipitations orrespondant à une tem-pérature de brillan e plus froide que 233 K. V indique la visibilité dénie i-dessus.An de ara tériser le ara tère propagatif des systèmes sur les images MSGdélimités en latitude de 10N à 18N, et en longitude de 25W à 25E, on omptepour haque image satellite (toutes les heures), le nombre de pixels plus froids que233 K.Nous traçons les diagrammes Hovmoller en oordonnées longitude-temps, or-respondant à haque jour et haque intervalle de temps ave V diérent de zéro surDakar. L'axe de temps d'un diagramme s'étend de 72h avant le temps de déte tiondu système pré ipitant dans la région du réseau jusqu'au temps de déte tion. L'axedes longitudes s'étend 25W à 25E et omprend la longitude du réseau de pluvio-graphes (16.5W). Un point du diagramme donne le nombre de pixels plus froidsque 233 K, observé par MSG en un instant et longitude donnés, entre les latitudes10N et 18N. La distan e de propagation, la durée et la vitesse de propagationdu système nuageux peuvent être estimées à partir de es s hémas, en supposantune propagation vers l'ouest sans omposante méridionnale omme l'a fait Lainget al. (2008). Nous avons vérié la validité de ette hypothèse par un examen desimages satellites onsé utives.

Cy le diurne de la onve tion en Afrique de l'Ouest 128Jour 09h-12h 15h-18h 22h-01hjour 06 0D, 1H, V = 0.067 0D, 1H, V = 0.067 0D, 0H, V = 0jour 08 0D, 1H, V = 0.067 2D, 6H, V = 0.407 0D, 0H, V = 0jour 10 4D, 0H, V = 0.015 0D, 0H, V = 0 0D, 0H, V = 0jour 12 1D, 1H, V = 0.070 18D, 8H, V = 0.600 15D, 4H, V = 0.322jour 13 0D, 2H, V = 0.133 0D, 0H, V = 0 0D, 1H, V = 0.067jour 14 18D, 8H, V = 0.600 5D, 0H, V = 0.018 2D, 0H, V = 0.007jour 15 0D, 1H, V = 0.067 13D, 4H, V = 0.315 0D, 0H, V = 0jour 16 0D, 0H, V = 0 13D, 7H, V = 0.524 0D, 1H, V = 0.067jour 19 0D, 0H, V = 0 17D, 6H, V = 0.463 1D, 0H, V = 0.004jour 25 8D, 2H, V = 0.163 16D, 11H, V = 0.792 10D, 5H, V = 0.370jour 27 1D, 0H, V = 0.055 2D, 2H, V = 0.141 4D, 1H, V = 0.081jour 28 0D, 0H, V = 0 8D, 0H, V = 0.030 1D, 7H, V = 0.470jour 31 1D, 1H, V = 0.070 2D, 0H, V = 0.007 0D, 0H, V = 0jour 33 1D, 0H, V = 0.055 17D, 4H, V = 0.330 17D, 8H, V = 0.596jour 34 14D, 8H, V = 0.585 2D, 0H, V = 0.007 0D, 0H, V = 0jour 37 5D, 0H, V = 0.278 16D, 4H, V = 0.326 0D, 1H, V = 0.067jour 38 1D, 0H, V = 0.055 17D, 5H, V = 0.396 0D, 0H, V = 0jour 39 2D, 4H, V = 0.274 14D, 3H, V = 0.252 0D, 0H, V = 0jour 42 17D, 4H, V = 0.329 1D, 0H, V = 0.004 0D, 0H, V = 0jour 43 1D, 1H, V = 0.070 1D, 0H, V = 0.004 0D, 0H, V = 0jour 44 0D, 0H, V = 0 0D, 1H, V = 0.067 0D, 2H, V = 0.133jour 45 3D, 2H, V = 0.144 1D, 3H, V = 0.204 17D, 5H, V = 0.396jour 46 15D, 4H, V = 0.322 4D, 1H, V = 0.081 0D, 0H, V = 0jour 47 0D, 0H, V = 0 1D, 2H, V = 0.137 0D, 0H, V = 0jour 48 0D, 0H, V = 0 2D, 4H, V = 0.274 0D, 0H, V = 0jour 49 2D, 1H, V = 0.074 0D, 0H, V = 0 0D, 0H, V = 0jour 50 0D, 0H, V = 0 11D, 3H, V = 0.241 0D, 0H, V = 0jour 51 0D, 0H, V = 0 7D, 1H, V = 0.092 0D, 0H, V = 0jour 52 4D, 0H, V = 0.015 0D, 0H, V = 0 0D, 0H, V = 0jour 53 0D, 0H, V = 0 0D, 1H, V = 0.067 0D, 0H, V = 0jour 56 0D, 0H, V = 0 0D, 0H, V = 0 2D, 0H, V = 0.007jour 57 3D, 1H, V = 0.078 0D, 2H, V = 0.133 0D, 0H, V = 0jour 58 4D, 1H, V = 0.081 0D, 0H, V = 0 0D, 0H, V = 0Tableau 5.I Jours du mois de août et septembre 2006 orrespondant à des tempé-ratures de brillan e plus froide que 233 K où nD (nombre de stations dans la zonedense) et nH (nombre de stations hors zone dense), enregistrant des pré ipitationsave une visibilité V.


(a) MCSs lo aux (09h-12h) (b) MCSs propagatifs (09h-12h)

( ) MCSs lo aux (15h-18h) (d) MCSs propagatifs (15h-18h)

(e) MCSs lo aux (23h-01h) (f) MCSs propagatifs (23h-01h)Figure 5.10 Diagramme Hovmoller des nombres de pixels plus froids que 233 Kpour les événements qui pré ipitent dans la région du réseau de pluviographes dansles intervalles de temps 9h-12h (en haut), 15h-18h (au milieu) et 23h-1h (en bas),pondérés par la visibilité ; systèmes lo aux (à gau he) et systèmes propagatifs (àdroite)

Cy le diurne de la onve tion en Afrique de l'Ouest 130On tra e sur la gure 5.10 un diagramme omposite longitude-temps onstruitde la façon suivante : pour une déte tion de système pré ipitant, on note NT0

n (i, j, t)le jour n à T0. On somme ensuite es ∑

NT0

n (i, j, t) ∗ V T0

n ave V T0

n la visibilité dujour n à l'instant T0. Tous les diagrammes Hovmoller individuels, orrespondant àun intervalle de temps donné (9h-12h, 15h-18h, 23h-1h), sont pondérés par le o-e ient de visibilité V et sont sommés sur la gure 5.10. Cette gure 5.10 montre lairement que la plupart des systèmes onve tifs naissent dans l'après-mid. Cer-taines zones de naissan es apparaissent à 12W, 5-10E et 20-24E, orrespondantaux zones montagneuses de la Guinée (Fouta Jallon), les montagnes de l'air et lesmontagnes du Darfour. Toutefois, les systèmes formés sur les montagnes du Dar-four ne semblent jamais se propager vers Dakar au ours de la période onsidérée.On arrive à trés bien distinguer sur ette gure, les systèmes lo aux (à gau he)aux systèmes propagatifs (à droite). Les systèmes propagatifs aparaissent de ma-nière allongée et provenant des points de oordonnées (16.7W ; 12h) ;(16.7W ;18h) ;(16.7W ; 1h) en fon tion des intervalles de temps de déte tion. Les événe-ments lo aux dans l'intervalle de temps 15h-18h sont asso iés à une ou he denuage plus ourte et moins marquée. On observe des systèmes propagatifs arrivantà Dakar entre 15h-18h et 23h-01h et peu de systèmes lo aux entre 23h-01h. Cetteméthode Hovmoller est moins quantitative que elle du tra king mais permet debien visualiser les diérents modes d'organisation de la onve tion.5.4.3 Le tra king des systèmes nuageuxL'algorithme du tra king des systèmes nuageux (Williams and Houze (1987) ;Arnaud et al. (1992) ; Ma hado et al. (1992) ; Mathon et al. (2002) ; Fiolleau andRo a (2010)) permet de quantier les onstations faites i-dessus. L'algorithme est omposé de deux étapes : la déte tion du système nuageux à un moment donnéet le suivi au ours du temps. Les images MSG dans la fenêtre thermique (10 à

Cy le diurne de la onve tion en Afrique de l'Ouest 13112 µm) sont segmentées à l'aide d'une routine de lustering qui délimite la région onnexe dans l'espa e ave TB < 233 K. La taille minimale pour ara tériser lesystème nuageux est de 5 x 103km2. On dit que les foyers déte tés au temps t+1sont en on ordan e ave eux de l'instant t, si le hevau hement spatial entreles deux images segmentées est supérieur à 104km2, e qui orrespondra à 50 %de la super ie de l'un des deux foyers onsé utifs. En l'absen e de hevau he-ment déte té sur l'image à l'instant t+1, le système nuageux est onsidéré ommes'étant dissipé. A l'inverse, le système nuageux est généré à l'instant t+1 si un hevau hement n'est pas observé à l'instant t. La lo alisation du système est dé-nie par le entre de masse pondérée par la température de brillan e de haque pixel.Dans l'analyse qui suit, nous onsidérons les systèmes nuageux observés autourde Dakar en août et septembre 2006, lorsque les pré ipitations sont déte tées parau moins un pluviographe du réseau. Nous al ulons plusieurs paramètres de essystèmes, dont l'empla ement et l'heure lo ale de leur génération, leur surfa e àleur arrivée à Dakar et la distan e par ourue umulée sur tout leur y le de vie.L'histogramme de l'heure lo ale de la génération des systèmes nuageux estmontré sur la gure 5.11. On a un pi important au début d'aprés-midi (13h30 à16h30). Comme la plupart de es systèmes sont générés dans le ontinent, entreles longitudes 17.9W et 11.8E, la ause prin ipale de leur formation est la desta-bilisation de la ou he limite résultant du rayonnement solaire.La distan e de propagation et le temps de propagation du lieu de générationau réseau d'observation sont al ulées en distinguant les systèmes arrivant à Da-kar dans les intervalles de temps 9h-12h, 23h-1h et 15h-18h. Les histogrammes de es quantités sont montrés pour les trois intervalles de temps (9h-12h et 23h-1h)dans la gure 5.12. Sur toute la période, six systèmes se sont propagés sur plusde 500 km, sur une période de plus de 21h ave environ une vitesse typique de


0 3 6 9 12 15 18 21 240

2

4

6

8

10

12

14

16

18

Local hour

Occ

urre

nce

Local time of generation of MCS

Figure 5.11 Histogramme de l'heure lo ale de naissan e des systèmes nuageux10 m/s, et trois d'entre eux sont déte tés à Dakar entre 15h et 18h. 33 % dessystèmes nuageux observés entre 15h et 18h ont par ouru une trés ourte distan e(moins de 100 km), ontre seulement 21 % dans les autres intervalles de temps.On ne s'attend pas à priori à e que les systèmes nuageux se propageant sur delongues distan es soient déte tés à une heure préférentielle à Dakar du fait d'untemps d'adve tion variable depuis l'heure de leur génération. Même si le nombred'événement de e type est trop faible pour bâtir des statistiques, on voit que lesévénements propagatifs sont observés aussi bien entre 15h-18h que dans les autrespériodes. A ontrario, les systèmes naissants lo alement sont sus eptibles d'êtredéte tés dans l'intervalle de temps 15h-18h, simplement par e que les systèmesnuageux se forment généralement à e moment ou quelques heures avant.Comme on pouvait s'y attendre, les petites ellules nuageuses sont de ma-nière dominante observées entre 15h et 18h. Pour es systèmes lo aux, les sufa es

Cy le diurne de la onve tion en Afrique de l'Ouest 133moyennes des nuages à Dakar sont respe tivement de 9.7 104km2 et 1.06 105km2dans l'intervalle de temps 15h-18h et pour les deux autres intervalles de temps.Les surfa es umulées sur le y le de vie sont également plus petites dans l'in-tervalle 15h-18h (g.5.12) : 45.8 % des nuages dans l'intervalle de temps 15h-18hont des surfa es umulées inférieures à 106km2, ontre seulement 26.3 % dans lesdeux autres intervalles de temps. Ces résultats sont globalement onformes ave les on lusions de Mohr (2004), qui a asso ié le pi des pré ipitations onve tivesde 14h-18h ave les systèmes onve tifs jeunes.5.5 Cy le diurne dans le modèle LMDZ à DakarLa nouvelle version de LMDZ omprenant les paramétrisations du modèle duthermique nuageux pour la ou he limite (Rio and Hourdin (2008)), la versionmodiée du s héma de Emanuel (1991) pour la onve tion profonde ainsi que lesparamétrisations des po hes froides (Grandpeix and Lafore (2010)), est omparéeà la version standard (STDPHY) et aux observations à Dakar.Sur la gure 5.13, est représenté le y le diurne moyen des pré ipitations dansles observations (en rouge), version standard LMDZ (en vert) et nouvelle version(en bleu). Le y le diurne est bien marqué dans les pluies observées ave un pi dominant entré vers 18h heure lo ale, et deux pi s se ondaires situés à 11h et00h. En se reférant à la gure 5.7, on onstate qu'on enregistre sur les deux pi sde 18h et 11h le même nombre d'événements pluvieux ave plus d'intensité dansle pi de 18h que elui de 11h. Les événements enregistrés sur les pi s de 11h et00h ont donné de faibles pré ipitations assimilables aux systèmes onve tifs en nde vie.Dans le modèle LMDZ ontenant les nouvelles paramètrisations, le y le diurneest bien marqué ave des maximums de pré ipitations enregistrés vers 17h-18h alorsque la version standard a son maximum de pré ipitations vers 14h-15h (g.5.13).


