Thèses et HDR soutenues

Oceanic infrasound as a tracer of middle atmosphere dynamics : evaluating atmospheric model performance and data assimilation for numerical weather prediction
- Letournel Pierre
, 2025 . The aim of the thesis is to assess and improve numerical weather prediction (NWP) models in the middle atmosphere (MA, 10–100 km) using oceanic infrasound observations. At these altitudes, NWP models show significant biases, resulting from the lack of operational observations, such as winds, to feed data assimilation systems. Infrasound are acoustic waves propagating through the atmosphere thanks to atmospheric waveguides, which primarily depend on wind and temperature gradients. As they propagate, infrasound thus integrate information on the dynamics of the MA. Infrasound is recorded worldwide by the ground-based stations of the International Monitoring System, established to verify compliance with the Comprehensive Nuclear-Test-Ban Treaty. This thesis focuses on infrasound originating from the oceanic swell, known as microbaroms, which dominate the 0.1–0.6 Hz frequency band and provide continuous and spatially extended information on atmospheric dynamics.To evaluate and improve NWP models, we develop a processing chain enabling comparisons between microbarom observations and the simulation of microbarom arrivals at the station. An array-processing algorithm based on likelihood maximization is adapted for the multidirectional observation of microbaroms. Microbarom arrivals are simulated using an operational source model, and several approaches for modeling their propagation in the atmosphere are investigated. To allow direct and systematic comparison between observations and simulations, we model the array response and introduce a circular optimal transport metric.Atmospheric propagation simulations are performed using the specifications of different NWP models, and their relative performances are assessed against the observations. This evaluation is carried out over periods of several months but also during extreme atmospheric events, such as a sudden stratospheric warming.Beyond the evaluation of NWP model performances, we aim to reduce their biases through the implementation of variational data assimilation methods (3D-Var). To solve the inverse problem of 3D-Var, the observation operator, which is an essential component of the microbarom processing chain developed in this thesis, is differentiated by leveraging automatic differentiation tools and a deep-learning meta-model for propagation. A first implementation of microbarom assimilation is demonstrated by defining uncertainties associated with both the observations and the a priori knowledge of the atmosphere while decomposing the latter on an empirical orthogonal function basis. First synthetic experiments of microbarom assimilation in simplified atmospheres are presented. They highlight their impact on wind and temperature fields up to 4000 km around infrasound stations and on the associated waveguides.These first data assimilation experiments with microbaroms demonstrate their potential to evaluate and constrain NWP models, while also pointing at the remaining challenges. This work brings new perspectives for both the infrasound monitoring and NWP communities, which could benefit from improved model diagnostics at altitudes usually devoid of operational observations as well as from enhanced forecasts through infrasound assimilation. (10.70675/f38cfd29z245ez458cz9cd8z6853c54200eb)
DOI : 10.70675/f38cfd29z245ez458cz9cd8z6853c54200eb
Caractérisation expérimentale et modélisation de la dispersion atmosphérique en vent faible et en milieu bâti
- Bounouas Hanane
, 2025 . La dispersion atmosphérique en conditions de vent faible est souvent mal prise en compte voire négligée dans les études d’impact. Dans de telles conditions, les mécanismes de dispersion subissent des modifications importantes, les propriétés de la turbulence (spectre, anisotropie) sont sensiblement différentes, et le méandrement, caractérisé par des oscillations de basse fréquence à l’échelle sub-meso de la direction du vent, devient souvent prédominant, entraînant une forte variation de la concentration sur une large plage angulaire autour de la source. Le développement de modèles prenant en compte ces processus est d’autant plus difficile que l’on constate un manque de données expérimentales pour ce type de situations, notamment en milieu bâti.La thèse inclut un volet expérimental et un volet modélisation. La partie expérimentale réalisée au SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique, installé sur le campus de l’école Polytechnique à Palaiseau en milieu péri-urbain) comporte deux parties. La première est dédiée à l’analyse statistique de mesures haute fréquence des composantes du vent sur une période de trois ans pour étudier les propriétés du méandrement et son interaction avec la turbulence. La seconde consiste en la réalisation et l’analyse de campagnes de mesures pour acquérir des données expérimentales de dispersion d’un gaz traceur (Hélium) en milieu bâti et en conditions de vent faible. La partie modélisation porte sur la définition et la validation d’une méthodologie de modélisation CFD avec le code open source code_saturne adaptée à ces situations, en s’appuyant sur les cas documentés pendant les campagnes expérimentales, notamment ceux présentant du méandrement. Trois approches de type RANS (Reynolds Averaged Navier Stokes) ou URANS (Unsteady Reynolds Averaged Navier Stokes) sont étudiées :- une simulation en régime stationnaire intégrant des conditions aux limites constantes ;- une simulation pseudo-instationnaire impliquant une combinaison de cas stationnaires, réalisée avec différentes conditions d'entrée représentatives de la variation temporelle des conditions météorologiques pendant le rejet ;- une simulation en régime instationnaire avec des conditions aux limites variables. Dans le but de valider les différentes approches, des comparaisons entre les résultats de modélisation obtenus et les mesures ont été réalisées, tant pour les variables dynamiques que pour la concentration du traceur. (10.70675/fb16815bz2a77z4b2cz9b82zcd30fac962c4)
DOI : 10.70675/fb16815bz2a77z4b2cz9b82zcd30fac962c4
Deep learning, data assimilation and sea-ice dynamics
- Durand Charlotte
, 2024 . The polar regions, Earth's natural thermostat, are undergoing rapid transformations due to climate change, with sea ice being a key indicator. Sea ice influences global temperatures, ocean circulation, and supports ecosystems and human communities. Predicting the sea-ice evolution is crucial but challenging due to its complex interactions with the atmosphere and ocean. The evolution of sea-ice depends on thermodynamic processes, mechanics, and fluid dynamics, which are challenging to model.On the one hand, deep learning has emerged as a powerful tool for modeling complex relationships in large datasets, showing promise in capturing patterns at a fraction of the computational cost of physics-based modeling. In sea-ice modeling, deep learning can enhance predictions, complement geophysical models and even potentially replace the models. Although still developing, these approaches offer potential for sea-ice forecasts at a moderate computational cost. On the other hand, data assimilation, which combines observational data with prediction models, is widely used in meteorology and oceanography to improve predictions.Merging deep learning with data assimilation offers a promising approach to sea-ice modeling. By combining data-driven and observation-based methods, this thesis aims to propose new methods for sea-ice prediction, which go beyond the state-of-the-art and enable a path forward to improve sea-ice prediction systems.In this thesis, we use deep learning to emulate neXtSIM, the sea-ice model developed by the SASIP project, and evaluate its use in variational data assimilation. Specifically, we develop a model capable of predicting the sea-ice thickness across the entire Arctic, showing improvements of up to 50% in forecast error over a persistence forecast, with stability maintained across several months. Similar results hold when the sea-ice concentration is emulated with improvement up to 20% over persistence in forecast skills.Next, by assimilating simulated data in a four-dimensional variational data assimilation scheme (4D-Var), we demonstrate the capabilities of a novel 4D-Var system built on the developed emulator. These methods, rarely applied in sea-ice modeling, require the model’s adjoint, which can be automatically computed with deep learning models. When ingesting real observations, our data assimilation system performs on par with the operational neXtSIM-F sea-ice forecasting system. These results pave the way for innovative 4D-Var systems for sea-ice models. (10.70675/1f32cd74z97b2z4760zb7d7zbfc518295376)
DOI : 10.70675/1f32cd74z97b2z4760zb7d7zbfc518295376
Machine learning, data assimilation and dynamical systems
- Malartic Quentin
