You are here: Home / Patrick Marchesiello / Topics / Tropical cyclones

Tropical cyclones

by ECOLA last modified Oct 06, 2014 12:10 PM

Simulation mésoéchelle de l’activité cyclonique du Pacifique Sud

Participants: Patrick Marchesiello, Swen Jullien, Jerome Lefevre, Christophe Menkes, Nicolas Jourdain

La région Pacifique sud-ouest est composée de petites îles avec une forte densité de population ce qui en fait une région très vulnérable aux évènements climatiques et météorologiques extrêmes. L’activité cyclonique provoque ponctuellement de grosses pertes sur les biens socio-économiques (agriculture, infrastructure), des dommages environnementaux (récifs coralliens) et des dommages sur la santé publique (décès, blessures, infections et intoxications succédant aux dégradations environnementales, comme la ciguatera). Les cyclones représentent ainsi dans la région la deuxième source de mortalité par évènement naturel. Pourtant, c’est dans le Pacifique sud-ouest que les simulations de cyclones tropicaux sont les moins fiables, principalement à cause des difficultés que l’on a à modéliser la zone de convergence subtropical (SPCZ), source d’intense convection et zone de formation des cyclones. Celle-ci est particulièrement complexe et nécessite des outils régionalement adaptés. Autrement dit l’approche global n’est pas la plus pertinente.

TC merging WRF

Figure 1 : Simulation de formation par merging d’un cyclone tropical dans la Mer de Corail (effet Fujiwara). Les panneaux représentent un évènement de 5 jours (8,9,11,12 Février de l’année 1986 du modèle). Le vent de surface (925hPa) est représenté par des lignes de courant surimposés sur l’intensité en couleurs (m/s).

 Notre projet ANR 2007-2009 a été conçu pour répondre à cet objectif de régionalisation, en partenariat avec le CNRM (projet Cyclones&Climate). L’objectif plus précis que nous nous sommes fixés est d’établir les sources de variabilité interannuelles des cyclones tropicaux (genèse et intensité), qui révèlent le caractère de prévisibilité de ces évènements. Nous avons ainsi puévaluer, par l’analyse des données et par des simulations atmosphériques le lien entre la variabilité de grande échelle (ENSO, MJO) et l’activité des cyclones tropicaux, ainsi que les tendances éventuelles qui seraient dues au réchauffement climatique. Mais notre résultat le plus original a été de montrer que la variabilité cyclonique d’une saison à l’autre est fortement affectée par des processus chaotiques, et de quantifier la variabilité stochastique (Jourdain et al., 2009). Celle-ci résulte d’interactions à mésoéchelle faisant intervenir une gamme variée allant des interactions élastiques entre vortex jusqu’au « merging » (effet Fujiwara).

Variabilité forcée de la cyclogenèse

 Pour les simulations, nous avons implémenté une configuration régionale du modèle atmosphérique WRF à 30 km de résolution, emboîtée dans un modèle à résolution moyenne (1°), lui-même forcé par les réanalyses NCEP2 du centre de prévision américain. Des expériences de sensibilité ont permis d’explorer le rôle des frontières ouvertes et de leur position, ainsi que celui des paramétrisations de la microphysique et de la convection qui régissent les transferts de chaleur dans l’atmosphère du cyclone. La paramétrisation de la convection est une des taches les plus difficiles dans les modèles atmosphériques à cause des nombreux paramètres requis (et mal connus). Néanmoins, la configuration obtenue est robuste. La structure tridimensionnelle des cyclones produits est en très bon accord avec les observations, de même que la distribution spatiale, le cycle saisonnier, et l’écart type interannuel de la cyclogenèse (8±3.5 cyc/an).