0 500 1000 1500 2000 2500 3000 35000

1

2

3

4

5

6

7

8

9

10

Distance (km) from the generation location to Dakar

Occ

urre

nce

MCS reaching Dakar between 15h−18h

0 500 1000 1500 2000 2500 3000 35000

1

2

3

4

5

6

Distance (km) from the generation location to Dakar

Occ

urre

nce

MCS reaching Dakar between 09h−12h or 22h−01h

0 10 20 30 40 50 600

1

2

3

4

5

6

7

8

9

10

Time (hrs) spent from generation to Dakar

Occ

urre

nce


0 10 20 30 40 50 600

1

2

3

4

5

6

7

8

9

10

Time (hrs) spent from generation to Dakar

Occ

urre

nce


0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4

x 107

0

2

4

6

8

10

12

Cumulated surface of the MCS

Occ

urre

nce


(a) 15h - 18h 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4

x 107

0

1

2

3

4

5

6

Cumulated surface of the MCS

Occ

urre

nce


(b) 9h - 12h et 23h - 01hFigure 5.12 Histogramme des distan es et des temps de propagation des systèmesnuageux depuis leur lieu de naissan e jusqu'à la région du réseau de pluviographes ;histogrammes des surfa es umulées sur tout le y le de vie, pour les systèmesnuageux pré ipitants dans le réseau entre 15h et 18h (a) ; et dans les intervalles detemps 9h-12h et 23h-1h (b)


2 4 6 8 10 12 14 16 18 20 22 240

0.2

0.4

0.6

0.8

1

1.2

Heure locale (h)

Plu

ie (

mm

/h)

Cycle diurne moyen a Dakar en Aout et Septembre 2006

GaugeNEWPHYSTDPHY

Figure 5.13 Cy le diurne moyen des observations (en rouge), nouvelle versionLMDZ (en bleu) et LMDZ standard (en vert)Il y a don un dé alage du maximum de pré ipitations entre les deux versions dûaux nouvelles paramètrisations. Ce i onrme les résultats de Rio and Hourdin(2008) trouvés dans le as 1D. L'amélioration du y le diurne des pré ipitationsne se limite pas seulement au dé alage du maximum de onve tion. On note aussique dans la nouvelle version, le dé len hement de la onve tion est retardé à 12hpar rapport à la version standard (10h). Et sur l'an ienne version, la onve tions'arrête prématurément vers 18h, alors qu'elle est entretenue jusque tard dans lanuit vers 22h dans la nouvelle version en onformité ave les pré ipitations obser-vées.Sur la gure 5.14, on représente l'heure du maximum de probabilité du débutd'événement pluvieux et l'heure du maximum de probabilité du maximum de pré- ipitations sur la période août et septembre 2006. On onstate que le dé alage du y le diurne ave la nouvelle physique n'est pas seulement observé à Dakar mais


STDPHY

Heure du début d’événement pluvieux

2S

EQ

2N

4N

6N

8N

20N

18N

16N

14N

12N

10N

20W 15W 10W 5W 0 5E 10E 15E 20E4S

0 2 4 6 8 10 12 14 16 18 2220(a) STDPHY

Heure du maximum de précipitations

EQ

4S

2S

4N

10N

20N

18N

16N

14N

12N

8N

6N

2N

20W 15W 10W 5W 0 5E 10E 15E 20E

0 2 4 6 8 10 12 14 16 18 20 22(b)NEWPHY

Heure du début d’événement pluvieux

2S4S

EQ

2N

4N

6N

8N

20N

18N

16N

14N

10N

20W 15W 10W 5W O 5E 10E 15E 20E

12N

0 2 4 6 8 10 12 14 16 18 20 22( ) NEWPHY

Heure du maximum de précipitations20N

18N

16N

14N

12N

10N

8N

6N

4N

2N

EQ

4S

2S

20W 15W 10W 5W 0 5E 10E 15E 20E

0 2 4 6 18 222012 1614108 (d)Figure 5.14 A gau he, heure lo ale du maximum de probabilité du début d'évé-nement pluvieux dans l'an ienne version (a) puis nouvelle physique ( ) du modèleLMDZ durant août et septembre 2006 ; à droite, heure lo ale du maximum de pro-babilité du maximum de pré ipitations dans l'an ienne physique (b) puis nouvellephysique (d) pour la même période.

Cy le diurne de la onve tion en Afrique de l'Ouest 137sur toute la région Ouest Afri aine. On voit globalement sur le ontinent que ledébut d'événement pluvieux est retardé d'environ de 2h pour la nouvelle physiquepar rapport à l'an ienne version. Le pi des pré ipitations enregistré entre 14h et16h est maintenant plus tardif dans la nouvelle physique et se situe entre 17h et18h.Comme évoqué pré édemment, la propagation des systèmes onve tifs n'estpas représentée dans le modèle LMDZ. Sur la gure 5.15 (en haut et à gau he),on sépare le y le diurne orrespondant aux systèmes onve tifs ayant par ourumoins de 200 km, moins de 500 km et plus de 500 km. On onstate que les sys-tèmes de moins de 500 km ont un pi entré vers 18h et très semblable au y lediurne total. Par ontre, les systèmes dits propagatifs, ont un pi entré vers 10h.En regardant l'o uren e des événements onve tifs (g.5.15, en haut à droite),on a un pi entré vers 18h pour les systèmes lo aux et aussi propagatifs. Celamontre que les systèmes dits propagatifs arrivant à Dakar vers 18h donnent moinsde pluies que les systèmes qui ont par ouru moins de 500 km. Peu de systèmespropagatifs arrivant à Dakar vers 10h donnent des pluies importantes. Ave erésultat du maximum de onve tion noté vers 18h par les systèmes lo aux, nouspouvons évaluer le y le diurne du modèle LMDZ. Ainsi sur la gure 5.15 (en basà gau he) où est représenté le y le diurne moyen des pré ipitations par événementpluvieux, la nouvelle version simule mieux le maximum de onve tion situé vers17h que l'an ienne version (13h) omparé aux observations. Ce même résultat estretrouvé sur la gure 5.15 (en bas à droite) où est représenté le y le diurne dupour entage des pré ipitations totales an d'éliminer la variation due à l'é art-typedes événements onve tifs.5.6 Analyse du y le diurne dans le modèle LMDZ à DakarL'amélioration de la représentation du y le diurne de la onve tion dans lanouvelle version du modèle peut être attribuée aux nouvelles paramétrisations qui


0 5 10 15 200

5

10

15

20

25

30

35

Local time (hrs)

Rai

n ra

te (

mm

/hr)

< 200 km< 500 km> 500 km

(a) 0 5 10 15 200

1

2

3

4

5

6

7

8

Local time (hrs)

Occ

urre

nce

of p

reci

pita

ting

clou

d sy

stem

s

< 200 km< 500 km> 500 km

(b)

0 5 10 15 200

10

20

30

40

50

60

70

80

local time (hrs)

prec

ipita

tion

per

even

t

STDPHYNEWPHY

( ) 0 5 10 15 200

5

10

15

20

25

30

local time (hrs)

perc

enta

ge o

f tot

al p

reci

pita

tion

STDPHYNEWPHY

(d)Figure 5.15 Cy le diurne moyen dû aux systèmes lo aux et propagatifs observéssur le réseau dense entre août et septembre 2006 ; (a) systèmes lo aux en traitspleins, systèmes propagatifs en tiretés ; (b) o uren e des systèmes lo aux (entraits pleins) et propagatifs (en tiretés) sur la zone dense pour la même période ;( ) y le diurne moyen sur la même période des pré ipitations par événement dumodèle sur le point de grille de Dakar (nouvelle version en trait plain et an ienneversion en tiretés ; (d) y le diurne moyen sur la même période du pour entage despré ipitations du modèle sur le point de grille de Dakar (nouvelle version en traitplain et an ienne version en tiretés

Cy le diurne de la onve tion en Afrique de l'Ouest 139 omprennent des pro essus physiques lés du y le de vie des systémes onve tifs, omparées à la simulation du modèle standard. Le premier pro essus est l'appro-fondissement progressif de la ir ulation thermique de la ou he limite, qui estasso ié à un assé hement pro he de la surfa e, une humidi ation de la ou hed'inversion et la présen e des umulus, pré onditionnant tard dans la matinée la onve tion profonde. Le se ond pro essus est la formation des po hes froides soute-nues par des des entes pré ipitantes et jouant ainsi un rle lé dans l'initialisationdes nouvelles ellules onve tives.Les thermiques de la ou he limite sont expli itement représentées via le mo-dèle des thermiques de Rio and Hourdin (2008). Le transport dans la ou he limite onve tive est pris en ompte par un pana he as endant moyen, se mélangeant ave son environnement à haque niveau et entraînant par la ottabilité, en haut duquelles umulus se forment (LeMone, 1973).La formation des po hes froides en dessous des systèmes onve tifs est repré-sentée par la paramétrisation de Grandpeix and Lafore (2010). Les po hes froidessont entretenues par l'évaporation des pré ipitations dans les des entes pré ipi-tantes du s héma d'Emanuel (1991). D'une part, elles suppriment les umulus baspar la stabilisation de la ou he limite. D'autre part, leur front de raale fournitune énergie de soulèvement (ALE) initialisant des nouvelles ellules onve tives.Pour la suite de e hapitre, toutes les gures orrespondent au y le diurnemoyen. Sur la gure 5.16 est représentée la variation diurne des pré ipitations onve tives (en noir) et de grande é helle (en rouge) pour les deux versions dumodèle. Les pré ipitations onve tives dans l'an ienne version sont initialisées vers12h00 et atteignent leur maximum à 14h00 pour s'arrêter vers 17h00. Dans lanouvelle version, elles sont initialisées vers 14h00 pour atteindre le maximum entre16h00 et 19h00 et ontinuent tard jusqu'après minuit. Quant aux pré ipitations de

Cy le diurne de la onve tion en Afrique de l'Ouest 140grande é helle, elles sont quasi-nulles dans l'an ienne version et légères entre 3h00et 14h00 dans la nouvelle version.

Figure 5.16 Variation diurne des pré ipitations (mm/h) onve tives (en noir)et de grande é helle (en rouge) pour l'an ienne version (à gau he) et la nouvelleversion (à droite)La gure 5.17 montre le taux de hauage onve tif asso ié aux diverses pa-ramétrisations physiques, notamment la turbulen e, la onve tion, les systèmesorganisés de grande é helle et le rayonnement pour les simulations de la versionstandard (à gau he) et nouvelle version (à droite). Dans la nouvelle version dumodèle LMDZ, nous avons un fort ré hauement de la ou he de mélange et unrefroidissement au sommet. Le transport verti al dans les thermiques est om-pensé par une subsiden e au sein de l'environnement des pana hes, apportant del'air haud et se de la troposphère libre à la surfa e. Cela onduit à un ré haue-ment progressif et à l'assé hement de la surfa e de 08h00 à 17h00 dans les nouvellesparamétrisations, plus fort que dans l'an ienne version du modèle. Il en résulte uneplus grande inhibition onve tive, retardant l'apparition de la onve tion profondependant plusieurs heures. Une fois la onve tion profonde démarrée, les po hesfroides formées dans les basses ou hes, refroidissent et humidient la basse ou he

Cy le diurne de la onve tion en Afrique de l'Ouest 141 omme montré dans la gure 5.17. Le taux de hauage asso ié montre égalementque la onve tion est maintenue jusqu'à minuit alors qu'elle s'arrête à 18 heuresdans l'an ienne version. Ce i peut être expliqué lors de l'examen de l'évolutiondiurne de l'énergie de soulèvement et de la puissan e fournie par les thermiqueset les po hes froides sur la gure 5.18. On note ainsi sur ette gure 5.18 queles thermiques de la ou he limite fournissent l'énergie né essaire pour initier la onve tion en début d'après-midi. La onve tion profonde onduit alors à l'initia-tion des des entes pré ipitantes et des po hes froides vers 14h00, et qui fournissentsusamment d'énergie pour entretenir la onve tion jusque après minuit.

Figure 5.17 Cy le diurne moyen sur août et septembre 2006 du taux de hauage onve tif Q1 en K/j pour l'an ienne version (à gau he) et la nouvelle version (àdroite)Dèsqu'elles se sont formées, les po hes froides fournissent susamment d'ener-gie pour entretenir la onve tion profonde jusqu'à tard dans la soirée, même aprèsl'extin tion thermique, et la puissan e de soulèvement supplémentaire ontribue àretarder le maximum d'intensité de la onve tion profonde en n de journée (Rioand Hourdin (2008)).Sur la gure 5.19 est représentée l'évolution diurne de la température poten-tielle et de l'humidité spé ique au niveau de la première ou he (en haut) et à1.5 km (en bas). Près de la surfa e, le hauage et l'assé hement progressifs de la ou he limite de 9h00 à 17h00 est plus intense dans la nouvelle version du modèle


Figure 5.18 Cy le diurne moyen de l'énergie potentielle de soulèvement (J/kg)et de la puissan e (W/m2) de soulèvement pour la ou he limite (en noir) et lespo hes froides (en rouge) dans la nouvelle version du modèle LMDZet sont dûs au modèle du thermique de Rio and Hourdin (2008), qui transporte la haleur et l'humidité des basses ou hes vers les niveaux supérieures (le hauageest dû à une plus forte subsiden e de ompensation). Cet assé hement de la ou hede surfa e est en relation ave le retard de l'initiation de la onve tion profonde(la CIN devrait augmenter).Au sommet vers 1.5 km, la ou he limite se refroidit et s'humidie dans lanouvelle version du modèle. La onve tion profonde est pré onditionnée par lerefroidissement et l'humidi ation des basses ou hes nuageuses. La gure 5.20 oùest représentée la hauteur de la ou he limite, onrme la roissan e plus rapideet plus profonde de la ou he limite dans les nouvelles paramétrisations.5.7 Con lusionLa dis rimination des systèmes lo aux et propagatifs a permis de faire la om-paraison des systèmes lo aux ave le modèle qui ne représente pas pour le moment


(a) Niveau de la première ou he

(b) Niveau 1.5 kmFigure 5.19 Cy le diurne moyen de la température potentielle (K) et de l'humiditéspé ique (g/kg) au niveau de la première ou he (a) et à 1.5 km (b) pour la versionstandard (en noir) et nouvelle version (en rouge)


Figure 5.20 Cy le diurne moyen de la hauteur (m) de la ou he limite pour laversion standard (en noir) et nouvelle version (en rouge)la propagation des systèmes onve tifs. Ainsi le y le diurne des systèmes lo aux orrespond au y le diurne du modèle omportant les nouvelles paramétrisationsphysiques, ave un pi dans l'après-midi. Le y le diurne moyen est bien marquévers 18h00 lo ales dans les pré ipitations enregistrées par les pluviographes de Da-kar pour les systèmes lo aux. Ave les nouvelles paramétrisations, le maximum de onve tion est enregistré vers 17h00 alors qu'il est à 15h00 dans l'an ienne ver-sion. La simulation du y le diurne des pré ipitations onve tives sur la terre estdon améliorée lorsque l'on onsidère le rle de la ou he limite thermique dansle pré onditionnement de la onve tion profonde et des po hes froides dans sonmaintien. Ce i ontribue à représenter le maximum observé dans les pré ipitationsen n d'après-midi. La prolongation de la onve tion profonde tard dans la journéepeut également onduire à une meilleure représentation des en lumes nuageuseset stratiformes asso iés aux pré ipitations. En outre, une fois in luse, la propaga-tion d'un point de grille à l'autre des lignes de grains asso iées aux po hes froidesse propageant vers l'ouest pourrait grandement améliorer la représentation desmaxima de onve tion et des pré ipitations pendant la nuit.