, 2024 . The chaotic dynamics and the sparse and noisy observations of geophysical systems, particularly in the domains of meteorology, climate science, and oceanography, demand sophisticated methodologies for accurate state or parameter estimation. This thesis explores, both theoretically and experimentally, the synergy between traditional Data Assimilation (DA) techniques and the recent surge in Machine Learning (ML). My focus is specifically on the joint estimation of both state variables and parameters, and on the training of ML models aimed to be later used in DA setups.Such ML models, that are non entirely physical, and in some cases even fully statistical, are referred to as surrogate models. The relevancy of such a model can lie either in its improved accuracy, or in its computational efficiency, for example if it can achieve a similar accuracy at a reduced computational cost.In the pursuit of more accurate state estimations and forecasts, requiring better surrogate models, as well as computationally cheaper surrogate models, the development of methodologies combining ML and DA becomes crucial. The flexibility of ML techniques, ranging from conventional statistical methods to advanced deep learning architectures, in synergy with the well established methods of DA, form a powerful toolkit to significantly enhance prediction quality in the context of sparse and noisy observational data of chaotic dynamics.Typical geophysical systems like the ocean and the atmosphere are governed by local equations, where the temporal evolution of the system at a given point in space only depends on its neighboring state. The presented methods, both for DA and ML, not only take into account this particularity, but are crafted around it, with the aim of producing better models, making more accurate predictions and estimations, as well as getting an algorithmic complexity advantage from it.On the one hand, the combination of DA and ML will be studied in the context of joint estimation, where both the ML model and the dynamical system state are estimated, and updated, in an online fashion, as new observational data is acquired. The developed algorithms will be tested extensively in toy, fictive experimental setups. Nevertheless, the methods and experimental setups developed will be focused on numerical weather prediction (NWP) applications, and will be designed in a way that makes them scalable in this context.On the other hand, the training of ML models on past observational data will be studied, and their performance will be evaluated both in term of future forecasts, and in the context of classical DA experiments. In this case, the experimentation will be done using a Quasi Geostrophic model, following the implementation of Marshall and Molteni (1993), model representing the large scale atmospheric dynamics, being relevant especially in the context of boreal winter in the mid-latitudes D'Andrea and Vautard (2001). (10.70675/d7feb169z7520z4c44za5efzed912837dfc6)
DOI : 10.70675/d7feb169z7520z4c44za5efzed912837dfc6
Lagrangian Modelling of gas/particle pollutant dispersion for atmospheric flows within stable, neutral and unstable situations
- Balvet Guilhem
, 2024 . This thesis aims at studying the atmospheric dispersion of pollutants at the micro-scale. In this context, we are focusing on the modelling of pollutant dispersion using stochastic Lagrangian methods developed for high-Reynolds number flows. In these methods, the pollutants and/or the carrier fluid are simulated by means of a large number of stochastic particles, enabling to reproduce the statistic properties of the turbulence. A hybrid approach is used in which the mean carrier fields (e.g. the mean velocity) are obtained on a mesh using external solutions (analytical ones or finite volume ones). We are also interested in the influence of atmospheric stability on the dispersion of pollutants, particularly in the lower layer of the atmosphere. The aim of this thesis is threefold: firstly, to study the numerical errors inherent to such methods, secondly, to improve the modelling of atmospheric surface-boundary-layer flows, and finally, to observe the influence of these elements on the modelling of plumes obtained by simulating only the particles originating from local pollutant sources. To this end, the simulations were carried out using the open-source computational fluid dynamics (CFD) code developed by EDF R&D: code_saturne.Firstly, with a view to limiting numerical errors during integration over long time steps, a timestep splitting algorithm is presented. This is used to dynamically and optimally update the mean carrier fields associated with each particle as it enters a cell. In order to avoid anticipation errors due to the stochastic nature of these particles, deterministic virtual particles are used to obtain the travel times in each cell. In addition, a detailed study of the spatial errors that occur when considering surface boundary layer flows is carried out, along with proposals for limiting them. It is shown that these errors are caused by the interpolation of the mean carrier fields at the position of the particles impacting the dynamics of the latter, but also by the estimation of the statistics from these particles on a mesh.In addition, with a view to improve the modelling of surface-boundary-layer flows, the necessity to use an an-elastic rebound condition near wall for the instantaneous velocity and potential temperature was verified. Without the latter, not only the gradients, but also the turbulent fluxes close to the wall collapse, in opposition to the physics of parietal flows. Furthermore, a description consistent with the choice of modelling was derived based on algebraic solutions and numerical resolution of the turbulent kinetic energy dissipation rate. This description is consistent with the asymptotic solutions associated to the Monin–Obukhov theory and is coherent with the results of code_saturne in the stable case. For convective flows, a study of the role of turbulent kinetic energy diffusion remains to be carried out.Finally, the effects of this work on pollutant dispersion have been verified, in the neutral case, using experimental results from a channel flow both in the absence of obstacle and in the presence of an obstacle. It is shown that the most important factors are the estimation of the mean carrier fields and the choice of the model considered. Furthermore, in a thermally stratified case, the influence of atmospheric stability and the modelling of thermal effects on the shape of the plumes were verified by means of a qualitative study. (10.70675/9a3f4abdz14c4z4e7cz9371zd591462e284d)
DOI : 10.70675/9a3f4abdz14c4z4e7cz9371zd591462e284d
Modélisation inverse pour la dispersion atmosphérique de polluants suite à un incendie de grande ampleur à l'échelle urbaine
- Launay Emilie
, 2023 . Les incendies de grande ampleur survenus en milieu urbain, tels que ceux de l'usine Lubrizol ou de la cathédrale Notre-Dame de Paris en 2019 en France, mettent en évidence la nécessité de développer des moyens d'évaluation des risques engendrés par les panaches de fumées pour la population et l'environnement. L'un des enjeux est de fournir rapidement aux autorités des informations sur les zones impactées par le panache et les niveaux de concentration de polluants auxquels les personnes ont pu être exposées.La modélisation de la dispersion atmosphérique est une méthode utilisée pour évaluer la propagation des concentrations de polluants dans l'atmosphère. En particulier, la simulation de la dispersion des substances toxiques issues d'un rejet ponctuel peut permettre d'orienter des stratégies de prélèvements. Pour les incendies, les caractéristiques de la source polluante peuvent être déterminées au moyen de corrélations qui dépendent des propriétés thermocinétiques du feu. Cependant, en cas de rejet accidentel, les émissions sont a priori inconnues et les simulations visant à analyser le comportement du panache de fumées sont alors réalisées avec des hypothèses et des incertitudes importantes.Si l’on dispose de mesures de concentrations dans l’atmosphère, il devient intéressant de mettre en œuvre une approche de modélisation inverse basée sur l'utilisation conjointe de ces mesures et d'un modèle de dispersion. Deux méthodes basées sur le cadre de la modélisation inverse bayésienne sont développées pour retrouver le terme source d'un incendie de grande ampleur par l'assimilation de mesures de concentration de polluants in-situ. Une méthode semi-bayésienne et une méthode bayésienne de type Monte Carlo par chaîne de Markov sont considérées pour la caractérisation du rejet.La source à retrouver est décrite par un taux d'émission variable dans le temps et une hauteur d'émission. Cette dernière, liée au phénomène d'élévation du panache, est un paramètre important pour évaluer l'impact de la pollution à proximité de l'incendie. Deux stratégies de paramétrisation des hauteurs d'émission sont développées. La première consiste à retrouver les taux de rejet pour toutes les hauteurs d'émission prédéfinies depuis la modélisation directe. La seconde est une proposition d'inversion qui consiste à inverser la hauteur d'émission pour obtenir une intensité de rejet associée. En outre, plusieurs ajustements des méthodes inverses sont proposées pour les rendre plus robustes, notamment avec la caractérisation des niveaux de pollution ambiants.Ces méthodes inverses sont appliquées dans le cadre d'une expérience de simulation d'un système d'observation ("OSSE") correspondant à l'incendie de la cathédrale Notre-Dame en 2019 et d'une étude de cas réel correspondant à l'incendie d'un grand entrepôt à Aubervilliers, près de Paris, en 2021. (10.70675/a2122d27z39ccz41a5zab9ez61b09beaf246)
DOI : 10.70675/a2122d27z39ccz41a5zab9ez61b09beaf246
Modélisation des impacts des arbres sur la qualité de l’air de l’échelle de la rue à la ville.
