Stemmann, M1 2014 Lars Stemmann, Station Matine de Villefranche sur Mer Introduction à la dynamique océanique et son couplage.

Présentation au sujet: "Stemmann, M1 2014 Lars Stemmann, Station Matine de Villefranche sur Mer Introduction à la dynamique océanique et son couplage."— Transcription de la présentation:

1 Stemmann, M1 2014 Lars Stemmann, Station Matine de Villefranche sur Mer http://l.stemmann.free.fr Introduction à la dynamique océanique et son couplage avec la biologie Introduction to physical dynamics and (it's) coupling with biology in the ocean.

2 Rappel TP Antoine Stemmann, M1 2014

3 Objectif des 3 cours +TDs 1.Démystifier la modélisation. 2.Montrer comment la connaissance biologique est traduite en équations mathématiques pour la biologie et comment le couplage avec la physique est réalisé. 3.Montrer comment on doit se servir des modèles. Ce que vous devez retenir 1.Les principes généraux de la modélisation (par exemple les différentes étapes de la question à la validation). 2.Quelques définitions et équations simples. 3.Comprendre les démarches de Riley (1946), Fasham et al., 1990, Lequéré et al., (2005) pour les modèles Eulériens NPZD et les démarches de modélisation Lagrangienne

4 Stemmann, M1 2014 Plan des 3 cours 1.La démarche de modélisation. 1.De l’idée au schéma conceptuel 2.Du schéma à la simulation 3.De la calibration à la validation 4.Rappels mathématiques 2. Comment est ce que ces modèles intègrent ils les facteurs environnementaux changeants (les réponses du plancton aux forcages physiques) 1.Croissance du phytoplancton et du zooplancton 2.Effet du mélange sur le plancton 3.Effet du mélange sur la capacité de la pompe biologique 3.Historique des modèles et quelques résultats de modèles récents tirés de la littérature (estimer les biomasses, quantifier les flux, bilans globaux) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques Les TD auront pour but de: -réveiller les mathématiques et l’informatique -réaliser un modèle simple - lire et commenter un modèle complexe

5 Stemmann, M1 2014 Chapitre 3 Quelques résultats de modèles récents (estimer les biomasses, Historique des modèles et quelques résultats de modèles récents tirés de la littérature (estimer les biomasses, quantifier les flux, bilans globaux) Riley, 1946 Evans and Parslow 1984 Fasham, 1990 Lequéré et al., 2005 Gehlem et al., 2006 Mazzina et al., 2007 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

6 Stemmann, M1 2014 Histoire des modèles NPZ, couche de mélange Riley 1946 Modèle à 1 seule variable d’état ou tous les mécanismes sont calculés à partir de variables forçantes qui varient avec le temps. Limitation de la croissance les sels nutritifs, effet de la couche de mélange et de la couche euphotique Un outil qui permet de calculer l’importance des mécanismes qui régulent la dynamique du phytoplancton. P (M,T) N(t) Z(t) I(t,z) g C m -3 j -1 g C m-3 j-1 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

7 Stemmann, M1 2014 Histoire des modèles NPZ, couche de mélange Riley 1946 Modèle à 1 seule variable d’état ou tous les mécanismes sont calculés à partir de variables forçantes qui varient avec le temps. Limitation de la croissance les sels nutritifs, effet de la couche de mélange et de la couche euphotique Un outil qui permet de calculer l’importance des mécanismes qui régulent la dynamique du phytoplancton. P (M,T) N(t) Z(t) I(t,z) g C m -3 j -1 g C m-3 j-1

8 Stemmann, M1 2014 Histoire des modèles NPZ, couche de mélange (Evans and Parslow, 1985) Modèle à 3 variables d’état couche de mélange, vitesse de mélange turbulent (piston velocity) calculs astronomiques de l’intensité lumineuse en fonction de la latitude et du moment dans l’année co-limitation de la croissance par la lumière et les sels nutritifs seuil de broutage self shading 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

9 Stemmann, M1 2014 Histoire des modèles NPZ, couche de mélange (Evans and Parslow, 1985) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

10 Stemmann, M1 2014 Histoire des modèles NPZ, couche de mélange (Evans and Parslow, 1985) Modèle à 3 variables d’état couche de mélange, vitesse de mélange turbulent (piston velocity) calculs astronomiques de l’intensité lumineuse en fonction de la latitude et du moment dans l’année co-limitation de la croissance par la lumière et les sels nutritifs seuil de broutage self shading 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

11 Stemmann, M1 2014 Histoire des modèles NPZD (Fasham et al., 1990) N n :NO 3 P ZDetritus: D N r :NH 4 N d :DON Bacteria:B Absorption Broutage Mortalité, égestion Reminéralisation B attaché Excrétion Absorption Reminéralisation Production nouvelle Production régénérée NO3 0 Kz, M, sédimentation E =f(t) MLD 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

