Liens entre structure interne et variations d’intensité des cyclones tropicaux : apports combinés des observations SAR et des simulations numériques à haute résolution

Autor: Vinour, Léo
Přispěvatelé: STAR, ABES, Laboratoire d'Océanographie Physique et Spatiale (LOPS), Institut de Recherche pour le Développement (IRD)-Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER)-Institut national des sciences de l'Univers (INSU - CNRS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS), Université de Bretagne occidentale - Brest, Claude Roy, Swen Jullien, Alexis Mouche
Jazyk: francouzština
Rok vydání: 2021
Předmět:
Zdroj: Sciences de la Terre. Université de Bretagne occidentale-Brest, 2021. Français. ⟨NNT : 2021BRES0060⟩
Popis: Tropical cyclones (TCs) internal dynamics play a fundamental role in their intensification and their response to external perturbations. Although mainly symmetric on a vortex scale, these dynamics are also strongly controlled by asymmetric processes. These processes are however difficult to observe, as they are multi-scale and occur mainly in the atmospheric boundary layer and the eyewall where strongest winds are located. This thesis jointly analyses SAR images and regional dynamical model outputs with a kilometric resolution, in order to estimate internal parameters of the surface wind field and relate them to the asymmetric theory of TC intensity variations. The analysis of SAR images allows to observe the internal structure at the time of acquisition and to relate it to ongoing intensity changes through the use of best-track data.Properties such as vortex contraction and increased symmetry with intensity and during re-intensification phases are observed this way. The model is used in turn to study the evolution in time of the internal structure, and relate statistically the symmetrization or perturbation of the surface wind field to corresponding intensity variations, denoting an agreement with recent theory on intensification and intensity restoration processes. In a perspective of predictability improvement, an original machine learning method shows the capacity of high-resolution internal structure measurements (notably, parameters quantifying the eye-eyewall mixing and the maximum wind ring asymmetry) to improve the statistical prediction of intensification rates.
La dynamique interne des cyclones tropicaux joue un rôle fondamental dans leur intensification et leur réponse aux perturbations externes. Bien que principalement symétrique à l’échelle du vortex, cette dynamique est aussi fortement régie par des processus asymétriques. Ces processus sont toutefois difficiles à observer car proches de la surface et de la zone de vents maximum, et multi-échelles. Cette thèse analyse conjointement images SAR et sorties de modèles dynamiques régionaux à résolution kilométrique afin d’estimer des paramètres internes du champ de vent de surface, et de relier ces paramètres à la théorie asymétrique des variations d’intensité des cyclones. L’analyse des images SAR permet d’observer la structure interne instantanée et de la relier à l’intensité (et à ses variations) à cet instant, à travers l’utilisation de données de best-track. Des propriétés telles que la contraction du vortex et sa symétrie accrue avec l’intensité et durant les phases de ré-intensification sont ainsi observées. Le modèle permet lui de diagnostiquer les variations temporelles de la structure interne, reliant ainsi statistiquement la symétrisation ou la perturbation du champ de vent de surface aux variations d’intensité du cyclone, en cohérence avec les récentes théories sur les processus de restauration d’intensité. Dans une perspective d’amélioration de la prédictabilité de l’intensité des cyclones, une méthode originale de machine learning permet de mettre en valeur l’impact positif de l’inclusion de la haute résolution (en particulier quantifiant le mixage entre l’oeil et le mur de l’oeil et l’asymétrie de la distribution des vents maximum) sur la prédiction statistique des taux d’intensification.
Databáze: OpenAIRE
Externí odkaz: