L’effet radiatif des poussières revisité

Préface

Les poussières atmosphériques contrôlent en premier lieu la température de Mars, et la modélisation précise de leur répartition, ainsi que de leurs propriétés radiatives, est essentielle dans la construction d’un modèle climatique de la planète. Le cycle des poussières de Mars présente des propriétés récurrentes d’une année sur l’autre, tout comme une impressionnante variabilité interannuelle. L’évolution latitudinale de l’opacité de poussière à 9.3 µm mesurée par TES est representée sur la figure 3.1. Un phénomène récurrent est par exemple la forte opacité en poussière à l’approche du périhélie (Ls = 251◦ ), où plusieurs tempêtes de poussière locales se déclenchent chaque année. Cependant, le déclenchement de tempêtes globales, comme celle survenue l’année 25 à partir de Ls = 180◦ , varie d’une année sur l’autre, et le cycle des poussières martien présente donc une forte variabilité interannuelle, extrêmement difficile à prévoir, notamment car elle dépend de mécanismes de soulèvement complexes.L’effet radiatif des poussières varie selon l’opacité de la couche et la taille des poussières. Pour mieux comprendre cet effet, une simulation 1D d’une atmosphère ensoleillée est présentée sur la figure 3.2. Elle montre les taux de chauffage solaire (« shortwave », traits pleins) et infrarouge (« longwave », pointillés) pour différentes opacités visibles de la couche de poussière (0.5, 1, 2 et 5). À plus de 1 km de la surface, les taux de chauffage solaire dominent nettement les taux de chauffage infrarouge, et sont de l’ordre de 30 K par jour pour une opacité visible courante de 0.5. Lorsque l’opacité augmente, les flux incidents en surface aux longueurs d’onde solaire diminuent (à droite de la figure), montrant l’extinction du rayonnement solaire par la couche de poussière. Le flux infrarouge reçu par la surface, au contraire, augmente avec l’opacité de la couche de poussière, cette dernière absorbant, et émettant donc davantage. En surface, le refroidissement de la surface due à la perte de flux solaire n’est pas compensée par le chauffage dû à l’augmentation du flux infrarouge, et la température de surface diminue, passant de 289 K à 258 K (voir les températures exactes en dessous de la figure 3.2). Lorsque l’opacité devient très élevée (courbes rouges), le taux de chauffage solaire dans les basses couches tend vers une valeur limite, par extinction du flux solaire par les couches supérieures. Le comportement thermique de la couche de poussière dépend de ses propriétés radiatives, reflétées par les paramètres de diffusion simple. Ceux-ci sont présentés sur la figure 3.3, où il sont calculés pour différentes tailles des particules sphériques (code de Mie) à partir de l’indice de réfraction de la poussière déterminé par Wolff et al. (2006, 2009)  L’albédo de diffusion simple est très élevé là où l’énergie solaire reçue est maxi- male (voir la luminance de corps noir en pointillés sur la figure 3.3). Les températures sont donc extrêmement sensibles à la “clarté” de la poussière. La figure 3.3 montre enfin la grande dépendance des propriétés radiatives à la taille des particules. Les taux de chauffage par la poussière sont donc significatifs, et pour simuler fidèlement le climat de Mars, le modèle doit être guidé par l’opacité de poussière observée, par construction d’un scénario de poussière. L’opacité est donnée à une pression de référence de 6.1 hPa∗ . Cela peut se justifier par intégration de l’équation 2.37, si le  facteur devant dp est supposé constant, ce qui n’est vrai que si la couche de poussière est bien mélangée, et si les propriétés radiatives et la taille des particules sont supposées constantes. Cette approximation est bonne pour ajuster à un niveau de pression de référence l’opacité totale observée par TES, celle-ci variant souvent en fonction de la pression de surface et de l’inverse du cosinus de l’angle d’émergence, ce qui est le comportement attendu d’une couche de poussière bien mélangée (voir la page 203 de Smith, 2008).

