Embed Size (px)
Citation preview
INFLUENCE DES FLEUVES SUR LA SALINITE DE
L’ATLANTIQUE DANS LES MODELES OCEANIQUES
Chaire Internationale en Physique Mathématique et Applications
(CIPMA-Chaire UNESCO)
Master of Science en Océanographie Physique et Applications.
Présenté par :
MAMA Anselme Crépin
Faculté des Sciences et Techniques (FAST)
Université d’Abomey-Calavi (UAC)
Cotonou, République du Bénin
Université d’Abomey-Calavi (UAC), BENIN
Faculté des Sciences et Techniques (FAST)
Chaire Internationale en Physique Mathématique et
Applications
(CIPMA - Chaire UNESCO)
M.Sc N ◦. . ./M.Sc/CIPMA/FAST/UAC/2011.
INFLUENCE DES FLEUVES SUR LA SALINITE DE L’ATLANTIQUE DANS LES MODELES
OCEANIQUES
Mémoire de Master of Science
En
Océanographie Physique et Applications
Présenté par :
MAMA Anselme Crépin
Superviseur : Dr Gaël ALORY (IRD/LEGOS)
Jury :
Président : ....................
Examinateurs : ....................
Rapporteur : ....................
Cotonou, Rép. du Bénin, Novembre 2011
Remerciements
Le présent rapport est le fruit de l’assistance intellectuelle, morale, matérielle et
financière de nombreuses personnes et organisations. Il nous plairait ici d’adresser
nos sincères remerciements aux personnes suivantes :
– A mon encadreur le Docteur Gaël ALORY de l’UPS/LEGOS (Toulouse - France)
qui n’a ménagé aucun efforts pour m’encadrer. Je lui suis infiniment rede-
vable et reconnaissant, entre autres, de son enseignement, pour l’espace et
l’horizon de pensée qu’il m’a ouverts, de sa rigueur qui sans cesse stimule la
réflexion sans jamais la contraindre, de son écoute vigilante et sa disponibi-
lité. Je mesure, sur une échelle qui n’est que personnelle, la distance que son
attention m’a permis de parcourir.
– Au Professeur Norbert M. HOUNKONNOU et à toute son équipe de la Chaire
Internationale en Physique Mathématique et Applications (CIPMA-Chaire
UNESCO), en particulier le Docteur Ezinvi BALOÏTCHA qui n’a pas cesser
de nous remonter le moral avec des conseils et surtout son humour.
– A mes enseignants : Bernard bourles, Nick hall, Rémy chula, Valerie Quii-
nou, Isabel DADOU, Peter van beck, Hernandez, Jean CHABI OURO, Edok-
payi, Elvis, Dominique Dagorgne, Sylvain ouillon, Alexei KOURAEV, Alain
QUENELLE.
– A tous mes camarades de la promotion, Nous avons pu maintenir, malgré
nos différences, une atmosphère de convivialité durant tout le stage
– A tout le personnel de l’ISH de l’Université de Douala-Cameroun particuliè-
rement mes collègues enseignants
– A Marie Agnès Laure NTSAMA ma dulcinée, pour les sacrifices et efforts
consentis pendant ces mois d’absence avec en charge un bébé alors de 3
mois pas très sympa côté santé.
I
II
Sigles et abréviations
AMMA : Analyse Multidisciplinaires de la Mousson Africaine
ARGO : Array for Real -Time Geostrophic Oceanography
BIL : Barrier Isothermic Layer
BL : Barrier Layer
CB : Courant Brésilien
CCNE : Contre Courant Nord Equatorial
CIPMA : Chaire Internationale en Physique Mathématique et Applications
CLIVAR : CLImatic VARiability and predictability
CLM3 : Community Land Model, version 3
CNB : Courant Nord Brésilien
CNES : Centre National d’Etude Spatiale
ENSO : El Niño Southern Oscillation
IRD : Institut de Recherche pour le Développement
MLD : Mixed Layer Depth
NEMO : Nucleus for European Modelling of Ocean
OPA : Océan Parallélisé
ORCA : Ocean Research & Conservation Association
PIRATA : Prediction and Research Moored Array in the Tropical Atlantic
RMS : Root Mean Square
SSS : Sea Surface Salinity
SST : Sea Surface Temperature
STD : Standard Deviation
TACE : Tropical Atlantic Climate Experiment
TRMM : Tropical Rainfall Measuring Mission
UAC : Université D’Abomey Calavi
UNESCO : United Nations Educational, Scienti ?c and Cultural Organization
UPS : Université Paul Sabatier
ZCIT : Zone de Convergence IntertropicaleIII
Table des matières
1 INTRODUCTION 4
2 DONNEES ET METHODES 11
2.1 Données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Modèle Général de Circulation Océanique . . . . . . . . . . . . . . 13
2.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 RESULTATS ET ANALYSE 16
3.1 ETAT MOYEN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2 VARIATIONS SAISONNIERES . . . . . . . . . . . . . . . . . . . . . 18
3.2.1 Hiver et Printemps boréal . . . . . . . . . . . . . . . . . . . 18
3.2.2 Eté et Automne boréal . . . . . . . . . . . . . . . . . . . . . 19
3.2.3 Impact des fleuves sur la salinité de surface . . . . . . . . . 22
3.3 VARIATIONS INTERANNUELLES . . . . . . . . . . . . . . . . . . . 29
3.3.1 Observations interannuelles . . . . . . . . . . . . . . . . . . 29
3.3.2 Comparaison des observations avec les simulations du modèle 29
3.3.3 Variations interannuelles proche des embouchures . . . . . 30
4 CONCLUSION ET PERSPECTIVES 36
ANNEXES 39
Bibliographie 41
Liste des figures 46
1
RESUME
Les objectifs scientifiques sont de contribuer à la surveillance de l’évolution
spatio-temporelle de notre environnement global et plus particulièrement de la
salinité dans l’océan Alantique Tropical. Le bassin de l’Atlantique Tropical, qui
joue un rôle important sur le climat et l’économie des continents qui le limitent, a
une salinité influencée par plusieurs paramètres entre autres les eaux douces des
fleuves. L’évaluation de cette influence est faite ici à l’aide du Modèle de Circula-
tion Générale Océanographique ORCA025. Dans notre étude, la salinité de surface
de la mer est simulée par le modèle en introduisant les débits climatologiques, in-
terannuels, constants des fleuves (Niger, Congo, Amazone) avec ou sans rappel.
De long en large, la pertinence du modèle est évaluée en étudiant la cohérence et
la corrélation des observations avec les quatre forçages ou simulations, suivant :
– L’état moyen ;
– La variation saisonnière ;
– La variation interannuelle.
Il ressort que l’amplitude de la SSS saisonnière n’est pas seulement contrô-
lée par les eaux des fleuves aux embouchures mais aussi par la dynamique de la
mer qui influe également sur la phase de propagation ou distribution de la faible
salinité loin des embouchures. La SSS interannuelle semble bien être influencée
par la variation interannuelle du débit des fleuves. La variation interannuelle des
facteurs du climat (précipitations, El Niño) n’est non plus négligéable. Les simu-
lations donnent des résultats assez satisfaisants qui restent à améliorer avec les
mesures plus denses de la SSS, ce qui est l’objectif des satellites SMOS et Aquarius
(Couvrir tous les bassins océaniques).
2
ABSTRACT
The scientific objectives are to contribute to monitoring of the spatiotemporal
evolution of our environment, especially the Tropical Atlantic ocean salinity. The
Tropical Atlantic Basin, which has an important role on the climate and economy
of the boundary countries, has a salinity influenced by several factors including the
freshwater rivers. The evaluation of this influence is made by using the General
Circulation Model Oceanographic ORCA025. In this study, the sea surface salinity
is simulated by the model by introducing the climatology, yearly and constant
rivers flow (Niger, Congo, Amazon) with or without a recall. In this report, the
relevance of the model is evaluated by the consistency and correlation between
observations (in-situ measures) and simulations results. The work is done in the
following steps :
– The average state ;
– The seasonal variation ;
– The inter-annual variation.
It appears that the amplitude of the seasonal SSS is not only controlled by the
water at the mouths of rivers but also by the dynamics of the sea which influenced
also the distribution of low salinity away from river mouths. The inter-annual SSS
is influenced by the inter-annual variation of river flow. Inter-annual variations of
climatic factors (rainfall, El Niño) are not negligible. The simulations give fairly
satisfactory results which can still be improved with more measurements of SSS,
which is the objective of the satellites SMOS and Aquarius (covering all ocean
basins).
