Changements d'échelles en modélisation de la qualité de l'air et estimation des incertitudes associées, Multiple scales in air quality modeling, and estimation of associated uncertainties
270
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Découvre YouScribe et accède à tout notre catalogue !
Découvre YouScribe et accède à tout notre catalogue !
270
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Thèse soutenue le 15 décembre 2009: Paris Est
L’évolution des polluants dans l’atmosphère dépend de phénomènes variés, tels que les émissions, la météorologie, la turbulence ou les transformations physico-chimiques, qui ont des échelles caractéristiques spatiales et temporelles très diverses. Il est très difficile, par conséquent, de représenter l’ensemble de ces échelles dans un modèle de qualité de l’air. Les modèles eulériens de chimie-transport, couramment utilisés, ont une résolution bien supérieure à la taille des plus petites échelles. Cette thèse propose une revue des processus physiques mal représentés par les modèles de qualité de l’air, et de la variabilité sous-maille qui en résulte. Parmi les méthodes possibles permettant de mieux prendre en compte les différentes échelles , deux approches ont été développées : le couplage entre un modèle local et un modèle eulérien, ainsi qu’une approche statistique de réduction d’échelle. (1) Couplage de modèles : l’une des principales causes de la variabilité sous-maille réside dans les émissions, qu’il s’agisse des émissions ponctuelles ou du trafic routier. En particulier, la taille caractéristique d’un panache émis par une cheminée très inférieure à l’échelle spatiale bien résolue par les modèles eulériens. Une première approche étudiée dans la thèse est un traitement sous maille des émissions ponctuelles, en couplant un modèle gaussien à bouffées pour l’échelle locale à un modèle eulérien (couplage appelé panache sous-maille). L’impact de ce traitement est évalué sur des cas de traceurs à l’échelle continentale (ETEX-I et Tchernobyl) ainsi que sur un cas de photochimie à l’échelle de la région parisienne. Différents aspects sont étudiés, notamment l’incertitude due aux paramétrisations du modèle local, ainsi que l’influence de la résolution du maillage eulérien. (2) Réduction d’échelle statistique : une seconde approche est présentée, basée sur des méthodes statistiques de réduction d’échelle. Il s’agit de corriger l’erreur de représentativité du modèle aux stations de mesures. En effet, l’échelle de représentativité d’une station de mesure est souvent inférieure à l’échelle traitée par le modèle (échelle d’une maille), et les concentrations à la station sont donc mal représentées par le modèle. En pratique, il s’agit d’utiliser des relations statistiques entre les concentrations dans les mailles du modèle et les concentrations aux stations de mesure, afin d’améliorer les prévisions aux stations. L’utilisation d’un ensemble de modèles permet de prendre en compte l’incertitude inhérente aux paramétrisations des modèles. Avec cet ensemble, différentes techniques sont utilisées, de la régression simple à la décomposition en composantes principales, ainsi qu’une technique nouvelle appelée « composantes principales ajustées ». Les résultats sont présentés pour l’ozone à l’échelle européenne, et analysés notamment en fonction du type de station concerné (rural, urbain ou périurbain)
-Qualité de l'air
-Changements d'échelle
-Modèles eulériens
-Modèles gaussiens
-Panache sous-maille
-Réduction d'échelle statistique
The evolution of atmospheric pollutants depends on various processes which occur at multiple characteristic scales, such as emissions, meteorology, turbulence, chemical transformation and deposition. Representing all the time and spatial scales in an air quality model is, therefore, very difficult. Chemical-transport Eulerian models, which are generally used, have a typical resolution much coarser than the finest scales.. Thus, many processes are not well described by these models, which results in subgrid-scale variability. This thesis proposes a review of subgrid-scale processes and associated uncertainty, as well as two multiscale methods aimed at reducing this uncertainty : (1) coupling an Eulerian model with a local-scale Gaussian model, and (2)using statistical downscaling methods. (1) Model coupling : one aof the main subgrid-scale processes is emissions, especially point emissions (industry) and traffic. In particular, the characteristic spatial scale of a plume emitted by a chimmey is much smaller than the typical Eulerian grid resolution. The coupling method, called plume-in-grid