[PDF] [PDF] Vers une estimation des flux de CO2 journaliers européens à haute

[PDF] Extrait de cours de SVT de seconde - Hattemer Academy

Glucose (C6H12O6) + 6 dioxygène (O2) → 6 dioxyde de carbone (CO2) + 6 eau (H2O) Le cycle de Krebs est un ensemble de décarboxylations oxydatives, (= aérobiose), les cellules dégradent le glucose de façon complète en dioxyde

[PDF] Cycles thermodynamiques des machines thermiques - CEL

18 jan 2011 · IV 1 GENERALITES - CYCLE REVERSIBLE DE BRAYTON premier corps est gagnée par le second En bref, la V 1 1 2 Selon le nombre de temps (nbre de tours pour faire un cycle complet) On appelle combustion compl`ete la réaction qui transforme tout le carbone en CO2 et tout l'hy-

[PDF] Changement climatique - LÉducation au Développement Durable

Niveau : De 8 à 12 ans ; cycle 3 ; Collège l'atmosphère terrestre, l'effet de serre, le cycle des saisons, la formation 837 14/SCH (J) la mer sont menacés par le taux de carbone trop élevé La seconde partie présente les pistes pédagogiques et L'objectif de ce kit est de fournir un support de formation complet sur

[PDF] Le schéma scientifique au Cycle 3 - DUMAS - CNRS

10 avr 2015 · cycle 3 Les élèves sont alors capables de répondre à des exigences en terme au-sch C3 A9ma- C3 A0-l C3 A9cole-primaire1 pdf Ce deuxième type de codage peut également s'appuyer sur des effets de de carbone complété par une étude comparative des différents schémas retrouvés 

[PDF] Vers une estimation des flux de CO2 journaliers européens à haute

anthropique majeure du cycle du carbone, à cause de sa rapidité au regard des La seconde raison est que la bonne représentation spatio-temporelle des flux SCH SAC PRS PUY CMN HUN Figure II- 2 : Carte des stations continues reconstituer tous les produits de l'inversion sur l'année complète (les flux, les 

[PDF] THÈSE DE DOCTORAT DE LUNIVERSITÉ PIERRE ET - LSCE

0 1 Importance de la biosphère continentale dans le cycle du carbone et contribution Cette deuxième étape de circulation de l'énergie qui réchauffe encore plus la requis par chaque variété pour effectuer son cycle complet [ Brisson et al , 2003; Contraintes pour l'optimisation Global incluant CarboEurope HUN SCH

[PDF] Les activités documentaires en physique-chimie au - Eduscol

1 juil 2015 · 4 Les nouveaux programmes de seconde année des classes Complète l'état physique correspondant à (pour plus d'informations : http:// wikipedia org/wiki/ Sch C3 Identifier les atomes de carbone asymétrique d'une Préambule du cycle terminal de la série scientifique (Première et Terminale 

[PDF] Cycles biogéochimiques du Fer et du Soufre - Archimer - Ifremer

dans les grands cycles biogéochimiques du Carbone, de l'Azote, du Fer ou encore du Soufre Dans sera stocké dans la cellule sous forme de globules) ; la seconde consiste à oxyder le soufre complète de la solution, les échantillons ont été repris dans 2,5 ml d'acide nitrique à 0,24 mol/L, puis s (1 sur le sch

[PDF] le cycle du carbone exposé

[PDF] cycle du carbone simplifié

[PDF] cycle du carbone schéma simple

[PDF] schema cycle du carbone 2nde

[PDF] conséquences des activités humaines sur le cycle du carbone

[PDF] pourquoi le rythme respiratoire augmente lors d'un effort

[PDF] modification de l'organisme lors d'un effort physique

[PDF] cycle cellulaire mitose

[PDF] interphase g1 s g2

[PDF] cycle cellulaire définition

[PDF] cycle cellulaire graphique

[PDF] l'interphase

[PDF] cycle cellulaire phase

[PDF] cycle cellulaire definition svt

[PDF] cycle cellulaire cours pdf

TTHHEESSEE DDEE DDOOCCTTOORRAATT DDEE LL''UUNNIIVVEERRSSIITTEE PPAARRIISS 66

Spécialité

Météorologie, Océanologie et Environnement

Présentée par

M elle

Claire Carouge

Pour obtenir le grade de

DOCTEUR de l'UNIVERSITE PARIS 6

Vers une estimation des flux de CO

2 journaliers européens à haute résolution par inversion du transport atmosphérique. Soutenue le 12 avril 2006 devant le jury composé de :