3
Chapitre 1
INTRODUCTION
La salinité est la teneur en sels de l’océan, dont l’élément principal est le chlo-
rure de sodium, ce que l’on appelle généralement "sel" pour notre alimentation. Il
n’existe pas une mais plusieurs définitions de la salinité : une définition purement
théorique et plusieurs définitions pratiques, liées aux méthodes de mesure. Défini-
tion théorique : La salinité est la quantité totale des résidus solides (en grammes)
contenu dans 1 kg d’eau de mer, quand tous les carbonates ont été transformés en
oxydes, le brome et l’iode remplacé par le chlore et que toute la matière organique
a été oxydée. Il est très difficile d’estimer la salinité par analyse chimique directe
(séchage et pesée du résidu solide), car certains corps présents, notamment les
chlorures, s’échappent au cours du dernier stade de séchage.
En pratique, depuis 1978 on définit la salinité en terme de rapport de conducti-
vité : La salinité pratique (symbole S), d’un échantillon d’eau de mer, est définie
en fonction du rapport K de la conductivité électrique de cet échantillon d’eau de
mer à 15°C et à la pression atmosphérique normale, et de celle d’une solution de
chlorure de potassium dans laquelle la fraction en masse de KCl est 0.0324356, à
la même température et même pression. Une valeur de K égale à 1 correspond par
définition à une salinité pratique égale à 35. La formule correspondante à cette
définition de la salinité est :
S = 0.0080−0.1692K1/2 +25.3853K+14.0941K3/2−7.0261K2 +2.7081K5/2 (1.1)
Depuis l’introduction de l’échelle pratique de salinité (notée pss : practical salinity
scale), la salinité n’est plus définie comme un rapport de masse et s’exprime sans
unité (comme par exemple le PH). Si l’on considère le volume total de l’océan
soit 1370 millions (1460 millions selon certains auteurs) de kilomètre cubes, la
4
quantité de sel est de 48 millions de tonnes, soit environ 35 grammes par kilo
d’eau. Si l’on répartissait tout ce sel sur l’ensemble de la surface de la terre, on
aurait 95 tonnes de sel sur chaque carré de 1 mètre de coté. La salinité varie re-
lativement peu à la surface de l’océan, mais suffisamment ce pendant pour avoir
une influence sur la circulation des masses d’eau. Plus clairement,ces variations
de salinité induisent des différences de densités, et jouent donc un rôle sur les
courants géotrophiques. De façon plus spectaculaire, elles participent aux phéno-
mènes de convection. Ces différences de densité sont à l’origine de la circulation
dite " Circulation Thermohaline " (voir figure 1.1) qui est liée à la température et à
la salinité des eaux. Le mécanisme est le suivant : Dans les régions polaires (océan
Arctique et mer de Weddell notamment), l’eau de mer se transforme en glace.
Lors de la solidification, les sels sont rejetés car la glace ne les intègre pas dans sa
structure, l’eau liquide s’enrichit en sels réfractaires et voit sa densité augmenter,
ce qui amorce une plongée vers les fonds marins et, à terme, une convection de
large échelle. D’où la plongée des eaux refroidies et salées au niveau des hautes
latitudes de l’Atlantique Nord qui descendent vers le sud très lentement, à des pro-
fondeurs comprises entre 1 et 3 km et rejoignent les autres océans. Dans certaines
régions, ces eaux remontent à la surface puis parcourent à nouveau l’océan en
surface avant de replonger. La durée de circuit est de l’ordre du millier d’années.
La salinité est influencée en surface par l’évaporation et l’apport d’eau douce
FIGURE 1.1 – circulation thermohalineles eaux chaudes de surface sont représentées en couleur rouge et les eaux froides de fond en couleur bleue
5
par l’atmosphère (pluie et neige), par les fleuves ou encore par la formation ou
fonte de la glace de mer, et par les courants. La salinité est en fait uniforme dans
une couche dite " couche de mélange " générée par le vent près de la surface.
La salinité est importante pour surveiller les changements dans les précipitations
au-dessus des océans. Il se trouve que dans les régions soumises à de fortes pré-
cipitations et à des décharges fluviales, donc un apport d’eau douce, la salinité de
l’eau va jouer un grand rôle sur cette couche de mélange par création d’une couche
barrière (BL c’est-à-dire Barrier Layer en anglais).Physiquement, elle se situe entre
la thermocline, qui est la limite supérieure des eaux froides profondes, et la base
de la couche de mélange de surface, plus chaude (voir figure 1.2). Agissant comme
un isolant, cette " couche barrière de sel " limite la création, sous l’effet du vent,
du mélange vertical entre les deux couches. Du fait de la faible profondeur du
gradient de salinité combinée aux eaux douces, le rayonnement solaire est piégé
dans la BL. Ce qui provoque une inversion du gradient vertical de température.
FIGURE 1.2 – Profils de : la salinité (en pointillés), la température (en traits inter-
rompus courts), la densité (en trait fort)obtenus lors de la campagne ETAMBOT 2 en mai 1996 à 2°22’N - 44°13’W. Y sont aussi représentés la profondeur de la
couche de mélange (MLD), la base la thermocline (BIL) et la couche de barrière de sel (BL). (Paillet et al, 1999).
La salinité peut donc limiter l’épaisseur de la couche de mélange, et influer en
retour sur la température de la surface susceptible d’augmentée. Ce phénomène
(Spall ; 1993) s’observe surtout dans les océans tropicaux, dans le Pacifique Ouest
où l’on rencontre de fortes précipitations, également dans l’Atlantique Ouest (Tay-
lor and Stephens ,1980), où se trouve l’Amazone, aussi dans le Golfe de Guinée
où les précipitations sont importantes, dans la baie du Biafra où se jette le fleuve
Niger ( Dessier et Donguy,1994) . Pailler et B. Bourles dans (1999) montrent, par
6
des résultats des modèles ou des observations une épaisse couche de barrière est
présente toute l’Eté Boréal au Nord de l’embouchure de l’Amazone.
Le bassin Atlantique tropical qui est notre zone d’étude (voir figure 1.3), où se
jettent les deux cours d’eaux aux débits les plus importants de la planète à savoir
le Congo et l’Amazone puis le Niger qui n’est pas des moindres, s’associe à l’océan
Pacifique, pour profiler le climat de la Terre (Eltahir E. A. B. et al ; 2004). Le cycle
saisonnier moyen de salinité au large de l’Afrique de l’Ouest se caractérise par le
déplacement nord-sud d’un minimum de salinité entre 5°N et 10°N, plus prononcé
près des côtes, (Delcroix, 2005). Ceci est du à l’effet combiné de la forte intensité
des précipitations sous la Zone de Convergence Intertropicale (ZCIT) et l’advection
d’eau peu salée apporté par le Contre Courant Equatorial Nord ( NECC) (Delcroix,
2007).
FIGURE 1.3 – Localisation et frontières des bassins du Congo et de l’Amazone(Source : Eltahir et al., 2004)
Vu son grand intérêt pour le climat de la Terre qui déjà pose un souci, plusieurs
études ont été menées dans l’Atlantique tropical, notamment pour comprendre
son rôle dans la mousson ouest-africaine qui se définit comme étant un renver-
sement saisonnier des vents de surface et des précipitations associées, causé par
le réchauffement différentiel entre un continent et l’océan adjacent dans les ré-
gions tropicales et subtropicales. Le mot est également employé pour indiquer la
saison durant laquelle les vents océaniques chargés d’humidité apportent sur le
continent des précipitations très fortes. Cette mousson est en effet essentiellement
7
dépendante des gradients méridiens d’énergie entre l’Atlantique est équatorial et
les régions continentales environnantes de l’Afrique de l’ouest. Ainsi (voir Figure
1.4), la mousson d’été est liée au fort réchauffement de la masse continentale de
l’Afrique de l’Ouest, conjugué à la présence d’eaux relativement froides dans le
Golfe de Guinée (saison de l’upwelling équatorial et de la langue d’eau froide). Au
printemps, on observe les premières pluies au Sud du continent et dans le Golfe
de Guinée ce qui induit le minimum de salinité de surface pendant les mois de
avril, mai, juin vers la fin juin, la zone d’orages caractéristique de la mousson se
décale rapidement vers le nord. La période de mousson étant celle où il tombe plus
de pluies dans le Golf Guinée, il apparait alors la couche de barrière qui piège le
rayonnement solaire en augmentant ainsi la température de surface dans la Baie
du Biafra où les eaux sont tièdes tout le temps (Crosnier, 1964 ; Pierre GIRESSE
et al, 1996 ; Jean FOLACK et al, 2004). Ce qui , augmente considérablement le
contraste thermique entre l’océan et le continent, induisant un afflux d’air chaud
et humide sur le continent alimentant la mousson.