- Maison Alice
, 2023 . Les arbres apportent de nombreux services écosystémiques en ville, ils permettent de diminuer certaines conséquences de l’urbanisation comme l’îlot de chaleur urbain et le ruissellement de l’eau. Leur effet thermo-radiatif améliore le confort thermique. Les arbres peuvent également impacter la qualité de l’air en ville via différents processus. Le dépôt de polluants gazeux et particulaires sur les feuilles des arbres peut contribuer à la diminution des concentrations. Cependant, l’effet aérodynamique des arbres modifie l’écoulement dans les rues canyons et limite la dispersion des polluants émis dans la rue. Par ailleurs, les arbres émettent des composés organiques volatils biogéniques (COVb) qui peuvent participer à la formation d’O3 et d’aérosols organiques secondaires. Les émissions de COVb varient selon l’espèce d’arbre, et sont influencées par des facteurs climatiques (température, rayonnement) mais aussi par le statut hydrique des arbres. Cette thèse a pour objectif de quantifier les impacts de ces différents processus sur la qualité de l’air en ville. Des simulations numériques sont réalisées sur la ville de Paris pendant l’été 2022 avec la chaîne de modèles CHIMERE/MUNICH afin de quantifier l’impact des arbres sur les concentrations atmosphériques de polluants à l’échelle locale et régionale. Les concentrations simulées sont comparées à des mesures. Les arbres urbains ne sont généralement pas pris en compte dans les modèles de qualité l’air, aussi bien à l’échelle régionale qu’à l’échelle de la rue. Pour intégrer les émissions de COVb dans le modèle régional CHIMERE, un inventaire est réalisé à partir de la base de données des arbres de la ville de Paris. Une méthode est développée afin d’estimer les caractéristiques des arbres qui sont utilisées en données d’entrée des différents modèles (surface de feuille, biomasse sèche, taille de la couronne, etc.). En moyenne sur les mois de juin et juillet 2022 à Paris, les émissions biogéniques locales des arbres induisent une augmentation de 1,0% d’O3, 4,6% de PM1 organiques et 0,6% de PM2.5. Les émissions biogéniques des arbres urbains augmentent très fortement les concentrations d’isoprène et de monoterpènes. Par comparaison aux mesures, les concentrations de terpènes ont tendance à être sous-estimées, compte tenu des incertitudes liées aux facteurs d’émissions et à la part de végétation manquante dans l’inventaire. Les émissions de terpène de la végétation urbaine et suburbaine influencent fortement la formation de particules organiques, il est donc important de bien les caractériser dans les modèles de qualité de l’air. Les différents effets des arbres urbains sur la qualité de l’air à l’échelle de la rue sont ensuite ajoutés dans le modèle de réseau de rue MUNICH. L’effet aérodynamique des arbres dans les rues est paramétré à partir de simulations de mécanique des fluides. Il induit une augmentation des concentrations des composés émis dans la rue. Cette augmentation peut atteindre +37% pour le NO2 dans les rues avec une surface de feuilles importante et un trafic élevé. Le dépôt sur les feuilles des arbres est calculé à partir d’une approche résistive adaptée à l’échelle de l’arbre urbain dans la rue. Cependant, son impact sur les concentrations reste limité sur les gaz et particules étudiés (< -3%).Pour finir, un couplage entre les modèles TEB (modèle de surface urbaine), SPAC (modèle de continuum sol-plante-atmosphère) et MUNICH a été mis en place. Ce couplage permet de mieux représenter les impacts des hétérogénéités du micro-climat urbain et de l’effet thermo-radiatif des arbres sur les concentrations de gaz et de particules. L’effet de ce micro-climat et du stress hydrique des arbres sur les émissions de COVb est aussi pris en compte afin d’affiner le calcul des émissions. (10.70675/3be9da3ezf356z4750za064zf3a78886c188)
DOI : 10.70675/3be9da3ezf356z4750za064zf3a78886c188
Modelling road traffic impact on pollutant concentrations in urban area
- Sarica Thibaud
, 2023 . In urban areas and in particular in the streets, populations are exposed to high concentrations of nitrogen dioxide (NO2), and particulate matter including organic aerosols (OM) and black carbon (BC). In order to better understand the sources and to represent the evolution of the concentrations in the streets, a multiscale modeling is used, with the street-network model MUNICH coupled to the regional chemistry-transport model Polair3D, and to the chemical module SSH-aerosol to represent the formation of the secondary compounds at the different scales.The influence of volatile organic compound (VOC) emissions from road traffic, non-exhaust emissions due to tire wear and asphalt emissions are studied with sensitivity scenarios. The reference simulation uses standard emission factors obtained from the COPERT methodology. The use of recent speciation measurement data allows for a better characterization of the emitted VOCs, in particular intermediate, semi and low volatile organic compounds (I/S/LVOC), resulting in a reduction of OM concentrations of up to 27%. A 219% increase in BC emissions from tire wear, consistent with the literature, doubles BC concentrations. Asphalt emissions strongly increase I/S/LVOC emissions. The simulated PM concentrations taking into account these emissions compare well with observations, highlighting the importance of better characterizing this missing source in the models.Simulations are then performed for the year 2030 to assess the future impacts of traffic emissions on concentrations. The introduction of ultra-low emission vehicles, compliant with future European emission standards, results in a large reduction in emissions compared to a representative fleet of 2014. NO2 and BC emissions are reduced by 70%, resulting in a decrease in concentrations of 52% for NO2, 42% for BC, and 20% for PM. Emissions from a fleet of only ultra-low emission vehicles are 99% and 80% lower for NO2 and BC respectively, reducing NO2 concentrations by 80% and BC concentrations by 45%.To represent the concentration gradients in the streets and to better estimate the population exposure, a new version of MUNICH is developed. Instead of considering homogeneous concentrations in each street segment, the street volume is discretized with three vertical levels. A horizontal discretization into two zones is also introduced under specific conditions with a parameterization from the OSPM model. The concentrations simulated in the streets of Copenhagen and eastern Paris with this discretized version of MUNICH compare better with observations than those simulated with the homogeneous version, and the concentrations of NO2, BC and OM are higher at the bottom of the streets. (10.70675/06a64a28z6090z4847z834bz444e6e949140)
DOI : 10.70675/06a64a28z6090z4847z834bz444e6e949140
Air quality estimations at local scale accounting for indoor and outdoor pollutants emissions
- Wang Yunyi
, 2023 . As many people are exposed to high concentrations of air pollutants in urban areas, it is important to understand the sources and formation processes. Modeling is an effective tool for this. This thesis focuses on understanding the physical and chemical processes influencing indoor and outdoor air quality at the local scale through modeling.In a first step, the air quality in an urban street is modeled with the computational fluid dynamics (CFD) tool code_saturne, coupled with the atmospheric chemistry and aerosol dynamics module SSH-aerosol. The canyon street is modeled in 2D, and the study covers a period of 12 hours. The simulated NO2 and PM10 concentrations compare well with experimental measurements when atmospheric chemistry and aerosol dynamics are taken into account. However, the concentration of black carbon is underestimated, probably partly due to the underestimation of non-exhaust emissions. The concentrations of secondary PM compounds are strongly influenced by aerosol dynamics. In particular, ammonia emitted by traffic promotes the formation of inorganic and hydrophilic organic particles.In a second step, to study the impact of trees in the street, trees are added to the 2D street canyon. The aerodynamic impact of the tree crowns significantly increases the concentration of pollutants emitted by traffic. Dry deposition on leaf surfaces is only significant for highly soluble compounds such as HNO3 or low volatile compounds. Emissions of volatile organic compounds (VOCs) from trees have little influence on the formation of condensables, except in the case of low wind. Nevertheless, the production of some extremely low volatile organic compounds by autoxidation is high, which could favor the formation of ultrafine particles.Finally, the indoor air quality in a closed stadium is studied using a 0D model (H2I). The indoor-outdoor exchange rate and the filtration factor of the model are determined from the measured indoor and outdoor black carbon concentrations using a Fourier transformation. The temporal variations of O3 and NOx concentrations in indoor air are correctly simulated, but NO concentrations are overestimated and NO2 and O3 concentrations are underestimated. Sensitivity tests are carried out to determine the relevant physical parameters of the model that drive these concentrations. The impact of surface reactions is limited, as the ratio of surface area to stadium volume is low compared to smaller indoor environments. The inclusion of VOCs favors the conversion of NO to NO2 and reduces the underestimation of NO2. Photolysis also has a strong influence on concentrations, with a strong impact of glazing. (10.70675/fc2967adzc063z4a35zb2e5zd513f4ee8fb5)
DOI : 10.70675/fc2967adzc063z4a35zb2e5zd513f4ee8fb5
Influence of anthropogenic emissions on organic aerosol formation depending on the physico chemical characteristics of the environment
- Wang Zhizhao
