Salinité de surface dans le gyre subtropical de l'Atlantique Nord (SPURS/SMOS/Mercator)

Sea surface salinity in the North Atlantic subtropical gyre (SPURS/SMOS/MERCATOR)

• Auteur / Autrice : Anna Sommer
• Direction : Jacqueline Boutin, Gilles Reverdin
• Type : Thèse de doctorat
• Discipline(s) : Océanographie physique
• Date : Soutenance le 21/11/2016
• Etablissement(s) : Paris 6
• Ecole(s) doctorale(s) : École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'océanographie et du climat : expérimentations et approches numériques (Paris ; 2005-....)
• Jury : Examinateurs / Examinatrices : Pascale Bouruet-Aubertot, Yann Drillet, Thierry Penduff, Philippe Escudier
• Jury : Rapporteurs / Rapporteuses : Anne-Marie Treguier, Thierry Delcroix

Mots clés

Mots clés contrôlés

Océanographie

Atlantique (océan ; nord)

Salinité

Mots clés libres

Salinité de l'océan

La variabilité océanique

SMOS

L'Atlantique Nord

Flux d'eau douce

Advection océanique

Ocean salinity

Ocean variability

SMOS

Résumé

Ce travail a porté sur la variabilité de la salinité de surface (SSS) de l'océan dans le gyre subtropical Nord Atlantique. J'ai étudié la variabilité saisonnière de la SSS en lien avec les flux d'eau douce échangés avec l'atmosphère et la circulation océanique à méso échelle, au cours de plus de deux ans, d'août 2012 à décembre 2014. Les produits issus de la mission satellitaire soil moisture and ocean salinity (SMOS) corrigés de biais systématiques aux grandes échelles ont été testés et utilisés pour restituer la variabilité méso-échelle de SSS. Nous avons de surcroit utilisé les simulations numériques à haute résolution PSY2V4R2-R4 de Mercator. Les champs issus de SMOS et des simulations ont été comparés aux données in situ de bouées dérivantes et de thermosalinographes recueillies pendant l'expérience SPURS, avec des résultats satisfaisants, en particulier en hiver, et des écarts-type de différences typiques de l'ordre de 0.15 pss. Le flux d’eau douce échangé avec l’atmosphère est le terme dominant dans le bilan saisonnier de la SSS. Ce sont des termes associés à la dynamique océanique qui le compensent partiellement. En particulier, l’entrainement des eaux sous-jacentes contribue fortement en début d’hiver. Il agit d’ordinaire à réduire la SSS, à l’exception de la région au sud du maximum de SSS, où c’est au contraire une augmentation qu’il induit. L’advection est une seconde contribution importante à la variabilité de la SSS. Elle transfert ainsi vers le nord les eaux ‘salinisées’ plus au sud dans la région du maximum de perte d’eau douce vers l’atmosphère. La contribution d'advection est fortement dépend du type de données utilisées et leur résolution spatiale.

The focus of this work is on sea surface salinity (SSS) variability in the North Atlantic subtropical gyre. We study seasonal SSS variability and its link to the atmospheric freshwater flux at the ocean surface and to ocean dynamics at meso-scales for the period August 2012 – December 2014. The products from the soil moisture and ocean salinity (SMOS) satellite mission corrected from large scale systematic errors are tested and used to retrieve meso-scale salinity features. Furthermore, the PSY2V4R2-R4 simulation produced by Mercator with a high spatial resolution is also used. The comparison of corrected SMOS SSS data and Mercator simulation with drifter's in situ and TSG measurements from the SPURS experiment shows a reasonable agreement with RMS differences on the order of 0.15 pss.The freshwater seasonal flux is the leading term in the SSS seasonal budget. To balance its effect the ocean dynamics strongly contribute. The entrainment of deeper water is strong during the winter time. It usually acts to lower SSS, except in the south of the SSS–max region where it contributes to increase salinity. Advection is the second important component responsible for the SSS variability. It transfers further north the salty water from the evaporation maximum region. The contribution of advertion term is strongly dependent on the type of data used and their spatial resolution.