CHAPITRE 6INITIALISATION DE LA CONVECTION DANS LE MODÈLELMDZPour la validation du modèle et la omparaison des simulations aux observa-tions de la ampagne AMMA 2006, on utilise des simulations guidées par les ré-analyses du Centre Européen et omportant les nouvelles paramétrisations. Cetteméthode permet de disposer de simulations qui sont en phase ave les observationsen terme d'organisation à grande é helle de la ir ualtion, sous réserve que lesréanalyses soient susamment ables de e point de vue, e qui est à priori le aspour l'été 2006 où le nombre des radiosondages était trés important.En revan he, es simulations ne permettent pas de lo aliser orre tement lessystèmes onve tifs et e pour deux raisons. D'abord les réanalyses elle-mêmes ne ontiennent pas es informations. Ensuite, même si les réanalyses les ontenaient,le guidage par les seules variables de grande é helle ( omposantes du vent) tel qu'ilest réalisé pour le moment ne surait pas for ément à initier la onve tion au bonendroit à la bonne période.Or :1) il existe à présent des produits observationnels donnant la lo alisation desnaissan es des systèmes onve tifs. C'est le as par exemple des températures debrillan e du anal 10.8 µm du satellite géostationnaire Météosat de Se onde Gé-nération (MSG) ;2) l'introdu tion arti ielle d'une énergie potentielle de soulèvement dans le mo-dèle permet de dé len her la onve tion arbitrairement à un instant donné.Nous omptons, sur la base de es éléments, mettre en pla e une pro édured'initialisation de la onve tion dans les simulations guidées. Il s'agit pour nous,

Initialisation de la onve tion dans le modèle LMDZ 146d'utiliser les températures de brillan e de MSG pour déte ter les zones de onve -tion. Pour ela un seuil de 233 K est xé et tout pixel plus froid que e seuilest onsidéré omme étant onve tif. Par ette méthode, nous lo alisons les pixelsplus froids que 233 K dans la zone Ouest Afri aine sur la période onsidérée (parexemple septembre 2006). Ainsi, le modèle LMDZ est for é par es nouvelles zones onve tives à haque pas de temps du modèle. Les pas de temps du modèle étantde 15 minutes, la valeur for ée est maintenue pendant 1h avant un nouveau rap-pel. Chaque fois qu'un pixel froid est déte té, une valeur arbitraire de ALE (parexemple ALE = 500 Jkg−1, telle que ALE + CIN > 0) est imposée pour for erle dé len hement de la onve tion à et endroit et e moment pré is.L'obje tif est double :1) réaliser une "réanalyse" de la ampagne AMMA 2006 omprenant à la fois une ontrainte sur la grande é helle issue des observations (notamment des radioson-dages) via les réanalyses du Centre Européen et une ontrainte sur la lo alisationdes systèmes onve tifs ;2) étudier le y le de vie des systèmes onve tifs dans le modèle LMDZ sur l'Afriquede l'Ouest. Avoir le dé len hement au bon endroit, au bon moment permet de va-lider le y le de vie des nuages simulés et apporte don des ontraintes sur lesparamétrisations physiques.6.1 Méthodes d'initialisation et d'assimilationL'initialisation permet de diminuer le spinup au début de l'intégration d'unmodèle, en rendant les diérentes variables de l'état initial ohérentes entre elleset ompatibles ave les prin ipales propriétés du modèle. En eet, le spinup estun problème inhérent aux modèles de prévision. Il est dû aux in ompatibilitésdes hamps initiaux ave les équations dynamiques et physiques du modèle. Dans ette partie, nous mettrons l'a ent sur l'initialisation physique, qui on erne plus

Initialisation de la onve tion dans le modèle LMDZ 147parti ulièrement les variables impliquées dans les pro essus physiques, telles quel'humidité, la pré ipitation ou la divergen e.En eet, il existe diérentes appro hes. L'appro he appelée initialisation phy-sique par Krishnamurti et al. (1991) permet de réduire le spinup tout en améliorantles analyses d'humidité. Des méthodes plus ré entes se basent sur l'assimilation va-riationnelle et sont dé rites dans le paragraphe 6.2.2. Enn notre appro he d'ini-tialisation est dé rite dans le pragraphe 6.2.3.6.1.1 L'initialisation physiqueL'initialisation physique introduite par Krishnamurti et al. (1991) est une mé-thode d'initialisation plus adaptée aux régions tropi ales. La pro édure d'initiali-sation onsiste en une su ession d'opérations dénissant dans le modèle des uxde surfa e, des pré ipitations, des ux radiatifs et des hamps de divergen e ohé-rents. Ainsi, Krishnamurti et al. (1991) ommen ent par réaliser des analyses depré ipitations à partir des mesures de pluviomètres et de données d'OLR, puis desdonnées de mi ro-ondes (Krishnamurti et al., 1993). Ensuite, le ux d'humiditéde surfa e est al ulé par la diéren e entre le taux de pré ipitations estimé, et lepuits d'humidité apparent intégré. Cette humidité est ensuite re onstruite sur laverti ale à partir des pré ipitations, en utilisant l'algorithme inverse de paramé-trisation de umulus. Après ette estimation, l'humidité de la haute troposphèreest orrigée par des données OLR, suivant une méthode itérative qui minimisela diéren e entre OLR mesurée par le satellite et l'OLR simulée par le modèle.Enn, l'élément entral de la pro édure d'initialisation physique pour la rédu tiondu spinup est une te hnique de relaxation newtonnienne, qui permet d'ajuster les hamps de pression de surfa e, de vorti ité et plus parti ulièrement de divergen e,aux nouveaux hamps physiques. Cette initialisation physique est trés e a e pourla diminution du spinup et a l'avantage d'être peu oûteuse numériquement.

Initialisation de la onve tion dans le modèle LMDZ 1486.1.2 L'assimilation variationnelleL'assimilation variationnelle est une méthode d'assimilation des données ré-pondant à deux ritères :- le premier d'entre eux onsiste à respe ter la ohéren e des relations mathéma-tiques qui lient les diérentes données météorologiques et qui omposent le modèlenumérique de prévision . L'assimilation des données tridimensionnelles (3D-VAR)s'ee tue à des instants séparés par des intervalles de temps xés et apporte à esinstants des re ti ations aux résultats du modèle : le premier ritère de l'assimi-lation variationnelle vient alors imposer que es re ti ations restent ompatiblesave les relations mathématiques in luses dans le modèle ainsi qu'ave les al ulsinformatiques qui en dé oulent, e i an de ne pas introduire des inexa titudes quise propageraient dans les al uls relatifs aux é héan es suivantes et qui en fausse-raient les résultats ;- le deuxième ritère tient ompte de e que l'atmosphère est une entité ontinue : haque modi ation apportée en un point de sa représentation doit don entraînerune re ti ation des valeurs obtenues par le modèle en ha un des autres points dudomaine de prévision , aussi distants soient-ils (et non pas seulement aux pointsimmédiatement voisins du point onsidéré, omme le font les méthodes d'assimi-lation par simple interpolation).La méthode d'assimilation ainsi dénie prend le nom d'assimilation variation-nelle 3D-Var lorsqu'elle ne prend en ompte dans la mar he du modèle que lesdonnées d'observation obtenues à une é héan e donnée ( elle où s'ee tue la re ti- ation), de sorte que les modi ations qu'elle apporte ne on ernent que les troisdimensions de l'espa e à un instant donné. Elle porte par ontre le nom d' assimi-lation variationnelle quadridimensionnelle (en abrégé : 4D-Var) lorsqu'elle prenden ompte des données arrivant en ontinu, 'est-à-dire à des instants diérents de elui de l'é héan e où s'appliquent les re ti ations : en sus des trois dimensionsde l'espa e, elle intègre alors la dimension "temps". L'assimilation variationnelle

Initialisation de la onve tion dans le modèle LMDZ 1494D-Var fournit pour une période de temps donné la traje toire du modèle dansl'espa e des états, qui s'ajuste au mieux aux observations disponibles pendant ettepériode, tout en respe tant l'ensemble des ontraintes qu'impliquent les équationsdu modèle. L'algorithme d'assimilation 4D-Var onsiste à minimiser une fon tionobje tive qui s'é rit omme la somme de trois distan es ou séries de distan es : ladistan e entre l'état du modèle à l'instant 0 et une première "ébau he" de et état,les distan es entre les observations réalisées aux instants k et les simulations desgrandeurs observées, et les distan es entre les états du modèle aux instants k et lesprévisions de es états. Cette méthode est maintenant utilisée au Centre Européenmais sa mise en oeuvre est trés di ile. Elle ré lame en eet d'énormes moyens de al ul informatique ; de plus la détermination des matri es de varian es- ovarian esdes erreurs d'ébau he, d'observation, et de modélisation, qui pondèrent ha un destermes de la fon tion obje tive est souvent di ile. D'autre part la minimisationde la fon tion né essite le al ul de son gradient, et e al ul pose problème lorsquel'on a aaire à des pro essus à seuil dans le modèle. C'est le as de ertains pro es-sus physiques omme la ondensation, représentés par des fon tions dis ontinueset non dérivables.Pour toutes es raisons des s hémas plus simples que elui de l'assimilation 4D-Var sont adoptés pour l'assimilation des grandeurs physiques. Des auteurs (Mare aland Mahfouf (2000) ; Bauer et al. (2005) ; Bauer et al. (2006)) proposent pour leCentre Européen une pro édure en deux étapes ; un s héma d'assimilation varia-tionnelle à une dimension (1D-Var) utilise des observations de pré ipitation pourrestituer les prols de température et d'humidité d'une olonne atmosphériquedonnée. Et pour éviter les problèmes de minimisation évoqués plus haut, ils ap-pliquent une pro édure semblable à elle de (Fillion and Erri o, 1997) qui améliorela onvergen e du al ul. Puis les prols analysés sont destinés dans la deuxièmeétape à être introduits dans un système d'assimilation variationnelle 4D-Var. Cetteméthode onsiste nalement à simplier les matri es de varian es/ ovarian es, en

Initialisation de la onve tion dans le modèle LMDZ 150dé ouplant dans l'assimilation les pro essus physiques des pro essus dynamiques.Finalement, l'assimilation variationnelle est potentiellement la méthode la pluspuissante pour la résolution des problèmes d'ajustement des variables dans lesmodèles, mais sa mise en oeuvre est trés di ile. Pour ette raison, des méthodesintermédiaires plus simples et moins puissantes sont utilisées pour l'assimilationdes grandeurs physiques. C'est dans ette perspe tive que nous avons implémentéune appro he d'initialisation physique dé rite dans le paragrahe 6.2.3 et qui tiredire tement prot de l'originalité du s héma de onve tion du modèle LMDZ.6.1.3 Etude de la sensibilité du forçage par ALELes diérentes simulations ee tuées ave LMDZ sont réalisées ave une version ouplée des s hémas de onve tion profonde modié d'Emanuel (1991), de ou helimite de Rio and Hourdin (2008) et la paramétrisation des po hes froides deGrandpeix and Lafore (2010). Cette version du modèle est zoomée (environ 80 kmde résoltion en Afrique de l'Ouest) et guidée par les réanalyses du CEPMMT. Dans ette partie, on substitue à l'expression standard ALE = max(ALEbl, ALEwake)une ALE for ée :ALE =

500J/kg si TB < 233K

0 autrement (6.1)Pour permettre à la onve tion de s'initier à partir d'une ou he limite non onve tive, on ajoute un terme à ALP (Available Lifting Power) :ALP = ALPbl + ALPwake + ALPajout (6.2)

Initialisation de la onve tion dans le modèle LMDZ 151ave ALPajout =

0.1Wm−2 si TB < 233K

0 autrementDans un premier temps, nous fabriquons une arte de pixels plus froids que 233K. I i, le pixel froid est un point de grille du modèle où la température du nuage estinférieure à 233 K. Ensuite, à haque instant où un pixel froid est déte té, la valeurde ALE = 500 Jkg−1 est introduite pour for er le dé len hement dans LMDZ etALP est augmentée de 0.1 Wm−2. En l'abs en e de pixels froids, la onve tion est omplétement inhibée dans le modèle en mettant une valeur nulle de ALE. Or, enAfrique de l'Ouest les systèmes se propagent sur plusieurs entaines de kilomètrespendant leur durée de vie. An de ompenser la di ulté des modèles de limat àfaire propager les systèmes onve tifs, nous avons for é notre modèle à tous les pasde temps du modèle et à tous les points de grille ayant des pixels les plus froidsque 233 K ave ALE = 500 Jkg−1. Nous allons dans ette partie étudier l'inuen ede ette variable sur les pré ipitations.L'obje tif est de reproduire de façon plus réaliste les événements onve tifs du-rant ette période.Dans e qui suit nous allons omparer trois types de simulations. Dans le pre-mier as, le modèle a sa ongurartion standard : ALE et ALP sont déterminéespar les paramètres de ou he limite et de ourant de densité. Dans le se ond, ALEet ALP sont for ées suivant les équations (6.1) et (6.2), ave remise à jour deTB toutes les heures. Pour e as, le dépla ement des systèmes onve tifs est im-posé ; ependant le modèle ne simule pas vraiment une propagation puisque les ourants de densité renaissent lorsqu'une nouvelle maille devient onve tive, aulieu de poursuivre la vie des ourants de densité in idents. Enn dans la troisième,

Initialisation de la onve tion dans le modèle LMDZ 152ALE et ALP sont for ées pendant six heures puis déterminées par les paramètresde ou he limite et de ourant de densité. Sur ette simulation, le modèle ne re-présentant pas la propagation, on ne peut espérer une prévision orre te que pourdes systèmes stationnaires.Les pré ipitations obtenues du modèle seront omparées aux pré ipitations es-timées par satellite (EPSAT-SG).6.2 Analyse ave LMDZ6.2.1 Représentation de la onve tionLa simulation des zones onve tives dans le modèle à 2h, 12h et 18h du 1septembre 2006 utilisant l'initialisation physique ( f paragraphe 6.2.3) est bien ohérente ave les zones onve tives déte tées par MSG (gure 6.2) prouvant l'ef- a ité de ette appro he. Le modèle sans initialisation physique n'arrive pas àfaire de la onve tion à 2h. On note à midi une large étendue où la onve tionprofonde est présente dans le modèle sans initialisation au niveau du ontinent,matérialisée par une énergie potentielle de soulèvement supérieure à l'inhibition onve tive. Cette onve tion à midi sur le ontinent est bien atténuée dans la ver-sion initialisée en onformité ave la zone onve tive déte tée par MSG. A 18h, lazone de onve tion dans le modèle initialisé reste toujours ohérente ave MSG.Le hamp de pré ipitations dans le as où le modèle est initialisé, représentésur la gure 6.3, a une stru ture semblable à elle des pluies EPSAT-SG à 2h du1 septembre 2006. Cette stru ture est bien plus pro he des observations que elleobtenue sans initialisation du modèle. L'initialisation physique adoptée dans etteétude, permet au modèle de faire de la onve tion pendant ette période de lanuit. Toutefois, le modèle LMDZ libre ( 'est-à-dire sans initialisation) sous-estime

Initialisation de la onve tion dans le modèle LMDZ 153

(a) 18h

(b) 20h

( ) 22hFigure 6.1 TB du anal 10.8 µm de MSG du 1 septembre 2006 à 18h, 20h et 22h


(a) 2h

(b) 12h

( ) 18hFigure 6.2 Dete tion de la onve tion du 1 septembre 2006 ; à gau he, nombre depoints (environ 80 x 80 km2) plus froids que 233K dére tés par MSG ; au entreALE+CIN (J/kg) pour le modèle ave initialisation de tous les pas temps dumodèle ; à droite ALE+CIN (J/kg) pour le modèle sans initialisation

Initialisation de la onve tion dans le modèle LMDZ 155les amplitudes et l'étendue spatiale latitudinale des pré ipitations sur le ontinentdurant la nuit et surestime ave le maximum de rayonnement durant la journée.Malgré une stru ture satisfaisante qualitativement, les valeurs des pré ipitationssont sous-estimées au niveau des zones montagneuses (Mont Cameroun 4N-11N ;9E-12E).A midi et 18h, le hamp de pré ipitations dans le modèle initialisé restent tou-jours ohérente ave EPSAT-SG. Par ontre, dans le as du modèle libre, on noteà midi une tendan e à surestimer l'étendue et l'intensité des pré ipitations sur le ontinent. Cela s'est beau oup tassé dès 18h ave le ou her du soleil.En initialisant le modèle à haque pas de temps pendant 6h et puis en la hantle modèle, on note sur la gure 6.5 que le modèle oublie l'état initié et représentedéjà à midi la onve tion omme dans le as du modèle libre. Ce i montre d'unepart, que le modèle est toujours dans la logique d'oublier l'état initial, et d'autrepart que les nouvelles paramétrisations (Grandpeix and Lafore (2010)) dans la onguration retenue ne permettent pas en ore d'entreteinir la onve tion ar ne réant pas assez de po hes froides à et eet (gure 6.4).6.2.2 Pro essus de mélange dans les paramétrisationsDans ette se tion, on analyse plus parti ulièrement la journée du 1 Septembre2006 sur un point (15W ; 14.5N) pro he de Dakar ave le modèle LMDZ ontenantles nouvelles paramétrisations et guidé ave les réanalyses du CEPMMT. En epoint, la onve tion observée par TB n'apparait qu'à 20h. La simulation ave ALEfor ée impose don ALE = 0 jusqu'à 20h, puis ALE = 500J/kg ensuite. La mé-thode utilisée est elle évoquée dans le paragraphe 6.2.3. Cette méthode mar he en e sens que la onve tion profonde ne se dé len he qu'à partir de 20h sur le point(15W ; 14.5N) pro he de Dakar (g.6.1).