model, uses a Gaussian puff model to better represent point emissions at local scale, coupled to an Eulerain model. The impact of this subgrid-scale treatment of emissions is evaluated at continental scale for passive tracers (ETEX-I et Tchernobyl), as well as for photochemistry at regional scale (Paris region). Several issues are addressed, especially the uncertainty due to local-scale parameterizations and the influence of the Eulerian grid resolution. (2) Statistical downscaling : this method aims at compensating the representativity error made by the model when forecasting concentrations at particular measurement stations. The representativity scale of these stations is, indeed, typically smaller than the Eulerian cell size, and concentrations at stations depend on many subgrid-scale phenomena (micrometeorology, topography…). Thus, using statistical relationships between the larg-scale variable (model output) and local-scale variable (concentrations observed at stations) allows to significantly reduce the forecast error. In addition, using ensemble simulations allows to better take into account the model error due to physical parameterizations. With this ensemble, several downscaling methods are implemented : simple and multiple linear regression, with or without preprocessing. The preprocessing methods include a classical principal component analysis, as well as another method called “principal fitted component”. Results are presented at European scale, for ozone peaks, and analyzed for several types of stations (rural, urban or periurban)
Source: http://www.theses.fr/2009PEST1047/document
These de doctorat de l’Universite Paris-Est
Presentee et soutenue publiquement le 15 decembre 2009 par
Irene Korsakissok
pour l’obtention du dipl^ ome de docteur
de l’Universite Paris-Est
Specialite : Sciences et techniques de l’environnement
Changements d’echelle en modelisation de la qualite
de l’air et estimation des incertitudes associees
Jury compose de
rP Richard Perkins Centrale Lyon president et rapporteur
rP Robert Rosset Universite P. Sabatier, CNRS rapporteur
rP Serge Guillas University College London examinateur
rD Bruno Sportisse INRIA directeur de these
rD Vivien Mallet co-directeur de these
rD Laurence Rou l INERIS invitee
rM Philippe Lameloise AIRPARIF invite
tel-00584389, version 1 - 8 Apr 20112
Cette these est dediee a mon pere, Charles Korsakissok, qui m’a communique son enthousiasme
pour les sciences et a mon frere Joel, qui depuis toujours me montre l’exemple.
2
tel-00584389, version 1 - 8 Apr 2011Remerciements
Je me dois de remercier en tout premier lieu Vivien Mallet, qui a suivi mes travaux de these
durant ces annees passees au CEREA. Cela a ete un plaisir de travailler avec lui, tant pour ses
multiples qualites scienti ques et techniques que pour sa disponibilite, sa rigueur et sa patience.
J’ai appris enormement de choses gr^ ace a lui, et lui en suis tres reconnaissante.
Je remercie egalement Bruno Sportisse qui m’a embauchee au CEREA, d’abord en qualite
d’ingenieur de recherche, puis a su me convaincre de faire une these de doctorat. C’est de lui que
vient l’impulsion de cette these et l’idee initiale du sujet. Je le remercie en n d’avoir accepte de
rester mon directeur de these malgre ses importantes responsabilites a l’INRIA et de m’avoir
consacre un peu de son precieux temps.
Je remercie les rapporteurs, Richard Perkins et Robert Rosset, de m^eme que les autres
membres du jury, d’avoir accepte d’evaluer mon travail. Je remercie en particulier Serge Guillas
qui m’a donne des pistes d’etude concernant la reduction d’echelle statistique.
Je remercie Christian Seigneur pour l’aide qu’il m’a apportee lors de la realisation du modele
de panache sous-maille, ainsi que pour la relecture de certains chapitres de ma these.
Ces quelques annees passees au CEREA ont ete riches sur le plan scienti que, mais aussi
sur le plan humain de par les multiples echanges et rencontres. Je me garderai de citer toutes
les personnes dont j’ai pu apprecier la presence et l’amitie, de peur d’en oublier. Je remercie
donc collectivement tous les membres du CEREA, passes et presents, pour leur humour, leurs
discussions, leur aide occasionnelle et tous les agreables moments et g^ateaux partages avec eux.
Je citerai en particulier mes di erents collegues de bureau, Meryem Ahmed de Biasi avec qui
j’ai pu faire un inoubliable voyage au Chili, Olivier Saunier et Megan Lebacque. Une mention
speciale a ceux avec qui les moments de detente ont pu se prolonger autour d’un verre ou dans
un restaurant, Pierre Tran, Marilyne Tombette, Victor Winiarek, Elsa Real, Yelva Roustan.