12 Stemmann, M1 2014 Système d’équations différentielles (Fasham et al., 1990) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

13 Stemmann, M1 2014 Les données de la couche de mélange 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

14 Stemmann, M1 2014 Quelques résultats sur la production primaire 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

15 Stemmann, M1 2014 Quelques résultats sur les processus du phytoplancton 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

16 Stemmann, M1 2014 Quelques résultats sur les exports en N3 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

17 Stemmann, M1 2014 L’analyse de sensibilité  Paramètres avec peu d’effet : couverture nuageuse, coeff d’atténuation liée au phyto, excrétion du phyto et du zoo, Kz, activité bactérienne.  Paramètre avec beaucoup d’effet : coefficient d’atténuation lié à l’eau, PAR, alpha, mortalité du phytoplancton, les Ks du phytoplancton et du zooplancton, la vitesse de sédimentation, et le paramètre de Wroblensky 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

18 Stemmann, M1 2014 Conclusion sur NPZD Fasham et al. 1990 Outre toutes les possibilités qu’offre ce modèle pour comprendre les flux d’azote dans l’écosystème pélagique, il est frustrant de voir :  qu’un modèle construit pour calculer le flux de masse a comme perte importante la remontée de la thermocline qui laisse derrière elle beaucoup de phytoplancton et de matière organique dissoute (37-65% des pertes alors que les flux 25-57%, le reste c’est la mortalité+mélange).  que la perte la plus importante du phytoplancton est la mortalité (inexpliquée) et que le broutage est si faible.  que le modèle ne prédise pas très bien les stocks de phytoplancton. 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

19 Stemmann, M1 2014 Conclusion sur NPZD L’océan a une capacité tampon? Besoin de plus de complexité pour décrire les variations interannuelles ? 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

20 Stemmann, M1 2014 Histoire des modèles Plankton Functional Type, (Lequéré et al., 2005) Comment définir les types fonctionnels du plancton ? (a)Ils doivent avoir un rôle explicite dans les cycles biogéochimiques, (b)Ils doivent pouvoir être définis par des propriétés physiologiques, des besoins nutritionnels et des sensibilités à l’environnement distincts (c)Ils peuvent inter-agir entre eux par exemple par compétition pour un sel nutritif ou par prédation. (d)Ils doivent être quantitativement important au moins dans certaines régions océaniques. Ces modèles incluent aussi plus de réalismes dans les interactions physiques/biologies 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

21 Stemmann, M1 2014 Histoire des modèles PFT, les DGOM (Lequéré et al., 2005) Macrozoopl. Bact. Het. NH 4 NO 3 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

22 Stemmann, M1 2014 Histoire des modèles: comparaison SeaWiFS NPZD DGOM Chla (mgChl/m3) Concentrations de surface en Chla par les différents modèles et observations satellites 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

23 Stemmann, M1 2014 Histoire des modèles : comparaison Variation interannuelle de la Chl a (en %) par les différents modèles et observations satellites SeaWiFS NPZD DGOM 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

24 Stemmann, M1 2014 Il y a t’il un effet de la coagulation, de ballast, un effet mangeur de flux est ce important pour les flux de matière ? G ehlen, (2006) 1/ Ballast 2/ Mangeur de flux Pteropod Corolla feeding with mucous web Ce sont les grosses particules qui sont mangées plus efficacement. Les particules comportant des tests calcaires ont des vitesses de sédimentation plus élevée POC (1.06 g/cm3), CaCO3 (2.71 g/cm3), Biogenic silica (2.10 g/cm3) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

25 Stemmann, M1 2014 3/ Coagulation Couche de mélange Microbe Zooplancton Agregation – disagregation Matière en suspension Flux Algue Agrégats Respiration Sédiment Couche mésopélagique Le carbone est transporte par les grosses particules (>0.1cm). 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

26 Stemmann, M1 2014 Il y a t’il un effet de la coagulation, de ballast, un effet mangeur de flux est ce important pour les flux de matière ? G ehlen, (2006) Couplage d’un modèle de circulation (OPA) avec un modèle d’écosystème pélagique STD1: scénario standard (‘two particle size classes, aggregation-disaggregation and prescribed sinking speed’) STD2: scénario avec de la coagulation (‘an aggregation-disaggregation model with a particle size spectrum and prognostic sinking speed’) STD3: scénario avec de la coagulation + flux feeding BAL : scénario avec l’effet ballast (‘a mineral ballast parameterization with no size classes, but prognostic sinking speed’) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

27 Stemmann, M1 2014 Il y a t’il un effet de la coagulation, de ballast, un effet mangeur de flux est ce important pour les flux de matière ? G ehlen, (2006) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

28 Stemmann, M1 2014 Il y a t’il un effet de la coagulation, de ballast, un effet mangeur de flux est ce important pour les flux de matière ? G ehlen, (2006) STD1STD2 STD3 BAL 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