(a) 2h

(b) 12h

( ) 18hFigure 6.3 Pré ipitations (mm/h) du 1 septembre 2006 ; à gau he, EPSAT-SG(mm/h) ; au entre, pluies (mm/h) pour le modèle ave initialisation de tous lespas temps du modèle ; à droite, pluies (mm/h) pour le modèle sans initialisation


(a) 2h

(b) 12h

( ) 18hFigure 6.4 Nombre de pixels (environ 80 x 80 km2) plus froids que 233 K dé-re tés par MSG à gau he ; au milieu ALPwake en (Wm−2) pour le modèle ave initialisation ; à droite ALPwake en (Wm−2) pour le modèle sans initialisation


(a) 2h

(b) 12h

( ) 18hFigure 6.5 ALE+CIN (J/kg) à gau he ; au milieu pré ipitations (mm/h) et àdroite ALPwake en (Wm−2) pour le modèle ave initialisation à haque pas detemps du modèle pendant six heures

Initialisation de la onve tion dans le modèle LMDZ 159Dans un premier temps, nous ee tuons des simulations où l'énergie et la puis-san e de soulèvement sont produites par les pro essus sous-jas ents an de dé len- her et de maintenir la onve tion. La gure 6.6 donne l'évolution sur la verti aleet dans le temps des tendan es en température et en humidité liées au s héma de onve tion profonde, ainsi que l'eau liquide nuageuse et la ouverture nuageuse ob-tenues au point de grille pro he de Dakar (15W ; 14.5N). La onve tion de ou helimite se dé len he dès 10h et devient profonde à partir de 12h pour atteindre sonmaximum vers 14h. Chaleur et humidité sont transportées des basses ou hes versla moyenne et haute troposphère où le taux de hauage atteint 50 Kj−1 et letaux d'assè hement 60 Kj−1. Dans la ou he limite, l'équilibre entre as endan e onve tive, des entes pré ipitantes et subsiden e ompensatoire induit un assé he-ment. Nous avons deux ou hes de nuages : nuages de ou he limite et nuageshauts. La ouverture nuageuse asso iée est inférieure à 20 %, sauf vers 200 hPaoù elle atteint 50 %. A partir de 18h, la onve tion faiblit et disparaît peu après 20h.L'appro he d'initialisation physique utilisée dans la simulation permet au mo-dèle de dé len her la onve tion au bon endroit à la bonne période. Les mêmes hamps que eux de la gure 6.6 sont présentés sur la gure 6.7. Jusqu'à 16h,nous simulons une onve tion peu profonde grossissant progressivement, jusqu'àatteindre 2 km d'épaisseur vers 16h. Ensuite, on simule une phase de onve tionmoyenne montant jusqu'à 400 hPa, dont le résultat est essentiellement de hauer(et assé her) la ou he limite et de refroidir (et humidier) la troposphère libreentre 800 hPa et 400 hPa. A 20h, lorsque le s héma de onve tion profonde sedé len he, l'atmosphère est instable jusqu'à 400 hPa et pas plus haut. On obtientune onve tion à 20h qui plafonne à 400 hPa et s'intensie vers 22h. Les premiersnuages apparaissent vers 20h aux alentours de 800 hPa, et se développent ensuitepour atteindre 400 hPa à 22h. Dans ette simulation ave initialisation, on em-pê he en fait la onve tion profonde, mais le s héma du thermique simule une onve tion moyenne qui refoidit et humidie la ou he 800 - 400 hPa, e qui fait


Figure 6.6 Dakar, 1er septembre 2006 ; sour e de haleur (Q1 en K/j) (a), puitsd'humidité (Q2 en K/j) (b), eau nuageuse en g/kg ( ) et ouverture nuageuse en(%) (d) obtenus ave la simulation libre du modèle LMDZ

Initialisation de la onve tion dans le modèle LMDZ 161ensuite que la onve tion profonde est limitée à 400 hPa. Ainsi, les basses ou hesde l'atmosphère sont progressivement ré hauées (50 Kj−1) et assé hées jusqu'à80 Kj−1, tandis que la partie supérieure de la ou he limite s'est humidiée (60Kj−1) et s'est refroidie (autour de 40 Kj−1). Au oeur du nuage, l'eau liquideest de 0.5 gkg−1 et la ouverture nuageuse asso iée atteint 80 %. Cette simulationpermet de onstater que le modèle génère de la onve tion profonde dépassant leniveau 500 hPa durant la nuit. Le réglage du dé len hement de la onve tion parALE est né essaire pour représenter la onve tion au bon endroit en utilisant laméthode d'initialisation évoquée au paragrahe 6.2.3.Dans une autre appro he, on essaie de valider les paramétrisations de (Grand-peix and Lafore, 2010) en initialisant le modèle pendant les six premières heureset puis laisser les paramétrisations travailler. Sur la gure 6.8 sont représentés lesmêmes hamps que la gure 6.6 et la gure 6.7. La onve tion se dé len he dès10h et s'intensie à partir de 13h pour atteindre son maximum vers 16h. Cha-leur et humidité sont transportées des basses ou hes vers la moyenne et hautetroposphère où le taux de hauage dépasse 30 Kj−1 et le taux d'humidi ation50 Kj−1. L'eau liquide apparaît dès 800 hPa et s'étend jusqu'à 100 hPa ave unmaximum de 0.8 gkg−1 autour de 400 hPa. La ouverture nuageuse asso iée atteint50 % est se lo alise spé iquement vers 200 hPa.6.2.3 Prols verti aux des variables thermodynamiquesPour mieux omprendre les pro essus dans notre s héma de onve tion, les pro-ls verti aux de la vitesse verti ale, Q1 (sour e de haleur), température potentielleet de l'humidité relative à diérentes heures de la journée pour l'ensemble des si-mulations sont représentés respe tivement sur la gure 6.9 et 6.10. Pour simplierles gures, nous noterons : "Init" pour initialisation toutes les pas de temps, "prev"pour initialisation des six premières heures et "Sans" pour le as non initialisé. Sur


Figure 6.7 Dakar, 1er septembre 2006 ; sour e de haleur asso iée aux pro essus(Q1 en K/j) (a), puits d'humidité (Q2 en K/j) (b), eau nuageuse en g/kg ( ) et ouverture nuageuse en (%) (d) obtenus ave l'initialisation physique du modèleLMDZ à haque pas de temps.


Figure 6.8 Sour e de haleur asso iée aux pro essus (Q1 en K/j) (a), puitsd'humidité (Q2 en K/j) (b), eau nuageuse en g/kg ( ) et ouverture nuageuse en(%) (d) obtenus ave l'initialisation physique du modèle LMDZ des 6h premièresheures.

Initialisation de la onve tion dans le modèle LMDZ 164la gure 6.9 où est représentées la vitesse verti ale et Q1 (sour e de haleur), onne note à midi au une as endan e ni au un hauage notable sur les diérentessimulations. A 14h, une as endan e (vitesse verti ale atteignant 0.5 Pa/s) est no-tée dans la version libre ave un hauage de 30 K/j. Cette même remarque surl'as endan e et le hauage est observée dans la version initialisée pendant les sixpremières heures puis la hée. A 16h, au une variation notable n'est observée, maisdès 18h on onstate une subsiden e vers 600 hPa dans le modèle initialisé ave unfort refroidissement. Celle- i s'est a entuée à 20h au niveau 800 hPa. Et sur lesdeux versions libre et initialisée pendant les six premières heures, on n'a pas devariation signi ative. A 22h déjà, une forte as endan e donnant une onve tionprofonde est observée sur le modèle initialisé à tous les pas de temps. Au mêmemoment, le modèle libre ou inititialisé pendant les six premières heures, sont légé-rement subsidents dans les basses ou hes. Sur la gure 6.10 où sont représentéesla température potentielle et de l'humidité relative, et sur toutes les simulations,le modèle ré haue et assé he fortement jusque vers 600 hPa environ les 1500 pre-miers métres. A midi, on ne note au une diéren e entre es diérentes simulationsave un ré hauement et assé hement similaire. Par ontre vers 18h, l'initialisationphysique rend le modèle plus haud et plus se à la surfa e, aboutissant plus tardau même refroidissement que le modèle libre.6.2.4 Conve tion profonde, thermiques et po hes froides6.2.4.1 Sour e de haleur et puits d'humiditéNous traçons i i les termes de 'sour e de haleur' et de 'puits d'humidité' pour omprendre l'a tion de notre modèle ontenant le s héma de onve tion profondemodié d'Emanuel (1991) et le modèle du thermique de Rio and Hourdin (2008).Le terme 'sour e apparente de haleur' noté Q1 orrespond à la somme des ontri-butions des diérents pro essus au hauage de l'atmosphère. De la même façon,le 'puits d'humidité' Q2 orrespond aux diérents pro essus d'assè hement. Cesvariables Q1 et Q2, exprimées en Kj−1 et obtenues par les diérentes simulations


(a) 14h

(b) 18h

( ) 22hFigure 6.9 Vitesse verti ale (Pa/s) et Q1 (K/j) à diérentes heures de la journéeau point de Dakar pour le 1er septembre 2006 dans les simulations ave initia-lisation tous les pas de temps ("Init"), les six premières pas ("prev") ou sansinitialisation ("sans")


(a) 12h

(b) 18h

( ) 22hFigure 6.10 Température potentielle (K) et humidité relative (%) à diérentesheures de la journée au point de Dakar pour le 1er septembre 2006 dans les si-mulations ave initialisation tous les pas de temps ("Init"), les six premières pas("prev") ou sans initialisation ("sans")

Initialisation de la onve tion dans le modèle LMDZ 167sont présentées sur la gure 6.11 à diérentes périodes de la journée (12h, 18h et22h). A 12h Q1 et Q2 des deux simulations libre et initialisée pendant 6h, sont tréspro hes. Le modèle du thermique semble ré hauer le bas de la ou he limite etrefroidir le haut de ette même ou he. Ce ré hauement de la ou he limite esta ompagné d'un fort assé hement. Ainsi, nous avons une onve tion peu profondevers midi. Elle s'est intensiée à 18h ave un refroidissement intense et un hauf-fage important jusqu'au niveau 500 hPa ; 'est la onve tion profonde. Sur es deuxmoments (12h et 18h), il ne se passe rien dans le modèle initialisé à tous les pasde temps horaire. A 22h, on note une onve tion profonde dans le modèle inialiséave un hauage des basses ou hes vers les moyennes ou hes a ompagné d'unassé hement important dans es ou hes. Et en e même moment, il ne se passepresque rien dans les autres versions simulées. Ce i montre que l'initialisation per-met d'inhiber la onve tion se dé len hant ave le maximum de rayonnement pourenn la dé len her au bon moment. Le modèle libre fait pleuvoir dès midi alorsque les observations pré ipitent vers 22h ( f gure 6.12).6.2.4.2 Evolution temporelle des pré ipitationsAn de ompléter l'évaluation des performan es des diérentes simulations,nous omparons l'évolution temporelle de diérentes variables lefs de la onve -tion profonde. Ainsi, les pré ipitations onve tives, l'eau pré ipitable intégrée surla verti ale, ainsi que la CAPE et la CIN sont présentées sur la gure 6.12. Lesrésultats des pré ipitations vont dans le sens de la onve tion déte tée entre 10het 20h dans le modèle libre et entre 20h et 23h ave l'initialisation physique. Ainsi,la nouvelle appro he d'initialisation a permis de dé len her les pré ipitations aumême moment que EPSAT-SG 'est à dire après 20h. L'eau pré ipitable ontenuedans la olonne d'air est du oup trop forte dans la simulation ave initialisationphysique à 22h par rapport au modèle libre. On note aussi que la CAPE est peu onsommée par la onve tion. Même si les simulations diérent par le moment


(a) 14h

(b) 18h

( ) 22hFigure 6.11 Sour e de haleur (Q1 en Kj−1) et puits d'humidité (Q2 en Kj−1)pour diérentes heures et pour les diérentes simulations ave initialisation tous lespas de temps ("Init"), les six premières pas ("prev") ou sans initialisation ("sans").