Pr. K. Laval (Présidente)

Dr. P. Monfray (Rapporteur)

Dr. M. Bocquet (Rapporteur)

Dr. S. Denning (Examinateur)

Dr. P. Ciais (Directeur de thèse)

Dr. P. Bousquet (Co-directeur de thèse)

1 2

RREEMMEERRCCIIEEMMEENNTTSS

Je remercie tout d'abord Laurent Turpin et le Commissariat à l'Énergie Atomique pour m'avoir accueillie au sein du Laboratoire des Sciences du Climat et de l'Environnement.

Je tiens aussi à remercier l'université Pierre et Marie Curie (Paris VI) ainsi que son président,

M. Béréziat, pour m'avoir attribué une bourse pour mes trois années de thèse ainsi qu'un

poste de moniteur au sein de l'université. J'adresse tous mes remerciements à Philippe Ciais, directeur de cette thèse, pour ses conseils tout au long de ce travail. Mes plus chaleureux remerciements vont à Philippe Bousquet et Philippe Peylin qui ont assuré l'encadrement au quotidien de cette thèse. Merci pour toutes les discussions

scientifiques (et autres) des plus enrichissantes. Je tiens aussi à m'excuser auprès de tous les

voisins concernés pour les éclats de rire intempestifs lors de nos réunions. Et surtout vive le

positivisme ! Merci beaucoup à Peter Rayner pour son chaleureux accueil lors de mon séjour en Australie (merci aussi à Morag). Je le remercie aussi pour les diverses discussions scientifiques qui m'ont apporté un éclairage différent sur ma thèse. Je souhaite remercier toutes les personnes qui ont accepté de faire partie de mon jury. Tout d'abord je remercie Patrick Monfray et Marc Bocquet pour avoir rapporté ce manuscrit. Merci

aussi à Katia Laval pour avoir accepté de présider ce jury et enfin à Scott Denning pour sa

participation malgré un manuscrit et une présentation en français.

Merci à toutes les personnes du laboratoire qui ont fait de ce séjour parmi elles un très bon

moment. Merci à Anne pour toutes les discussions, la multitude d'emails échangés sur les sujets les plus divers et la formation du club piscine. Merci à Jean-Yves pour les thés du matin, les BDs (en japonais ce sera plus dur), les logiciels, les conseils et le ravitaillement de

survie. Merci aux randonneurs (à pied et à ski) d'avoir supporté ma lenteur de tortue et aux

volleyeurs émérites pour la victoire au tournoi inter-service (à qui la coupe ?). Merci à Gwen,

Sébastien G. et B., François, Cédric, Léo, Juliette, Céline, Pascalle, Edouard, Diego,... pour

leur soutien et les pa uses de l'après-midi.

Merci à mes amis, en particulier Djamila et L

aetitia, pour les soirées animées diverses et variées ainsi que les week-ends et vacances " au loin ». Merci à ma famille pour son soutien et son inconditionnel accueil lors de mes envies de campagne et d'évasion. 3 Finalement, un grand merci à Christopher pour cette année passée ensemble, pour tout le soutien logistique mais aussi, et surtout, moral. Merci de m'avoir attendue un an (3 mois et 22 jours) et (surtout) d'accepter de recommencer cette attente. 4

