23ième Colloque de l’Association Internationale de Climatologie, Rennes 2010

245

VARIABILITÉ SPATIO-TEMPORELLE DU CYCLE DIURNE DE LA CONVECTION EN AMAZONIE

FUNATSU B.M.1, DUBREUIL V.1 et CLAUD C.2 1 COSTEL - LETG (UMR 6554 CNRS), Université Européenne de Bretagne, Rennes 2, Place du Recteur H. Le Moal, 35043 Rennes Cedex, France. beatrixmf@yahoo.com, vincent.dubreuil@uhb.fr 2 Laboratoire de Météorologie Dynamique/IPSL (UMR 8539 CNRS), Ecole Polytechnique, Route de Saclay, 91128 Palaiseau CEDEX, France. chantal.claud@lmd.polytechnique.fr

Résumé : Cet article présente la variabilité spatio-temporelle des précipitations convectives d’une portion de la région sud de l’Amazonie (Etat du Mato Grosso) en utilisant des données satellitaires et en les comparant pendant et après la sécheresse prolongée de 2005. Il s’agit d’examiner la différence du cycle diurne et l'extension spatiale de la convection et des précipitations convectives entre une année "normale" et la situation de sécheresse extrême de 2005. On utilise les données satellitaires « Advanced Microwave Sounding Unit » (AMSU) et « Tropical Rainfall Measuring Mission » (TRMM) pour détecter et caractériser l’activité convective et les précipitations. Cette étude vise une meilleure représentation de la variabilité de l'activité convective dans le bassin amazonien, et elle peut contribuer aussi par exemple à la validation des modèles climatiques. Mots-clés : convection, Amazonie, satellite, sécheresse

Abstract: Diurnal cycle of convection in the Amazon region, temporal and spatial variability. We examine the diurnal cycle of precipitation and convection in the Amazon region, particularly in the state of Mato Grosso, Brasil, where changes in land use and forest cover have been dynamical in the last decades. We consider the years 2004 to 2006, which encompass a period of severe drought (2005) that affected several parts of Amazon, and had a significant socio-economical impact. We use mainly satellite data from the Advanced Microwave Sounding Unit (AMSU) and the Tropical Rainfall Measuring Mission (TRMM) to detect and characterize convective activity. This study aims at a better representation of the variability of convective activity in the Amazon basin, and may also contribute to e.g. validation of regional climate models.

Keywords: convection, Amazon, satellite, drought.

Introduction

La région amazonienne s'étend sur un vaste domaine dans la région tropicale, et couvre plusieurs pays d'Amérique du Sud. Cette région abrite un écosystème riche et est essentielle dans le système climatique car elle est source de l'énergie de la circulation atmosphérique à mésoéchelle dans les tropiques (Malhi et al., 2008 ; Cox et al., 2008). La forêt est toutefois menacée par la déforestation et les changements d'occupation du sol pour l'agriculture et l'élevage de bétail, en particulier dans sa partie sud et sud-est. Une des régions où le déboisement a été le plus important est l'État du Mato Grosso (Dubreuil et al., 2005, 2008), où la culture de soja représente actuellement le facteur le plus significatif de l'économie locale. Il existe donc un conflit entre les intérêts de l'expansion économique et de l'exploitation du sol, et la préservation de l'environnement de l'Amazonie. Enfin, la question des répercussions des activités anthropiques sur les changements climatiques, bien documentée à l’échelle globale, est encore peu connue à cette échelle régionale, particulièrement dans les régions tropicales.

Les observations satellitaires environnementales sont d’une valeur inestimable dans la surveillance météorologique, du suivi de l'utilisation du sol, de l’occurrence et de l’intensité des précipitations et la fréquence des incendies dans cette région, car les observations in situ sont relativement rares. Par exemple, les images Landsat et SPOT Vegetation ont permis de suivre l'évolution et la transformation de l'utilisation des terres (Dubreuil et al., 2005, 2008), tandis que les données du Geostationary Operational Environmental Satellite (GOES) et du Tropical Rainfall Measuring Mission (TRMM) ont été utilisées pour estimer les précipitations dans la région amazonienne (Dubreuil et al., 2007). Les phénomènes d’échelle globale comme El-Niño/Oscillation Australe (ENOA) dans le Pacifique tropical et ceux d’échelles locales comme les feux et la déforestation, peuvent changer les modes de précipitations (Lin

Funatsu B.M., Dubreuil V. et Claud C.