Initialisation de la onve tion dans le modèle LMDZ 169du dé len hement de la onve tion, la CAPE et la CIN se distinguent peu entrele modèle libre et l'initialisation physique. La CAPE diminue fortement à partirde 14h sur toutes les simulations. Quant à la CIN, elle augmente brutalementdès 16h. On onstate que la dimunition de la CAPE et l'augmention de la CINsont plus rapides dans le as de l'initialisation physique. L'augmentation de la CINdans le as de l'initialisation physique quand la onve tion profonde est dé len héeest onforme à la roissan e déjà remarquée dans Chaboureau et al. (2004), maisqu'on ne retrouve pas du tout ave les nouvelles paramétrisations du modèle. Ona aussi onstaté que le s héma de onve tion profonde onsomme la CAPE maisn'arrive pas à réer de la CIN. Ce i est un défaut des nouvelles paramétrisationsqui semble être orrigé par l'initialisation physique. Pourtant, Rio and Hourdin(2008) ont montré que le modèle ave les thermiques assé hait onsidérablementla ou he de surfa e, e qui devrait favoriser une augmentation de la CIN. Ils ontaussi montré que dès 18h les thermiques s'éteignent et la onve tion profonde n'estplus alimentée. En fait, ave la onve tion profonde, l'évaporation de l'air dans lesdes entes pré ipitantes donne à des po hes d'air plus froid en surfa e. Ainsi espo hes froides doivent aider à entretenir la onve tion tard dans la nuit. Ce quin'est pas le as durant ette journée du 1 septembre 2006 à Dakar. Nous regarde-rons dans le paragraphe suivant, l'inuen e réelle de la paramétrisation de po hesfroides de Grandpeix and Lafore (2010).6.2.4.3 A tion des po hes froides sur la onve tionDans ette partie nous allons essayer de omprendre les diérentes mé anismeset les diérentes onditions né essaires pour le dé len hement de la onve tion.D'après Grandpeix and Lafore (2010), un système onve tif est onstitué d'as- endan es onve tives et de des entes pré ipitantes, mais aussi d'une en lume quise forme à son sommet, ainsi que des po hes froides qui apparaissent dans les


Figure 6.12 Pré ipitations (mm/h), eau pré ipitable (kg/m2), CAPE et CIN(J/kg) dans les simulations ave initialisation tous les pas de temps ("Init"), lessix premières pas ("prev") ou sans initialisation ("sans")

Initialisation de la onve tion dans le modèle LMDZ 171basses ou hes. Ave l'évaporation des pré ipitations refroidissant l'air dans lessubsiden es, une région d'air plus dense est réée en surfa e et s'étale omme un ourant de densité. Cet air froid soulève l'air devant lui permettant ainsi la réationde nouvelles ellules onve tifs. C'est ainsi qu'on parle d'entretien de la onve tiondans la paramétrisation de es po hes froides développée par Grandpeix and La-fore (2010). Dans ette paramétrisation, les po hes froides ne se propagent pas demaille en maille. Chaque maille est subdivisée en deux sous domaines ; la po hefroide et son environnement. La po he froide est ara térisée par une températurepotentielle inférieure d'au moins de 0.2 K à elle de l'environnement. L'inuen edes po hes froides sur la température potentielle et l'humidité spé ique grandeé helle dépend de la fra tion surfa ique des po hes (σw) ainsi que la diéren e devitesse verti ale entre la po he et l'environnement (δw, induite par les des entespré ipitantes de la onve tion). La fra tion surfa ique σw est une variable pro-nostique, dont l'équation d'évolution fait intervenir la densité des po hes froidesdans la maille supposée onstante et la vitesse d'étalement du ourant de densitéC∗. Cette vitesse moyenne de propagation du ourant de densité est proportion-nelle à la ra ine arré de l'énergie potentielle disponible dans le ourant de densité(WAPE). On la al ule en supposant qu'une partie de WAPE est onvertie enénergie inétique suivant :

C∗ = k∗√

2WAPE (6.3)où k∗ est une onstante représentant l'e a ité de la propagation etWAPE = −g

∫ hw

0

δθvθvdz (6.4)où θv est la température potentielle virtuelle et hw la hauteur de la po he déniepar :


2ghw

δθminθ

= −WAPE (6.5)Le taux de roissan e de la fra tion surfa ique des po hes σ est :

∂tσw = 2C∗

√

πDwkσw (6.6)ave Dwk la densité spatiale uniforme des po hes froides.Ces po hes froides sont ouplées au s héma de onve tion via les variables ALEet ALP. L'o uren e et l'intensité de la onve tion dépend de es deux variables.En eet, une fois la onve tion profonde dé len hée par les pro essus de ou helimite, la génération de des entes pré ipitantes liées à la onve tion ainsi que lespo hes froides asso iées ontribuent au maintien de la onve tion ave une énergiede soulèvement fournie et dénie par :

ALEwake = 0.5C2∗

(6.7)Cette énergie sera responsable du maintien de la onve tion en étant supérieureà elle fournie par la ou he limite et surtout dépassant la CIN. La puissan e desoulèvement fournie par la po he froide s'ajoute à elle fournie par la ou he limitepour déterminer l'intensité de la onve tion par l'intermédiaire du ux de masse àla base de la olonne onve tive. Cette puissan e est dénie par :

Initialisation de la onve tion dans le modèle LMDZ 173ALPwake =

kw2C2

∗ρwC∗

LGhwA

(6.8)où LG est la longueur du front de rafale, A la surfa e de la maille.Les po hes froides agissent sur les hamps de température et d'humidité degrande é helle et rétroagissent sur la onve tion par l'intermédiaire de la CIN etde la CAPE, mais aussi sur les pro essus de ou he limite. Les des entes pré ipi-tantes ont lieu dans le sous domaine orrespondant à la po he froide, tandis queles as endan es ont lieu dans son environnement. Ce ouplage des po hes froidesau s héma de onve tion inuen e l'alimentation des as endan es et l'évaporationdans les des entes.L'évolution temporelle de l'énergie et de la puissan e de soulèvement est re-présentée sur la gure 6.13. L'énergie de soulèvement fournie par la ou he limitereste faible jusque vers 11h où elle atteint une valeur supérieure à la CIN. Ce dé-passement de la CIN dé len he la onve tion et rée par la suite des po hes froidesfournissant une énergie de soulèvement trés forte supérieure à 60 J kg−1 dans lemodèle libre et ave une initialisation des six premières heures. La puissan e four-nie par la ou he limite au moment du dé len hement est de l'ordre de 0.26 W

m−2. La puissan e fournie par la ou he limite ommen e alors à dé roître pen-dant que elle fournie par les po hes froides se met à roître, pour atteindre 0.12 Wm−2 vers 16h, au moment où les thermiques s'éteignent. La puissan e fournie parles po hes froides dé roit alors progressivement jusqu'à 22h. Dans la simulationave l'initialisation physique, le résultat est totalement diérent. La ou he limitefournit la même énergie et même puissan e que dans les simulations pré édentes,alors que les po hes froides sont réées vers 20h au moment où les thermiques sontéteints. Ces po hes froides fournissent une énergie de soulèvement atteignant plus

Initialisation de la onve tion dans le modèle LMDZ 174de 30 J kg−1 mais ave une puissan e de l'ordre de 0.02 W m−2.Sur la gure 6.14 est représenté ALE + CIN donnant le moment du dé len- hement de la onve tion et aussi le ux de masse as endant saturé. Les résultatstrouvés pré édemment sont orrmés ave un dé len hement de la onve tion versmidi pour les deux simulations libre et ave initialisation des six premières heures,ainsi que vers 20h pour la simulation ave initialisation physique. Le ux de masseas endant reste nul à 12h et 18h au moment où la onve tion n'est pas en oredé len hée et est important à partir de 20h dans le as de l'initialisation. Ce uxde masse as endant est aussi important entre 12h et 18h dans le as du modèlelibre.6.2.5 Con lusionL'initialisation physique permet de représenter la onve tion au bon endroit àla bonne période. Ainsi, le dé len hement de la onve tion par le ontrle par uneénergie de soulèvement (ALE) imposée à partir d'observation de la lo alisationdes systèmes onve tifs ore une façon simple de for er la onve tion à apparaitreà la bonne heure et bon endroit. En revan he, les ongurations explorées durantla thèse n'ont pas permis d'obtenir un auto-entretien réaliste de la onve tion audela de ette initialisation.Un autre point important de l'initialisation physique reste la fermeture en ALP, ar le ux de masse à la base du nuage dépend de la puissan e de soulèvementfournie par les pro essus sous-jas ents ainsi que des rétroa tions des des entespré ipitantes sur la onve tion. On note par ontre, que le modèle libre sans initia-lisation représente la onve tion en début d'après midi. Et dans e as, quand la onve tion est dé len hée, des rétroa tions omplexes entre la onve tion, les des- entes pré ipitantes, la subsiden e ompensatoire, les po hes froides et la ou helimite ontrlent l'évolution du système onve tif. Ces résultats onrment les tra-vaux de Rio and Hourdin (2008) montrant les rétroa tions omplexes entre les


(a) Ave initialisation

(b) Sans initialisationFigure 6.13 Energie (ALE en J kg−1) et puissan e (ALP en J kg−1) de soulève-ment fournies par la ou he limite d'une part (en tiretet) et par les ourants dedensité d'autre part ( en trait plein ave +) dans les simulations ave initialisationtous les pas de temps horaire (a) et sans initialisation (b)


Figure 6.14 ALE + CIN en m2/s2 et ux de masse as endant saturé (en kgm2/s) à 12h, 18h et 22h dans les simulations ave initialisation tous les pas detemps ("Init"), les six premières pas ("prev") ou sans initialisation ("sans")

Initialisation de la onve tion dans le modèle LMDZ 177diérents a teurs de la onve tion.

CHAPITRE 7CONCLUSION GÉNÉRALE ET PERSPECTIVES7.1 Con lusion généraleL'obje tif prin ipal de ette thèse a été d'évaluer et d'améliorer la représen-tation des systèmes onve tifs dans les modèles de limat à partir d'une analysede la ampagne AMMA 2006 et ave pour but ultime de simuler orre tement le y le annuel de l'eau sur l'Afrique de l'Ouest.Une manière d'améliorer la représentation des systèmes onve tifs est d'étudierle y le diurne et l'initialisation de la onve tion qui font appel aux paramétrisa-tions physiques du modèle. Pour ela, on s'est basée sur une appro he d'initiali-sation physique de la onve tion utilisant le anal 10.8 µm du satellite MSG et àune étude du y le diurne de la onve tion et des pré ipitations. L'étude du y lediurne permet de voir la période de dé len hement et du maximum de la onve -tion. L'initialisation physique permet de dé len her la onve tion en a ord ave les températures de brillan e plus froides que 233 K.Dans un premier temps, une analyse poussée des pré ipitations du réseau d'ob-servations de Dakar ainsi que le tra king des systèmes onve tifs arrivant à Dakar,ont permis de séparer les pré ipitations des systèmes lo aux des pré ipitations dessystèmes propagatifs. Cette dis rimination entre systèmes onve tifs propagatifset onve tion lo ale est fondamentale dans ette étude par e qu'elle trouve unéquivalent dans les observations et dans le modèle. Les pré ipitations issues dessystèmes lo aux sont ainsi omparables à elles du modèle LMDZ. Il faut noterque le modèle ne représente pas assez bien pour le moment la propagation dessystèmes onve tifs mobiles.

Con lusion générale et perspe tives 179Ensuite, nous avons analysé et interprété le y le diurne de la onve tion et des pré- ipitations. Notre méthode utilisée pour l'étude du y le diurne des pré ipitationsest originale et réside dans l'utilisation onjointe des taux de pluies enregistréspar les pluviographes et des données satellitales ( anal 10.8 µm du satellite MSG,EPSAT-SG). Le tra king des systèmes onve tifs a permis de faire la dis rimina-tion des systèmes onve tifs lo aux et propagatifs par leur taille, température etdistan e par ourue. Ainsi, le y le diurne des pré ipitations des systèmes onve -tifs lo aux enregistrées par le réseau d'observation de Dakar est bien marquée vers18h00.Dans un se ond temps, nous avons étudié la sensibilité du modèle aux nou-velles paramétrisations physiques, au guidage et au zoom. La représentation desstru tures pré ipitantes est nettement améliorée dans la nouvelle version du mo-dèle LMDZ (paramétrisations des thermiques (Rio and Hourdin, 2008), paramé-trisations des po hes froides (Grandpeix and Lafore, 2010), s héma de onve tiond'Emanuel (Emanuel, 1991)). Le guidage a permis d'avoir une atmosphère réaliste ontribuant à l'amélioration de la représentation du hamp de pré ipitations. Ave le zoom, les stru tures des pré ipitations sont plus ohérentes par rapport aux ob-servations. La nouvelle version du modèle LMDZ zoomée, guidée par les réanalysesERA-Intérim et for ée par la moyenne mensuelle des températures de la surfa e dela mer de l'année 2006, on fournit une représentation relativement onforme auxobservations de la mousson Ouest Afri aine.Les ré entes développements du modèle LMDZ, in luant les nouvelles paramé-trisations ont permis d'améliorer la représentation du y le de vie des systémes onve tifs. Ces nouvelles paramétrisations omportent le modèle des thermiquesde Rio and Hourdin (2008) permettant de représenter au mieux toutes les é hellesde la turbulen e présentes dans la ou he limite. Ce modèle des thermiques est ouplé au s héma de onve tion profonde d'Emanuel (1991) modié, dans lequel

Con lusion générale et perspe tives 180la onve tion profonde est ontrlée par les pro essus sous-jas ents, omme lesreliefs, les po hes froides et la ou he limite. Il y a aussi l'ajout des paramétrisa-tions des po hes froides développées par Grandpeix and Lafore (2010) qui permetd'obtenir des maximums de pré ipitations vers 17h et permettent de maintenir la onve tion tard dans la nuit. Le pilotage du s héma de onve tion profonde parles pro essus de ou he limite par l'intermédiaire de ALE et ALP , a permis deretarder le dé len hement des pré ipitations de plusieurs heures, de dé aler ainsile maximum de onve tion dans la journée par rapport à l'an ienne version. Ainsile y le diurne des pré ipitations onve tives autour de Dakar est don amélioréen onsidérant le rle joué par la ou he limite thermique et les po hes froides.Enn, on ernant la lo alisation spatio-temporelle des systèmes onve tifs,notre appro he d'initialisation physique permet au modèle LMDZ d'avoir unemeilleure représentation des systèmes onve tifs, même durant la nuit. Cette mé-thode d'initialisation déte tant les zones onve tives donne une représentation dela onve tion de manière ohérente ave les observations. C'est e qui est observéave une meilleure représentation des pré ipitations onformément aux pré ipita-tions EPSAT-SG.7.2 Perspe tivesLa nouvelle version du modèle LMDZ, guidée ave les réanalyses du CentreEuropéen et zoomée en Afrique de l'Ouest améliore nettement la représentationdu y le de vie des systèmes onve tifs, surtout le y le diurne. En plus de etteamélioration dans le temps, l'initialisation physique apporte une meilleure repré-sentation spatiale des systèmes onve tifs. Cependant, es développements mis en÷uvre ont des limites sur ertains aspe ts du modèle parti ulièrement la propaga-tion des systèmes d'une maille à une autre. En eet, les améliorations proposéessont à l'é helle de la maille. Par exemple une fois in luse, la propagation d'un pointde grille à l'autre des lignes de grains, asso iées aux ourants de densité, pourrait