FIGURE 1.4 – Schéma illustrant les flux d’air en hiver et en été boréals entre le
Golfe de Guinée et le continent ouest africain, illustrant ainsi synthétiquement le
phénomène de la mousson africaine.
Sachant que les débits des cours d’eau intègrent les variations de précipitation
sur de très vastes superficies, l’avènement du satellite TRMM lancé en 1997 pour
fournir et compléter de manière sûre les estimations des précipitations sur toutes
les régions tropicales (Simpson et al, 1988), a permis à Eltahir et al de moyen-
ner les pluies mensuelles estimées de janvier 1998 à décembre 2002 sur les deux
8
bassins fluviaux le Congo et l’Amazone. Ces nouvelles informations sur l’hydro-
logie ont permis de voir plus clairement que l’Amazone apporte la plus grande
quantité d’eau douce soit un débit de 0.2 Sv, d’où sa responsabilité en grande par-
tie du faible taux de salinité de surface (SSS) observé dans l’Atlantique tropical
Ouest. S. Masson et P. Delecluse (2000) ont pu ressortir la contribution des eaux
de l’Amazone sur la physique océanique. En comparant les simulations et les don-
nées mensuelles des écoulements, il ressort que la distribution des eaux douces
de l’Amazone au large de la coté brésilienne est contrôlée par la circulation océa-
nique. En effet les variations de SSS du côté Nord de l’embouchure de l’Amazone
ne sont pas directement liées à ses variations de débit mais modulées par les cou-
rants dynamiques de surface CNB et CCNE dont les vitesses augmentent en Eté
(Stramma et Schott, 1996 ; Bourles et al, 1999).
De prime abord, il apparait que les modèles ont atteint une maturité dans l’in-
tégration du rôle de la salinité pour l’amélioration des performances. Guilyardi
(2001) affirme que des tests de sensibilité réalisés avec des modèles du climat
montrent un impact de la salinité du fond jusqu’au sommet de l’atmosphère. D’où
la nécessité de modéliser de façon cohérente l’ensemble du cycle hydrologique
et le besoin accru des données de qualité pour la validation. Les modèles sont
aussi de précieux outils pour évaluer l’influence de processus spécifiques en modi-
fiant/supprimant ceux-ci dans une simulation test et en comparant les conditions
océaniques alors obtenues à celles d’une simulation de référence.
L’Objectif global pour cette étude est de comprendre l’influence des écoule-
ments des fleuves sur la salinité à différentes échelles de temps et d’espace. Ayant
en notre possession les données observées de salinité de surface de la mer, nous
allons faire une analyse comparative avec les valeurs de SSS issues des simulations
du modèle et pouvoir dire laquelle est la plus proche de la réalité. La salinité de
l’Océan Atlantique issue de différents modèles de simulations avec ou sans varia-
tions saisonnières ou interannuelles des débits des fleuves, avec ou sans rappel
sera comparée aux observations disponibles pour évaluer leur réalisme. La com-
paraison portera aussi sur l’estimation de l’influence régionale des fleuves à diffé-
rentes échelles de temps.
La structure de notre travail est la suivante : dans la section II, une brève
9
description des observations et leurs sources ainsi que, du modèle océanique don-
née. La salinité issue des différentes simulations du modèle seront comparées aux
observations disponibles pour évaluer leur réalisme en section III, de même que
la comparaison portée sur l’estimation de l’influence régionale des écoulements
d’eaux douces à différentes échelles de temps, nous ressortirons les différences
entre les simulations. Une dernière section portera sur la conclusion et les pers-
pectives de l’étude.
10
Chapitre 2
DONNEES ET METHODES
2.1 Données
Les observations de salinité proviennent du projet d’océanographie opération-
nelle CORIOLIS. Elles incluent les mesures des flotteurs du programme ARGO et
des mouillage instrumentés ( programme PIRATA dans l’Atlantique). ARGO (Ar-
ray for Real -Time Geostrophic Oceanography) est un programme d’observation
de l’océan global qui mobilise la communauté scientifique internationale depuis
2000. Il a aujourd’hui atteint son objectif initial qui est de disposer d’un réseau de
3000 flotteurs autonomes répartis dans tous les océans du monde et en particulier
un réseau de 600 flotteurs répartis régulièrement dans tout l’Atlantique. La distri-
bution actuelle des flotteurs dans l’océan mondial est présentée sur la Figure2.1.
PIRATA (Prediction and Research Moored Array in the Tropical Atlantic)est un
programme expérimental qui consiste à maintenir 10 bouées de mesures météo-
rologiques et océanographiques en plein océan. Tandis que les USA fournissent les
bouées (fabriquées à Seattle), le Brésil se charge du maintien de 5 bouées situées
dans l’ouest de l’Atlantique tropical (de l’équateur à 15°N vers 38°W), et la France,
sous la responsabilité principale de l’Institut de Recherche pour le Développement
(IRD), a la charge de 5 bouées situées dans la partie Centrale et Est du bassin (à
l’équateur 23°W et dans le Golfe de Guinée).
Pour un bon fonctionnement, les bouées doivent être remplacées au minimum
tous les ans. La Figure 2.2 montre la position des bouées PIRATA dans l’Océan
11
FIGURE 2.1 – Distribution des flotteurs dans les océans à la date d’aujourd’hui par
la CNES(http ://www-hrx.ucsd.edu/www-argo/statusbig.gif)
Atlantique Tropical.
FIGURE 2.2 – Position des bouées PIRATA dans l’Océan Atlantique TropicalRéseau du programme PIRATA : les bouées ATLAS du réseau de base sont représentées par des carré.s rouges. Les trois
bouées ATLAS de l’extension Sud Ouest sont représentées par des cercles verts, et les quatre bouées ATLAS de l’extension
Nord Est sont représentées par des étoiles bleues. L’extension Sud-Est, proposée par l’Afrique du Sud (site pilote), est
représentée par un triangle jaune. Les croix vertes représentent les sites d’observations installés sur des îles (marégraphes
et stations météorologiques). Les bouées ATLAS entourées d’un cercle noir sont équipées de baromètres et radiomètres
ondes-longues. Deux mouillages courantométriques sont également maintenus à 23°W-Equateur (PIRATA-international) et
à 10°W-Equateur (PIRATA-France, installé initialement en relation avec les programmes EGEE/AMMA et TACE/CLIVAR).
Ces données globales ont été calibrées et validées en temps différé, puis inter-
polées sur une grille régulière de 1° en longitude et latitude avec une résolution
temporelle de 7 jours.
12
Pour mener à bien notre travail, nous nous sommes chargés d’extraire juste les
mesures concernant notre zone d’étude à savoir : 20°N et 20°S puis -55°O et 15°E
en surface.
Les variations saisonnières climatologiques des débits des fleuves utilisées pour
forcer le modèle sont issues du produit de Dai et al. (2009). Ce produit est basé sur
le modèle hydrologique CLM3 (Community Land Model, version 3). Nous avons
les cas des débits mensuels du Congo enregistrés à la station de Brazzaville sur la
période 2000-2010 et de l’Amazone enregistrés à la station d’Obidos sur la même
période.
Les valeurs interannuelles des débits sont produites par altimétrie sur la période
2003 - 2009 par la méthode de Papa et al. (2010). C’est le cas des Débits men-
suelles du Niger enregistrés sur la période 2003-2009 lors du passage du satellite
dans la localité de Lokoja. Ces séries étant en amont des embouchures des fleuves,
il a fallu faire une extrapolation en multipliant par un coefficient pour que leurs
moyennes annuelles/mensuelles soient les mêmes que celles des embouchures.
2.2 Modèle Général de Circulation Océanique
Le modèle de circulation océanique ORCA025 est basé sur le système NEMO
(Nucleus for European Modelling of Ocean), qui comprend la version la plus ré-
cente du code de circulation océanique OPA9.0 du laboratoire LOCEAN à Paris
(Madec, 2006). Le code d’océan résout les équations de la mécanique des fluides
(équations de Navier - Stokes) avec les approximations appropriées à l’océan (Hy-
drostatique et Boussinesq). La discrétisation des équations utilise une méthode des
volumes finis.
La configuration ORCA025 couvre l’Océan mondial ; la grille de ORCA025 est tri-
polaire, et est aussi isotrope horizontalement ce qui est indispensable à une bonne
simulation de la turbulence océanique. Pour la configuration ORCA025, la résolu-
tion nominale est de 14
0, soit une maille de 28km à l’Equateur devenant plus fine
avec la latitude. Avec 46 niveaux verticaux pour représenter la stratification et le
relief du fond de l’océan ; le modèle comporte en tout 1442X1021X46 ≈ 7.107
points de grille. Le pas de temps est de 1440 secondes. Le forçage se fait à partir
de variables atmosphériques (vent, température de l’air, humidité, flux radiatifs,
précipitations et apports des fleuves) et les sorties sont journalières.
