Étude du climat de l'Afrique de l'Ouest par une approche d'énergétique de l'atmosphère
Notice bibliographique
Résumé
L’objectif de cette thèse est d’utiliser une approche de bilan énergétique de l’atmosphère pour comprendre le régime de précipitations et les systèmes météorologiques associés en Afrique de l’Ouest, à l’aide de la version 6 du Modèle Régional Canadien de Climat (MRCC6). Le modèle est piloté aux frontières par la 5ème génération des réanalyses (ERA5) du Centre Européen pour les Prévisions Météorologiques à Moyen Terme. Le bilan d’énergie est un ensemble d’équations garantissant la conservation de la masse, de l’énergie et du moment angulaire. De plus, chaque terme du bilan d’énergie représente un processus physique, ce qui permet de quantifier la contribution relative de chacun de ces derniers et de savoir quel est le processus responsable de la génération / l’amplification / l’amortissement d’un phénomène météorologique ou climatique. Les calculs du bilan d’énergie ne sont en effet qu’une quantification sur une période et un domaine donné de tous les termes en présence. L’enjeu principal dans cette étude étant la formulation d’un bilan d’énergie régional complet qui comprend à fois des termes moyennés dans le temps (pour l’étude du climat) et des termes non moyennés disponibles à chaque pas de temps (pour l’étude de la météo), nous avons développé un ensemble complet d’équations répondant à ces deux problématiques. Suivra l’application de ce bilan sur le domaine de l’Afrique de l’Ouest qui connait des saisons de moussons africaines contrastées en terme pluviométrie; la pluie étant un enjeu majeur pour ces populations vivant en grande partie de l’agriculture. Le premier chapitre développe le cadre théorique de notre étude. Dans ce chapitre, nous partons des équations primitives atmosphériques pour établir les termes / processus responsables de variation de l’énergie, de la masse et de la quantité de mouvement dans notre domaine d’étude. La validation théorique de ces différentes équations est faite en sommant toutes les différentes contributions et en retombant sur les équations de départ. Ceci est la preuve qu’aucune pièce d’information n’a été oubliée et que les différentes lois de conservations initiales demeurent. Dans la suite de ce chapitre, on passe de la théorie à la pratique en appliquant les équations moyennées temporellement pour étudier le climat de l’Afrique de l’Ouest. Depuis le début des années 80, on note une grande variabilité dans la pluviométrie dans cette région du monde. Pour comprendre les raisons physiques de cette variabilité, nous avons tout d’abord à l’aide des réanalyses ERA5 classifiés les étés 1980 à 2010 en fonction de leur pluviométrie moyenne. Ensuite, nous avons appliqué notre bilan d’énergie de climat à l’année la moins pluvieuse, la plus pluvieuse et celle la plus proche de la climatologie sur les 30 années. Les résultats suggèrent que les conversions d’énergies barotropes et baroclines qui constituent les processus de génération des ondes africaines sont plus importantes durant les années humides que les années sèches. Nous suggérons donc au terme de ce premier chapitre, le suivi de ces deux conversions d’énergie pour prévoir le climat en Afrique de l’Ouest. Le dernier chapitre de cette thèse s’inscrit dans la continuité du premier et s’intéresse au bilan d’énergie d’un épisode important de tempête, qui a duré 5 jours et a été détecté durant une des années contrastantes. Afin de trouver l’épisode le plus important, nous avons développé notre propre méthode d’identification de tous les épisodes durant chacune de ses années. Cette méthode consiste à utiliser le diagramme de Hovmöller d’un de nos réservoirs d’énergie du bilan d’énergie des tempêtes. Ce nouveau diagramme possède à la fois les avantages des diagrammes de Hovmöller des vents méridiens et de tourbillon relatif jusqu’ici utilisés dans la littérature pour détecter les Ondes d’Est Africaines. Cette méthode nous a permis de choisir un épisode intense entre le 5 et le 10 septembre 2006. De plus, cet épisode coïncide avec une onde trouvée dans la littérature comme un cyclone tropical associé avec la genèse de l’ouragan Alberto. Une fois l’épisode choisi, nous avons appliqué une partie du bilan d’énergie de la météo sur cette même période pour étudier l’évolution des différents processus. Les résultats montrent que les conversions baroclines sont largement dominantes par rapport aux conversions barotropes lors des épisodes importants et constituent la principale source de génération des Ondes d’Est Africaines. Cette thèse a permis de présenter une approche détaillée et complète permettant l’étude des bilans d’énergie pour le climat et les tempêtes sur des domaines régionaux. Par rapport aux bilans d’énergie du climat que l’on retrouve dans la littérature, nous avons innové en rajoutant des noeuds entre les réservoirs d’enthalpie disponible et d’énergie cinétique. Ces noeuds on l’avantage d’expliquer pourquoi toute l’enthalpie disponible à l’échelle régionale n’est pas complètement convertible en énergie cinétique comme c’est le cas à l’échelle globale. L’application du bilan d’énergie du climat sur le domaine Afrique de l’ouest confirme que le mécanisme d’instabilité mixte barotrope barocline est à l’origine des ondes d’Est africaines, que les gradients de température et d’humidité sont des sources d’instabilités baroclines, et met en évidence que les réservoirs d’énergie de variabilité temporelle sont plus importants les années pluvieuses. Nous recommandons d’ailleurs fortement l’analyse de ces deux derniers réservoirs d’énergie pour les études sur le climat de l’Afrique de l’Ouest. De plus, l’application du bilan d’énergie des perturbations transitoires sur le même domaine nous a permis de ressortir une variable plus adaptée pour la détection des ondes d’Est africaines, et de montrer la prééminence de l’instabilité barocline sur la composante barotrope pour le développement d’intenses ondes d’Est africaines. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : modèle régional de climat, bilan d’énergie, Afrique de l’Ouest, climat, météo, ondes d’Est Africaines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».