, 2023 . Secondary organic aerosols (SOAs) affect air quality, climate, and human health. In the troposphere, volatile organic compounds (VOCs) can undergo multi-generation chemistry, and their oxidation products can condense onto existing particles to form SOAs. Consequently, SOA formation involves numerous reactions and species, depending on environmental conditions.Our up-to-date understanding of SOA formation can be described by detailed VOC mechanisms (e.g., the Master Chemical Mechanism (MCM) and the Peroxy Radical Autoxidation Mechanism (PRAM)). However, due to computational limitations, chemistry-transport models (CTMs) are unable to directly employ detailed SOA mechanisms but use rather implicit mechanisms with only a few model species and reactions. These implicit mechanisms are usually built from chamber measurements and may lack the necessary complexity to accurately represent the concentrations of organic particles.Typically, SOA concentrations are predicted to decrease due to emission regulations, particularly in rural and peri-urban areas where oxidant concentrations are expected to decrease. However, some studies suggest that reducing anthropogenic emissions, especially nitrogen oxides (NOx), may not lead to an efficient decrease in SOA concentration but may even increase it.With highly simplified implicit SOA mechanisms, this complex interaction between emission reduction and SOA formations may not be reliably simulated in CTMs. Therefore, there is a need to improve the representation of SOA formation in CTMs, especially for emission regulation evaluation.To address this issue, the GENerator of Reduced Organic Aerosol Mechanisms (GENOA) has been developed. GENOA reduces detailed chemical mechanisms into semi-explicit SOA mechanisms that are small enough to be used for regional CTM simulations. The obtained SOA mechanisms can be customized by users to the desired accuracy, and preserve the physicochemical properties of SOA. GENOA v1.0 was applied to the sesquiterpene (SQT) SOA formation mechanism from MCM, resulting in a reduced SOA mechanism within 2% of the MCM size and introducing an average error of less than 3%. To improve the reduction efficiency and to process mechanisms of multiple SOA precursors simultaneously, a parallel reduction approach is employed in GENOA v2.0 GENOA v2.0 was applied to the mechanisms (MCM + PRAM) of three monoterpenes (MTs), where the mechanism is reduced up to 93% with an error of less than 3%.The GENOA-generated biogenic SOA mechanism (GBM), including MT and SQT SOA schemes trained with GENOA v2.0, was then implemented in the CTM model CHIMERE. Simulations with GBM over Europe during summer (June-August, 2018) estimate more oxidized OAs with higher concentration than those simulated with the implicit Hydrophilic/Hydrophobic Organics (H²O) mechanism. The GBM mechanism leads to an improvement of the model to measurement comparisons for organic aerosol concentrations.With a 50% reduction in NOx anthropogenic emissions, the GBM mechanism predicts an increase in total SOA (6.5%) due to an increase in MT SOA (15%). When NOx is reduced, the formation of highly oxygenated molecules (HOMs) by auto-oxidation is enhanced, leading to an increase in MT SOA concentration. The decrease of NOx concentrations also favors chemical pathways resulting in an increase of MT non-HOM concentrations.Overall, this work shows that detailed SOA mechanisms are necessary for CTMs to preserve the variations in the physical-chemical environment of the SOA concentrations, and to accurately evaluate the impact of emission reduction scenarios. (10.70675/000cb8a1ze08cz4c1ezb7e7z6aad4f491b41)
DOI : 10.70675/000cb8a1ze08cz4c1ezb7e7z6aad4f491b41
Independent and joint multifractal characterization of atmospheric variability in real and controlled environments
- Jose Jerry
, 2023 . Atmospheric fields exhibit extreme variability over a wide range of spatial and temporal scales; they are also intermittent, which means that their activity is often concentrated at smaller and smaller scales. Conventional statistical tools fall short in capturing this and detecting extremes. However, characterization of geophysical fields with their underlying complexities and correlations is ever important in prediction, modelling and understanding the weather conditions we live in, which is even more relevant now in the context of climate change.The heterogeneous properties of atmospheric fields come form the governing non-linear equations of the turbulence (Navier-Stokes), which still remains as an unsolved problem regardless its ubiquitousness. By using the concept of multiplicative cascades, it is possible to statistically reproduce the symmetries of said equations for geophysical fields; and multifractal tools expand upon this for characterizing the variability across scales by assuming same elementary process at each scale. In this dissertation, the scale invariant framework of UM, and the derived analysis technique of Joint Multifractals (JMF) are used for studying various fields in a two folded way – by examining the fields individually, and jointly, in real and in controlled situations. The fields are studied in four focus areas: rainfall and kinetic energy, rainfall and wind, temperature and humidity, and rainfall and particles.Using UM, rainfall intensity and rainfall kinetic energy (at TARANIS observatory, ENPC) are studied and a scale invariant relationship is postulated that doesn’t rely on any assumptions of drop size distribution. This equation is backed by theoretical formulation, and is shown to provide reliable estimates on par with commonly used equations in literature. Since kinetic energy requires relatively complex instrumentation, such a relation allows reliable retrieval of energy indirectly from commonly available precipitation data. This approach is further tested with rainfall simulations inside sense-city using JMF.The effect of rainfall on available wind power and power extracted by turbine are not well known. Towards this, high-resolution data from a meteorological mast (at pays d’Othe wind farm, France) are analysed along with turbine power in the purview of Rainfall Wind Turbine or Turbulence (RW-Turb) project. JMF tools were used to study various directly measured and derived fields in RW-Turb according to rainy and dry conditions, and an overall increasing correlation with rainfall rate is observed in joint analysis, which is worth exploring in future.The third focus area of temperature and humidity is explored partly with RW-Turb project and partly with sense-city. Few known days (rainy and dry) were simulated inside sense-city climate chamber in Descartes campus where ENPC is, for mimicking temperature and pressure variation observed in real conditions. Using JMF, the joint correlation between the fields in real and simulated conditions is evaluated, with efforts to account for the gap in estimation.For the fourth focus area, aerosol concentration (nm and µm) from Cherbourg-Octeville, France was analysed along side rain measurements for understanding scavenging of atmospheric particles by rainfall (below cloud scavenging). Preliminary analysis showed multifractal behaviour; this is of specific interest since the concentrations does not always follow the expected decreasing trend with rainfall. Along with this, multifractal properties of light attenuation by aerosols and their implications in atmospheric visibility are also studied using UM framework.Using the various results obtained, the unifying aspect of atmospheric fields - extreme variability, intermittency and scale invariance are illustrated. Through analysis of observational and controlled data, and numerical simulations, the utility of UM in trend detection, simulations and predictions are also commented on. (10.70675/3ad037b8z7715z4396z9dc1zaaf558a88e5c)
DOI : 10.70675/3ad037b8z7715z4396z9dc1zaaf558a88e5c
Multifractal intermittency of forced and free turbulence studied with the gyroscope cascade model
- Li Xin
, 2022 . Turbulence is one of the fundamental unresolved problems of classical physics, despite its manifestation in many fields, including engineering, for example in wind energy. This is linked to our lack of knowledge of properties of the deterministic 3D Navier-Stokes (NS) equations as basic as the existence and uniqueness of its solutions. This doesn't prevent researchers and engineers from using it. With the help of statistical methods, the mechanism of turbulence has been partially revealed, such as the energy transfer process. For instance, turbulence closure models, such as the Eddy Damped Quasi-Normal Markovian model, have been introduced to partially account for the infinite hierarchy of moment equations caused by the non-linear term in the NS equation. They have highlighted the possibility of backscattered energy from the energy spectrum peak to the largest eddies and therefore modification of the energy decay law of turbulence.However, these advancements do not take into account the fundamental characteristic of turbulence: intermittency, which means that turbulence is extremely heterogeneous and leads to a large discrepancy between the empirical evidence and these models.We therefore chose the deterministic Scaling Gyroscope Cascade (SGC) model, to investigate the multifractality of intermittency. SGC is based on a parsimonious discretisation of the Bernoulli's form of the NS equations in Fourier space that well preserves the triad interaction of a parent eddy and its child eddies, generating step by step a strong intermittency.Firstly, the Python codes for the three explicit numerical simulation methods - the Euler method, the fourth order Runge-Kutta method and the slaved Adams-Bashforth method - are presented and tested to determine the most efficient numerical simulation approach for the SGC model.It comes out that the Euler method is the most effective numerical simulation method by comparing the running time and maximum memory.Besides, the spatial structure of the SGC model suggests that the computing complexity increases exponentially with the number of cascade steps.Then, the intermittency of SGC model at large cascade steps is investigated by injecting various forcings. The existence of spatial-temporal fluctuations is confirmed with the help of a statistical analysis of the energy flux in the inertial range. The probability distribution of these fluctuations has tails that are much heavier than those of a Gaussian distribution. To get more detailed insights, the analysis is pursued in the Universal Multifractal (UM) framework, based on stochastic multiplicative cascades that are both stable and attractive. These cascades are determined by only a few UM parameters that are physically meaningful for any cascade models , including the SGC.Among the various obtained results, we demonstrate that the key multifractality index is significantly less than 2 thus questioning the log-normal model still often used for hydrodynamic turbulence.Last but not least, we revisit with the help of SGC the energy decay of a free turbulence taking into account the intermittency. Due to the latter, the evidence of the energy backscatter term is more complex to demonstrate, as well as its impacts on the energy decay law. But the phenomenology remains the same, although with intermittency effects, e.g., energy is stored at large scales by puffs, no longer in a continuous manner. (10.70675/a422b221z1eb5z4232zaf37zdbc2f2507b20)
DOI : 10.70675/a422b221z1eb5z4232zaf37zdbc2f2507b20
development of a CFD time scheme for indoor airflow applications
- Galante Amino Hector