13
Les modèles sont utilisés pour simuler la dynamique océanique (courants, mé-
lange) et l’évolution des variables d’état océaniques (température, salinité...) sur
des échelles de grande envergure que ne peuvent couvrir les mesures in situ. Pour
notre étude, le modèle est utilisé pour principalement estimer comment les eaux
douces des grands fleuves affectent la salinité. Certaines études de modélisation
introduisent les débits comme des flux d’eau douce de surface (Carton, 1991 ;
Masson et Delecluse, 2001 ; Howden et Murtugudde, 2001) tandis que d’autres les
incluent dans les flux échangés à travers les frontières du bassin dans les couches
supérieures des océans (Mc Creary et al, 1997 ; Han et al, 2001). Pour cette étude,
comme dans le premier cas, les débits sont spécifiés comme des précipitations dans
les zones près de l’embouchure c’est-à-dire comme une condition de frontière ou-
verte.
2.3 Méthodologie
Par souci de concision nous nous sommes limités aux tests de sensibilité de la
SSS aux débits des fleuves. Des simulations utilisant différents types de débit pour
les trois grands fleuves (Amazone, Congo, Niger) ont été réalisées en amont de
notre étude et seront comparées aux observations et entre elles.
– Rappel + débits climatologiques mensuels (RUN-RCLIM-RAPPEL)
Les flux d’eau apportés au modèle sont les valeurs climatologiques mensuelles
des débits. Le rappel ici est une correction sur la salinité qu’on ajoute à chaque
pas de temps, proportionnelle à l’écart à la climatologie mensuelle observée et qui
permet de ne pas trop s’éloigner de cette dernière. Le rappel est utilisé pour éviter
une dérive dans le temps en salinité mais risque aussi d’artificiellement limiter la
variabilité (notamment interannuelle) de la salinité.
– Sans rappel + débits climatologiques mensuels (RUN-RCLIM)
Il s’agit ici d’un forçage avec sorties tous les trois jours, les flux d’eau apportés
au modèle sont les valeurs climatologiques mensuels des débits. La seule diffé-
rence avec la version précédente est l’absence de rappel.
14
– Sans rappel + débits constants (RUN-RCONST)
Les débits dans ce cas sont constants, toujours égaux à leur moyenne annuelle
observée.
– Sans rappel + débits interannuels (RUN-RINT)
Les débits utilisés pour forcer le modèle dans ce cas sont des valeurs mensuelles
comprenant à la fois les variations saisonnières et les variations interannuelles.
Dans une première étape nous avons fait une analyse spatio-temporelle en produi-
sant des cartes. Pour une bonne comparaison, nous avons tout d’abord ramené les
sorties du modèle sur une grille identique à celle des observations. Les grilles étant
définies à deux dimensions (longitude, latitude), il a fallu ramener les sorties de
modèle de 14
0 (longitude) x 14
0 (latitude) à 12
0 (longitude) x 12
0 (latitude) qui est
la grille des observations. Avec cette interpolation, nous avons obtenu des valeurs
de différences du même ordre que celles décrites par Masson et al (2000) dans la
grande partie du bassin de l’atlantique tropical. Les grandes différences notées au
niveau des embouchures des cours d’eaux nous ont poussé à une deuxième forme
d’analyse qui à consister à voir dans le temps comment la SSS varie dans des boites
que nous avons délimité où se jettent l’Amazone, le Congo et le Niger. Nous avons
ainsi élaboré comme proposé par Durand et al (2010), des séries temporelles qui
nous permettent d’analyser la phase entre la SSS et les débits des fleuves.
15
Chapitre 3
RESULTATS ET ANALYSE
Le but premier d’une introduction des débits est de simuler de manière plus
réaliste la salinité. Avec ou sans rappel, on cherche à comprendre les variations
de la salinité, dans notre cas de la SSS. Dans cette section il est question de com-
parer ou évaluer les simulations par rapport à la SSS obtenue des observations et
ressortir en même temps les différences entre les simulations.
3.1 ETAT MOYEN
Les cartes moyennes de SSS des deux simulations RUN-RCLIM-RAPPEL et RUN-
RCLIM sont comparées à celle des observations (figure 3.1). Le minimum de SSS
entre 0°N et 10°N correspond à la position moyenne de la ZCIT sous laquelle il
y a de fortes précipitations et moins d’évaporation. Aux frontières nord et sud de
notre domaine, l’approche des gyres subtropicales caractérisées par plus d’évapo-
ration fait apparaître une forte SSS autour de 37pss. Nous observons une faible
salinité de surface aux embouchures des fleuves avec des valeurs qui se situent
entre 34 et 35 pss. Dans le fond du Golfe de Guinée entre 0°N et 3°N, la faible SSS
noté est aussi en partie due à la forte pluviométrie autour des chaines de mon-
tagne que l’on rencontre dans la zone (Mont Cameroun, (4100m) ; Debundscha
qui est le point le plus pluvieux au monde, (11000 mm/an)) (Jean FOLAK et al,
2004). On remarque à l’ouest une langue de faible SSS qui se détache des côtes
de 5°N à 10°N, suivant le Contre Courant Equatorial Nord qui transporte les eaux
de l’amazone vers l’Est du bassin. Comme l’ont montré les expériences de Masson
et al (2000) les cartes de moyennes climatologiques annuelles simulées montrent
16
une propagation d’une faible SSS au Nord de l’embouchure de l’Amazone due à
la présence du Courant Nord Brésilien (CNB) qui, avec sa vitesse atteignant 1m/s
transporte les eaux douces vers le Nord. Tout ceci corrobore avec les analyses de
Masson et Delecluse (2000) qui disent que le minimum de salinité de surface est
causé par les débits des fleuves des deux régions qui sont le Golfe de Guinée et
l’Amazone.
FIGURE 3.1 – cartes de moyennes annuelles de SSS, aux extrémités les simulations
avec rappel à gauche et sans rappel à droite, au milieu les Observations
La comparaison entre la moyenne annuelle des observations et celle des simu-
lations RUN-RCLIM-RAPPEL et RUN-RCLIM présente des différences relativement
faibles d’une valeur de moins de 0.2pss dans la plus grande partie du Bassin Atlan-
tique Tropical (Figure 3.2). On remarque que le rappel diminue la différence entre
la simulation et les observations entre 5°S et 15°S. Les principales différences entre
les simulations et les observations se situent en aval de l’embouchure des fleuves.
Là encore le rappel atténue un peu ces différences en particulier à l’Est.
17
FIGURE 3.2 – de gauche à droite les cartes de différence entre simulations débits
sans rappel et débits avec rappel par rapport aux observations
3.2 VARIATIONS SAISONNIERES
Dans l’Atlantique Tropical, les écoulements des fleuves sont responsables des
forts gradients de salinité et aussi des structures locales très complexes particuliè-
rement aux embouchures des fleuves suivant les saisons (Johns et al, 1998).
3.2.1 Hiver et Printemps boréal
De décembre à mars sur la partie Ouest du Bassin Atlantique Tropical (figure
3.3), on note une faible variation de la SSS sur les cartes simulées RUN-RCLIM
et RUN-RCLIM-RAPPEL. Ce qui est en accord avec l’expérience de Bourles et al
(1999). Bien que les eaux douces de l’Amazone se propagent à environ 15°N de
latitude nous avons une très faible variation de la salinité vers le large. Par contre
sur le bord Est du bassin nous observons une baisse progressive de la salinité de
surface de la côte (embouchures des fleuves) jusqu’à environ 15°Ouest de longi-
tude. Sur le bord Est, on note une faible SSS d’environ 34pss entre mars et juin
le long de la côte avec une légère propagation au large. L’hémisphère Sud montre
une plus forte SSS que l’hémisphère nord à l’approche des gyres dû aux évapora-
tions car c’est l’Eté donc plus d’ensoleillement dans l’océan.
18
FIGURE 3.3 – cartes de climatologie mensuelle de SSS en mars sommet de l’hiver
boréal ; aux extrémités les simulations sans rappel à gauche et avec rappel à droite,
au milieu les Observations
3.2.2 Eté et Automne boréal
Les simulations ressortent que la SSS est diminuée sur le bord Ouest de l’océan.
Au large de l’Amazone et plus au Nord, on observe les valeurs de SSS qui at-
teignent 34pss, ceci dû à la présence de la ZCIT au dessus de l’embouchure en cette
saison ce qui implique un maximum de pluies et aussi aux alizés qui y soufflent
nourrissant ainsi le CNB et le CCNE. Pendant que sur le bord Est, on a une faible
variation de la Salinité de surface de juin à septembre (voir figure 3.4). On est ici
pendant la mousson dont les pluies arrosent toute l’Afrique de l’Ouest. En cette
période, les pluies de mousson sont intenses au Nord sous la position de la ZCIT.