29 Stemmann, M1 2014 La biologie peut elle rétroactivement influencer la physique ? Manizza et al., (2005) Siegel et al. [1995] observed that in the equatorial Pacific Ocean phytoplankton blooms could increase the heating rate of the mixed layer by 0.13°C month - 1 and reduce the penetrative heat flux by 5.6 W m -2 at 30 m. This has an effect on the physic. A.1 modèle de circulation sans effet de la biologie sur la physique (OPA), Dead Ocean B.1 modèle de circulation avec effet de la biologie (à partir des données SeaWifs fixées) sur la physique (OPA), SW C.1 modèle de circulation avec effet de la biologie (à partir des profils verticaux de Chla par DGOM) sur la physique (OPA), GO 10 ans de simulation SW-DO: effet de la concentration de Chla sur la physique (pas de feedback) GO-DO : effet de la concentration (avec effet du shelf shading) et de son devenir sur la physique (effet de feedback) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

30 Stemmann, M1 2014  Temp.  MLD.  Sea ice.  Chla. La biologie peut elle rétroactivement influencer la physique ? Manizza et al., (2005) GO-DO : 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

31 Stemmann, M1 2014 Conclusions 1)Affinité pour la lumière 2)Relation avec la température 3)Stress lié à une couche de mélange trop importante 4)Affinité pour les sels nutritifs différentes selon les groupes de phytoplancton Croissance phyto 1)Relation avec la température 2)Affinité différente pour les proies selon les groupes de zooplancton Croissance zoo Ce qui est en cours dans modèles: diversifier les groupes fonctionnels et préciser les paramétrisations Mais en savons nous assez sur la biologie ? Effet de la biologie sur la physique Faut il vraiment distinguer la pompe biologique de la pompe physique ? Un modèle est une simplification de la nature qui possède seulement un certain nombre de traits de celle ci. 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

32 Stemmann, M1 2014 Bibliography Riley, 1946. Phytoplancton zooplancton relationships on Georges Bank, Journal of Marine Research Evans and Parslow, 1985. A model of annual plankton cycle, Biological oceanography, vol3 (3) Fasham, M.J.R., Duclow, H.W. and Mckelvie, S.M., 1990. A nitrogen-based model ofplankton dynamics in the oceanic mixed layer. Journal of Marine Research, 48(3): 591-639. Dadou, I. et al., 2001. An integrated biological pump model from the euphotic zone to the sediment: a 1-D application in the Northeast tropical Atlantic. Deep-Sea Research Part II, 48(10): 2345-2381. Le Quéré, C., S.P. Harrison, I.C. Prentice, E.T. Buitenhuis, O. Aumont, L. Bopp, H. Claustre, L. Cotrim da Cunha, R. Geider, X. Giraud, C. Klaas, K. Kohfeld, L. Legendre, M. Manizza, T. Platt, R.B. Rivkin, S. Sathyendranath, J. Uitz, A.J. Watson, D. Wolf-Gladrow, 2005. Ecosystem dynamics based on plankton functional types for global ocean biogeochemistry models. Global Change Biology Vol. 11 (11), p. 2016-1040, doi: 10.1111/j.1365-2486.2005.001004.x Manizza, M., C. Le Quéré A. J. Watson and E. T. Buitenhuis, 2004. Bio-optical feedbacks among phytoplankton, upper ocean physics and sea-ice in a global model. Geophys. Res. Letters, Vol. 32, L05603, doi:10.1029/2004GL020778. Anderson, 2005, Plankton functional type modelling: running before we can walk? JOURNAL OF PLANKTON RESEARCH,27(11) 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

33 Stemmann, M1 2014 La modélisation, pourquoi faire ? (Riley, 1946)

34 Stemmann, M1 2014 La modélisation, pourquoi faire ?(2005-2006)

35 Stemmann, M1 2014 Modèle de Riley: Variation saisonnière de l’élcairement, courbe P/I

36 Stemmann, M1 2014 Modèle de Riley: Variation saisonnière de la transparence de l’eau, de la limitation en phosphate

37 Stemmann, M1 2014 Modèle de Riley: Profondeur de la couche euphotic et couche de mélange

38 Stemmann, M1 2014 Modèle de Riley :Variation saisonnière des concentrations en phyto et zooplankton

39 Euler Cauchy (explicit) First calculate, intermediate point Then calculate final point from intermediate =k 1 /2 k2k2 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

40 Euler Cauchy (implicit) Predicting equation at t i +h (h=1) Then correct it k1 k2 x i1 k1 k2 Average slopes between k1 and k2 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

41 Zooplankton size spectra in models ZOOPLANKTON in Biogeochemical models has no size structure 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques

42 Zooplankton bioenergetic Ingestion Egestion (fecal pellets) Reproduction Assimilation Metabolisme = excrétion + respiration ZOOPLANKTON in Biogeochemical models has little bioenergetic 1: La démarche de modélisation2: Réponse du plancton à l’environnement3: Les modèles biogéochimiques