, 2022 . Characterising indoor air flow is an important stake in a reglementary and social context of energy and thermal comfort optimisation of buildings. Concomitantly, the indoor air quality is responsible for a consequent number of deaths world wide and arouse a growing interest of the scientific community. The important number of studies related to the COVID virus propagation emphasises the importance of studying such environments. In this purpose, numerical simulations are a powerful tool to predict the indoor physical phenomena while being cost-less compared to experimental measurements. This thesis focuses on the development of a local scale simulation (CFD) scheme for indoor air flow in order to perform residential (indoor air quality and environment design) and industrial (nuclear safety, sport facilities ventilation) studies.After presenting the aforementioned context in the first chapter, an identification of the main physical phenomena driving the indoor air flow is made in the second chapter. The existing convection models are presented and a choice of the governing equations to be used is made.In the third chapter, to meet the modelling challenges presented, a second order conservative time scheme for variable density flow is proposed, for smooth and singular solutions. First written for dry air, the time scheme is implemented in the CFD open source solver code_saturne. The latter falls within the class of theta pressure correction schemes. The second order time convergence is reached by a time staggered variable arrangement. Moreover, the total energy is conserved thanks to the solving of the internal energy equation completed with a source term based on the kinetic energy discrete equation. Finally, the pressure variation is accounted by linearizing the equation of state, leading to a Helmholtz equation for the pressure correction. The pressure related terms are implicited, leading to faster calculations and avoiding any stability condition related to the acoustic waves. An analysis on the positivity of the thermodynamic variables is made, leading to new CFL and Fourier conditions which are studied in the manuscript. The scheme is verified and validated on test cases going from zero to three dimensions, for incompressible and compressible flows, chosen to represent the different indoor modelling stakes. Furthermore, it is verified that the scheme is compatible with first and second order turbulent approaches (RANS, LES).In the fourth chapter, the dry air time scheme is extended to moist air applications, including variable properties, another equation of state and phase change. Thermodynamic equilibrium is considered and the water mass fraction (in both states) is transported as a scalar. In order to use the set of equations chosen previously, the phase change is accounted using the Newton method related to the solved internal energy. A numerical analysis, verification and validation are made as well.Finally, in the fifth chapter, the numerical tool is applied on the study of the Pierre de Coubertin handball stadium, in the context of the Paris 2024 Olympic Games. The numerical mesh is generated from a three dimensional cloud of points, created from laser measurements. First simulations are performed to identify the stadium dynamic and thermal interest zones and a protocol is proposed for an experimental campaign. Then, a numerical validation is made on the evolution of particles during the french league handball final, where fog sources were ignited outside the stadium, promoting a particle concentration peak inside the system. (10.70675/40c3536az0edaz4a64za999z9b62350e230d)
DOI : 10.70675/40c3536az0edaz4a64za999z9b62350e230d
Free-surface flow simulations with a Lagrangian and an Arbitrary Lagrangian–Eulerian methods
- Ferrand Martin
, 2022 . Free-surface flows have various natures in the environmental and industrial contexts. It may be a gentle mathematically regular surface with waves from which one may want to extract renewable energy, or an also smooth surface of an evaporating pool in case of recirculating pumps deficiency, but also a flow down a spillway with a really disturbed free-surface. Lagrange and/or Euler approaches can be used to solve the discretised Navier-Stokes equations with a free-surface.Among the Lagrangian methods, Smoothed Particle Hydrodynamics (SPH) is a mesh-less numerical method ideal for simulating potentially violent free-surface phenomena such as a wave breaking, or a dam-break for which many Eulerian methods can be difficult to apply.Gentle free-surface flows can also be tackled with the Arbitrary Lagrangian Eulerian (ALE) mesh-based Finite Volumes method, where the free-surface faces of the mesh move so that the kinematic boundary condition is fulfilled.The first Chapter is made to introduce SPH and ALE Finite Volumes and to draw links between the two methods.For SPH, dealing with boundary conditions (walls and open boundaries) is one of the most challenging parts as it is declared as one of the Grand Challenges of the international organisation representing the community of researchers and industrial users of Smoothed Particle Hydrodynamics (SPHERIC). Concerning walls, the proposed methodology introduced in Chapter 2 relies on the semi-analytical approach which consists in renormalising the density field near a solid wall with respect to the missing kernel support area, and intrinsic gradient and divergence operators that ensure conservation properties are employed. The accuracy of the physical field such as the pressure next to walls is considerably improved, and the consistent manner developed to wall-correct operators allows us to perform simulations with turbulence modelsAn axisymmetric formulation with a unified renormalisation factor taking both radial correction and wall renormalisation is proposed as an extension of this work in Appendix.The third Chapter deals with open-boundaries for the SPH approach with the resolution of a Riemann problem associated to the hyperbolic compressible SPH framework used. The discretisation of the boundary in surface elements (segments in 2-D) and vertices is adequate to make particles enter progressively so that no pressure wave are created by the release of new fluid particles. Some details or how to integrate the geometrical renormalisation factor used in the SPH boundary conditions is presented in Appendix. The fourth Chapter presents the ALE Finite Volumes algorithm developed in the massively parallel open-source code code_saturne. An original mixing of cell-based numerical scheme used to get conservation of mass and momentum on each cell control volume and a vertex-based scheme based on the Compatible Discrete Operators (CDO) approach is presented with a particular care on the free-surface condition both on fluid and mesh-displacement. Various verification and validation test cases are presented. Space discretisation of a Poisson equation, used for the mass correction step in the ALE Finite Volumes approach, is presented in Appendix. (10.70675/da1bc2d2zbf9bz46bfz9953z85abe865d07e)
DOI : 10.70675/da1bc2d2zbf9bz46bfz9953z85abe865d07e
Modelling solar radiation for PV optimisation
- Al Asmar Lea
, 2021 . A strong development of the solar energy sector is expected for the coming years inFrance and around the world. An accurate prediction of the amount of solar irradiancereaching the ground is necessary to optimize the performance of photovoltaic (PV) farms and to forecast the production at different time scales. However, the amount of solar irradiance reaching the ground is influenced by different geographical, meteorological and atmospheric parameters, including the characteristics of clouds and aerosols. The objective of this thesis is to improve the modeling of solar irradiation, by focusing on the impact of clouds and aerosols.Improvements have been made to the standalone 1D irradiance model of the CFD software code_saturne. The model now estimates the total solar irradiance and its direct and diffuse components taking into account clouds, aerosols and absorption by minor gases. Simulations are conducted and compared to measurements at the French SIRTA observatory (instrumental site for atmospheric remote sensing research), located in Palaiseau, Ile-de-France.Satisfactory results are obtained during clear-sky days when considering the impact ofaerosols which optical properties are estimated by coupling our model to the Polyphemus platform. Clouds have a strong influence on the amount of solar irradiance reaching the ground, they have large spatio-temporal variations and are difficult to model. The estimation of irradiance during cloudy-sky days is improved by coupling the model to on-site measurements of cloud parameters (cloud optical thickness, cloud fraction) from the SIRTA observatory. A sensitivity analysis on the cloud parameters is performed in order to better understand and quantify the influence of these parameters on the simulated irradiance (globaland direct), and to identify the data sources that minimize the prediction error. Moreover, hourly values of solar fluxes are analyzed to determine and physically understand the causes of the largest errors between model and measurements when measured cloud parameters are used. The second part of the thesis consisted in applying and validating the model on a well-documented case of a radiative fog at the SIRTA (ParisFog campaign), where the fog evolves into a low stratus cloud. Special attention is given to the impact of aerosols concentration and of the presence of black carbon in cloud droplets on the dissipation of the fog as well as the hypothesis used for the cloud fraction. In the third part, further improvements are implemented in the 3D irradiation scheme in order to take into account the aerosols and clouds and for its application to PV farms. This 3D model is applied to a case of interaction with an obstacle, and results are compared to those obtained with the 1D scheme. (10.70675/7e850abaz0de2z4d89zb768zdffefd541d84)
DOI : 10.70675/7e850abaz0de2z4d89zb768zdffefd541d84
Modelling solar radiation for photovoltaic (PV) optimisation
- Al Asmar Léa
, 2021 . A strong development of the solar energy sector is expected for the coming years in France and around the world. An accurate prediction of the amount of solar irradiance reaching the ground is necessary to optimize the performance of photovoltaic (PV) farms and to forecast the production at different time scales. However, the amount of solar irradiance reaching the ground is influenced by different geographical, meteorological and atmospheric parameters, including the characteristics of clouds and aerosols. The objective of this thesis is to improve the modelling of solar radiation, by focusing on the impact of clouds and aerosols. Improvements have been made to the standalone 1D irradiance model of the CFD software code_saturne. The model now estimates the total solar irradiance and its direct and diffuse components, taking into account clouds, aerosols and absorption by minor gases. Simulations are conducted and compared to measurements at the French SIRTA observatory (instrumen- tal site for atmospheric remote sensing research), located in Palaiseau, Île-de-France. Satis- factory results are obtained during clear-sky days when considering the impact of aerosols, which optical properties are estimated by coupling our model to the Polyphemus platform. Clouds have a strong influence on the amount of solar irradiance reaching the ground, they have large spatio-temporal variations and are difficult to model. The estimation of irradiance during cloudy-sky days is improved by coupling the model to on-site measurements of cloud parameters (cloud optical thickness, cloud fraction) from the SIRTA observatory. A sensitivity analysis on the cloud parameters is performed in order to better understand and quantify the influence of these parameters on the simulated irradiance (global and direct), and to identify the data sources that minimize the prediction error. Moreover, hourly values of solar fluxes are analysed to determine and physically understand the causes of the largest errors between model and measurements when measured cloud parameters are used. The second part of the thesis consisted in applying and validating the model on a well-documented case of a radiative fog at the SIRTA (ParisFog campaign), where the fog evolves into a low stra- tus cloud. Special attention is given to the impact of aerosols concentration and of the presence of black carbon in cloud droplets on the dissipation of the fog as well as the hypothesis used for the cloud fraction. In the third part, further improvements are implemented in the 3D irradiation scheme in or- der to take into account the aerosols and clouds and for its application to PV farms. In a first step, this 3D model is applied to this case of radiative fog, and results are compared to those obtained with the 1D scheme.