Con lusion générale et perspe tives 181permettre d'entretenir et de maintenir la onve tion.Comme nous l'avons évoqué plus haut, l'initialisation physique permet de lo- aliser orre tement la onve tion profonde dans LMDZ. Mais omme le modèlene rée pas assez de po hes foides, l'entretien de la onve tion ne s'ee tue pasun peu plus tard. Cela peut être ausé par une mauvaise formulation du al uldes po hes froides ar e sont elles qui servent de mémoire pour l'entretien de la onve tion. Pour ontourner e probléme, une nouvelle formulation du al ul despo hes froides est entrain d'être ee tuée et testée par J.-Y Grandpeix en as 1D.La apa ité du modèle à entretenir la onve tion sera évaluée sur des as existantsen onguration 1D et plutard en onguration 3D en mode prévision.Pour tester l'initialisation en mode prévision, on hoisira des jours de onve -tion sur Dakar an de omparer les pré ipitations du modèle aux données observéesdes pluviographes. Et à haque système déte té, nous allons nous situer 24h ou 48havant, et faire une simulation for ée pendant 6h puis la her le modèle. Il serait aussiintéressant de repèrer la naissan e d'un système onve tif et à partir de et instantfaire une simulation for ée pendant 2h et puis laisser évoluer le modèle. Ces simula-tions seront omparées aux observations des pluviographes. Nous regarderons dans es simulations, la durée de vie des systèmes en termes de rayonnement au sommetde l'atmosphère ou en terme de pluies et omparons les résultats aux températuresde brillan e des images MSG ou aux pré ipitations observées (EPSAT-SG ou lestaux de pluies enregistrés par les pluviographes), respe tivement. Cela permettraitd'avoir une idée nette sur le y le de vie des systèmes onve tifs. Ainsi, pour laprévision opérationnelle, ela ouvre des perspe tives d'une meilleure initialisation.Nous pouvons à présent faire une "réanalyse" de la ampagne AMMA 2006 omprenant à la fois une ontrainte sur la grande é helle et ontrainte sur la lo a-lisation des systèmes onve tifs. La méthode d'initialisation développée plus le dé-

Con lusion générale et perspe tives 182veloppement des nouvelles paramétrisations orent une nouvelle perspe tive pourla prévision opérationnelle des pré ipitations.Nous avons aussi onstaté des biais de pré ipitations, montrant que le reliefjoue un rle important dans la distribution spatiale des pré ipitations en Afriquede l'Ouest. La prise en ompte de l'eet du relief sur le dé len hement et l'en-tretien de la onve tion dans le modèle LMDZ, permettrait de mieux exprimer lareprésentation de l'intensité onve tive. Cette nouvelle appro he de la paramétri-sation de l'eet de l'orographie dans le s héma onve tif de LMDZ a fait l'objetde la thèse de Jingmei YU au LMD et n'est pas en ore prise en ompte dans nossimulations. Le travail d'intégration de ette appro he a déjà ommen é au LMD.

LISTE DES TABLEAUX4.I Tableau ré apitulatif des diérentes simulations . . . . . . . . . . 694.II Tableau des RMSE ave GPCP des diérentes simulations . . . . 895.I Jours du mois de août et septembre 2006 orrespondant à destempératures de brillan e plus froide que 233 K où nD (nombrede stations dans la zone dense) et nH (nombre de stations horszone dense), enregistrant des pré ipitations ave une visibilité V. . 128

LISTE DES FIGURES2.1 Transferts d'énergie à la surfa e, en moyenne globale annuelle(thèse de Cabot (1995)) . . . . . . . . . . . . . . . . . . . . . . . 72.2 Distribution latitudinale moyenne annuelle des ux radiatifs (Wm−2) émis et reçu à la surfa e de la Terre (Gill (1982)) . . . . . . 82.3 S héma des ir ulations équatoriales de Walker. (Dhonneur, 1978) 92.4 Cir ulation de Hadley : Zone de Convergen e Inter-Tropi ale (Peixotoand Oort (1992)) . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.5 Vue s hématique en 3D de la mousson ouest afri aine (voir textepour plus de détails). (Lafore et al., 2010) . . . . . . . . . . . . . 102.6 Diagramme temps-latitude de l'évolution annuelle moyennée entre1979 et 2000 de l'estimation des pré ipitations CMAP (OLR etmesures in-situ). Les pointillés rouges marquent la date moyennede mise en pla e de la mousson d'été et les pointillés noirs repré-sentent les épisodes de pauses. Le trait noir ontinu représente lalimite entre l'o éan et le ontinent (Sultan and Jani ot, 2003) . . 142.7 Langue d'eau froide et début de mousson sur la période 1982 -2006. Caniaux et al. (2010) . . . . . . . . . . . . . . . . . . . . . 152.8 Cy le saisonnier de la dépression thermique (Lavaysse et al., 2009) 162.9 Indi e pluviométrique au Sahel orespondant à Mai-Septembre etexprimé en anomalies normalisées al ulée de 1905 à 2006 par lamoyenne des pré ipitations entre 13N-17N et 17W-22E (Jani otet al. (2010)) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222.10 Os illation Multi-dé ennale Atlantique et Sahel (Knight et al., 2006) 243.1 Image MSG de la température de brillan e dans le anal 10.8 µmdu 1er septembre 2006 à 22 :00 UTC . . . . . . . . . . . . . . . . 333.2 Réseau des pluviographes de Dakar . . . . . . . . . . . . . . . . . 36

Liste des gures 1853.3 Grille du modèle LMDZ guidé et zoomé (136x114 points de grilleet 39 niveaux verti aux) . . . . . . . . . . . . . . . . . . . . . . . 373.4 S héma de fon tionnement de LMDZ4 : séparation de la partiedynamique 3D et de la partie physique 1D, mode for é/mode ouplé, transport des tra eurs (par Frédéri Hourdin) . . . . . . . 393.5 Comparaison entre oordonnées non hybrides et hybrides . . . . . 403.6 Prol verti al de température potentielle virtuelle dans l'environ-nement et dans une as endan e adiabatique : dénition des a-ra téristiques de la onve tion - LCL : niveau de ondensation-LFC : niveau de onve tion libre -LNB : niveau de ottabiliténeutre -CIN : inhibition onve tive -CAPE : énergie potentielledisponible pour la onve tion ( f texte pour plus de détails) . . . 483.7 Représentation s hématique d'une olonne onve tive (Emanuel,1991) : as endan e adiabatique subissant diérents mélanges ave l'environnement, détrainement des parti ules à ottabilité neutre ;des entes pré ipitantes et des entes insaturées (par J.-Y. Grand-peix). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Liste des gures 1863.8 Analogie entre une pompe alimentant un jet d'eau et un ou-rant de densité assurant le maintient de la onve tion profonde.En (a), la pompe ave une puissan e P fournit un débit M ave une énergie inétique k ; une fra tion k (le rendement du moteur)de P est onvertie en puissan e du jet Mk. La dou he est dé- len hée lorsque k > gh. Le débit est donné par M = kP/k.En (b) les ourants de densité fournissent une puissan e Pw etsoulèvent l'air in ident sur le front de rafales ave une énergie i-nétique k = (1/2)C2 (énergie de soulèvement ALE). Une fra tionkw de Pw est onvertie en puissan e des ourants as endants (puis-san e de soulèvement ALP). La onve tion est dé len hée lorsquek > |CIN |. Le ux de masse MB à la base du nuage est donnépar : MB = kwPw/(2w

2B + |CIN |), qui est très semblable à la for-mule pour le jet, à l'ex eption du terme 2w2

B au dénominateur quireprésente l'énergie inétique des ourants as endants au niveaude onve tion libre et l'eet de dissipation. (extrait de Grandpeixand Lafore (2010) . . . . . . . . . . . . . . . . . . . . . . . . . . . 624.1 Vent zonal (m/s) à gau he et pré ipitations (mm/j) à droite moyen-nés sur la période JJAS 2006 . . . . . . . . . . . . . . . . . . . . 714.2 Vent zonal (m/s) à gau he et pré ipitations (mm/j) à droite moyen-nés sur la période JJAS 2006, guidé par ERA-Intérim en haut etpar NCEP en bas . . . . . . . . . . . . . . . . . . . . . . . . . . . 724.3 Coupe verti ale du vent zonal (en haut) et de la température (enbas) moyenné sur JJAS 2006 sur la zone 15W - 15E. Au milieu, hamp de vent zonal à 925 hPa moyenné sur la période JJAS2006 : ERA-Intérim (a), STDguid (b) et STDclim ( ) . . . . . . . 74

Liste des gures 1874.4 Varian e moyenne du vent méridien à 700 hPa ltré entre 3 et 5jours pour Août et Septembre 2006 (à gau he) et module de latransformée par ondelette de Morlet du vent méridien à 700 hPaà Dakar (17W;15.5N) (à droite) du 1er Juin au 30 septembre2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 764.5 Evolution des pré ipitations lissées sur 3 jours pour JJAS 2006 àDakar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 774.6 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) STDguid et (d) STDclim . . . . . . . . . . . . . . . . 794.7 Diagramme hovmoller temps-longitudes des pré ipitations moyen-nées sur la zone 12.5N et 17.5N . . . . . . . . . . . . . . . . . . 804.8 Distribution latitudinale des pré ipitations (mm/h) moyennéessur la période JAS (Juillet-Août-Septembre) 2006 dans la zone(10W - 10E) (à gau he) et l'évolution sur la même période del'indi e pluviométrique sahélien SSR (moyenne des pré ipitationsdans la boîte sahélienne(10N - 20N ; 10W - 10E)), observé etsimulé (à droite) . . . . . . . . . . . . . . . . . . . . . . . . . . . 814.9 Diagramme temps-latitude des pré ipitations moyennées sur 20W- 10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut),STDclim (au milieu) et STDguid (en bas) . . . . . . . . . . . . . . 834.10 Coupe verti ale du vent zonal (en haut) et de la température(en bas) moyennée JJAS 2006 sur la zone 15W - 15E, au milieu hamp de vent zonal à 925 hPa moyenné sur la période JJAS2006 : ERA-Intérim (a), NEWclim (b) et STDclim ( ) . . . . . . . 854.11 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) NEWguid, (d) NEWclim, (e) STDguid et (f) STDclim . 864.12 Eet de la nouvelle physique dans les simulations à grille régulièreet guidées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 874.13 Eet du guidage dans la nouvelle physique . . . . . . . . . . . . . 88

Liste des gures 1884.14 Eet du zoom dans la nouvelle physique . . . . . . . . . . . . . . 884.15 Eet de la nouvelle physique dans les simulations zoomées et guidées 894.16 Variation temporelle des pluies lissées sur 3 jours sur la périodeJJAS 2006 à Dakar pour le modèle guidé . . . . . . . . . . . . . . 904.17 Distribution latitudinale des pré ipitations moyennées sur la zone10W et 10E (à gau he) et variabilité intrasaisonnière de l'indi epluviométrique sahélienne SSR observé et simulé (à droite) . . . . 914.18 Diagramme temps-latitude des pré ipitations moyennées sur 20W- 10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut),NEWclim (au milieu) et STDclim (en bas) . . . . . . . . . . . . . 934.19 Coupe verti ale du vent zonale moyennée JJAS 2006 sur la zone15W - 15E : ERA-Intérim (a), NEWguid (b), NEWZguid ( ),STDguid (d) et STDZguid (e) . . . . . . . . . . . . . . . . . . . . 944.20 Champ de vent zonal à 925 hPa moyenné JJAS 2006 : ERA-Intérim (a),NEWguid (b),NEWZguid ( ), STDguid (d) et STDZguid(e) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 964.21 Coupe verti ale de la température moyennée JJAS 2006 sur lazone 15W - 15E : ERA-Intérim (a), NEWclim (b), NEWZguid( ), STDguid (d) et STDZguid (e) . . . . . . . . . . . . . . . . . . 974.22 Biais de la température par rapport à ERA-Intérim des simula-tions ave la grille régulière guidées pour l'an ienne physique (àgau he) et la nouvelle physique (à droite) . . . . . . . . . . . . . 984.23 Biais de la température par rapport à ERA-Intérim des simula-tions zoomées et guidées pour l'an ienne physique (à gau he) etla nouvelle physique (à droite) . . . . . . . . . . . . . . . . . . . . 984.24 Diéren e de température entre l'an ienne physique zoomée etl'an ienne physique à grille régulière (à gau he) et diéren e detempérature entre la nouvelle physique zoomée et la nouvelle phy-sique à grille régulière (à gau he) . . . . . . . . . . . . . . . . . . 99

Liste des gures 1894.25 Moyenne des pré ipitations JJAS 2006 pour (a) GPCP, (b) ERA-Intérim, ( ) NEWguid, (d) NEWZguid, (e) STDguid et (f) STDZguid1004.26 Diagramme Hovmoller temps-longitudes des pré ipitations moyen-nées sur la zone 12.5N et 17.5N . . . . . . . . . . . . . . . . . . 1014.27 Variation temporelle des pluies lissées sur 3 jours sur la périodeJJAS 2006 à Dakar pour (a) nouvelle physique et (b) an iennephysique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1024.28 Distribution latitudinale des pré ipitations moyennées sur la zone10W et 10E (à gau he) et variabilité intrasaisonnière de l'indi epluviométrique sahélienne SSR observé et simulé (à droite) . . . . 1044.29 Diagramme temps-latitudes des pré ipitations moyennées sur 20W- 10W (à gau he) et sur 10W - 10E (à droite) : GPCP (en haut),NEWguid (au milieu) et NEWZguid (en bas) . . . . . . . . . . . . 1055.1 Histogramme du nombre d'événements pré ipitants par station(en haut) et histogramme des pré ipitations umulées par station(en bas) : hors zone dense (à gau he) et pour la zone dense (àdroite) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1115.2 Exemple de dispersion spatiale des pluies au Sahel : u tuationsannuelles de la dispersion spatiale des pluies dans le bassin d'Oursià l'extrême nord du Burkina-Faso (Si ot (1991)) . . . . . . . . . . 1125.3 Nombre d'événements pré ipitants par station (a) et al ulé àpartir de MSG (b) pour août et septembre 2006 ; umul des pré- ipitations par station ( ) et umul EPSAT-SG (d) pour la mêmepériode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1145.4 Distribution umulée des pour entages de pré ipitations umuléesen fon tion du nombre d'événements (en haut), et en fon tion dela proportion des pré ipitations (en bas) : hors réseau dense (a)et dans le réseau dense (b) . . . . . . . . . . . . . . . . . . . . . . 116

Liste des gures 1905.5 Coe ients de orrelation pour une série de pré ipitations lisséed'un jour et le signal brut sans lissage en fon tion de la distan eentre les stations . . . . . . . . . . . . . . . . . . . . . . . . . . . 1175.6 Composite des pré ipitations de août et septembre 2006 dans larégion du réseau des pluviographes ; en haut, la moyenne des pré- ipitations (mm/h) en fon tion de l'heure lo ale (en ordonnées)et des jours (en abs isses) ; en bas, la moyenne des pré ipitationsen fon tion de l'heure lo ale (en ordonnées) et des stations (enabs isses) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1215.7 Nombre d'événements pré ipitants, pour entage de pré ipitationtotale et moyenne des pré ipitations umulées par événement,dans des bins d'1h, pour l'ensemble du réseau (a) et le réseaudense (b). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1235.8 Variation des pré ipitations (mm/h) horaires enregistrées par lespluviographes de Dakar et des températures (K) de brillan e desimages infrarouges de MSG (bleu) au point de grille de Dakarpour août et septembre 2006 . . . . . . . . . . . . . . . . . . . . . 1245.9 Déte tion des systèmes onve tifs lo aux et propagatifs pré ipi-tants dans la région du réseau des pluviographes entre août etseptembre 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1265.10 Diagramme Hovmoller des nombres de pixels plus froids que 233K pour les événements qui pré ipitent dans la région du réseaude pluviographes dans les intervalles de temps 9h-12h (en haut),15h-18h (au milieu) et 23h-1h (en bas), pondérés par la visibilité ;systèmes lo aux (à gau he) et systèmes propagatifs (à droite) . . 1295.11 Histogramme de l'heure lo ale de naissan e des systèmes nuageux 132