Introduction

About 40 years ago, Gierasch and Goody (1972) demonstrated that the thermal structure of the Martian atmosphere cannot be accounted for by a single CO2 atmosphere, without the contribution of atmospheric dust. Dust is, indeed, the main driver of the martian climate, and its radiative properties (extinction efficiency Qext, single scattering albedo ω0 and asymmetry parameter g ) have to be known in details to accurately predict the heating rates and temperatures in a Mars Global Climate Model (GCM). The best way to simulate the details of the present climate is to drive the GCM with 43 Chapitre 3. L’effet radiatif des poussières revisité observation-derived dust opacities. However, it has been difficult in the past to obtain realistic temperatures by using the exact observed dust opacity. The latter had to be tuned to reach reasonable temperatures, raising some doubts on either GCMs or dust radiative properties used to compute the heating rates. The dust radiative properties are difficult to retrieve, and are associated with many uncertainties to which GCMs are extremely sensitive. For example, an uncertainty of 5% for a single scattering albedo ω0 of about 0.9 in the solar domain corresponds to an error on the heating rate of about 50% (Forget et al., 1999). Thanks to the numerous new missions of the last decade, many improvements have been made in our knowledge of dust radiative properties, ultimately leading to the retrieval of the fundamental refractive index, both in the visible and infrared regions (Wolff et al., 2006, 2009). This allows to compute the single scattering parameters for dust particles of different sizes, which is essential to fully account for their effect on GCM temperatures. The goal of this paper is to find the best way to use this new dataset, in order to create a self-consistent climate model, i.e. a model in which temperatures and dust opacities are both consistent with observations. For this, the following questions will be addressed : – What are the effects of the new dust radiative properties on the LMD/GCM ? – What is the impact of the dust layer properties (thickness and particle sizes) on the simulated temperatures ? – What can we learn from radiatively active dust experiments about the spatial distribution and size of the dust particles ? Three simulations will be carried out, and the corresponding model configurations are described in section 3.4. Temperatures predicted by the LMD/GCM when using the dust radiative properties of Ockert-Bell et al. (1997) and Forget (1998) on the one hand, and the more recent optical indices of Wolff et al. (2006, 2009) on the other, are analyzed in section 3.5 and compared to the TES temperature measurements (Smith, 2004). These two simulations are later referred to as case 1 and case 2 simulations. The GCM radiative scheme is then connected to a dust transport model, which computes the dust spatial distribution and particle size. The predicted spatial distribution is used to compute the 3D opacity field, and each opacity profile is then multiplied by a constant to match the dust column opacity observed by TES (Smith, 2004). The particle sizes are also used to compute spatially and temporally variable radiative properties. This simulation is referred to as case 3 simulation, and is analyzed in section 3.6. Both Martian years 25 and 26 are simulated, to evaluate the model under the clear conditions of MY26, and the dusty conditions of MY25, during which the 2001 global dust storm occurred. The radiative effect of water-ice clouds is not included in the model to focus on dust alone, and will be the subject of another article in the near future. 3.4 Modeling approach Point sur . The three simulations described in this paper are summarized in Table 3.1. They have a resolution of 5.625×3.75◦ in the horizontal, and 25 levels in the vertical, from the ground to ∼100 km. The two first simulations use a modified Conrath profile to describe the vertical distribution of dust (as was the case in Forget et al. (1999)), and constant 44 3.4. Modeling approach radiative properties. The last simulation uses interactive dust profiles and varying radiative properties, based on a dust transport model which predicts the shape of the dust vertical profile and the size of the dust particles. Each of the three simulations is further described below. 3.4.1 “Ockert-Bell et al.” model (case 1 simulation) The dust layer is characterized by the amount and spatial distribution of dust, as well as the radiative properties of the dust particles. The amount of dust in the atmosphere is indirectly given by its dust optical depth ∗ :dτλ = 3 4 Qextλ q ρp reff g dp, (3.1) where Qext is the dust extinction efficiency, q the mass mixing ratio, ρp the dust particle density (2500 kg m−3 ), and reff the effective radius. In case 1 and case 2 simulations, we assume an homogeneous size and extinction efficiency of the dust particles. Consequently, the opacity in each layer is directly proportional to the amount of dust q and the pressure differential dp. Since dust is not carried explicitly by the model in these simulations, a modified Conrath vertical profile is assumed (Conrath, 1975; Forget et al., 1999), and the dust opacity differential obeys the relation : dτλ(p) ∝ dp exp( 0.007″ 1− µ pref p ¶70/zmax#), (3.2) where p < pref, with pref the reference pressure (6.1 hPa). When the atmospheric pressure p is larger than pref, the dust opacity is assumed constant. The dust layer top altitude parameter zmax is given by an analytical function that fits the measurements of zmax achieved by Jaquin et al. (1986) (see section 2.1 of Montmessin et al. (2004) for further information). The variation of this function at the equator is represented in Fig. 3.8.c (black sinusoid). The variations in zmax are identical from one martian year to another, and cannot capture the interannual variability of the dust layer thickness. The opacity profile 3.2 is then linearly scaled so that the dust column opacity in the model matches the observed TES opacity at 9.3 µm (see Fig. 3.8.b and Smith (2004)). It is worth reminding that TES opacity is an absorption opacity, and it has to be converted to an extinction opacity, which is the opacity actually needed by the GCM. As discussed in details by Wolff and Clancy (2003) (see section 7.2.1 therein), this conversion can be done without large error using a factor of 1.3. Consequently, τGCM(9.3 µm) = τTES(9.3 µm) × 1.3, and the GCM is constrained by the observed and untuned dust opacity. This is true for all the simulations presented in this paper. Once the opacity in each layer is known, the model needs the dust single scattering parameters, which will be used by the radiative transfer scheme. The radiative transfer codes at solar wavelengths and outside the 15 µm CO2 band are both based on the two streams algorithm of Toon et al. (1989).