Modélisation de la qualité de l'air dans les rues de Paris
- Lugon Cornejo von Marttens Lya
, 2021 . Afin de modéliser les concentrations de polluants liés à la qualité de l’air dans les rues de Paris, le modèle de réseau de rues MUNICH (Model of Urban Network of Intersecting Canyons and Highways) est amélioré. Une approche non stationnaire est développée pour représenter la formation des composés secondaires, tels que NO2. Pour modéliser la dynamique des aérosols, MUNICH est couplé au module chimique SSH-aérosol. Les concentrations en gaz et particules dans les rues de Paris sont simulées avec MUNICH, couplé au modèle de chimie-transport Polair3D pour intégrer les concentrations de fond dans les rues. Pour les composés gazeux, le couplage entre MUNICH et Polair3D peut être unidirectionnel (les concentrations de fond influencent celles des rues) ou bidirectionnel (il y a un feedback entre la rue et les concentrations de fond). Les concentrations de NO2 et NOx se comparent bien aux observations, quelque soit l'approche utilisée pour le couplage. Le couplage bidirectionnel influence plus les rues avec un rapport hauteur/largeur intermédiaire et avec des émissions de trafic élevées, atteignant 60% sur les concentrations de NO2 selon la rue. Pour les particules, les concentrations de PM2.5, PM10 et les compositions chimiques simulées sont proches des observations. Les particules secondaires ont un impact important sur les concentrations de PM2.5, atteignant 27% selon la rue et le moment de la journée. La chimie gazeuse a une forte influence sur les espèces gazeuses réactives, augmentant de 37% la concentration moyenne du NO2. L'influence sur les condensables est plus faible, mais atteint 20% selon la rue. L'hypothèse d'équilibre thermodynamique dans le calcul de la condensation/évaporation surestime les concentrations en organiques d'environ 5% en moyenne, jusqu'à 31% à midi selon la rue. Les émissions trafic de NH3 augmentent les concentrations en inorganiques de 3% en moyenne, atteignant 26% selon la rue. Pour expliquer la sous-estimation par le modèle des fortes concentrations de carbone suie (BC) observées dans les rues, l'influence des émissions hors échappement et du couplage bidirectionnel est investiguée. Une nouvelle approche pour calculer la remise en suspension des particules est présentée, modélisant la masse déposée et respectant le bilan de masse à la surface des rues. Les simulations montrent que la remise en suspension des particules a un faible impact sur les concentrations de BC. Les concentrations de BC dans les rues influencent les concentrations urbaines de fond : l’influence du couplage bidirectionnel atteint 50% selon la rue. Les émissions d'usure des pneus contribuent aux émissions de BC de façon comparable aux émissions à l'échappement. Des nouveaux facteurs d'émission sont proposés cohérents avec certaines études de la littérature et la comparaison modèle/mesures effectuée. MUNICH est finalement utilisé sur Paris pour estimer l'impact du renouvellement du parc automobile sur dix ans et de la mobilité urbaine sur l'exposition de la population à de multiples composés. Le renouvellement du parc de véhicules diminue fortement l'exposition de la population aux NO2, BC, PM10, PM2.5 et aux particules organiques. Cette diminution est plus importante que celle estimée en utilisant un CTM à l'échelle régionale. L'exposition de la population aux PM2.5 diminue de façon similaire si les véhicules diesel, essence ou électriques récents sont favorisés. Mais favoriser les véhicules électriques induit la plus forte diminution de l'exposition au NO2. Le télétravail est moins efficace que le renouvellement des véhicules, mais il peut être utilisé pour intensifier la diminution de l'exposition aux concentrations de particules. Cependant, des réductions plus ambitieuses des émissions sont nécessaires pour respecter les directives de qualité de l'air sur Paris (10.70675/d9d7ec7bz2d39z46eaz92d3zbfb3a18fb06d)
DOI : 10.70675/d9d7ec7bz2d39z46eaz92d3zbfb3a18fb06d
Inférence bayésienne et quantification d'incertitudes pour l'estimation de sources de rejets de radionucléides
- Dumont Le Brazidec Joffrey
, 2021 . En cas de rejet de polluants radioactifs dans l’atmosphère, une des missions des autorités est d’évaluer les conséquences de ce rejet afin de mettre en œuvre, si nécessaire, des mesures de protection des populations. Il peut s’agir d’évacuation ou de mise à l’abri à très court terme et de restrictions de consommation ou de commercialisation des denrées alimentaires contaminées à plus long terme. Pour cela, des modèles numériques sont utilisés pour simuler la dispersion des radionucléides dans l’atmosphère.La précision des résultats obtenus à partir de ces modèles dépend fortement de la connaissance du terme source, c’est-à-dire de la localisation, de la durée, de l’ampleur du rejet ainsi que de sa distribution entre radionucléides. Or, la connaissance du terme source est généralement soumise à d’importantes incertitudes. En plus du terme source, d’autres incertitudes proviennent du modèle de transport, des champs météorologiques, des données de mesure et de la représentativité du modèle par rapport aux mesures.Dans cette thèse, nous avons développé et appliqué des méthodes de modélisation inverse permettant d’améliorer l’évaluation du terme source et de quantifier les incertitudes.Parmi les méthodes de modélisation inverse, les approches déterministes variationnelles sont efficaces pour fournir une estimation rapide du terme source, mais la quantification des incertitudes associée à cette estimation est généralement difficile.Nous proposons donc d'aborder le problème dans le cadre probabiliste de l'inférence bayésienne qui s’inscrit dans un formalisme permettant d’obtenir une évaluation plus complète des incertitudes.Plusieurs méthodes d’échantillonnage de Monte Carlo à chaîne de Markov (MCMC) sont mises en œuvre afin de reconstruire les variables décrivant la source : l’algorithme de Metropolis Hastings (MH), l’algorithme du Parallel tempering et enfin le Reversible-Jump MCMC.Ces algorithmes sont tout d’abord appliqués et validés sur l’évènement de détection de ruthénium 106 survenu en Europe à l’automne 2017. Les densités de probabilité des variables de la source sont reconstruites afin d’identifier l’origine géographique des détections ainsi que les quantités de ruthénium 106 rejetées dans l’atmosphère.Puis, dans un second temps, plusieurs méthodes sont développées afin d’incorporer et de quantifier différentes sources d’erreurs au sein du problème bayésien et ainsi permettre une meilleure reconstruction de la distribution du rejet.Le second cas d’étude est dédié à l’accident de Fukushima qui a conduit à des rejets longs associés à une cinétique variable dans le temps. La reconstruction de ces rejets aux caractéristiques plus complexes a nécessité le développement d’un nouvel algorithme MCMC, le Reversible-Jump MCMC, qui a été adapté à partir des méthodes d’échantillonnage précédentes.Appliqué au cas de Fukushima, le Reversible-Jump MCMC montre sa capacité à échantillonner plus finement et plus efficacement la distribution du terme source et des incertitudes. (10.70675/f4b6449dz245bz47a3zac56zea8b30eaea48)
DOI : 10.70675/f4b6449dz245bz47a3zac56zea8b30eaea48
Localisation des méthodes d'assimilation de donnée d'ensemble
- Farchi Alban
, 2019 . L’assimilation de données est la discipline permettant de combiner des observations d’un système dynamique avec un modèle numérique simulant ce système, l'objectif étant d'améliorer la connaissance de l'état du système. Le principal domaine d'application de l'assimilation de données est la prévision numérique du temps. Les techniques d'assimilation sont implémentées dans les centres opérationnels depuis plusieurs décennies et elles ont largement contribué à améliorer la qualité des prédictions. Une manière efficace de réduire la dimension des systèmes d'assimilation de données est d'utiliser des méthodes ensemblistes. La plupart de ces méthodes peuvent être regroupées en deux classes~: le filtre de Kalman d'ensemble (EnKF) et le filtre particulaire (PF). Le succès de l'EnKF pour des problèmes géophysiques de grande dimension est largement dû à la localisation. La localisation repose sur l'hypothèse que les corrélations entre variables d'un système dynamique décroissent très rapidement avec la distance. Dans cette thèse, nous avons étudié et amélioré les méthodes de localisation pour l'assimilation de données ensembliste. La première partie est dédiée à l'implémentation de la localisation dans le PF. Nous passons en revue les récents développements concernant la localisation dans le PF et nous proposons une classification théorique des algorithmes de type PF local. Nous insistons sur les avantages et les inconvénients de chaque catégorie puis nous proposons des solutions pratiques aux problèmes que posent les PF localisés. Les PF locaux sont testés et comparés en utilisant des expériences jumelles avec des modèles de petite et moyenne dimension. Finalement, nous considérons le cas de la prédiction de l'ozone troposphérique en utilisant des mesures de concentration. Plusieurs algorithmes, dont des PF locaux, sont implémentés et appliqués à ce problème et leurs performances sont comparées.La deuxième partie est dédiée à l'implémentation de la localisation des covariances dans l'EnKF. Nous montrons comment la localisation des covariances peut être efficacement implémentée dans l'EnKF déterministe en utilisant un ensemble augmenté. L'algorithme obtenu est testé au moyen d'expériences jumelles avec un modèle de moyenne dimension et des observations satellitaires. Finalement, nous étudions en détail la cohérence de l'EnKF déterministe avec localisation des covariances. Une nouvelle méthode est proposée puis comparée à la méthode traditionnelle en utilisant des simulation jumelles avec des modèles de petite dimension (10.70675/39e4b881za6d7z493fzb188z601352ad2fcd)
DOI : 10.70675/39e4b881za6d7z493fzb188z601352ad2fcd
Data assimilation for micrometeorological applications with the fluid dynamics model Code_Saturne
- Defforge Cécile