Liste des gures 1915.12 Histogramme des distan es et des temps de propagation des sys-tèmes nuageux depuis leur lieu de naissan e jusqu'à la région duréseau de pluviographes ; histogrammes des surfa es umulées surtout le y le de vie, pour les systèmes nuageux pré ipitants dansle réseau entre 15h et 18h (a) ; et dans les intervalles de temps9h-12h et 23h-1h (b) . . . . . . . . . . . . . . . . . . . . . . . . . 1345.13 Cy le diurne moyen des observations (en rouge), nouvelle versionLMDZ (en bleu) et LMDZ standard (en vert) . . . . . . . . . . . 1355.14 A gau he, heure lo ale du maximum de probabilité du débutd'événement pluvieux dans l'an ienne version (a) puis nouvellephysique ( ) du modèle LMDZ durant août et septembre 2006 ; àdroite, heure lo ale du maximum de probabilité du maximum depré ipitations dans l'an ienne physique (b) puis nouvelle physique(d) pour la même période. . . . . . . . . . . . . . . . . . . . . . . 1365.15 Cy le diurne moyen dû aux systèmes lo aux et propagatifs obser-vés sur le réseau dense entre août et septembre 2006 ; (a) systèmeslo aux en traits pleins, systèmes propagatifs en tiretés ; (b) o u-ren e des systèmes lo aux (en traits pleins) et propagatifs (entiretés) sur la zone dense pour la même période ; ( ) y le diurnemoyen sur la même période des pré ipitations par événement dumodèle sur le point de grille de Dakar (nouvelle version en traitplain et an ienne version en tiretés ; (d) y le diurne moyen surla même période du pour entage des pré ipitations du modèlesur le point de grille de Dakar (nouvelle version en trait plain etan ienne version en tiretés . . . . . . . . . . . . . . . . . . . . . . 1385.16 Variation diurne des pré ipitations (mm/h) onve tives (en noir)et de grande é helle (en rouge) pour l'an ienne version (à gau he)et la nouvelle version (à droite) . . . . . . . . . . . . . . . . . . . 140

Liste des gures 1925.17 Cy le diurne moyen sur août et septembre 2006 du taux de hauf-fage onve tif Q1 en K/j pour l'an ienne version (à gau he) et lanouvelle version (à droite) . . . . . . . . . . . . . . . . . . . . . . 1415.18 Cy le diurne moyen de l'énergie potentielle de soulèvement (J/kg)et de la puissan e (W/m2) de soulèvement pour la ou he limite(en noir) et les po hes froides (en rouge) dans la nouvelle versiondu modèle LMDZ . . . . . . . . . . . . . . . . . . . . . . . . . . . 1425.19 Cy le diurne moyen de la température potentielle (K) et de l'hu-midité spé ique (g/kg) au niveau de la première ou he (a) et à1.5 km (b) pour la version standard (en noir) et nouvelle version(en rouge) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1435.20 Cy le diurne moyen de la hauteur (m) de la ou he limite pour laversion standard (en noir) et nouvelle version (en rouge) . . . . . 1446.1 TB du anal 10.8 µm de MSG du 1 septembre 2006 à 18h, 20h et22h . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1536.2 Dete tion de la onve tion du 1 septembre 2006 ; à gau he, nombrede points (environ 80 x 80 km2) plus froids que 233K dére tés parMSG ; au entre ALE+CIN (J/kg) pour le modèle ave initialisa-tion de tous les pas temps du modèle ; à droite ALE+CIN (J/kg)pour le modèle sans initialisation . . . . . . . . . . . . . . . . . . 1546.3 Pré ipitations (mm/h) du 1 septembre 2006 ; à gau he, EPSAT-SG (mm/h) ; au entre, pluies (mm/h) pour le modèle ave initia-lisation de tous les pas temps du modèle ; à droite, pluies (mm/h)pour le modèle sans initialisation . . . . . . . . . . . . . . . . . . 1566.4 Nombre de pixels (environ 80 x 80 km2) plus froids que 233 Kdére tés par MSG à gau he ; au milieu ALPwake en (Wm−2) pourle modèle ave initialisation ; à droite ALPwake en (Wm−2) pourle modèle sans initialisation . . . . . . . . . . . . . . . . . . . . . 157

Liste des gures 1936.5 ALE+CIN (J/kg) à gau he ; au milieu pré ipitations (mm/h) età droite ALPwake en (Wm−2) pour le modèle ave initialisation à haque pas de temps du modèle pendant six heures . . . . . . . . 1586.6 Dakar, 1er septembre 2006 ; sour e de haleur (Q1 en K/j) (a),puits d'humidité (Q2 en K/j) (b), eau nuageuse en g/kg ( ) et ouverture nuageuse en (%) (d) obtenus ave la simulation libredu modèle LMDZ . . . . . . . . . . . . . . . . . . . . . . . . . . . 1606.7 Dakar, 1er septembre 2006 ; sour e de haleur asso iée aux pro- essus (Q1 en K/j) (a), puits d'humidité (Q2 en K/j) (b), eaunuageuse en g/kg ( ) et ouverture nuageuse en (%) (d) obtenusave l'initialisation physique du modèle LMDZ à haque pas detemps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1626.8 Sour e de haleur asso iée aux pro essus (Q1 en K/j) (a), puitsd'humidité (Q2 en K/j) (b), eau nuageuse en g/kg ( ) et ouver-ture nuageuse en (%) (d) obtenus ave l'initialisation physique dumodèle LMDZ des 6h premières heures. . . . . . . . . . . . . . . . 1636.9 Vitesse verti ale (Pa/s) et Q1 (K/j) à diérentes heures de lajournée au point de Dakar pour le 1er septembre 2006 dans lessimulations ave initialisation tous les pas de temps ("Init"), lessix premières pas ("prev") ou sans initialisation ("sans") . . . . . 1656.10 Température potentielle (K) et humidité relative (%) à diérentesheures de la journée au point de Dakar pour le 1er septembre2006 dans les simulations ave initialisation tous les pas de temps("Init"), les six premières pas ("prev") ou sans initialisation ("sans")1666.11 Sour e de haleur (Q1 en Kj−1) et puits d'humidité (Q2 en Kj−1)pour diérentes heures et pour les diérentes simulations ave initialisation tous les pas de temps ("Init"), les six premières pas("prev") ou sans initialisation ("sans"). . . . . . . . . . . . . . . . 168

Liste des gures 1946.12 Pré ipitations (mm/h), eau pré ipitable (kg/m2), CAPE et CIN(J/kg) dans les simulations ave initialisation tous les pas detemps ("Init"), les six premières pas ("prev") ou sans initiali-sation ("sans") . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1706.13 Energie (ALE en J kg−1) et puissan e (ALP en J kg−1) de soulè-vement fournies par la ou he limite d'une part (en tiretet) et parles ourants de densité d'autre part ( en trait plein ave +) dansles simulations ave initialisation tous les pas de temps horaire(a) et sans initialisation (b) . . . . . . . . . . . . . . . . . . . . . 1756.14 ALE + CIN en m2/s2 et ux de masse as endant saturé (en kgm2/s) à 12h, 18h et 22h dans les simulations ave initialisationtous les pas de temps ("Init"), les six premières pas ("prev") ousans initialisation ("sans") . . . . . . . . . . . . . . . . . . . . . . 176

BIBLIOGRAPHIEAdefolalu, D. O., Senou i, M., Bounoua, A., and Boukri, A. (1985). Mean stateduring the onset phase of the west afri an monsoon in 1979. Ar h. for Met.,Geophys. and Bio lim., A(33) :327343.Adler, R., Human, G., Chang, A., Ferraro, R., Xie, P., Janowiak, J., Rudolf, B.,S hneider, U., Curtis, S., Bolvin, D., Gruber, A., Susskind, J., and Arkin, P.(2003). The version 2 global pre ipitation limatology proje t (gp p) monthlypre ipitation analysis (1979-present). J. Hydrometeor., 4 :11471167.Arakawa, A. and S hubert, W. (1974). Intera tion of a umulus loud ensemblewith the large-s ale environment, part 1. J. Atmos. S i., 31 :674701.Arkin, P. A. (1979). The relationship between fra tional overage of high loudand rainfall a umulations during gate over the b-s ale array. Mon. Wea. Rev.,107 :13821387.Arnaud, Y., Desbois, M., and Maizi, J. (1992). Automati tra king and hara te-rization of afri an onve tive systems on meteosat pi tures. Journal of AppliedMeteorology, 31 :443453.Barnes, G. and Sie kman, K. (1984). The environment of fast and slow movingtropi al mesos ale onve tive loud lines. Mon. Wea. Rev., 112 :17821794.Bauer, P., Lopez, P., Benedetti, A., Salmond, D., and Moreau, E. (2005). Im-plementation of 1d-4d-var assimilation of pre ipitation-ae ted mi rowave ra-dian es at e mwf. i : 1d-var. Q. J. R. Meteorol. So ., 132 :22772306.Bauer, P., Lopez, P., Benedetti, A., Salmond, D., and Moreau, E. (2006). Im-plementation of 1d-4d-var assimilation of pre ipitation-ae ted mi rowave ra-dian es at e mwf. ii : 4d-var. Q. J. R. Meteorol. So ., 132 :23072332.

Bibliographie 196Berges, J.-C., Jobard, I., and Ro a, R. (2009). A new index to estimatepre ipitation using loud growing rate. Geophys. Res. Lett., 36 :L08808,doi :10.1029/2008GL036665.Betts, A. and Ja ob, C. (2002a). Evaluation of the diurnal y le of pre ipitation,surfa e thermodynami s, and surfa e uxes in the e mwf model using the lbadata. J. Geophys. Res., 107 :8045, doi :10.1029/2001JD000427.Betts, A. and Ja ob, C. (2002b). Study of diurnal y le of onve tive pre ipita-tion over amazonia using a single olumn model. J. Geophys. Res., 107 :4732,doi :10.1029/2001JD002264.Bielli, S., Douville, H., and Pohl, B. (2009). Understanding the west afri an mon-soon variability and its remote ee ts : an illustration of the grid point nudgingmethodology. Clim. Dyn .S i, published on line :doi :10.1007/s0038200906678.Bony, S. and Emanuel, K. A. (2001). A parameterization of the loudiness asso- iated whith umulus onve tion ; evaluation using toga oare data. Journal ofthe Atmospheri S ien es, 58(21) :31583183.Burpee, R. W. (1972). The origin and stru ture of easterly waves in the lowertroposphere of nord afri a. J. Atmos .S i, 29 :7790.Burpee, R. W. (1974). Chara teristi s of nord afri an easterly waves during thesummer of 1968 and 1969. J. Atmos .S i, 31 :15561570.Cabot, F. (1995). Estimation de l'albedo de surfa e a l'e helle globale, a l'aide desmesures satellitaires. Universite d'Orsay paris Sud, CESBIO.Cadet, D. L. and Nnoli, O. (1987). Water vapour transport over afri a and theatlanti o ean during summer 1979. Q. J. R. Meteorol. So ., 113 :581602.

Bibliographie 197Caniaux, G., Giordani, H., and Redelsperger, J.-L. (2010). a ompleter. Journalof Climate, in press, 97 :716726.Carbone, R. and Tuttle, J. (2008). Rainfall o uren e in the u.s. warm season :The diurnal y le. J. Clim., 21 :41324146.Carbone, R., Tuttle, J., Ahijevy h, D., and Trier, S. (2002). Inferen es of pre-di tability asso iated with warm season pre ipitation episodes. J. Atmos. S i.,59 :20332056.Carlson, T. N. (1969b). Synopti histories of tree afri an disturban es that deve-loped into atlanti hurri anes. Mon. Wea. Rev, 97 :256277.Chaboureau, J.-P., Gui hard, F., Redelsperger, J.-L., and Lafore, J.-P. (2004). Therole of stability and moisure in the diurnal y le of ondensation over land. Q.J. R. Meteorol. So ., 130 :31053117.Charney, J. and Eliassen, A. (1964). On the growth of the hurri ane depression.J. Atmos. S i, 21 :6875.Charney, J. and Stern, M. (1962). On the stability of internal baro lini jets in arotating atmosphere. J. Atmos. S i., 19 :159172.Chen, T.-C. and Van Loon, H. (1987). Interannual variation of the tropi al easterlyjet. Mon. Wea. Rev., 115 :17391759.Cheruy, F., Grandpeix, J.-Y., Lafore, J.-P., Lahelle , A., and Thomas, B. (2000).Parameterization developments and simulations using k. emanuel onve tives heme. WAMP Proje t Meeting, Les Hou hes :Fran e.Cook, K. H. (1999). Generation of the afri an easterly jet and its role in determi-ning west afri an pre ipitation. J. Climate, 12 :11651184.

Bibliographie 198Cox, S. and Grith, K. (1979). Estimates of radiative divergen e during phase iiiof the garp atlanti tropi al experiment : Part ii. analysis of phase iii results. J.Atmos. S i, 36 :586601.De Feli e, P., Viltard, A., Monkam, D., and Ouss, C. (1990). Char teristi s of nordafri an 6-9 days waves during summer 1981. Mon. Wea. Rev., 118 :26242633.Dhonneur, G. (1978). Traite de meteorologie tropi ale. Dire tion de la Meteorolo-gie.Diedhiou, A., Jani ot, S., Viltard, A., De Feli e, P., and Laurent, H. (1999). Esterlywave regimes and asso iated onve tion over west afri a and tropi al atlanti :results from the n ep/n ar and e mwf reanalyses. Clim. Dynami s,, 15 :795822.Diongue, A., Redelsperger, J.-L., and Ro a, R. (2002). Numeri al study of asahelian synopti weather system : Initiation and mature stage of onve tion andits intera tions with the large s ale dynami s. Quart.J.R.Met.So , 128 :18991927.Duvel, J.-P., Ma hado, L., and Toledo, T. (1990). Inter and intra-diurnal varia-tions of loudiness over afri a from meteosat observations. ECMWF/WCRPworkshop : Cloud, radiative transfer and the hydrologi al y le, 12-15 Novembre1990 :121149.Elridge, R. (1957). A synopti study of west afri an disturban e lines. Q.J.R.So ., 83 :303314.Emanuel, K. (1991). A s heme for representing umulus onve tion in large-s alemodels. Journal of the Atmospheri S ien es, 48 :23132335.Emanuel, K., Neelin, J., and Bretherton, C. (1994). On large-s ale ir ulations in onve tive atmospheres. Q.J.R. Meteorol. So ., 120 :11111143.