Entre 10° Ouest et 10°Est les valeurs peuvent atteindre 36pss bien que restant tou-
jours entre 34 et 35pss aux embouchures des fleuves Congo et Niger ; De même
que dans la baie du Biafra au pied du Mont Cameroun et le long de la chaine des
montagnes du Fouta-Djalon qui est le " château d’eau " de l’Afrique de l’Ouest.
La carte d’écart-type saisonnier (figure 3.5) montre dans la majeure partie du
bassin atlantique de faibles valeurs et par contre sur les bords, particulièrement
aux lieux d’embouchures des fleuves, on a des valeurs élevées donc de fortes va-
riations saisonnières de SSS.
Les différences des Ecarts-types des simulations et des valeurs observées (voir
figure 3.6) ressortent de grosses différences positives aux embouchures des fleuves
d’environ 0.8pss entre Run-Rclim et les observations ; donc plus de variabilité dans
le modèle que dans les observations. Par contre pour la différence entre Run-Rclim-
19
FIGURE 3.4 – cartes de climatologie mensuelle de SSS en septembre sommet de
l’été boréal ; aux extrémités les simulations sans rappel à gauche et avec rappel à
droite, au milieu les Observations
FIGURE 3.5 – carte d’écart-type saisonnier de SSS observée dans l’Atlantique Tro-
pical
rappel et les observations, nous remarquons des différences négatives dans la baie
du Biafra et sur la côte du Fouta-Djalon ; avec toujours des valeurs positives aux
embouchures et de manière décroissante vers le large.
Avec la carte d’Ecart-type RUN-CONST, on observe beaucoup de variabilité aux
embouchures des fleuves (Nord de l’Amazone, Sud du Congo) alors que les débits
des fleuves sont pris constant dans la simulation. C’est sans doute dû aux varia-
20
FIGURE 3.6 – cartes de différences des Ecart-Types
tions dans les courants côtiers qui sont responsables de l’advection plus ou moins
du minimum de SSS à l’embouchure selon la saison. Ce qui vient confirmer l’af-
firmation de Masson et al, 2000 qui a conclu après expérience que la phase de
propagation de la SSS est due à la dynamique de l’océan. Sur la carte d’Ecart-type
saisonnier Run-RCLIM (figure 3.7), il ressort de plus grands Ecart-types aux em-
bouchures de ces fleuves, ce qui indique que les variations saisonnières des débits
des fleuves influencent également celles de la SSS. Les deux cartes montrent qu’il
n’y a pas de variation à l’embouchure du Niger. Ceci serait dû au fait que les débits
varient peu et les eaux restent bloquées dans le fond du Golfe.
Le calcul des corrélations montre une valeur positive autour de 0.8 dans la plus
grande partie du bassin de l’Atlantique Tropical. Il apparait une bonne corrélation
dans les zones où il y a des variabilités (figure 3.5). Ceci est un résultat positif
pour le modèle. Les zones de corrélation négatives correspondent aux lieux des
gyres tropicales, zone d’upwelling Equatorial, zone d’upwelling Côtier en Afrique
de l’Ouest, le long du courant brésilien sur la côte Est de l’Amérique du Sud) ;
(Voir figure 3.8).
21
FIGURE 3.7 – carte Ecart-Type des SSS climatologiques simulées avec les débits
constants (àgauche) et climatologiques mensuelles (à droite)
FIGURE 3.8 – cartes de corrélation saisonnière entre SSS simulée et SSS observée
3.2.3 Impact des fleuves sur la salinité de surface
La comparaison entre les climatologies mensuelles simulées et observées de
SSS sur les 8 années nous montre de grandes différences d’écart-type au niveau
des embouchures des fleuves (Amazone, Congo, Niger) voir figure 3.6. Sur la fi-
gure 3.9, nous avons des zooms qui montrent les boites choisies pour montrer
l’influence des fleuves sur la SSS.
A ces lieux la faible SSS (< 35pss) et le fort gradient de salinité de la côte vers
le large sont causés par les flux d’eau douce des fleuves. La variation de la salinité
de surface de la mer peut être estimée par l’équation du bilan de sel :
∂S
∂t=
E − P −R
h∗ S0 + V ∆S (3.1)
22
FIGURE 3.9 – situation des embouchures de nos trois fleuves Congo, Amazone et
Niger
Où S est la salinité, E correspond à l’évaporation, P c’est le terme de précipitation,
R le ruissèlement, h est la profondeur de la couche de mélange, S0 représente
la salinité de surface moyenne sur une couche de mélange, le second terme après
l’égalité est l’advection. En faisant l’hypothèse que, près des embouchures, le terme
de ruissellement R est dominant, la couche de mélange de profondeur constante
et l’advection négligeable, Il apparait alors que S est proportionnelle à l’intégrale
de (- R).
Une analyse des séries temporelles de SSS et de flux d’eau nous permettrait
alors de comprendre le phénomène de phase entre la salinité et les apports en
eau douce. Théoriquement, en considérant la salinité comme étant une fonction
sinusoïdale de période 12 mois avec 01mois correspondant à Π6, nous obtenons
que le minimum de SSS est atteint 3 mois soit Π2
plus tard après le maximum de
débits (Voir figure 3.10 ).
– Impact du Niger sur la salinité
Nous observons sur la figure 3.11 que : la simulation avec les débits sans rap-
23
FIGURE 3.10 – représentation de l’ordre de grandeur théorique de la variation de
salinité par rapport au débit du fleuve
pel montre un minimum de salinité qui vient environ un mois après le maximum
de débit. Ce qui est plus ou moins en accord avec le graphe des observations. Sur
ce dernier on note deux minimum de SSS entre mars et juin ce qui n’est pas ob-
tenu par les simulations. Ceci peut être lié aux grandes incertitudes sur le débit du
Niger, difficile à estimer étant donné l’étendue du delta, le débit à l’embouchure
estimé par Dai (2009) a ainsi un cycle saisonnier très différent de celui de la me-
sure satellite en amont.
– Impact du Congo sur la salinité
La figure 3.12 montre pour les simulations des SSS de faibles valeur pratique-
ment trois mois après le maximum de crues du fleuve qui est observé en décembre,
ce qui est proche du décalage attendu en théorie. Par contre la salinité observée
atteint le minimum à peine deux mois après le maximum de débit. Il est impor-
tant de noter ici que la période allant de fin janvier à avril correspond au moment
où la densité d’observations est extrêmement faible dans l’embouchure du Congo
(voir figure 3.14). Le mois d’aout apparait comme celui où il y a plus de mesures.
Les simulations donnent alors des valeurs de plus ou mois 1pss par rapport aux
24
FIGURE 3.11 – séries temporelles de SSS (en pss) mensuelle à l’embouchure du
Niger en bleu et débits (en m3/s) du fleuve Niger en rouge
observations qui sont à environ 32.6pss.
– Impact de l’Amazone sur la salinité
La SSS observée atteint son minimum (<34pss) trois mois après le maximum
de flux du fleuve à l’embouchure (Masson et al, 2000). On y remarque également
un second pic de faible SSS un peu plus tôt en avril. Les simulations par contre
nous montrent que la faible salinité est atteinte une fois entre avril et mai (<
33pss). De cette observation (figure 3.13 nous pourrons dire comme Stramma et
Schott (1996) que les variations de SSS du côté Nord de l’embouchure de l’Ama-
zone ne sont pas directement liées à ses variations de débit mais modulées par les
courants dynamiques de surface CNB et CCNE dont les vitesses augmentent en Eté
comme confirmé par la figure 3.7. Tout de même il faut noter que le minimum de
25
FIGURE 3.12 – séries temporelles de SSS (en pss) mensuelle à l’embouchure du
Congo en bleu et débits (en m3/s) du fleuve Congo en rouge
SSS observé correspond à la période où il y a plus de mesures dans la zone (voir
figure 3.14). Par rapport aux simulations qui donnent une SSS de plus ou moins
1pss de différence en ce mois de juin. D’aout à novembre les simulations et les
observations produisent toutes environ 35pss.
