Comment la convection et son organisation affecte-t-elle la composition isotopique de l'eau?
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Comment la convection et son organisation affecte-t-elle la
composition isotopique de l’eau?
Camille Risi (LMD)
Collaboration avec Caroline Muller (LMD), Peter Blossey (U Washington),
Françoise Vimeux (LSCE), John Worden (NASA-JPL), Rémy Roca (LEGOS)
Mars 2021
cumulonimbus H H H D
0 0
ligne de grain
? composition
isotopique
cyclone tropical
Comment la convection et son organisation affecte-t-elle la
composition isotopique de l’eau?
H H H D
0 0
? composition
convection isotopique speleothèmes
◮ δD = ((HDO/H2 O)/Rocean − 1) · 1000 en h
◮ Motivations:
1. Comment interpéter enregistrement paléoclimatiques?
2. Valeur ajoutée des mesures isotopiques par rapport aux mesures d’humidité pour
l’étude des processus convectifs?
◮ Première étape: vapeur d’eau sur océans tropicaux, car plus simple, source
d’eau partout, δDp bien corrélé à δDv
2/13
δDv principalement contrôlé par le taux de pluie
−70
−80 In-situ observations
at ocean surface
−90
δDv (h)
(Kurita 2013)
−100
−110
−120
−130
−140
0 2 4 6 8 10 12 14 16 18
precipitation TRMM 10x10◦ (mm/d) (Risi et al 2021)
◮ Precip plus forte -> vapeur plus pauvre
◮ Mécanismes? descentes insaturées, évaporation de la pluie... (Risi et al 2008,
Worden et al 2007, Kurita et al 2013)?
=⇒ simulations CRM (Cloud Resolving Model)
3/13
Simulations CRM
ctrl
◮ SAM-iso (Blossey et al 2010)
◮ sur océan à SST uniforme
96 km
◮ 750×750 m
◮ équilibre radiatif convectif
◮ domaine 96×96 km doublement
périodique
◮ avec/sans circulation de grande
échelle ωLS 96 km
◮ différentes SST
0
0.1
1
2
10
100
200
500
precipitation (mm/d)
4/13
La dépendance au taux de précipitation est liée à la
circulation de grande échelle
◮ simulations CRM avec différents ωLS et SST
−70
−80 In-situ observations
(Kurita 2013)
−90 ctrl (SST=30◦C)
δDv (h)
T
−100 SS SST=33◦C
−110 ω SST=26◦C
LS
ωLS = +40hP a/d
−120
ωLS = +20hP a/d
−130
ωLS = −20hP a/d
−140 ωLS = −60hP a/d
0 2 4 6 8 10 12 14 16 18
precipitation (mm/d) (Risi et al 2020, 2021)
5/13Qu’est-ce qui contrôle δDv dans la couche sous-nuageuse?
−60
rafts
downdrafts updrafts −70 downd
f ts Eq
Md
qd
Mu
qu
−80 u p d ra
δD1 (h)
Rd Ru −90
−100
zT rain evaporation
horizontal advection −110
rain evaporation q1 C
F R1 qC −120
RF RC
−130
18 19 20 21 22 23 24 25 26 27 28
surface evaporation
q1 (g/kg)
E ctrl
RE
(Risi et al 2020) with large-scale ascent
◮ Importance des updrafts pour assécher et appauvrir la couche sous-nuageuse
⇒ effet manquant dans la plupart des modèles de climat? Compensation d’erreur?
◮ Appauvrissement + fort quand precip + forte liée à gradient vertical q − δD + fort
6/13Un modèle simple pour comprendre les profils de δDv ?
◮ Modèle simple à 2 colonnes (Risi et al 2021, inspiré de Romps 2014)
environment cloudy
and unsaturated updrafts and
downdrafts downdrafts
detrainment
δ
rain evaporation condensation
fev · µ µ · M · qs · γ
φ · Re αeq · Rs
entrainment
ǫ
large-scale
ascent −M M
η·M qe = h · qs qs
Re = H · Rs Rs
◮ Attention, seulement si convection désorganisée
◮ paramètres d’entrée diagnostiqués des simulations CRM =⇒ décomposition du δDv
7/13Qu’est-ce qui contrôle les profils verticaux de δDv ?