En ce qui concerne le forçage de la variabilité interannuelle, l’analyse du modèle et des observations a permis de comprendre comment le forçage interannuel se met en place dans le Pacifique sud-ouest. Le pivot en est la SPCZ, fortement influencée par certaines phases de ENSO et MJO, comme le montre notre classification des régimes de temps régionaux (Lefèvre et al., 2009). La SPCZ rassemble toutes les conditions environnementales requises pour la cyclogenèse: eaux chaudes, air humide, vent d’altitude faible. Au nord de la SPCZ, la faiblesse de Coriolis est un facteur limitant et au sud, la présence d’un jetstream en altitude ventile la colonne d’air par de l’air trop sec, en même temps que les températures océaniques s’abaissent. Ainsi, la prévisibilité cyclonique saisonnière et climatique est largement déterminée par notre capacité à modéliser et prévoir les déplacements de la SPCZ par rapport à son axe habituel (incliné nord-ouest/sud-est). En revanche, notre modèle a mis en évidence que chaque déplacement de la SPCZ entraîne une réponse bipolaire de la cyclogenèse avec des anomalies positive/négative au nord/sud de la SPCZ moyenne. La compensation de ces anomalies à l’échelle régionale a des conséquences négatives pour la prévisibilité liée à ENSO.

Stochasticité

 Un autre facteur d’imprécision, sans doute plus important, est la stochasticité. Pour l’estimation de la part stochastique des variations interannuelles de cyclogenèse, nous avons analysé une simulation climatologique, équivalente à une simulation d’ensemble d’une année moyenne). Nous avons ainsi, et pour la première fois sans doute, montré que la variabilité intrinsèque de ces évènements extrêmes (écart type de 1.7 cyc/an) est au moins comparable à celle qui est  forcée par les conditions climatiques. Celle-ci résulte comme nous l’avons vu d’interactions à mésoéchelle faisant intervenir une gamme variée allant des interactions élastiques entre vortex jusqu’au « merging » (effet Fujiwara). Ainsi, une résolution explicite de 150km au moins est nécessaire à la modélisation de ces interactions. Le raffinement de la résolution montrera peut-être que les interactions aux échelles convectives (qui sont actuellement paramétrisées) sotn également une source importante de stochasticité. 

Couplage air-mer

Au cours des dernières années, l’augmentation de la puissance de calcul et l’amélioration des capacités de modélisation et d’observation ont permis d’améliorer les prévisions de la trajectoire des cyclones. En revanche, leur intensité est encore mal prédite. La raison souvent invoquée, en plus de l'effet de stochasticité, est une mauvaise prise en compte de la structure océanique et des échanges air-mer dans les prévisions opérationnelles. Les interactions des cyclones tropicaux avec l’océan sont essentielles à leur formation et leur évolution. La chaleur contenue dans les couches superficielles de l’océan est la source d’énergie des cyclones. En retour, les vents extrêmes des cyclones injectent de l’énergie mécanique dans l’océan et modifient sa structure. On observe alors un refroidissement de surface sur la trace des cyclones. En retour, ce sillage froid peut exercer une rétroaction négative sur l’intensité des cyclones. Les principaux objectifs de la thèse de Swen Jullien (2012, 2014) étaient de fournir une climatologie de la réponse océanique aux cyclones et de sa rétroaction sur leur intensité et d’en comprendre les mécanismes. Pour cela, un modèle régional couplé du Pacifique sud-ouest a été développé permettant de réaliser des simulations longues du climat présent avec une résolution méso-échelle. Cette approche a permis d’obtenir des expériences statistiquement robustes manquant dans la littérature actuelle entre études climatiques à basse résolution et cas d’études.

Les travaux de Jullien et al. (2012, 2014) apportent une meilleure compréhension des interactions océan-atmosphère au sein d’évènements extrêmes que sont les cyclones tropicaux. L’étude de la réponse océanique aux cyclones et de sa rétroaction a permis de souligner l’importance de la dynamique océanique et atmosphérique et tend à contredire les estimations extrêmes faites précédemment à partir de modèles théoriques simplifiés. L’impact des cyclones sur le climat est probablement surestimé dans les études qui négligent les processus d’advection et la réémergence d’anomalies océaniques en surface durant l’hiver. La rétroaction négative du refroidissement de surface induit par les cyclones est également surestimée dans les études théoriques en raison des fortes hypothèses faites sur les échelles de temps impliquées dans le processus d’intensification des cyclones. De même, la structure océanique à grande et moyenne échelle est souvent négligée (par exemple dans les indices de cyclogenèse), alors qu’elle module fortement les mécanismes de couplage. Enfin, l’utilisation de modèles à méso-échelle et de simulations à long terme produisant un grand nombre d’événements s'est avérée essentielle pour séparer un mécanisme robuste d’effets anecdotiques.