De tout ce qui précède, il ressort que l’amplitude de la variation saisonnière de
SSS aux embouchures est peu influencée par les flux d’eau douce apporté par les
fleuves qui y arrivent (influence non nulle, voir catres de différence des écart-types
saisonniers de SSS issues de RUN-RCONST et RUN-RCLIM en annexes) et la pro-
pagation est due à la dynamique de l’océan avec les phénomènes d’advection (Re-
verdin et al, 2007). La confirmation est due par le fait que les courbes de la simula-
tion sans rappel (RUN-RCLIM) et des débits mensuels constants (RUN-RCONST)
donnent la même information pour ce qui est variation de la SSS aux embou-
chures (voir figures 3.11 à 3.13). Car, bien que les débits soient des constances
26
FIGURE 3.13 – séries temporelles de SSS (en pss) mensuelle à l’embouchure de
l’Amazone en bleu et débits en (m3/s) du fleuve Amazone en rouge
mensuelles, les valeurs de SSS produites se rapprochent de celles issues des autres
simulations et même des observations pendant les mois de forte densité de me-
sures. Au large, loin de l’embouchure, nous constatons que les variations de débit
ne jouent presque pas sur la variation saisonnière de SSS sauf dans les zones du
CNB et du CCNE.
Sur la figure 3.15, nous avons le RMS représente l’Ecart-type des différences
qui caractérise les différences entre les cartes saisonnières et, la corrélation spa-
tiale qui caractérise les ressemblances entre les cartes saisonnières. On remarque
bien que quand le RMS des différences est élevé, la corrélation est faible et inverse-
ment, meilleure quand le RMS des différences est faible. Ceci nous permet de voir
que le mois de juillet est le mois où le modèle a le plus de mal à reproduire la SSS
observée. La comparaison de RCLIM et RCLIM-RAPPEL montre que le rappel dimi-
nue l’erreur (RMSdiff) comme attendu. La corrélation à l’échelle du bassin est peu
27
FIGURE 3.14 – profil de densité des observations mensuelles aux embouchures des
3 fleuves
sensible aux débits utilisés ou au rappel. La comparaison de RCLIM et RCONST
montre que l’utilisation de débits constants diminue l’erreur en avril-mai-juin.
FIGURE 3.15 – corrélations entre observations et simulations à l’échelle saisonnière
et les RMS des différences
28
3.3 VARIATIONS INTERANNUELLES
3.3.1 Observations interannuelles
Tout comme le bassin présente une variation mensuelle de la SSS, il est éga-
lement observé une variation d’une année à l’autre. Les cartes de salinité de sur-
face de quelques une des années de notre période d’étude illustrent une variation
spatiale d’une année à l’autre (voir figure 3.16). La carte de différence des deux
années montre de grandes valeurs à l’embouchure du Congo et celui de l’Ama-
zone et aussi vers 5°N, 20°W. Ces différences positives montre que dans ces zones
l’océan est plus salé en surface en 2001 par rapport à 2007. Et les zones de valeurs
négatives correspondent à une plus forte SSS en 2007. La carte de 2001 montre
au large de l’embouchure de l’Amazone, une distribution de faible SSS. Par contre
sur celle de 2007 c’est plutôt du coté Est qu’on observe cette variation vers le large
de la SSS. Une explication vient non seulement des précipitations sous la ZCIT et
variabilité de la mousson ouest africaine, mais aussi du phénomène d’advection
dû aux courants que l’on rencontre dans le Golfe de Guinée, soit encore du côté
Ouest où se jette l’Amazone (CNB, CCNE).
FIGURE 3.16 – variation interannuelle des SSS observées, de gauche à droite : la
série temporelle et les cartes de variation spatiale
3.3.2 Comparaison des observations avec les simulations du
modèle
L’Ecart-type interannuel des observations montre que la SSS varie relativement
peu à cette échelle de temps dans une grande partie du bassin à l’exception du
29
Golfe de Guinée et de 0°N à 18°N au Nord de l’embouchure de l’Amazone. La si-
mulation avec débits interannuels (RUN-RINT) ne présente pas plus de variations
que celle avec débits climatologiques (RUN-RCLIM) au large des embouchures ce
qui suggère une faible influence des variations interannuelles des débits sur celles
de la SSS (voir figure 3.17). La simulation avec rappel présente moins de varia-
tions que les deux autres ce qui est logique car le rappel vers une climatologie de
SSS tend à attenuer les variations interannuelles. Cependant la simulation avec
rappel est la plus proche des observations pour ce qui est de l’écart-type interan-
nuel. On peut donc se demander si dans les autres configurations le modèle ne
surestime pas les variations interannuelles, ou éventuellement si ce sont les ob-
servations qui sous-estiment celles-ci. En annexe nous avons une figure des densi-
tés d’observations par année qui montre que certaines années ont eu très peu de
mesures (année 2000 à 2004) ce qui peut effectivement conduire à sous-estimer
l’Ecart-type des observations.
Les cartes de corrélations spatiales de moyennes annuelles entre les SSS simu-
lées avec les débits interannuels, ou climatologiques et rappel (RUN-RINT, RUN-
CLIM-RAPPEL) et les observations sont montrées sur la figure 3.18. La première
simulation montre de meilleures corrélations avec les observations, en particulier
dans l’hémisphère Sud, bien que de faibles valeurs apparaissent sur la bande Equa-
toriale, aux embouchures des fleuves (Amazone, Congo, Niger) et dans les zones
d’upwelling côtier (Sénégal, Afrique de l’Ouest, Angola). Le rappel dégrade la va-
riabilité interannuelle (même si l’amplitude de celle-ci est peut-être surestimée en
son absence) en forçant le modèle à se rapprocher du cycle saisonnier.
3.3.3 Variations interannuelles proche des embouchures
Pour cette étude les lieux d’embouchures sont les mêmes que sur la figure 3.9.
La moyenne de salinité reste en générale inférieure à 35pss du fait des apports en
eau douce des fleuves et de la forte pluviométrie comme dans le Golfe de Guinée
avec les pluies de mousson africaine. Et du côté de l’Amazone, il est important de
dire que le phénomène El niño à une influence sur le bassin amazonien. En effet,
il apparaît qu’une grande partie du bassin amazonien est sous l’influence directe
d’ENSO. Ainsi, en phase El Niño, les précipitations diminuent sensiblement dans
le nord-est du bassin, ce qui entraîne une baisse importante du débit des rivières
30
FIGURE 3.17 – Cartes d’Ecart-type des SSS interannuelles observées et simulées
avec et sans rappel
FIGURE 3.18 – Cartes de corrélation spatiale des SSS simulées par rapport aux
observations
de cette région affluents de l’Amazone (Rios Jari, Trombetas et Branco). Lors de
forts El Niño, les débits moyens annuels du Rio Jari peuvent être divisés par trois,
31
comme ce fut le cas en 1982/1983. A l’inverse, en période La Niña, précipitations
et débits augmentent dans cette région. Ainsi, lorsque se manifeste un événement
El Niño de grande ampleur (années 1982-83 et 1997-98, par exemple, où les évé-
nements El Niño furent parmi les plus forts du siècle), le débit de l’Amazone peut
présenter, à son embouchure, un déficit annuel de 15 à 20%, soit une perte en
volume d’eau de 1000 à 1300 milliards de m3. En période La Niña, l’accroisse-
ment des apports annuels à l’océan Atlantique peut aller jusqu’à 14% (Folland et
al. 1986,1991).
– Amazone
Sur la figure 3.19, les SSS interannuelles simulées par le modèle présentent
des variations similaires mais des phases différentes. Nous avons les valeurs issues
de RUN-RINT qui oscillent entre 30.5pss et 33.5pss sur les 8 années, RUN-RCLIM
et RCLIM-RAPPEL dont les allures sont plus proches oscillent entre 33.5pss et
34.5pss. Comparer aux observations, les valeurs de SSS de RUN-RINT sont de
plus ou moins 0.5pss égale à la SSS mesurée sur la période de 2003 à 2005. Cet
intervalle correspond à la période où on a une densité d’observations interannuelle
élevée (voir figure 3.22).
La courbe des différences de SSS simulées avec RUN-RINT et RUN-RCLIM
montre que la simulation RINT influence fortement sur RCLIM sur toute la pé-
riode (différence négative). Sauf en 2000 et en 2006 ; Ces deux années de pic sur
la courbe des débits interannuels qui semble avoir une corrélation avec cette dif-
férence. ce qui montre que la variation interannuelle de débit influe sur celle de
la SSS. Par contre la simulation avec rappel l’emporte sur RCLIM sans rappel de
2002 à 2007 cette période correspond à l’augmentation du débit interannuel.