, 2019 . Air quality is a major health and environmental issue worldwide. Similarly, the accuracy of wind resource assessment triggers significant economic and environmental repercussions. In order to study these two topics, it is necessary to accurately determine local wind fields using numerical models of micrometeorology. Such simulations are extremely sensitive to meteorological conditions at the domain borders. Up to present, the boundary conditions (BC) were estimated based on the results of larger scale simulations, which provide information that is not accurate enough, or even incomplete, for local scale purposes. As a matter of fact, the lack of knowledge about the BC represents a major source of error and uncertainty for micrometeorological studies.The potential sites for wind farm installation as well as built environments (urban areas or industrial sites) can be equipped with instruments measuring meteorological variables or pollutant concentration. The observations provided by these instruments represent a second source of information, insufficiently exploited for micrometeorological studies. Indeed, the in situ measurements are perturbed by the complex geometrical features on sites and might be difficult to exploit. In order to improve the exactitude and the accuracy of the BC, and consequently of the locale-scale atmospheric simulations, data assimilation (DA) methods, suited to this micrometeorological problem, could be applied to take benefit from these available observations.So far, DA methods have been mainly developed for large-scale meteorology and employed to correct the initial conditions (IC). In order to broaden the application scope of DA to micrometeorology, existing DA methods must be adapted to be able to correct the BC instead of IC.Two of the existing DA methods seem compatible with computational fluid dynamics (CFD) models used for micrometeorology over complex geometries: the back and forth nudging (BFN) algorithm and the iterative ensemble Kalman smoother (IEnKS). We have adapted these two methods, from a theoretical perspective, so as to include the BC in the control variables. The performances of the adapted versions of the BFN algorithm and the IEnKS have first been assessed with a simplified, 1D model of atmospheric flow with two layers, based on the shallow-water equations. The BFN algorithm and the IEnKS have then been tested in 2D and 3D with the atmospheric module of the open-source CFD model Code_Saturne.The first study case with Code_Saturne corresponds to a real application of wind resource assessment in a mountainous region with steep topography where three meteorological masts have been installed during a few months and provide in situ wind observations. The second case is a study of pollutant dispersion in an urban area, based on the measurements of wind and pollutant concentration coming from the “Mock Urban Setting Test” field campaign carried out in the USA. In this second case, the turbulence is also included in the BC and thus in the control variables. For both studies, some observations are assimilated and the remaining ones are used to validate the results.The experiences performed for the wind resource assessment study have revealed that the CFD models present too strong nonlinearities (flow recirculation after obstacles) for the BFN algorithm, which is based on a linearity assumption. However, both cases have shown the ability of the IEnKS to reduce the error and the uncertainty of the BC by assimilating a few observations, in operationally affordable conditions. Consequently, the simulated wind fields with Code_Saturne are also closer to the validation observations and the confidence intervals are reduced. Eventually, the IEnKS allows, in one case to estimate the wind potential, and in the other case to build the pollution maps, with much more exactitude and accuracy. (10.70675/e009151cz8ecez450dz8b79z71d10aac0eda)
DOI : 10.70675/e009151cz8ecez450dz8b79z71d10aac0eda
Méthodes variationnelles d'ensemble et optimisation variationnellepour les géosciences
- Fillion Anthony
, 2019 . L'assimilation de données consiste à calculer une estimation de l'état d'un système physique. Cette estimation doit alors combiner de façon optimale des observations entachées d'erreurs de mesure et des modèles numériques imparfaits permettant de simuler le système physique. En pratique, l'assimilation de données sert à estimer l’état initial d’un système dynamique. Cet état analysé peut ensuite être utilisé pour prévoir le comportement de ce système, notamment dans les systèmes géophysiques où les jeux de données sont conséquents.Une première approche repose sur une estimation de l’état initial basée sur le principe du maximum a posteriori. Il s’agit alors de résoudre un problème d’optimisation, souvent par des techniques utilisant le gradient des opérateurs. Cette approche, appelée 4DVar, nécessite le calcul de l’adjoint du modèle et de l'opérateur d'observation, ce qui est une tâche consommatrice en temps de développement des systèmes de prévision. Une seconde approche permettant de résoudre séquentiellement le problème d’assimilation est basée sur les techniques dites « d’ensemble ». Ici, des perturbations a priori de l'état du système permettent d’estimer des statistiques. Ces moments sont alors utilisés dans les formules de Kalman pour obtenir des approximations de l’état du système a posteriori.Ces deux approches ont été récemment combinées avec succès dans les méthodes de type EnVar aujourd'hui utilisées dans les systèmes opérationnels de prévision. Elles bénéficient donc d'une gestion efficace de la non linéarité au travers des méthodes d'optimisation variationnelle et permettent l'estimation de statistiques et de dérivées à l'aide des ensembles. L'IEnKS est un archétype de ces méthodes EnVar. Pour combiner les deux approches précédentes, il utilise une fenêtre d'assimilation qui est translatée entre chaque cycle. Différents paramétrages de la fenêtre d'assimilation conduisent à différentes stratégies d'assimilation non équivalentes lorsque la dynamique du système est non linéaire.En particulier, les longues fenêtres d'assimilation réduisent la fréquence de l'approximation Gaussienne des densités a priori. Il en résulte une amélioration des performances jusqu'à un certain point. Au delà, la complexité structurelle de la fonction de coût met l'analyse variationnelle en défaut. Une solution nommée “quasi statique variational assimilation” (QSVA) permet d'atténuer ces problèmes en ajoutant graduellement les observations à la fonction de coût du 4DVar. Le second chapitre de thèse généralise cette technique aux méthodes EnVar et s'intéresse plus précisément aux aspects théoriques et numériques du QSVA appliqués à l'IEnKS.Cependant, l’intérêt du QSVA repose sur la perfection du modèle pour simuler l'évolution de l'état. En effet, la pertinence d'une observation temporellement éloignée pour estimer l'état peut être remise en cause en présence d'erreur modèle. Le troisième chapitre est consacré à l'introduction d'erreur modèle au sein de l'IEnKS. Il y sera donc construit l'IEnKS-Q, une méthode 4D variationnelle d'ensemble résolvant séquentiellement le problème de lissage en présence d'erreur modèle. Malheureusement, en présence d'erreur modèle, une trajectoire n'est plus déterminée par son état initial. Le nombre de paramètres nécessaires à la caractérisation de ses statistiques augmente alors avec la longueur de la fenêtre d'assimilation. Lorsque ce nombre va de pair avec le nombre d'évaluations du modèle, les conséquences pour le temps de calcul sont catastrophiques. La solution proposée est alors de découpler ces quantités avec une décomposition des matrices d'anomalies. Dans ce cas, l'IEnKS-Q n'est pas plus coûteux que l'IEnKS en nombre d'évaluations du modèle (10.70675/0d73bc06z819fz4447zaf1dz2aba60fa321e)
DOI : 10.70675/0d73bc06z819fz4447zaf1dz2aba60fa321e
Adaptation de la modélisation hybride eulérienne/lagrangienne stochastique de Code_Saturne à la dispersion atmosphérique de polluants à l'échelle micro-météorologique et comparaison à la méthode eulérienne
- Bahlali Meïssam Louisa
, 2018 . Cette thèse s'inscrit dans un projet de modélisation numérique de la dispersion atmosphérique de polluants à travers le code de mécanique des fluides numérique Code_Saturne. L'objectif est de pouvoir simuler la dispersion atmosphérique de polluants en environnement complexe, c'est-à-dire autour de centrales, sites industriels ou en milieu urbain. Dans ce contexte, nous nous concentrons sur la modélisation de la dispersion des polluants à micro-échelle, c'est-à-dire pour des distances de l'ordre de quelques mètres à quelques kilomètres et correspondant à des échelles de temps de l'ordre de quelques dizaines de secondes à quelques dizaines de minutes : on parle de modélisation en champ proche. L'approche suivie dans ces travaux de recherche suit une formulation hybride eulérienne/lagrangienne, où les champs dynamiques moyens relatifs au fluide porteur (pression, vitesse, température, turbulence) sont calculés via une approche eulérienne et sont ensuite fournis au solveur lagrangien. Ce type de formulation est couramment utilisé dans la littérature atmosphérique pour son efficacité numérique. Le modèle lagrangien stochastique considéré dans nos travaux est le Simplified Langevin Model (SLM). Ce modèle appartient aux méthodes communément appelées méthodes PDF (Probability Density Function), et, à notre connaissance, n'a pas été exploité auparavant dans le contexte de la dispersion atmosphérique. Premièrement, nous montrons que le SLM respecte le critère dit de mélange homogène. Ce critère, essentiel pour juger de la bonne qualité d'un modèle lagrangien stochastique, correspond au fait que si des particules sont initialement uniformément réparties dans un fluide incompressible, alors elles doivent le rester. Nous vérifions le bon respect du critère de mélange homogène pour trois cas de turbulence inhomogène représentatifs d'une large gamme d'applications pratiques : une couche de mélange, un canal plan infini, ainsi qu'un cas de type atmosphérique mettant en jeu un obstacle au sein d'une couche limite neutre. Nous montrons que le bon respect du critère de mélange homogène réside simplement en la bonne introduction du terme de gradient de pression en tant que terme de dérive moyen dans le modèle de Langevin. Nous discutons parallèlement de l'importance de la consistance entre champs eulériens et lagrangiens dans le cadre de telles formulations hybrides eulériennes/lagrangiennes. Ensuite, nous validons le modèle dans le cas d'un rejet de polluant ponctuel et continu, en conditions de vent uniforme et turbulence homogène. Dans ces conditions, nous disposons en effet d'une solution analytique nous permettant une vérification précise. Nous observons que dans ce cas, le modèle lagrangien discrimine bien les deux différents régimes de diffusion de champ proche et champ lointain, ce qui n'est pas le cas d'un modèle eulérien à viscosité turbulente. Enfin, nous travaillons sur la validation du modèle sur plusieurs campagnes expérimentales en atmosphère réelle, en tenant compte de la stratification thermique de l'atmosphère et de la présence de bâtiments. Le premier programme expérimental considéré dans nos travaux concerne le site du SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique), dans la banlieue sud de Paris, et met en jeu une stratification stable de la couche limite atmosphérique. La seconde campagne étudiée est l'expérience MUST (Mock Urban Setting Test). Réalisée aux Etats-Unis, dans le désert de l'Utah, cette expérience a pour but de représenter une ville idéalisée, au travers d'un ensemble de lignées de conteneurs. Deux rejets ont été simulés et analysés, respectivement en conditions d'atmosphère neutre et stable.