Résumé

Depuis la fin des années 1980, des méthodes d'estimation des flux de CO 2

à partir des

mesures atmosphériques de concentration de CO 2 se sont mises en place. Effectivement, les variations de concentration de CO 2 observées aux stations de mesure sont directement liées aux flux par le transport atmosphérique. Il est alors possible de reconstituer la distribution

spatio-temporelle des flux à partir des concentrations mesurées en " inversant » le transport

atmosphérique, d'où le nom de méthodes inverses. Ces méthodes se sont développées en

parallèle des réseaux de mesure de concentration et des capacités de calcul. Cependant, jusqu'à présent la plupart des inversions ont utilisé des moyennes mensuelles des concentrations de CO 2 pour estimer des flux mensuels. Étant donnée la faible densité du

réseau de mesure mondial, les flux étaient agrégés a priori sur des régions de taille du sous-

continent et leur distribution spatiale était fixée sur ces régions. Avec cette contrainte forte,

les flux estimés pouvaient être biaisés par toute imperfection de la distribution des flux (erreur

d'agrégation). Par conséquent, l'inversion des flux à la résolution du modèle de transport se

développe avec la forte contrainte de l'agrégation spatiale remplacée par une contrainte souple de covariances entre les erreurs des flux. Cette thèse se situe dans ce contexte. Nous avons ainsi étudié l'utilisation des observations continues, qui sont en nombre croissant sur

les continents, pour estimer les flux européens à l'échelle du modèle. Plus précisément, au

cours de cette thèse, nous avons développé un système inverse capable d'estimer les flux journaliers à l'échelle du modèle sur l'Europe (50x50 km²)

à partir des moyennes journalières

des concentrations continues des 10 stations du réseau AEROCARB opérationnelles pendant l'année 2001. Nous avons utilisé le modèle mondial LMDZt avec une grille zoomée sur l'Europe. L'ajout de covariances au système étant une nouveauté dans la communauté

inverse, nous avons mis au point trois jeux différents de corrélations : un jeu basé uniquement

sur la distance entre les points, un basé sur la météorologie et la distance et enfin, un jeu basé

sur la répartition de la végétation et la distance. Dans un premier temps, nous avons validé la

méthode développée par l'inversion de concentrations simulées par le modèle de transport

atmosphérique ce qui permet de mieux connaître le système que dans le cas réel. Nous avons

ainsi trouvé que le réseau de mesure utilisé ne permettait pas de contraindre les flux pour

chaque point de grille. Mais, une agrégation spatiale des flux sur une région de 850x850 km² à

l'ouest de l'Europe et une agrégation temporelle de 8-10 jours permettent de trouver un très bon accord avec les flux vrais qui ont servi à simuler les concentrations. Les premières

inversions réalisées avec les données réelles ont mis en évidence des variations synoptiques

des flux estimés en accord avec les flux d'un modèle de biosphère et avec les variations des

concentrations mesurées. Mais par ailleurs, les résultats sont fortement dépendant de la qualité

du transport atmosphérique, d'une part. En particulier, les problèmes de simulation du

transport à petite échelle est critique. D'autre part, les flux anthropiques sont prescrits dans

cette inversion et il s'avère que la qualité de leur distribution spatio-temporelle est cruciale.

De plus, nous avons montré un impact fort de la sélection de données utilisée, essentiellement

l'utilisation des données de jour uniquement améliore fortement les flux retrouvés en réduisant des biais induits pa r le modèle de transport. 5 6

Abstract

Since the end of the 1980's, measurements of atmospheric carbon dioxide have been used to estimate global and regional fluxes of CO 2 . This is possible because CO 2 concentration variation is directly linked to flux variation by atmospheric transport. We can find the spatial and temporal distribution of fluxes from concentration measurements by "inverting" the atmospheric transport. Until recently, most CO 2 inversions have used monthly mean CO 2 atmospheric concentration measurements to infer monthly fluxes. Considering the sparseness of the global CO 2 measurement network, fluxes were a priori aggregated on sub- continental regions and distributed on a fixed spatial pattern within these regions. Only one flux coefficient per month for each region was optimized. With this strong constraint, estimated fluxes can be biased by non-perfect distribution of fluxes within each region (aggregation error). Therefore, flux estimation at model resolution is being developed where the hard constraint of a fixed distribution within a region is replaced by a soft constraint of covariances between flux uncertainties. The use of continuous observations from an increasing number of measurement sites offers a new challenge for inverse modelers. We investigate the use of daily averaged observations to infer daily CO 2 fluxes at model resolution over Europe. We have developed a global synthesis Bayesian inversion to invert daily fluxes at model resolution (50x50 km² over

