FacebookTwitterLinkedInImprimer

 

Thèse de Mathis Pasquier : « Quantification d’incertitudes pour la dispersion turbulente de polluants à l’échelle micro-urbaine » 

Dans les zones urbaines, le trafic routier représente une part importante des émissions de polluants, avec un impact significatif sur la qualité de l'air, ce qui constitue un problème majeur de santé publique. La dispersion atmosphérique peut être prise en compte de manière approfondie par des modèles de dynamique des fluides (CFD1). Cependant, les incertitudes aléatoires, d’origine naturelle ou anthropique, peuvent affecter sa prédictivité.

Concernant cette prédiction, le travail de doctorat a visé à évaluer quantitativement l'impact relatif de paramètres incertains : d’une part météorologiques et d’autre part liés au trafic routier. Il s’est basé pour cela sur des simulations « haute fidélité2 » de la dispersion de la pollution à l'échelle micro urbaine (quartier).

Tout d’abord, une chaîne de modélisation complète a été construite afin de produire des représentations spatiales bi-dimensionnelles des concentrations de polluants dans des géométries urbaines réelles. Celle-ci combinait un code CFD basé sur la méthode Lattice Boltzmann (LBM), un simulateur de trafic microscopique (échelle du véhicule) et un modèle d’émissions du trafic routier. Ce code LBM a fait l’objet de développements pour les écoulements fortement turbulents et a été validé sur des cas-tests académiques avant d'être appliqué à une géométrie et des émissions routières réalistes, en l’occurrence celles des NOx (Figure 1).

Les calculs réalisés à la suite ont notamment démontré que la prise en compte des données d’émissions non uniformes, liées aux phases d’accélération/décélération des véhicules circulant en agglomération, modifiait l’estimation de l’exposition des habitants à la pollution [1].

Une analyse de sensibilité a ensuite été réalisée à l’aide de cette chaîne de calcul, afin d’identifier quelles sources d’incertitudes en entrée ont le plus d’influence sur les sorties d’intérêt. A cette fin, des modèles de substitution3 peu coûteux à évaluer ont été construits, de manière à limiter le temps de simulation CFD.

Les sorties regardées étaient des cartes, moyennées en temps, relatives à la concentration en polluants et à la probabilité de dépassement de seuil. Les variables d’entrée incertaines étaient quant à elles : la direction du vent et son intensité, le volume et la composition du trafic (proportion de véhicules diesel et essence) ainsi que la limitation de vitesse sur le réseau routier. Des cartes de sensibilité spatiales 2D (Figure 2) et les indices de sensibilité globaux sur tout le domaine ont ainsi été obtenus [2].

Menée à l’échelle locale et avec des données reflétant des conditions les plus réalistes possibles (géométrie, météo, émissions), cette étude a notamment conclu au fait que la direction du vent et la proportion de moteurs diesel étaient les facteurs les plus influents.

Ce travail a également démontré tout l’intérêt du type d’approche employé, combinant CFD et méthodes statistiques, pour comprendre l’influence de paramètres multiples en situation complexe. En termes d’application, cela rend possible d’objectiver l’impact de telle ou telle décision d’aménagement ou de régulation.

Figure 1
Figure 1 : iso-contours des concentrations de polluants sous un vent d'ouest dans un quartier urbain en banlieue parisienne avec des émissions stationnaires non uniformes de la circulation routière.


 

Figure 2
Figure 2 : Cartes 2D des indices de Sobol' (4) montrant la contribution relative de l'angle du vent entrant (à gauche)
et de la proportion de moteurs diesel/essence (à droite).

  

1-  Computational Fluid Dynamics.
2-  Permettant la prise en compte de la turbulence.
3-  Décomposition en modes propres orthogonaux couplée à une régression par processus Gaussien (POD-GPR).
4-  Indice de sensibilité d'une variable de sortie à une variable d'entrée (basé sur une décomposition de variance).
 

Références :

  1. Mathis Pasquier, Stéphane Jay, Jérôme Jacob, Pierre Sagaut. A Lattice-Boltzmann-Based Modelling Chain for Traffic-Related Atmospheric Pollutant, Dispersion at the Local Urban Scale. Building and Environment, 2023, 242, pp.110562.
    >> https://doi.org/10.1016/j.buildenv.2023.110562
     

  2. Noé Fellmann, Mathis Pasquier, Céline Helbert, Adrien Spagnol, Delphine Sinoquet, Christophette Blanchet-Scalliet. Sensitivity analysis for sets : application to pollutant concentration maps. Quality and Reliability Engineering International, Special issue, 2024.
    >> https://doi.org/10.1002/qre.3638
       

Contact scientifique : Stéphane Jay

>> NUMÉRO 56 DE SCIENCE@IFPEN