Projections climatiques

Sur le chapitre du changement climatique, nos comparaisons des projections des indices de cyclogenèse dans les différents modèles de l’IPCC (Intergovernmental Panel on Climate Change) montre que leur incertitude est encore trop forte pour dégager des tendances quelconques. De même dans les données, les séries temporelles pertinentes semblent trop courtes pour permettre une conclusion fiable sur la tendance du nombre et de l’intensité des cyclones. Les données indiquent néanmoins une tendance à la diminution dans le Pacifique et à l’augmentation dans l’Atlantique. Le choix le plus circonspect en la matière sera de sélectionner le ou les modèles les plus aptes à représenter la variabilité basse fréquence observée des zones de convergence et réaliser un downscaling régional. C’est ce que nous avons fait avec le modèle du GFDL (projections SRESA2). Une première déception est venue du fait que le downscaling des simulations du climat présent dans les modèles climatiques ne fonctionnent pas car l’atmosphère tropicale y est si humide qu’elle génère une quantité énorme de cyclones. Nous avons donc du comme d’autres nous contenter de travailler avec les anomalies des projections climatiques (ajoutés aux champs NCEP). La projection en terme de cyclogenèse, empreinte de beaucoup d’incertitude liées aux modèles climatiques, montrent néanmoins une diminution de cyclone avec le réchauffement dans le Pacifique Sud, qui semble en accord avec un modèle globale récent à « haute » résolution (Zhao et al., 2009) et avec les données d’observation, dont la tendance est elle-même encore peu significative. Une publication sur ce thème est en cours (Marchesiello et al., 2009).

 TC distribution in present and future climates

 

Références :

  •  Jullien S., P. Marchesiello, C. E. Menkes, J. Lefèvre, N. C. Jourdain, G. Samson, and M. Lengaigne, 2014: Ocean feedback to tropical cyclones: climatology and processes. Climate Dynamics, DOI 10.1007/s00382-014-2096-6.
  • Jullien S., C. E. Menkes, P. Marchesiello,  N. C. Jourdain, M. Lengaigne, A. Koch-Larrouy, J. Lefèvre, E. M. Vincent, V. Faure, 2012: Impact of tropical cyclones on the heat budget of the South Pacific Ocean. J. Phys. Oceanogr.42, 1882–1906.
  • Menkes C., M. Lengaigne, P. Marchesiello, N.C. Jourdain, E.M. Vincent, J. Lefevre, F. Chauvin, J.-F. Royer, 2012: Comparison of tropical cyclogenesis indices on seasonal to interannual timescales. Climate Dynamics, 38,301-321.
  • Jourdain N., P. Marchesiello, C. Menkes, J. lefevre, E. Vincent, M. Lengaigne, F. Chauvin, J.-F. Royer, 2009: Mesoscale Simulation of tropical cyclones in the South Pacific: climatology and interannual variability. Journal of Climate, 24, 3-25.
  • Lefevre J., P. Marchesiello, N. Jourdain, C. Menkes, 2009: Weather regimes and orographic circulation around New Caledonia. Marine Pollution Bulletin, 61, 413-441.
  • Vincent, E., M. Lengaigne, C. Menkes, N. Jourdain, P. Marchesiello, and G. Madec, 2009: Interannual Variability of the South Pacific Convergence Zone and Tropical Cyclone Genesis Geography. Climate Dynamics, 36,1881-1896.
  • Samson G., S. Masson, M. Lengaigne, M.G. Keerthi, J. Vialard, S. Pous, G. Madec, N. Jourdain, S. Jullien, C. Menkes, P. Marchesiello: The NOW regional coupled model: application to the tropical Indian Ocean climate and tropical cyclones activity. Journal of Advances in Modeling Earth Systems, in press.

Document Actions

logo cnes logo IRD Logo université de Toulouse Logo université Paul Sabatier Logo CNRS
Logo bibliothèque OBS Logo Observatoire Midi Pyrénées