– Congo
Les variations interannuelles de SSS par rapport au débit interannuel montrent
de meilleures corrélations au niveau de l’embouchure du Congo. Les variations des
SSS simulées RUN-RCLIM avec et sans rappel vont de 33.5pss à 34pss et proches
des observations de plus ou moins 0.5pss. Sur les courbes de différences, la simu-
lation RCLIM avec rappel influence celle sans rappel et, cette dernière est aussi
influencée par RUN-RINT. Ceci confirme l’influence de la variation interannuelle
32
FIGURE 3.19 – SSS interannuelles simulées et observées à l’embouchure de l’Ama-
zoneau dessus, SSS observée en bleu ; en bas à gauche, différences des SSS interannuelles simulées par le modèle forcé RCLIM
et RINT puis RCLIM-RAPPEL ; à droite, les SSS simulées (vert pour rappel, bleu pointillé pour RCLIM, bleu plein pour
RINT) et en rouge le débit interannuel de l’amazone.
du débit sur celle de la SSS. (Confirmation en annexe sur les cartes de différences
entre SSS de RUN-RINT et RUN-RCLIM).
– Niger
Les variations interannuelles des SSS dans l’embouchure du Niger ont la même
allure pour les valeurs issues de RUN-RCLIM et RUN-RINT et comprises entre
31pss et 33pss (figure 3.21). La courbe des observations semble croître avec le dé-
bit interannuel du fleuve. Bien que la densité des observations soit faible dans cette
zone (figure 3.22), de 2005 à 2007 période où on a plus de mesures, correspond
à l’intervalle de temps où nous observons l’accroissement de SSS avec le débit du
fleuve. Ce phénomène pourrait être lié à la sécheresse qui affecte depuis un certain
nombre d’année presque toute la région arrosée par le Niger. Ici nous observons de
longues saisons sèches et des précipitations abondantes sur une courte durée. Le
33
FIGURE 3.20 – SSS interannuelles simulées et observées à l’embouchure du Congoau dessus, SSS observée en bleu ; en bas à gauche, différences des SSS interannuelles simulées par le modèle forcé RCLIM
et RINT puis RCLIM-RAPPEL ; à droite, les SSS simulées (vert pour rappel, bleu pointillé pour RCLIM, bleu plein pour
RINT) et en rouge le débit interannuel du Congo
manque de couvert végétal favoriserait alors plus de ruissèlements d’où les débits
élevés à faibles variations interannuelles du fleuve et pendant les périodes sèches
plus longue on a plus d’évaporation dans l’océan.
Il est important de dire ici qu’au niveau des embouchures, il y a un manque
de mesures avec l’amazone qui fait l’exception avec une densité très au dessus des
autres fleuves bien que ces données soient toujours insuffisantes. La figure 3.22
nous montre que de 2000 à 2003 il n’y a presque pas de mesure dans les embou-
chures du Congo et du Niger.
34
FIGURE 3.21 – SSS interannuelles simulées et observée (courbes bleues) et débit
interannuel du Niger (en rouge)
FIGURE 3.22 – profil de densité des observations interannuelles aux embouchures
des fleuves
35
Chapitre 4
CONCLUSION ET PERSPECTIVES
Le but de notre travail a été de comprendre l’influence des eaux des fleuves
sur la salinité à différentes échelles de temps et d’espace. Nous disposions alors
des données observées de SSS que nous avons comparé aux valeurs de SSS issues
des simulations du modèle océanographique ORCA025. Des quatre simulations, il
fallait voir laquelle se rapproche de la réalité.
Ce travail nous a permis de voir la variabilité de la salinité de surface dans
l’océan Atlantique Tropical. Ainsi on comprend que la SSS est contrôlée par dif-
férents facteurs d’échelles spatio-temporelles variées. Il est apparu une relation
entre la SSS et la distribution du bilan entre l’Evaporation et la Précipitation, par-
ticulièrement au large du continent africain entre -5°S et 10°N, dans la partie
intertropicale sous la ZCIT (où la SSS varie suivant que les précipitations l’em-
portent sur l’évaporation et vice versa). L’influence du phénomène d’advection est
apparue très important, vu les courants de surface qui contribuent à transporter
les eaux à de grandes échelles d’espace.
Les modèles sont des outils qui permettent l’évaluation de l’influence de pro-
cessus spécifiques. Pour cette étude, le modèle ORCA025 a été décliné en quatre
simulations qui nous ont donné des résultats plus ou moins satisfaisants par rap-
port aux observations. Les cartes de différences d’Ecart-types saisonniers montrent
que la simulation avec rappel se compare mieux aux observations en moyenne et
en variation saisonnière et aussi assez bien aux observations en variations inter-
annuelles. Ce qui n’est pas le cas de la corrélation interannuelle qui est plutôt
36
dégradée par le rappel.
Ces cartes montrent également que les simulations sans rappel, en variation sai-
sonnière tout comme en interannuelle surestiment souvent la SSS ; ou alors, par
le manque de mesures, on a une SSS sous-estimée dans les observations.
De toutes les comparaisons, la simulation RUN-RCONST par rapport à celle RUN-
RCLIM pour l’écart-types saisonnier et la simulation RUN-RCLIM par rapport à
celle RUN-RINT pour l’écart-types interannuel montrent en général que :
– Dans un rayon proche de l’embouchure, l’amplitude de la variation saison-
nière du débit influence peu sur celle de la SSS mais, la variation interan-
nuelle du débit influence sur celle de la SSS interannuelle tout au moins
pour les embouchures du Congo et l’Amazone
– Dès qu’on s’éloigne de l’embouchure, les variations de débit ne jouent que
peu sur la variation saisonnière de SSS sauf extension du CNB et très peu
sur la variation interannuelle.
Le reste de la variation est probablement due aux variations des courants, ou plus
précisement de l’advection du gradient moyen de SSS par les courants.
Malgré cette satisfaction, les différences entre observations et modèles à cer-
tains lieux comme sur le bord Est du bassin (Golfe de Guinée) qu’on pourrait lier
au manque de mesures, devraient attirer l’attention. Bien les flotteurs ARGO soient
déployés dans l’océan mondial, il y a des secteurs où il y a eu des extrapolations
pour combler le déficit. Nous espérons alors que les mesures par télédétection de
SMOS et Aquarius permettront d’affiner les analyses de la salinité de surface, grâce
à une meilleure couverture spatio-temporelle de sa mesure.
La SSS est aussi influencée par la mousson ouest africaine qui a une signature
saisonnière d’où l’intérêt du programme AMMA pour mieux comprendre ses mé-
canismes.
Il serait aussi important que l’on aie les meilleurs informations sur les débits
des fleuves exactement aux embouchures, pour ne pas biaiser les résultats. Dans
les zones comme la Baie du Biafra, estimer plus précisément l’apport des rivières
dans les modèles serait un atout non négligeable.
37
A l’échelle interannuelle, il y a l’influence du phénomène climatique El Niño.
Cette influence étant encore mal connue, il faudrait améliorer l’état des connais-
sances sur la téléconnection entre le Pacifique et l’Atlantique.
La SSS et la SST dépendent tous deux des paramètres météorologiques qui
sont : les précipitations, l’évaporation, les vents et aussi les apports des rivières. Il
serait alors intéressant de voir comment le modèle restitue la SST par rapport aux
valeurs observées. L’analyse des tendances entre les simulations contribuerait à
mieux différentier les simulations. Il serait aussi utile de faire une analyse des va-
riations de la différence Evaporation et Précipitation (E-P) et courant en parallèle
de SSS.
38
ANNEXESAnnexe A : Les différences entre les simulations
FIGURE 4.1 – Différence de STD de SSS saisonnière simulée par RUN-RCONST et
RUN-RCLIM
La carte de différence d’écart-type de la figure 4.1 montre des valeurs positives près des
embouchures. Ces différences représentent la contribution des variations saisonnières de
débit à celles de la SSS. la carte de différence d’écart-type de SSS interannuelles simulées
FIGURE 4.2 – Différence de STD de SSS interannuelle simulée par RUN-RINT et
RUN-RCLIM
par RUN-RINT et RUN-RCLIM montre de grosses variations aux embouchures du Congo
et de l’Amazone. Ce qui caractérise l’influence des variations interannuelles des débits sur
celles de la SSS (figure 4.2).
39
Annexe B : Profil des Observations mensuelles et interannuelles sur la période 2000/2007
Les cartes nous montrent que le nombre d’observation n’est pas le même pour tous les
mois.
FIGURE 4.3 – profil des observations de Janvier à Avril
FIGURE 4.4 – profil des observations de Mai à Aout
40
FIGURE 4.5 – profil des observations de Septembre à Décembre
Ici nous avons les cartes de profils d’observations par année. Les mesures augmentent
de l’année 2000 à 2007 selon que l’on enrichissait le bassin Atlantique en flotteurs ARGO.