J’espere que ces moments se reproduiront a l’avenir ! Un petit encouragement aux nouveaux
doctorants qui assurent la releve et en particulier a Regis Briant, dont j’ai eu le plaisir de co-
encadrer le stage de n d’etude. Une pensee particuliere en n a tous les bebes du CEREA, qui
se sont multiplies ces dernieres annees, et surtout aux heureux parents.
Je ne peux en n terminer sans adresser mes chaleureux remerciements aux membres de
ma famille qui m’ont encouragee, et en particulier a mon mari Julien Bourdin qui a endure
sto quement toutes les a res de la these et notamment les di ciles derniers mois de redaction.
Pour ce qu’il m’apporte, son soutien constant et inebranlable, et in niment plus encore...
3
tel-00584389, version 1 - 8 Apr 20114
4
tel-00584389, version 1 - 8 Apr 2011Table des matieres
1 Changements d’echelle en qualite de l’air 11
1.1 Di erentes echelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.1 Les emissions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.2 Le transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1.3 La turbulence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.1.4 Les processus de perte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2 Une hierarchie de donnees et de modeles . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.1 Equation de dispersion reactive . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.2 Di erents types de modeles . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.2.3 Donnees d’entree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.4 Sensibilite des modeles aux donnees d’entree . . . . . . . . . . . . . . . . 32
1.3 Di erentes methodes de changements d’echelles . . . . . . . . . . . . . . . . . . . 33
1.3.1 Methodes numeriques et couplage de modeles . . . . . . . . . . . . . . . . 33
1.3.2 Fermeture d’ordre superieur . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.3.3 Parametrisations sous-mailles . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.3.4 Methodes stochastiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.3.5 Prise en compte de la variabilite sous-maille a posteriori . . . . . . . . . . 42
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4.1 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4.2 Choix des methodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.4.3 Plan de la these . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.4.4 Publications associees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
I Modeles pour l’echelle locale 47
2 Description des modeles a l’echelle locale 49
2.1 Les modeles gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.1.1 Lien avec la formulation eulerienne . . . . . . . . . . . . . . . . . . . . . . 51
2.1.2 Modele gaussien de panache . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.1.3 Modele gaussien a bou ees . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.1.4 Modele de source lineique . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2 Modelisation de la dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.1 Variables de la dispersion turbulente . . . . . . . . . . . . . . . . . . . . . 59
2.2.2 Formules de Briggs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.2.3 Formule de Doury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.2.4 Theorie de la similitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.3 Modelisation de la surhauteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.3.1 Surhauteur de Briggs et HPDM . . . . . . . . . . . . . . . . . . . . . . . . 69
5
tel-00584389, version 1 - 8 Apr 20116 TABLE DES MATIERES
2.3.2 Formule de Concawe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.3 Formule de Holland et Stumk e . . . . . . . . . . . . . . . . . . . . . . . . 71
2.3.4 Penetration partielle dans la couche d’inversion . . . . . . . . . . . . . . . 71
2.4 Modelisation des processus de perte . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.4.1 Decroissance radioactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.4.2 Dep^ ot sec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.4.3 Lessivage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.5 Bilan : modeles de Polyphemus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3 Evaluation des modeles a l’echelle locale 79
3.1 Criteres d’evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.1.1 Indicateurs statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.1.2 Criteres de performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.2 Evaluation de la dispersion : Prairie Grass . . . . . . . . . . . . . . . . . . . . . . 81
3.2.1 Presentation de l’experience, et evaluation des ecarts types . . . . . . . . 82
3.2.2 Comparaison avec d’autres modeles gaussiens . . . . . . . . . . . . . . . . 84
3.2.3 Statistiques par arc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.3 Evaluation avec surhauteur : Kincaid . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3.1 Presentation de l’experience, et evaluation de la surhauteur . . . . . . . . 87
3.3.2 Evaluation du modele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.3.3 Comparaison avec d’autres modeles gaussiens . . . . . . . . . . . . . . . . 95
3.4 Evaluation du dep^ ot : mesures de dep^ ot en bord de route . . . . . . . . . . . . . 96
3.4.1 Con guration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.4.2 Resultats moyens sur fevrier 1997 . . . . . . . . . . . . . . . . . . . . . . . 98
3.4.3 Analyse des resultats sur certains jours . . . . . . . . . . . . . . . . . . . 100
3.5 Bilan : evaluation des modeles gaussiens et variabilite . . . . . . . . . . . . . . . 103
3.5.1 Performance des modeles . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.5.2 Variabilite des parametrisations et des resultats . . . . . . . . . . . . . . . 105
II Modelisat