** * Large-scale ascent
1) less snow sublimation
* * *
more snow melt * * * * 0◦C
oo o Moister
2) less rain evaporation
o o troposphere
3) moister entrained air
o o
-> More depleted vapor o (Risi et al 2021)
8/13Quel est l’effet de l’organisation de la convection?
◮ δDv ց quand systèmes + organisés? (Risi et al 2008, Lawrence et al 2004)
=⇒ applications en paléo-tempestologie (Frappier et al 2007)
H H H D
cumulonimbus 0 0
ligne de grain ? composition
isotoique speleothèmes
cyclone tropical
◮ Mécanismes? =⇒simulations CRM
9/13Simulations CRM de convection organisée
◮ avec cisaillement de vent -> ◮ avec rotation -> cyclones
lignes de grain (Muller 2013) (Muller and Romps 2017)
precipitation (mm/d)
500
200
256 km
100
1024 km
10
2
1
0.1
0
256 km 1024 km (Risi et al in prep)
=⇒Difficile de simuler zones =⇒ cyclone avec oeil seulement si
stratiformes en eq rad-conv? ascendance de grande échelle
10/13Evolutions méso-échelle de δDv
◮ Lignes de grain ◮ Cyclones
300 zone
zone 270
(mm/d)
bandes spiralantes
(mm/d)
precip
convective stratiforme
precip
200
180
100 90 mur
0 0
100 0 100 200
50 75 oeil
-90
δDv (h)
-78
δDv (h)
-92
-87
-94
-96
-96
-105
-98
50 75 100 0 100 200
distance perpendiculairement à la ligne (km) distance au centre (km) (Risi et al in prep)
◮ δDv ց dans zone convective et ◮ δDv ց vers mur et dans
stratiforme, cohérent avec obs bandes, cohérent avec obs
(Tremoy et al 2014) (Fudeyasu et al 2008)
◮ Importance de l’évaporation de la pluie
11/13Quel conséquence sur le δDv moyen sur le domaine?
◮ Dans obs: δDv AIRS; precip TRMM;
◮ Dans simulations SAMiso: MCS type TOOCAN (Fiolleau et Roca
domain-mean δDv surface (h) 2014)
−70
δDv 600hPa AIRS (h)
−80 −180
−90
−190
−100
−110
Cyclones −200
Cyclones
−120 Lignes de grain Lignes de grain
Cumulonimbi isolés Autres
−130 −210
0 2 4 6 8 10 0 2 4 6 8 10 12 14 16 18
domain-mean precipitation (mm/d) precipitation TRMM 10x10◦ (mm/d)
(Risi et al en plein chantier)
◮ cyclone → δDv + riche ◮ cyclone → δDv + pauvre (Lawrence et
◮ importance des patterns al 2004)
méso-échelle de δDv =⇒problème d’échelles spatio-temporelles?
12/13Conclusion et perspectives
◮ Résumé: différences entre humidité et δDv ?
1. δDv intègre verticalement les processus convectifs;
2. δDv contrôlé par processus convectifs et microhysiques (évaporation de la pluie,
fonte de la neige, entrainement, structure méso-échelle);
l’humidité est contrôlée par la circulation de grande échelle (Sherwood et al 1996) et
l’agrégation (Tobin et al 2012)
◮ Perspectives: Isotopes = occasion de se poser des questions sur la convection, son
organisation et son lien avec la circulation de grande échelle:
◮ comment caractériser l’organisation de la convection? Organisation méso-échelle des
systèmes? Distribution temporelle? Echelles spatio-temporelles?
◮ Différents types d’organisation pour taux de pluie donné? Conséquence sur humidité
et isotopes?
◮ Comment l’ascendance de grande échelle se répartit-elle entre environnement et
systèmes convectifs? Réalisme des simulations CRM en domaine limité?
=⇒observations TOOCAN, simulations DYAMOND, simulations CRM
13/13Vous pouvez aussi lire
