La glace de mer est un élément crucial de notre système climatique, et reste l'un des indicateurs les plus sensible au changement climatique. Le volume de glace de mer est un indicateur clé de l'évolution de la glace de mer dans les deux hémisphères, mais il est très difficile de l'estimer avec précision : combiner des informations provenant à la fois d'observations et de modèles grâce à l'assimilation de données permet de mieux comprendre l'état passé et actuel de la glace de mer.
Cette thèse porte sur deux objectifs principaux: 1) la mise en place d'un système d'assimilation multivarié capable d'assimiler des données de concentration de glace de mer conjointement à des mesures "along-tracks" de franc-bord radar et à des estimations de l'épaisseur de neige et 2) de mesurer la performance et l'impact de cette nouvelle approche sur les variables essentielles de la glace de mer, la concentration de glace de mer, les volume de glace et de neige dans un contexte Arctique et Antarctique. Aucun système d'assimilation n'avait encore été développé cette approche multivariée et multidonnées pour la glace de mer. Les composantes du système sont basés sur le modèle d'océan physique NEMO (Nucleus for European Modelling of the Ocean) couplé au modèle de glace SI3, et assimile des observations par un filtre de Kalman d'ordre réduit.
Dans un premier temps, des expériences de sensibilité sans assimilation ont été nécessaires pour stabiliser une version de modèle de référence pour la mise en place de l'assimilation de données. Ces expériences ont permis de réduire les erreurs notamment sur l'étendue et le volume de glace de mer par rapport à la version initiale.
Une expérience de deux ans menée avec cette approche multivariée a montré l'amélioration significative des volumes de glace et de neige par rapport aux méthodes d’assimilation univariée plus classiques. En particulier, le volume de glace augmente tandis que le volume de neige diminue en Arctique et en Antarctique suite à l'assimilation multivariée. Les comparaisons aux données indépendantes sont en meilleur accord avec l'expérience utilisant le système d'assimilation multivarié, notamment avec le franc-bord total mesuré par le satellite IceSat-2 dans les deux hémisphères et des mesures in-situs variées en Arctique. Les modifications engendrées par l'assimilation de données persistent, pour le volume de la glace, pendant l'été, période où les observations altimétriques ne sont pas disponibles, et ont un impact même dans les régions non observées.
Cependant, des défis persistent, notamment une efficacité moindre de l’assimilation en Antarctique en raison à la fois de biais plus importants dans la simulation sans assimilation, d’une cohérence moindre entre les observations disponibles et d'une interaction forte avec l'océan superficiel. De plus, des limitations du modèle ont été mises en évidence, comme l’apparition de polynies non observées en Antarctique suite à ces interactions importantes entre la banquise australe et l'océan de surface. Les comparaisons avec des produits indépendants de volume de glace ont montré l’impact majeur des densités fixes pour la glace et de la neige sur l’interprétation des mesures altimétriques.
En conclusion, ce travail démontre la faisabilité et la performance d’une assimilation multidonnées/multivariée pour améliorer la représentation de la glace de mer en Arctique et en Antarctique. Ces travaux ouvrent des perspectives vers une assimilation plus intégrée des observations satellitaires, en vue d’une meilleure compréhension du rôle de la glace de mer dans un climat en transition et pour une meilleure surveillance opérationnelle des océans polaires. |
Sea-ice is a crucial element in our climate system, and remains one of the most sensitive indicators of climate change. Sea-ice volume is a key indicator of the evolution of sea ice in both hemispheres, but it is very challenging to estimate accurately: combining information from both observations and models through data assimilation can be a mean to a better understanding of the past and current sea-ice state.
This thesis has two main objectives: 1) to set up a multivariate assimilation system capable of assimilating sea ice concentration data in conjunction with along-track radar freeboard measurements and snow depth estimates and 2) to measure the performance and impact of this new approach on the essential sea ice variables, sea ice concentration, ice and snow volumes in an Arctic and Antarctic context. No assimilation system had yet been developed using this multivariate, multi-data approach for sea ice. The components of the system are based on the NEMO (Nucleus for European Modelling of the Ocean) physical ocean model coupled to the SI3 ice model, and assimilates observations using a reduced-order Kalman filter.
Initially, sensitivity experiments without assimilation were necessary to stabilise a version of the reference model for the implementation of data assimilation. These experiments made it possible to reduce the errors, particularly on the extent and volume of sea ice compared with the initial version.
A two-year experiment using this multivariate approach showed significant improvements in ice and snow volumes compared with more conventional univariate assimilation methods. In particular, ice volume increased while snow volume decreased in the Arctic and Antarctic following multivariate assimilation. Comparisons with independent data are in better agreement with the experiment using the multivariate assimilation system, in particular with the total freeboard measured by the IceSat-2 satellite in both hemispheres and various in-situ measurements in the Arctic. The changes caused by data assimilation persist, in terms of ice volume, during the summer, when altimetric observations are not available, and have an impact even in unobserved regions.
However, a number of challenges remain, in particular the reduced efficiency of assimilation in Antarctica due to greater biases in the simulation without assimilation, less consistency between the available observations and strong interaction with the surface ocean. In addition, limitations of the model were highlighted, such as the appearance of polynyas not observed in Antarctica as a result of strong interactions between the southern pack ice and the surface ocean. Comparisons with independent ice volume products have shown the major impact of fixed ice and snow densities on the interpretation of altimetry measurements.
In conclusion, this work demonstrates the feasibility and performance of multi-data/multivariate assimilation to improve the representation of sea ice in the Arctic and Antarctic. This work opens up prospects for a more integrated assimilation of satellite observations, with a view to a better understanding of the role of sea ice in a climate in transition and for improved operational monitoring of the polar oceans. |