246

et al., 2006 ; Koren et al., 2008). Ces changements à leur tour jouent un rôle important sur le climat régional (Malhi et al., 2008) et donc, sur la planification des stratégies d'occupation agricole dans les régions des fronts pionniers de l'Amazonie.

Dans cette étude, les cycles diurnes de la convection et des précipitations à l’échelle régionale dans l’Etat du Mato Grosso sont évalués et comparés pour deux années, dont une de forte sécheresse, à partir d’un ensemble de données satellitaires. Cette année de sécheresse 2004-2005 a eu des répercussions importantes sur le plan socio-économique sur l’ensemble du bassin amazonien. Par ailleurs, la combustion de biomasse est accrue à la fin de la saison sèche pour nettoyer les zones en cours de défrichement et pour la préparation du sol pour les semis. Les impacts de l’augmentation de la charge d'aérosols et de la transformation de l’occupation du sol sur la convection et les précipitations ne sont pas bien connus, particulièrement aux échelles régionales et locales. Afin d'identifier les changements climatiques d’origine anthropique, il est impératif de connaître la climatologie et la variabilité naturelle du système climatique et donc, les cycles diurnes de la convection.

Nous présentons d’abord une description des données utilisées dans cette étude. Ensuite, nous présentons les résultats de l’analyse du cycle diurne de la convection et des précipitations, la variabilité spatiale et temporelle. Enfin, la dernière section présente les perspectives de ce travail.

1. Données et méthodes

Deux jeux de données satellitaires sont utilisés dans cette étude : ceux issus de l’ « Advanced Microwave Sounding Unit » (AMSU), à bord des satellites américains NOAA depuis 1998 (et plus récemment sur les satellites européens MetOp), et les produits de précipitations 3B42 du satellite TRMM (Tropical Rainfall Measuring Mission). Dans la région sud/sud-ouest de l’Amazonie la saison des pluies commence vers octobre et finit vers avril et la saison sèche est comprise entre les mois de mai-juin à septembre ; la période considérée ici va de juillet 2004 à juin 2006, l’année hydrologique 2004 /2005 étant une année de sécheresse dans l’ensemble du bassin. La région d’étude est limitée par 8°-18°S et 63-50°W c'est-à-dire, pour l’essentiel, l’Etat du Mato Grosso et les régions voisines.

AMSU est un sondeur micro-ondes constitué de deux modules : AMSU-A et AMSU-B. Le module A a été conçu pour donner des informations sur la température de surface et l’atmosphère et n’est pas utilisé dans la présente étude. Le module B a trois canaux centrés sur la fréquence de 183 GHz, qui fournissent des informations sur le contenu en humidité dans la moyenne jusqu’à la haute troposphère. La résolution horizontale de l’AMSU-B est de 16 km au nadir, mais la résolution se dégrade à 48 km pour les angles de vue maximaux de l’instrument (environ 48°). Pendant la période étudiée, les données AMSU proviennent de trois satellites NOAA (15, 16 et 17), et assurent une couverture temporelle toutes les 4 heures en moyenne.

Nous utilisons les canaux vapeur d’eau (183,3 ±1 GHz, 183,3 ±3 GHz, 183,3 ±7 GHz) pour la détection des systèmes convectifs selon la formule proposée par Hong et al. (2005) pour les régions tropicales ; ce même critère a été utilisé par Funatsu et al. (2007) pour la détection de la convection dans la région méditerranéenne. La formule de Hong et al. (2005) établit que les régions avec de la convection profonde présentent des différences entre les canaux de vapeur d’eau tels que �T17 � 0 K, �T13 � 0 K et �T37 � 0 K (où �T 17 = différence entre les températures de brillance des canaux 183,3 ±1 et 183,3 ±7, et ainsi de suite avec les autres canaux). Un autre critère permet d’identifier les régions de convection profonde pénétrant la stratosphère (« convective overshooting ») : �T17 � �T13 � �T37 > 0 K.

