Estimation of methane sources and sinks : global budget and impacts of atmospheric transport modelling

Une meilleure connaissance du cycle biogéochimique du méthane est un élémentfondamental dans la compréhension du changement climatique actuel. La modélisationinverse est une des méthodes permettant d’estimer les sources et puits de méthaneen combinant l’information venant d’observations atmosphériques, d’une connaissancea priori des flux de méthane, et d’un modèle de chimie-transport. Cependant, leserreurs liées à la modélisation du transport atmosphérique sont apparues comme unelimitation de plus en plus dominante de cette méthode suite à l’augmentation dunombre et de la diversité des observations.Après avoir montré que l’impact des erreurs de transport sur les inversions des flux deméthane pouvait être important, j’ai cherché à améliorer les capacités de la versionoffline de LMDz, modèle de transport utilisé pour simuler le transport atmosphériquedans le système inverse du LSCE. Pour cela, j’ai intégré des développements récents(paramétrisation de la convection profonde, de la diffusion verticale et du mélangenon-local dans la couche limite) et raffiné la résolution horizontale et verticale.En exploitant les différentes versions disponibles de LMDz, neuf inversions atmosphériquesont été réalisées, estimant les sources et puits de méthane entre 2006 et 2012.Deux périodes de fortes émissions ont été mises en évidence : en 2007 et en 2010,qui ont principalement été attribuées à des anomalies dans les régions tropicales et enChine, où des événements climatiques majeurs ont été observés (Amérique du Sud etAsie du Sud-Est) et où le développement économique se poursuit à un rythme soutenu(Chine), même si les émissions de certains inventaires sont surestimées.A better knowledge of the methane biogeochemical cycle is fundamental for a betterunderstanding of climate change. Inverse modelling is one powerful tool to derivemethane sources and sinks by optimally combining information from atmospheric observations of methane mixing ratios, from process-based models and inventories ofmethane emissions and sinks, and from a chemistry-transport model used to link emissionsto atmospheric mixing ratios. However, uncertainties related to the modelling ofatmospheric transport are becoming a serious limitation for inverse modelling due tothe increasing number and type of observations.After showing that the impact of transport errors on current atmospheric inversionscould be significant, I tried to improve the representation of atmospheric transport inthe inverse system used at LSCE. Thus, I have tested new physical parameterizations(deep convection, vertical diffusion and non-local transport within the boundary layer)in the LMDz model and adapted it to finer horizontal and vertical resolutions. Thesedevelopments were integrated into the inverse system.Nine inversions have been performed using the different versions of LMDz in order toestimate methane emissions over the period 2006-2012. Two years of strong methaneemissions have been highlighted in 2007 and in 2010. These anomalies have beenmainly attributed to anomalies in the Tropics and in China, where major climate eventshave been observed (Tropical South America and South East Asia) and where economicdevelopment is carrying on with a fast pace (China), even if emissions magnitude andtrend reported in inventories are found to be overestimated