Bibliographie 199Fillion, L. and Erri o, R. (1997). Variational assimilation of pre ipitation datausing moist onve tive parametrization s hemes : A 1d-var study. Mon. Wea.Rev., 125 :29172942.Fiolleau, T. and Ro a, R. (2010). A limatology of mesos ale onve tive systemsfrom 23 years of meteosat rst generation observations. AMMA onferen e,november, 26,30 2009 :arti le to be submitted.Fontaine, B., Jani ot, S., and Moron, V. (1995). Rainfall anomaly patterns andwind eld signals over west afri a in august (1958-1989). J. Climate, 8 :15031510.Fouquart, Y. and Bonnel, B. (1980). Computations of solar heating of the earth'satmosphere : A new parametrisation. Contrib. Atmos. Phys., 53 :3562.Frank, W. (1978). The life y les of gate onve tives systems. J Atmos. S i.,35 :12561264.Gill, A. (1982). Atmosphere-o ean dynami s. Int. Geophys. Ser. A ademi Press,New York, 30 :662pp.Grandpeix, J.-Y. and Lafore, J.-P. (2010). A density urrent parametrization oupled with emanuel's onve tion s heme : Part ii : 1d simulations. J. Atmos.S i., 67 :898922.Gray, W. and Ja obson, R. (1977). Diurnal variation of deep umulus onve tion.Mon. Wea. Rev., 105 :11711188.Gui hard, F., Pet h, J., Redelsperger, J., Be htold, P., Chaboureau, J., Cheinet,S., Grabowski, W., Grenier, H., Jones, C., Koehler, M., Piriou, J.-M., Tailleux,R., and Tomasini, M. (2004). Modelling the diurnal y le of deep pre ipitating onve tion over land with loud-resolving models and single olumn models.Q.J.R. Meteorol. So , 130 :31393172.

Bibliographie 200Hall, N., Kiladis, G. G., and Thorn roft, C. D. (2006). Three-dimensional stru tureand dynami s of afri an easterly waves. part ii : Dynami al modes. J. Atmos.S i., 63 :22312245.Hamilton, B. and Ar hbold, S. (1945). Meteorology of nigeria and adja ent terri-tory. Q.J.R. Meteorol. So ., 71 :231264.Hauglustaine, D., Hourdin, F., Jourdin, L., Filliberti, M., Walters, S., Lamarque,J., and Holland, E. (2004). Intera tive hemistry in the laboratoire de mtorologiedynamique general ir ulation model : Des ription and ba kground tropospheri hemistry evaluation. J. Geophys. Res., 109 :4314, doi :10.1029/2003JD003957.Hess-Nielsen, N. and Wi kerhausser, M. V. (1996). Wavelet and time-frequen yanalysis. Pro . IEEE, 84 :523540.Hourdin, F., Musat, I., Bony, S., Bra onnot, P., Codron, F., Dufresne, J., Fairhead,L., Filiberti, M., Friedlingstein, P., and Grandpeix, J.-y. (2006). The lmdz4general ir ulation model : limate performan e and sensitivity to parametrizedphysi s with emphasis on tropi al onve tion (7-8). Climate Dynami s, 27 :787813.Houze, R. and Betts, A. (1981). Conve tion in gate. Rev. Geophys. Res. and Spa ePhys., 41 :541576.Houze, R., Geotis, S., Marks, F., and West, A. (1981). Winter monsoon onve tionin the vi inity of north borneo. part i : Stru ture and time variation of loudsand pre ipitation. Mon. Wea. Rev., 109 :15951614.Hulme, M. and Tosdevin, N. (1988). The tropi al easterly jet and sudan rainfall.Department of Geography, University of salford, Dis ussion papers in Geography,39 :181.Jani ot, S., Lafore, J.-P., and Thor roft, C. (2010). The west afri an monsoon. seehttp ://www.amma-international.org, Part of a WMO report.

Bibliographie 201Jani ot, S. and Sultan, B. (2001). Intra-seasonal modulation of onve tion in thewest afri an monsoon. Geophysi al Resear h Letter, 28(3) :523526.Jenken, A., Siegmund, P., Heijboer, L., Fei hter, J., and Bengtsson, L. (1996). Onthe potentiel of assimilating meteorologi al analyses in a global limate modelfor the purposes of model validation. J. Geophys. Res., 101 :1693916950.Joly, M., Volldoire, A., Douville, H., Terray, P., and Royer, J.-F. (2006). Afri anmonsoon tele onne tions with tropi al ssts in a set of ip ar4 oupled models.Climate Dynami s, 29 :120.Kanamitsu, M. and Krishnamurti, T. (1978). Northern summer tropi al ir ula-tions during drought and normal rainfall months. Mon. Wea. Rev., 106 :331347.Knight, J., Folland, C., and S aife, A. (2006). Climate impa t of the atlanti multide adal os illation. Geophysi al Resear h Letter, 23 :523526.Krishnamurti, T., Bedi, H., and Ingles, K. (1993). Physi al initialization usingssm/i rain rates. Tellus, 45A :247269.Krishnamurti, T., Ramanathan, Y., Pan, H.-L., Pas h, R., and Molinari, J. (1980).Cumulus parametrization and rainfall rates. J. Meteorol. So ., 108 :465472.Krishnamurti, T., Xue, J., Bedi, H., Ingles, K., and Oosterhof, D. (1991). Physi alinitialization for numeri al weather predi tion over the tropi s. Tellus, 43AB :5381.Kuo, H. (1974). Further studies of the parametrizations of the inuen e of umulus onve tion on large s ale ow. J. Atmos. S i., 31 :12231240.Lafore, J.-P., Flamant, C., Giraud, V., Gui hard, F., Knippertz, P., Mahfouf, J.-F.,Mas art, P., and Williams, E. (2010). Introdu tion to the amma spe ial issue on'advan es in understanding atmospheri pro eses over west afri a through theamma eld ampaign'. Q. J. R. Meteorol. So ., 136(s1) :27.

Bibliographie 202Laing, A., Carbone, R., Levizzani, V., and Tuttle, J. (2008). The propagation anddiurnal y les of deep onve tion in northern tropi al afri a. Q. J. R. Meteorol.So ., 134(630) :93109.Lavaysse, C., Flamant, C., Jani ot, S., Parker, D., Lafore, J.-P., Sultan, B., andPelon, J. (2009). Seasonal evolution of the west afri an heat low : a limatologi alperpe tive. Climate Dynami s, 23 :313330.Le Lay, M. and Gall, S. (2005). How hanging rainfall regimes may ae t the waterbalan e : a modelling approa h in west afri a. IAHS Publ., 296 :203210.Leary, C. and Houze, R. (1979). The stru ture and evolution of onve tion in atropi al loud luster. J. Atmos. S i., 36 :437457.LeBarbe, L. and Lebel, T. (1997). Rainfall limatology of the hapex-sahel regionduring the years 1950-1990. J. Hydrol, 188-189 :4373.LeBarbe, L., Lebel, T., and Tapsoba, D. (2001). Rainfall variability in west afri aduring the years 1950-90. J. Climate, 15 :187202.LeMone, M. (1973). The stru ture and dynami s of horizontal roll vorti ities inthe planetary boundary layer. J. Atmos. S i., 30 :10771091.Leroux, S., Hall, N., and Kiladis, G. G. (2010). A limatologi al study of transient-mean-ow intera tions over west afri a. Q. J. R. Meteorol. So ., 136 :397410.Lott, F. and Miller, M. J. (1997). A new subgrid-s ale orographi drag parameteri-zation : Its formulation and testing. Q. J. R. Meteorol. So ., 123(537) :101127.Ly, M. (2010). Représentation du y le de l'eau en afrique de l'ouest par le modèlelmdz pendant la ampagne amma. Thèse, Université Paris 6.Ma hado, L., Desbois, M., and Duvel, J.-P. (1992). Stru tural hara teristi s ofdeep onve tive systems over tropi al afri a and the atlanti o ean. Mon. Wea.Rev., 120 :392406.

Bibliographie 203Malardel, S. (2005). Fondamentaux de météorologie, à l'é ole du temps. Editeur :Cèpaduès, page 708 pages.Manabe, S., Smagorinsky, J., and Stri kler, R. (1965). Simulated limatology ofgeneral ir ulation model with a hydrologi y le. Mon. Wea. Rev., 93 :769798.Mare al, V. and Mahfouf, J.-F. (2000). Variational retrieval of temperature andhumidity proles from trmm pre ipitation data. Mon. Wea. Rev., 128 :38533866.Mathon, V., Laurent, H., and Lebel, T. (2002). Mesos ale onve tive systems inthe sahel. J. of Applied Met., 41(11) :10811092.Mohr, K. (2004). Interannual, monthly, and regional variability in the wet seasondiurnal y le of pre ipitation in sub-saharian afri a. J. Cli., 17 :24412453.Mor rette, J., Smith, L., and Fouquart, Y. (1986). Pressure and temperaturedependen e of the absorption in longwave radiation parametrization. Contrib.Atmos. Phys., 59(4) :455469.Murakami, M. (1979). Large-s ale aspe ts of deep onve tive a tivity over gatearea. Mon. Wea. Rev., 107 :9941013.Nesbitt, S. and Zipser, E. (2003). Diurnal y le of rainfall and onve tive intensitya ording to three years of trmm mesurements. J. Cli., 16 :14561475.Paradis, D., Lafore, J.-P., and Redelsperger, J.-L. (1995). Afri an easterly wavesand onve tion. part i : Linear simulations. J. Atmos. S i., 52 :16571679.Peixoto, J. and Oort, A. (1992). Physi s of limate. Ameri an Institute of Physi s,31.25 pb, ISBN 0-88318-712-4 :520 pp.Ramel, R., Gallée, H., and Messager, C. (2006). On the northward shift of thewest afri an monsoon. Climate Dynami s, 26(4) :429440.

Bibliographie 204Reed, R. J., Norquist, D. C., and Re ker, E. (1974). The stru ture and propertiesof afri an wave disturban es and observed during phase iii of gate. Mon. Wea.Rev., 105 :317333.Renni k, M. A. (1981). Some sensitivity experiments with an afri an wave model.J. Atmos. S i., 38 :106113.Rio, C. and Hourdin, F. (2008). A thermal plume model for the onve tive boun-dary layer : Representation of umulus louds. Journal of the Atmospheri S ien es, 65 :407425.Ro a, R. (2009). a ompleter. J. Atmos. S i., 62 :390407.Rowell, D. P., Folland, C.K.and Maskell, K., and Ward, M. (1995). Variability ofsummer rainfall over tropi al north afri a (1906-92) : Observations and model-ling. Q. J. R. Meteorol. So ., 121 :669704.Sadourny, R. and Laval, K. (1984). January and july performan e of the lmdgeneral ir ulation model, in new perspe tives in limate modelling, edited bya. berger and . ni olis. Elsevier, 8 :173197.Shinoda, M., Okatani, T., and Saloum, M. (1999). Variations of rainfall over nigerin west afri an sahel : A omparison between wet and drought years. J. Cli.,19 :8194.Si ot, A. (1991). Soil water balan e in the sudano-sahelian zone. IAHS. Publ. no.,199 :74158.Slingo, J., Bla kburn, M., Betts, A., Brugge, R., Hodges, K., Miller, M., Steenman-Clark, L., and Thuburn, J. (1994). Mean limate and transien e in the tropi sof the ugamp g m : Sensitivity to onve tive parametrization. Q.J.R Meteorol.So ., 120 :881922.

Bibliographie 205Sui, C.-H., Lau, K.-M., Takayabu, Y., and Short, D. (1997). Diurnal variations intropi al o eani umulus onve tion during toga oare. J. Atmos. S i., 54 :639655.Sultan, B. and Jani ot, S. (2000). Abrupt shift of the it z over west afri a. Geophys.Res. Letter, 27, 20 :33533356.Sultan, B. and Jani ot, S. (2003). The west afri an monsoon dynami s. part ii : thepreonset and the onset of the summer monsoon. Journal of Climate, 16 :34073427.Telford, P., Braesi ke, P., Morgenstern, O., and Pyle, J. (2008). Des ription andassessment of nudged version of the new dynami s unied model. Atmos. Chem.Phys., 8 :17011712.Thorn roft, C., Hall, N., and Kiladis, G. (2008). Three-dimensional stru ture anddynami s of afri an easterly wave. part iii : Genesis. J. Atmos. S i., 65 :35963607.Thorn roft, C. D. and Bla kburn, M. (1999). Maintenan e of the afri an easterlyjet. Q. J. R. Meteorol. So ., 125 :763786.Thorn roft, C. D. and Hoskins, B. (1994a). An idealized study of afri an easterlywaves. part i : A linear view. Q. J. R. Meteorol. So ., 120 :953982.Thorn roft, C. D. and Hoskins, B. (1994b). An idealized study of afri an easterlywaves. part i : A non linear view. Q. J. R. Meteorol. So ., 120 :9831015.Tiedtke, M. (1989). A omprehensive mass ux s heme for umulus parametriza-tion in large-s ale models. Mon. Wea. Rev., 117 :17791800.Torren e, C. and Compo, G. P. (1998). A prati al guide to wavelet analysis. Bull.Amer. Meteor. So ., 79 :6178.

Bibliographie 206Viltard, A. and De Feli e, P. (1979). Stati al analysis of wind velo ity in an easterlywave over west afri a. Mon. Wea. Rev., 107 :13201327.Walla e, J. (1975). Diurnal variations in pre ipitation and thunderstorm frequen yover the onterminous united states. Mon. Wea. Rev., 103 :406419.Williams, M. and Houze, R. (1987). Satellite observed hara teristi s of wintermonsoon loud lusters. Mon. Wea. Rev., 115 :505519.Yang, G.-Y. and Slingo, J. (2008). The diurnal y le in the tropi s. Mon. Wea.Rev., 129 :784801.Yang, G.-Y. and Smith, E. (2008). Conve tive-stratiform pre ipitation variabilityat seasonal s ale from 8 yr of trmm observations : Impli ations for multiplemodes of diurnal variability. J. Clim., 21 :40874114.Yang, S., Kuo, K.-S., and Smith, E. (2008). Persistent nature of se ondary diurnalmodes of pre ipitation over o eani and ontinental regimes. J. Cli., 21 :41154131.Yu, J. (2010). Representation de l'eet des vents anabatiques sur le de len hementde la onve tion profonde dans un modele de limat. These, Universite Pierreet Marie Curie :87p.

Thèse de doctora t - Hydrologie.orghydrologie.org/THE/SANE.pdfexp ertise et sa rigueur scien-ti que...

Documents

Transcript of Thèse de doctora t - Hydrologie.orghydrologie.org/THE/SANE.pdfexp ertise et sa rigueur scien-ti que...