23ième Colloque de l’Association Internationale de Climatologie, Rennes 2010

247

Les produits de précipitation 3B42 avec une résolution temporelle de 3 heures et spatiale de 0,25° x 0,25° ont été utilisés pour la description des précipitations. Les données 3B42 sont basées sur un ensemble de données infrarouges et micro-ondes, dont AMSU. Plus de détails peuvent être trouvés sur http://trmm.gsfc.nasa.gov/overview_dir/instrumentfacts.html. Dubreuil et al. (2007) ont montré que les données 3B42 ont une bonne correspondance avec des données de surface pour 9 stations dans Mato Grosso à une échelle mensuelle, avec une corrélation globale de 0,90 ; toutefois, leur potentialité pour la description du cycle diurne à cette échelle reste mal connue.

2. Résultats principaux

2.1. Cycle diurne de la convection profonde

En premier lieu, les données de l’AMSU-B ont été re-projetées sur une maille de 0,25° x 0,25° ; ensuite les zones relatives de convection profonde (CP) et de convection profonde pénétrant la stratosphère (COV) par rapport à la zone couverte par le passage des satellites, pour chaque heure disponible, ont été calculées.

Figure 1 : (a) Nombre de passages d’un satellite NOAA par heure et par mois et couvrant au moins 30% de la zone cible, (b) moyenne mensuelle de la zone relative de convection profonde (CP) par heure et mois, et (c) moyenne mensuelle de la zone relative de convection profonde pénétrant la stratosphère (COV). L’abscisse représente l’heure locale tandis que l’axe des ordonnées correspond aux mois et années.

La figure 1a montre le nombre de passages des satellites par heure et par mois (de juillet 2004 jusqu’à juin 2006) ; quelques mois ne présentent pas de données pour toutes les heures. Par conséquent, nous avons décidé de faire la moyenne glissante sur 3 heures, pour chaque jour, afin d’obtenir le cycle diurne et ensuite, nous avons pris la moyenne sur le nombre total de mesures dans le mois. Le cycle diurne de la CP est présenté dans la Figure 1b. On observe que pour les deux années, il y a une croissance rapide de la CP vers midi à partir du mois d’octobre. La CP présente un maximum entre 14 et 17 h locales (LT) pendant l’année 2004-2005 et légèrement plus tard pendant l’année suivante. A mesure que la saison pluvieuse avance, la CP se prolonge jusqu’au milieu de la nuit. La fin de la saison des pluies est marquée par un arrêt assez soudain de la CP. Durant l’année de sècheresse, la CP a recouvert

Funatsu B.M., Dubreuil V. et Claud C.

248

une surface maximale de ~3% tandis que l’année suivante (normale), le maximum a été de 3,5%, i.e. une surface ~15% supérieure à celle de l’année précédente.

Afin d'examiner si la description du cycle diurne est réaliste, nous avons comparé la moyenne annuelle horaire de la CP avec les précipitations de la station d'Alta Floresta (10°S, 55°W) pour l'année hydrologique 2006-2007 (Figure 2). La corrélation entre ces deux paramètres est de 0,73 (significative à 99,9%). Dans la mesure où ces données sont complètement indépendantes, nous concluons que l’AMSU fournit une description réaliste du cycle diurne de la convection.

Figure 2 : Moyenne horaire annuelle de (a) la zone relative de CP (%) pour la période juillet 2006 à juillet 2007, et (b) précipitations accumulées (mm/jour ; histogramme) pour la période d'août 2006 à septembre 2007, avec superposition de la moyenne glissante sur 3 heures (courbe).