FIGURE 4.6 – profil des observations de 2000 à 2003
41
FIGURE 4.7 – profil des observations de 2004 à 2007
42
Bibliographie
[1] Bourdallé-Badie et Anne Marie Treguier, A climatology of runoff for the global ocean-
ice model ORCA025, Mercator-Ocean reference : MOO-RP-425-365-MER august 2006
[2] Bruder A. et Hélène Delattre, Variabilité de la salinité de surface dans l’Océan Indien
Tropical, Université Paul Sabatier, Juin 2008
[3] C A M B E R L I N P. et al., Pluviométrie et crises climatiques en Afrique Tropicale :
changements durables ou fluctuations interannuelles ?
[4] COEUR Stéphane, VALIDATION DU MODELE DE CIRCULATION GENERALE OCEA-
NIQUE PA7 DANS LE CADRE DU PROJET OPERA, Document Scientifique du Centre
O.R.S.T.O.M de Brest N° 75, Octobre 1995
[5] DA-ALLADA C. Y., Analyse de la structure de salinité de surface observée par les pro-
fileurs ARGO dans le bassin Atlantique tropical sur la période 2002-2008, ICMPA Pu-
blishing 2009, N°-09/MSc/CIPMA/FAST/UAC
[6] DAI A., TAOTAO QIAN, et KEVIN E. TRENBERTH, Changes in Continental Freshwater
Discharge from 1948 to 2004, 15 MAY 2009
[7] Delcroix T., Raghuram Murtugudde, Sea surface salinity changes in the East China
Sea during 1997-2001 : Influence of the Yangtze River, JOURNAL OF GEOPHYSICAL
RESEARCH, VOL. 107, NO. C12, 8008, doi : 10.1029/2001JC000893, 2002
[8] Delcroix, T., M.J. McPhaden, A. Dessier et Y. Gouriou, Time and space scales for sea
surface salinity in the tropical oceans. Deep Sea Research Part I, 52, 5, 787-813, 2005
[9] Durand F. et al., Impact of Ganges-Brahmaputra interannual discharge variations on
Bay of Bengal salinity and temperature during the 1992-99 period, le 1er décembre
2010
[10] Elfatih A. B. Eltahir, Brian Loux, Teresa K. Yamana, et Arne Bomblies, A see-saw os-
cillation between the Amazon and Congo basins, GEOPHYSICAL RESEARCH LETTERS,
VOL. 31, L23201, doi : 10.1029/2004GL021160, 2004
[11] Folack J. et Charles Emene Gabche ; NATURAL AND ANTHROPOGENIC CHARAC-
TERISTICS OF THE CAMEROON COASTAL ZONE, 2001
43
[12] Guilyardi E., Quand le sel de l’océan pimente le climat, La Météorologie - n°33 - mai
2001
[13] HISARD Ph., VARIATIONS SAISONNIÈRES A L’ÉQUATEUR DANS LE GOLFE DE GUI-
NÉE, Cah. O.R.S.T.O.M., sér. Océanogr., vol. XI, no 3,1973 : 349-.35-S.
[14] KENFACK SADEM Christian, MOUSSON OUEST AFRICAINE ET SALINITE DE SUR-
FACE AUX LARGES DES COTES GUINNEENNE : UN INDICE CLIMATIQUE, M.Sc
/M.Sc/CIPMA/FAST/UAC/2010
[15] Masson S. et Delecluse P., Influence of the Amazon River Runoff on the Tropical
Atlantic, Received 4 June 1999 ; revised 30 June 2000 ; accepted 3 July 2000
[16] Mignot J., Clement de Boyer Montégut, Alban Lazar, et Sophie Cravatte, Control of
salinity on the mixed layer depth in the world ocean : 2. Tropical areas, JOURNAL OF
GEOPHYSICAL RESEARCH, VOL. 112, C10010, doi : 10.1029/2006JC003954, 2007
[17] Pailler, Bourlès et Gouriou, The Barrier Layer in the Western Tropical Atlantic
Ocean, GEOPHYSICAL RESEARCH LETTERS, VOL. 26, NO. 14, PAGES 2069-2072,
JULY 15,1999
[18] PETER A. C., Variabilité de la température de la couche de mélange en Atlantique
équatorial aux échelles saisonnières à interannuelles, à l’aide de simulations numé-
riques, Thèse, UNIVERSITÉ TOULOUSE III - PAUL SABATIER
[19] PORTE Véronique, Relations entre précipitations et salinité de surface au sein du
Pacifique tropical, aux échelles saisonnières et interannuelles, IRD, DECEMBRE 1991 A
MAI 1992
44
Table des figures
1.1 circulation thermohaline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Profils de : la salinité (en pointillés), la température (en traits interrompus
courts), la densité (en trait fort) . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Localisation et frontières des bassins du Congo et de l’Amazone . . . . . . . 7
1.4 Schéma illustrant les flux d’air en hiver et en été boréals entre le Golfe
de Guinée et le continent ouest africain, illustrant ainsi synthétiquement le
phénomène de la mousson africaine. . . . . . . . . . . . . . . . . . . . . . . 8
2.1 Distribution des flotteurs dans les océans à la date d’aujourd’hui par la CNES 12
2.2 Position des bouées PIRATA dans l’Océan Atlantique Tropical . . . . . . . . . 12
3.1 cartes de moyennes annuelles de SSS, aux extrémités les simulations avec
rappel à gauche et sans rappel à droite, au milieu les Observations . . . . . 17
3.2 de gauche à droite les cartes de différence entre simulations débits sans
rappel et débits avec rappel par rapport aux observations . . . . . . . . . . . 18
3.3 cartes de climatologie mensuelle de SSS en mars sommet de l’hiver boréal ;
aux extrémités les simulations sans rappel à gauche et avec rappel à droite,
au milieu les Observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4 cartes de climatologie mensuelle de SSS en septembre sommet de l’été bo-
réal ; aux extrémités les simulations sans rappel à gauche et avec rappel à
droite, au milieu les Observations . . . . . . . . . . . . . . . . . . . . . . . . 20
3.5 carte d’écart-type saisonnier de SSS observée dans l’Atlantique Tropical . . . 20
3.6 cartes de différences des Ecart-Types . . . . . . . . . . . . . . . . . . . . . . 21
3.7 carte Ecart-Type des SSS climatologiques simulées avec les débits constants
(àgauche) et climatologiques mensuelles (à droite) . . . . . . . . . . . . . . 22
3.8 cartes de corrélation saisonnière entre SSS simulée et SSS observée . . . . . 22
3.9 situation des embouchures de nos trois fleuves Congo, Amazone et Niger . . 23
3.10 représentation de l’ordre de grandeur théorique de la variation de salinité
par rapport au débit du fleuve . . . . . . . . . . . . . . . . . . . . . . . . . 24
45
3.11 séries temporelles de SSS (en pss) mensuelle à l’embouchure du Niger en
bleu et débits (en m3/s) du fleuve Niger en rouge . . . . . . . . . . . . . . . 25
3.12 séries temporelles de SSS (en pss) mensuelle à l’embouchure du Congo en
bleu et débits (en m3/s) du fleuve Congo en rouge . . . . . . . . . . . . . . 26
3.13 séries temporelles de SSS (en pss) mensuelle à l’embouchure de l’Amazone
en bleu et débits en (m3/s) du fleuve Amazone en rouge . . . . . . . . . . . 27
3.14 profil de densité des observations mensuelles aux embouchures des 3 fleuves 28
3.15 corrélations entre observations et simulations à l’échelle saisonnière et les
RMS des différences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.16 variation interannuelle des SSS observées, de gauche à droite : la série
temporelle et les cartes de variation spatiale . . . . . . . . . . . . . . . . . . 29
3.17 Cartes d’Ecart-type des SSS interannuelles observées et simulées avec et
sans rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.18 Cartes de corrélation spatiale des SSS simulées par rapport aux observations 31
3.19 SSS interannuelles simulées et observées à l’embouchure de l’Amazone . . . 33
3.20 SSS interannuelles simulées et observées à l’embouchure du Congo . . . . . 34
3.21 SSS interannuelles simulées et observée (courbes bleues) et débit interan-
nuel du Niger (en rouge) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.22 profil de densité des observations interannuelles aux embouchures des fleuves 35
4.1 Différence de STD de SSS saisonnière simulée par RUN-RCONST et RUN-
RCLIM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Différence de STD de SSS interannuelle simulée par RUN-RINT et RUN-
RCLIM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 profil des observations de Janvier à Avril . . . . . . . . . . . . . . . . . . . . 40
4.4 profil des observations de Mai à Aout . . . . . . . . . . . . . . . . . . . . . . 40
4.5 profil des observations de Septembre à Décembre . . . . . . . . . . . . . . . 41
4.6 profil des observations de 2000 à 2003 . . . . . . . . . . . . . . . . . . . . . 41
4.7 profil des observations de 2004 à 2007 . . . . . . . . . . . . . . . . . . . . . 42
46