Adaptation de la modélisation hybride eulérienne/lagrangienne stochastique de Code_Saturne à la dispersion atmosphérique de polluants à l’échelle micro-météorologique et comparaison à la méthode eulérienne
- Bahlali Meïssam
, 2018 . Cette thèse s'inscrit dans un projet de modélisation numérique de la dispersion atmosphérique de polluants à travers le code de mécanique des fluides numérique Code_Saturne. L'objectif est de pouvoir simuler la dispersion atmosphérique de polluants en environnement complexe, c'est-à-dire autour de centrales, sites industriels ou en milieu urbain. Dans ce contexte, nous nous concentrons sur la modélisation de la dispersion des polluants à micro-échelle, c'est-à-dire pour des distances de l'ordre de quelques mètres à quelques kilomètres et correspondant à des échelles de temps de l'ordre de quelques dizaines de secondes à quelques dizaines de minutes : on parle de modélisation en champ proche. L’approche suivie dans ces travaux de recherche suit une formulation hybride eulérienne/lagrangienne, où les champs dynamiques moyens relatifs au fluide porteur (pression, vitesse, température, turbulence) sont calculés via une approche eulérienne et sont ensuite fournis au solveur lagrangien. Ce type de formulation est couramment utilisé dans la littérature atmosphérique pour son efficacité numérique. Le modèle lagrangien stochastique considéré dans nos travaux est le Simplified Langevin Model (SLM), développé par Pope (1985,2000). Ce modèle appartient aux méthodes communément appelées méthodes PDF (Probability Density Function), et, à notre connaissance, n'a pas été exploité auparavant dans le contexte de la dispersion atmosphérique. Premièrement, nous montrons que le SLM respecte le critère dit de mélange homogène (Thomson, 1987). Ce critère, essentiel pour juger de la bonne qualité d'un modèle lagrangien stochastique, correspond au fait que si des particules sont initialement uniformément réparties dans un fluide incompressible, alors elles doivent le rester. Nous vérifions le bon respect du critère de mélange homogène pour trois cas de turbulence inhomogène représentatifs d'une large gamme d'applications pratiques : une couche de mélange, un canal plan infini, ainsi qu'un cas de type atmosphérique mettant en jeu un obstacle au sein d'une couche limite neutre. Nous montrons que le bon respect du critère de mélange homogène réside simplement en la bonne introduction du terme de gradient de pression en tant que terme de dérive moyen dans le modèle de Langevin (Pope, 1987; Minier et al., 2014; Bahlali et al., 2018c). Nous discutons parallèlement de l'importance de la consistance entre champs eulériens et lagrangiens dans le cadre de telles formulations hybrides eulériennes/lagrangiennes. Ensuite, nous validons le modèle dans le cas d'un rejet de polluant ponctuel et continu, en conditions de vent uniforme et turbulence homogène. Dans ces conditions, nous disposons en effet d'une solution analytique nous permettant une vérification précise. Nous observons que dans ce cas, le modèle lagrangien discrimine bien les deux différents régimes de diffusion de champ proche et champ lointain, ce qui n'est pas le cas d'un modèle eulérien à viscosité turbulente (Bahlali et al., 2018b).Enfin, nous travaillons sur la validation du modèle sur plusieurs campagnes expérimentales en atmosphère réelle, en tenant compte de la stratification thermique de l'atmosphère et de la présence de bâtiments. Le premier programme expérimental considéré dans nos travaux concerne le site du SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique), dans la banlieue sud de Paris, et met en jeu une stratification stable de la couche limite atmosphérique. La seconde campagne étudiée est l'expérience MUST (Mock Urban Setting Test). Réalisée aux Etats-Unis, dans le désert de l'Utah, cette expérience a pour but de représenter une ville idéalisée, au travers d'un ensemble de lignées de conteneurs. Deux rejets ont été simulés et analysés, respectivement en conditions d'atmosphère neutre et stable (Bahlali et al., 2018a) (10.70675/a10d2350z4617z48f0z8a39zdee72ac298cd)
DOI : 10.70675/a10d2350z4617z48f0z8a39zdee72ac298cd
Uncertainty quantification in the simulation of road traffic and associated atmospheric emissions in a metropolitan area
- Chen Ruiwei
, 2018 . This work focuses on the uncertainty quantification in the modeling of road traffic emissions in a metropolitan area. The first step is to estimate the time-dependent traffic flow at street-resolution for a full agglomeration area, using a dynamic traffic assignment (DTA) model. Then, a metamodel is built for the DTA model set up for the agglomeration, in order to reduce the computational cost of the DTA simulation. Then the road traffic emissions of atmospheric pollutants are estimated at street resolution, based on a modeling chain that couples the DTA metamodel with an emission factor model. This modeling chain is then used to conduct a global sensitivity analysis to identify the most influential inputs in computed traffic flows, speeds and emissions. At last, the uncertainty quantification is carried out based on ensemble simulations using Monte Carlo approach. The ensemble is evaluated with observations in order to check and optimize its reliability (10.70675/09484618zf79dz47f0za476zba6bb34efba9)
DOI : 10.70675/09484618zf79dz47f0za476zba6bb34efba9
Formation des aérosols organiques et inorganiques en Méditerranée
- Chrit Mounir
, 2018 . Le but de cette thèse est de comprendre les origines et les processus de formation des aérosols organiques (AO) et inorganiques (AI)en Méditerranée durant différentes saisons en utilisant le modèle de chimie-transport de la plateforme de la modélisation de la qualité de l'air Polyphemus. Dans le cadre du projet de recherche ChArMEx (Chemistry Aerosol Mediterranean Experiment), des mesures des concentrations des aérosols et de leurs propriétés ont été conduites à la station ERSA du Cap Corse (île de la Corse, France) dans le bassin ouest de la Méditerranée pendant les étés 2012 et 2013 et l'hiver2014. Ce travail de thèse a également bénéficié de mesures effectuées durant des vols avions au-dessus de la Méditerranée pendant l'été 2014.Le modèle est évalué pendant les différentes périodes simulées et des processus/paramétrisations ont été ajoutés ou modifiés afin d'avoir de bonnes comparaisons modèle/mesures pour les concentrations et les propriétés des aérosols. Des études de sensitivité à la météorologie, aux émissions anthropiques et aux émissions marines, en plus des différents paramètres d’entrée du modèle sont conduites pour comprendre les origines des aérosols. La paramétrisation des émissions de sels marins est choisie de manière à avoir de bonnes comparaisons aux mesures de sodium, qui est un composé non volatil émis principalement par les sels marins. Grâce à une paramétrisation qui estime la fraction organique des émissions marines à partir de la chlorophylle-a montre que les organiques marins contribuent à moins de 2% des AO. L'évaluation du modèle montre l'importance de la description des émissions des bateaux pour la modélisation des concentrations du sulfate et des AO. Cependant, les hypothèses faites dans la modélisation de la condensation/évaporation ont beaucoup d'impact sur les concentrations simulées de nitrate et d'ammonium (équilibre thermodynamique, état de mélange).Pendant les étés 2012 et 2013, les AO sont principalement d'origine biogénique, ce qui est bien reproduit par le modèle. Les mesures enregistrent d'importantes concentrations d'AO hautement oxydés et oxygénés. Pour que le modèle reproduire non seulement les concentrations, mais également les propriétés d’oxydation et d'hydrophilicité des AO, trois processus de formation d'aérosols organiques secondaires (AOS) à partir de monoterpènes sont ajoutés au modèle: l'autoxidation qui induit la formation de composés organiques d'extrêmement faible volatilité, un mécanisme de formation du nitrate organique, et un mécanisme de formation d'un produit d'oxydation de deuxième génération. Les états d'oxydation et d'oxygénation des AO à Ersa sont bien simulés en supposant de plus la formation d'organosulfates. Des simulations hivernales montrent que les AO y sont principalement d'origine anthropique. Bien que les émissions des composés organiques semi-volatils et de volatilité intermédiaire (COVIS) qui sont manquants dans les inventaires d'émissions influencent peu les AO en été, leur influence est dominante en hiver. La contribution du secteur du chauffage résidentiel pendant la saison froide s'avère très importante. Différentes descriptions et paramétrisations des émissions et des schémas de vieillissement des COVIS sont ajoutées au modèle, c-à-d distribution de volatilité à l'émission, schéma à une étape d'oxydation vs schéma à plusieurs étapes d'oxydation et la prise en compte de composés organiques volatils non-traditionnels(COVNT). Bien que le modèle reproduise bien les concentrations des AO, les études de sensibilité révèlent que la distribution de volatilité à l'émission influence beaucoup les concentrations des AO. Néanmoins, les états d'oxydation et d'oxygénation de ces derniers restent sous-estimés par le modèle pendant l'hiver quelque soit la paramétrisation utilisée, ce qui suggère la nécessité d'ajouter au modèle d'autres mécanismes de formation des AOS à partir des précurseurs anthropiques (autoxidation, formation du nitrate organique) (10.70675/d2552119zfc52z488ezbc83zb26431f9c819)
DOI : 10.70675/d2552119zfc52z488ezbc83zb26431f9c819

Voir la collection complète sur HAL