Etude du panache du fleuve Rouge dans le golfe du Tonkin à partir d'une analyse en clusters et de simulations d'ensemble

Variability of the Red River plume in the Gulf of Tonkin from stochastic modeling and cluster analysis

• Auteur / Autrice : Duy Tung Nguyen
• Direction : Pierre De Mey, Thanh Ngo-Duc
• Type : Thèse de doctorat
• Discipline(s) : Océan, Atmosphère, Climat
• Date : Soutenance le 11/05/2022
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Etudes en Géophysique et Océanographie Spatiales (Toulouse ; 1995-....)
• Jury : Président / Présidente : Rosemary Anne Morrow
• Jury : Examinateurs / Examinatrices : Nadia Ayoub, Xavier Durrieu de Madron, Joanna Staneva
• Jury : Rapporteurs / Rapporteuses : Vincent Echevin, Guillaume Charria

Mots clés

Mots clés contrôlés

Tonkin, Golfe du

Circulation océanique

Panaches (dynamique des fluides)

Mots clés libres

Analyse en clusters

Quantification de l'incertitude

Modélisation numérique

Panache de fleuve

Golfe du Tonkin

Circulation océanique côtière

Coastal ocean circulation

Numerical modeling

Clustering analysis

River plume

Uncertainty quantification

Gulf of Tonkin

Résumé

Cette étude vise à mieux comprendre la variabilité du panache du Fleuve Rouge dans le Golfe du Tonkin (GOT) dans la zone proche de l'embouchure et plus au large, en utilisant la modélisation numérique. Comprendre la variabilité du panache et le devenir des eaux du delta est d'une importance capitale pour une connaissance approfondie et une meilleure capacité de prédiction de la circulation océanique et de l'hydrologie dans le GOT, ainsi que pour une meilleure gestion des eaux côtières et surveillance des écosystèmes côtiers. Dans la première partie de la thèse, une configuration du modèle SYMPHONIE est mise en place avec des forçages réalistes et une grille à haute-résolution variable, sur la base de la configuration de V. Piton (2019). Une simulation sur une période de 6 ans (2011-2016) est réalisée pour étudier la variabilité journalière à interannuelle du panache du Fleuve Rouge et de trois rivières dont l'embouchure est voisine. La simulation est ensuite comparée à plusieurs sources d'observations. Ensuite, le panache est identifié à l'aide de traceurs passifs injectés dans la simulation. En utilisant un algorithme d'apprentissage automatique non supervisé (K-means), les principaux régimes du panache et leur évolution dans le temps sont classifiés et analysés selon quatre clusters, puis liés à différentes conditions environnementales. En hiver, le panache est étroit et reste la plupart du temps le long de la côte en raison du courant côtier et du vent de nord-est. Au début de l'été, le vent de la mousson du sud-ouest fait s'écouler le panache vers le large. Le panache atteint sa plus grande couverture en septembre, après le pic du débit. Sur la verticale, l'épaisseur du panache montre également des variations saisonnières. En hiver, le panache est mélangé sur toute la colonne d'eau, alors qu'en été, le panache peut être détaché à la fois du fond et de la côte. Le panache peut s'approfondir au large en été, en raison de vents forts (en mai, juin) ou spécifiquement en raison d'un tourbillon récurrent se produisant près de 19°N (en août). Cette première partie a fait l'objet d'une publication en 2021. L'analyse en clusters ci-dessus montre que, quel que soit le cluster, le panache est fortement affecté par le vent. Par conséquent, dans la deuxième partie de cette thèse, j'utilise un ensemble de simulations pour évaluer la réponse du modèle aux perturbations ajoutées au vent forçant. La sensibilité de la simulation présentée dans la première partie est évaluée statistiquement en calculant la dispersion et la distribution des variables d'intérêt à partir d'un ensemble de 50 membres. En raison des contraintes de calcul et de mémoire, cette étude est réalisée sur une courte période, de juin à août 2015, correspondant à la saison de fort débit. Tout d'abord, l'erreur sur le vent forçant est estimée par comparaison avec un produit satellitaire. Ensuite, son impact sur le modèle est évalué pour les variables de surface et de subsurface. Pour la température et la salinité de surface, l'incertitude est plus élevée près de la côte vietnamienne et du delta du fleuve Rouge. Sur la verticale, l'incertitude est la plus forte à la surface pour la salinité et en sub-surface pour la température. J'analyse ensuite la sensibilité du panache de la rivière. La dispersion de la surface du panache est maximale en août, qui est aussi la période où la surface du panache est la plus grande. L'analyse en clusters montre quelques changements de clusters entre les différents membres de l'ensemble, mais le cluster le plus susceptible de se produire est toujours celui de la simulation de référence (avec le vent non perturbé). Ces changements limités suggèrent que les résultats de la partie I sont effectivement robustes aux erreurs de forçage du vent. Enfin, l'ensemble est vérifié en utilisant les jeux d'observations disponibles.

This study aims at better understanding the variability of the Red River plume in the Gulf of Tonkin (GOT) in the mid and far field area using a numerical modeling approach. Understanding the plume variability and the fate of the delta waters is of primary importance for an in-depth knowledge and a better prediction capacity of the ocean circulation and hydrology in the GOT, for an improved management of coastal waters and monitoring of the coastal ecosystems. In the first part of the thesis, the SYMPHONIE model is configured with realistic forcings and a high-resolution variable grid relying on the configuration of V. Piton (2019). It is then run over a 6-year (2011-2016) period to study the daily to interannual variability of the Red River plume and of three rivers whose mouths are nearby. It is then validated with several observational data sources. Then, the plume is identified using simulated passive tracers. Using a K-means unsupervised machine learning algorithm, the main patterns of the plume and their evolution in time are classified in four clusters, analyzed and linked to different environmental conditions. In winter, the plume is narrow and sticks along the coast most of the time due to the downcoast current and northeasterly wind. In early summer, the southwest monsoon wind makes the plume flow offshore. The plume reaches its highest coverage in September after the peak of runoff. Vertically, the plume thickness also shows seasonal variations. In winter, the plume is mixed over the whole water depth, while in summer, the plume can be detached both from the bottom and the coast. The plume can deepen offshore in summer, due to strong wind (in May, June) or specifically due to a recurrent eddy occurring near 19°N (in August). This first part was published in 2021. The clustering analysis above shows that whatever the cluster, the plume is strongly affected by the wind. Therefore, in the second part of this thesis, I use an ensemble of simulations to assess the model response to perturbations added to the wind forcing. The sensitivity of the simulation presented in the first part is statistically evaluated by calculating the spread and the distribution of the variables of interest from an ensemble of 50 members. Due to computing and memory constraints, this study is performed over a short period, from June to August 2015, corresponding to the high runoff season. Firstly, the error of the forcing wind is estimated by comparing it with a satellite product. Then, its impact onto the model is assessed for surface and subsurface variables. For the sea surface temperature and salinity, the uncertainty is higher near the Vietnamese coast and the Red River delta. Vertically, the uncertainty is highest at the surface for salinity and at the sub surface for temperature. The sensitivity of the river plume is then analyzed. The spread of the plume area is highest in August, which is the same time when the plume area reaches its peak. The clustering analysis shows some cluster shifts between different members of the ensemble, but the cluster that is most likely to occur is still the one from the reference simulation (with unperturbed wind). These limited changes suggest that the results of part I are indeed robust to the wind forcing errors. Finally, the ensemble is verified using the available observational datasets.