Europe) from daily averaged CO

2 concentrations. We have obtained estimated fluxes for the year 2001 over Europe using the 10 European continuous sites from the AEROCARB network. The global atmospheric model LMDZt is used with a nested grid over Europe. It is necessary to add a priori spatial and temporal correlations between flux errors to constrain the Bayesian inversion. We present the impact on estimated fluxes of three different spatial correlations based on distance between pixels, climate and vegetation distribution over Europe. To study the potential of this method, we used synthetic data generated from forward simulations of LMDZt (driven by flux fields generated from the biospheric model ORCHIDEE). We have found that the current network is not dense enough to constrain fluxes at model resolution. However, fluxes that are aggregated spatially over a region of

850x850 km² in the Western Europe and temporally over 8-10 days compare very well with

the ORCHIDEE fluxes. Preliminary inversion results using real data indicate that synoptic variations of estimated fluxes are in phase with the variations of the ORCHIDEE biospheric model flux and the variations observed in atmospheric concentrations. However, the quality of the flux estimates are highly dependant on transport model errors and in particular, on the quality of modelling small scale transport. Moreover, fossil fuel emissions are prescribed in this inverse model and the quality of their distribution is shown to be crucial. Data selection also has a large impact on estimated fluxes. The use of the daytime only data to calculate daily averaged concentrations greatly improves the estimated fluxes by reducing bias inferred from model transport errors. 7 8 9

Table des matières

II.. INVERSION DES OBSERVATIONS ATMOSPHERIQUES DE CO2 : PRINCIPE,

HISTORIQUE

ET METHODE UTILISEEINVERSIONDESOBSERVATIONSATMOSPHERIQUESDECO2:PRINCIPE, I.1. PROBLEMATIQUE INVERSE........................................................................ ............................ 22

I.1.1. Principe général........................................................................

...................................... 22 I.1.1.1. Les observations........................................................................ ............................................... 25 I.1.1.2. Les flux........................................................................ ............................................................. 26

I.1.1.3. Résolution du problème inverse........................................................................

....................... 28

I.1.2. Différentes méthodes........................................................................

............................... 30

I.2. HISTORIQUE DES INVERSIONS DU CO2 ATMOSPHERIQUE...................................................... 32

I.2.1. Vers une régionalisation des estimations de flux............................................................ 32

I.2.1.1. Intercomparaison de modèles de transport atmosphérique (TransCom)................................... 40

I.2.2. Les développements récents........................................................................

.................... 46 I.3. APPROCHE UTILISEE POUR L'INVERSION DE MESURES CONTINUES EUROPEENNES................ 51 I.4. CONCLUSION........................................................................ ................................................ 54

II. LES COMPOSANTES DE L'INVERSION.II.LESCOMPOSANTESDEL'INVERSION.............................................................................................................................................5599

II.1. MESURES ATMOSPHERIQUES........................................................................ ........................ 60

II.1.1. Mesures européennes en continu........................................................................

............ 60

II.1.1.1. Réseau européen de mesures en continu........................................................................

......... 60

II.1.1.2. Contenu en information des observations continues............................................................... 63

II.1.1.3. Incertitudes associées.........................................................................

..................................... 68

II.1.2. Données GLOBALVIEW........................................................................

......................... 68

II.1.2.1. Réseau de mesures........................................................................

.......................................... 68

II.1.2.2. Incertitudes associées........................................................................

...................................... 71 II.1.3. Pseudo-données........................................................................ ...................................... 71quotesdbs_dbs19.pdfusesText_25