La zone de COV représente en moyenne 20 à 40% de la superficie moyenne mensuelle de CP (figure 1c), en accord avec les résultats de Hong et al. (2005) qui estiment que le ratio (COV / CP) est de 26% pour l’ensemble de la ceinture tropicale pour la période de mars 2003 à février 2004. Dans notre étude, ce rapport peut atteindre 100% pour une moyenne journalière (non représentée) et montre une grande variabilité quotidienne. La COV a été assez intense en octobre 2004, mais sa zone relative s’est rétrécie à mesure que les conditions de sécheresse persistaient (figure 1c). Le contraste entre la zone de COV de l’année de sécheresse et l'année suivante est remarquable, avec une augmentation de 100% de la fraction de COV par rapport à l'année précédente.

2.2. Le cycle diurne des précipitations selon TRMM

Les données de précipitations TRMM ont été utilisées abondamment pour décrire les totaux pluviométriques mensuels et/ou saisonniers dans des régions tropicales, où les réseaux de mesure de surface ne sont pas suffisamment denses (e.g. Adler et al., 2000 ; De Angelis et al., 2004). La description du cycle diurne reste particulièrement mal connue sur le plan spatial et temporel. La figure 3a montre le cycle diurne moyen par mois du taux de précipitation (mm/h) pour la période d’étude. L’heure du maximum des précipitations se trouve vers 18 heures, i.e. trois heures après le maximum de la convection (figure 1b) et le maximum apparaît moins « concentré », persistant pendant plusieurs heures.

La figure 3b montre les précipitations moyennes « guidées » par la CP, c'est-à-dire que nous avons représenté seulement les points de grille où la CP est présente et affecté la valeur TRMM pour l’heure la plus proche (par exemple, si l’heure de passage de l’AMSU est 01h

23ième Colloque de l’Association Internationale de Climatologie, Rennes 2010

249

UTC, nous avons pris l’archive TRMM du même jour à 03h UTC). On constate qu’il y a des différences importantes entre les champs « bruts » ou « guidés » par AMSU : le cycle diurne des précipitations de la figure 3b ressemble bien sur davantage au cycle diurne de la CP. Certains aspects, comme la prolongation des précipitations pendant la nuit à partir de décembre ou la diminution vers minuit en mars 2005 et février 2006, sont en accord avec la CP. Surtout, alors que les taux des précipitations maximales n’ont pas changé entre les deux années dans le cas (a), restant toujours autour de 2 mm/h, dans le cas (b), elles ont augmenté jusqu’à 14 mm/h entre janvier à mars 2005, et même 16 mm/h pour les mêmes mois l’année suivante, i.e. une augmentation d’environ 14%. Cette différence dans la valeur absolue des précipitations peut s’expliquer par la prise en compte d’un même fichier TRMM pour différentes heures de passage du satellite NOAA, donc comme un artefact de la méthodologie. Cependant, le maximum des précipitations dans le cas (b) reste toujours entre 15 et 18 HL (heure locale), i.e. la source de ce décalage est indépendante de l’AMSU. Plus généralement, Kikuchi et Wang (2008) ont remarqué un décalage d’environ 3 heures entre les précipitations du produit 3B42 par rapport à ceux du 3B68 (basées uniquement sur un senseur micro-ondes et un radar de précipitation). Ils estiment donc que les données 3B42 sont déphasées de 3 heures du fait de l’utilisation des données infrarouges pour les estimations des précipitations.

Figure 3 : Moyenne mensuelle du taux des précipitations (mm/h) par heure et mois, selon (a) TRMM 3B42, et (b) TRMM 3B42 « guidées » par CP (voir texte pour plus de détails). L’abscisse représente l’heure locale tandis que l’axe des ordonnées correspond aux mois et années.

Conclusion

Ce travail présente une tentative pour caractériser la convection profonde et sa variabilité temporelle à une échelle spatiale subrégionale en Amazonie méridionale. Une meilleure connaissance de la variabilité des précipitations est primordiale pour la détection de ses changements et des possibles effets anthropiques sur le climat local et régional. Nos résultats montrent que l'activité convective a diminué d’environ 10% pendant une année de sécheresse sévère, tandis que la convection profonde pénétrant la stratosphère a été réduite de 50%.

