Assessing and reducing uncertainty in large-eddy simulation for microscale atmospheric dispersion

Évaluation et réduction des incertitudes pour la simulation numérique de la dispersion atmosphérique à micro-échelle

Eliott Lumet (1, 2, 3)

1 CECI - Climat, Environnement, Couplages et Incertitudes [Toulouse]
2 CERFACS - Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique
3 LAAS-RIS - Équipe Robotique et InteractionS

Air quality is severely degraded during events such as industrial accidents. Harmful gases and particles are released into the atmosphere and carried by the wind. In built environments, these pollutants can lead to local pollution peaks due to buildings blocking the flow, resulting in short-term health and environmental risks. Locating these peaks requires the use of models solving the fundamental equations of fluid dynamics and their interactions with the built environment. Despite their complexity, these models are subject to uncertainties that are partly linked to atmospheric conditions. The aim of this thesis is to build and validate a modeling system able of estimating these uncertainties and identifying possible dispersion scenarios. This is achieved by using tools derived from statistical learning and by informing the model with in-situ observations.

La qualité de l’air est fortement dégradée lors d’évènements comme les accidents industriels au cours desquels des gaz et des particules néfastes sont libérées dans l’atmosphère et transportées sous l’effet du vent. En milieu urbain, les bâtiments ont un effet de blocage sur l’écoulement ce qui peut entraîner des pics de pollution et donc des risques à court terme pour la santé et l’environnement. Localiser ces pics nécessite de recourir à des modèles résolvant les équations fondamentales de la physique des écoulements et leurs interactions avec le milieu bâti. Malgré leur complexité, ces modèles présentent des incertitudes notamment liées aux conditions atmosphériques. Cette thèse vise à construire et valider un système de modélisation permettant d’estimer ces incertitudes et d’identifier les scénarios possibles de dispersion, en s’appuyant sur des outils venant de l’apprentissage statistique et en informant le modèle à partir d’observations in-situ.

Mots clés: Data assimilation; Atmospheric dispersion; Microscale meteorology; Large-eddy simulation; Uncertainty quantification; Model reduction; Internal variability

Mots clés: Assimilation de données; Dispersion atmosphérique; Météorologie microéchelle; Simulation aux grandes échelles de tourbillons; Quantification d’incertitudes; Réduction de modèle; Variabilité interne

Domaines: Automatique / Robotique

Eliott Lumet. Assessing and reducing uncertainty in large-eddy simulation for microscale atmospheric dispersion. Automatic. UPS Toulouse - Université Toulouse 3 Paul Sabatier, 2024. English. ⟨NNT : ⟩. ⟨tel-04569990⟩