Funatsu B.M., Dubreuil V. et Claud C.

250

Quand les données TRMM 3B42 sont « guidées » par l’AMSU, nous trouvons que le taux de précipitation maximale a augmenté d’environ 14% entre l’année de sècheresse et l’année suivante. Enfin, les données TRMM 3B42 montrent un décalage d’environ 3 heures entre l’heure de maximum de convection et les précipitations maximales. Ces résultats ont des implications pour les échanges troposphère-stratosphère en lien avec la convection, et pour la modélisation climatique par exemple, car il est nécessaire que les modèles tiennent compte de cette variabilité.

Bibliographie Adler R. F., Huffman G. J., Bolvin D. T., Curtis S. et Nelkin E. J., 2000 : Tropical rainfall distribution determined using TRMM combined with other satellite and rain gauge information. J. Appl. Meteorol., 39, 2007-2023, doi:10.1175/1520-0450(2001)040<2007:TRDDUT>2.0.CO;2.

Cox P.M., Harris P. P., Huntingford C., Betts R. A., Collins M., Jones C. D., Jupp T. E., Marengo J. A. et Nobre C. A., 2008 : Increasing risk of Amazonian drought due to decreasing aerosol pollution. Nature, 453, 212-215, doi:10.1038/nature06960.

De Angelis C. F., McGregor G. R. et Kidd C., 2004 : A 3 year climatology of rainfall characteristics over tropical and subtropical South America based on Tropical Rainfall Measuring Mission precipitation radar data. Int. J. Climatol., 24, 385-399, doi:10.1002/joc.998.

Dubreuil V., Bariou R., dos Passos M., Ferrand R. et Nedelec V., 2005 : Evolution de la frontière agricole dans le Centre Ouest du Mato Grosso : Municipes de Tangara da Serra, Campo Novo dos Parecis, Diamantino. Cahiers Agricultures, 124, 217-224.

Dubreuil V., Arvor D., Nedelec V. et Maitelle G. T., 2007 : Comparação entre os dados TRMM, GOES e SPOT-VGT para a estimativa das chuvas em Mato Grosso. Proceedings of the XIII Brazilian Conference on Remote Sensing, Florianópolis, Brasil, 21-26 April 2007, INPE, 3849-3851.

Dubreuil V., Laques A.-N., Nedelec V., Arvor D. et Gurgel H., 2008 : Paysages et fronts pionniers amazoniens sous le regard des satellites : l’exemple du Mato Grosso. Espace géographique, 37, 57-74.

Funatsu B.M., Claud C. et Chaboureau J.-P., 2007 : Potential of Advanced Microwave Sounding Unit to identify precipitating systems and associated upper-level features in the Mediterranean region: Case studies. J. Geophys. Res., 112, D17113, doi:10.1029/2006JD008297.

Hong G., Heygster G., Miao J. et Kunzi K., 2005 : Detection of tropical deep convective clouds from AMSU-B water vapor channels measurements. J. Geophys. Res., 110, D05205, doi:10.1029/2004JD004949.

Kikuchi K. et Wang B., 2008 : Diurnal precipitation regimes in the global tropics. J. Climate, 21, 2680-2696.

Koren I., Martins J.V., Remer L.A. et Afargan H., 2008 : Smoke invigoration versus inhibition of clouds over the Amazon, Science, 321, 946-949, doi:10.1126/science.1159185.

Lin J.C., Matsui T., Pielke Sr. R.A. et Kummerow C., 2006 : Effects of biomass-burning-derived aerosols on precipitation and clouds in the Amazon Basin: a satellite-based empirical study. J. Geophys. Res., 111, D19204, doi:10.1029/2005JD006884.

Malhi Y., Roberts J. T., Betts R. A., Killeen T. J., Li. W. et Nobre C. A., 2008 : Climate change, deforestation, and the fate of the Amazon. Science, 319, 169-172, doi:10.1126/science.1146961.