Modélisation des écoulements en canopée urbaine par des approches guidées par les données – MUFDD

Notre ambition est de démontrer que des observations éparses et potentiellement bruitées dans l'espace et le temps peuvent offrir beaucoup plus en i) enrichissant des modèles basés sur la physique, ii) combinant au mieux différentes sources d'information (assimilation de données), et même iii) en découvrant des modèles non linéaires. Ce projet abordera les défis posés par cette révolution des données dans le but d'obtenir un modèle dynamique simplifié de l'écoulement turbulent au sein de la canopée urbaine, à l'échelle de la rue. Dans un premier temps, nous déduirons de tels modèles en utilisant des données issues de simulations numériques limitées à la portion d'intérêt de la canopée urbaine, et/ou à des valeurs relativement faibles du nombre de Reynolds. Dans un deuxième temps, nous utiliserons les données d'expériences de laboratoire mesurées à l'intérieur de la canopée et/ou de l'écoulement de couche limite atmosphérique plus accessible situé au-dessus. Dans une dernière étape, les données d'une expérience de terrain à grande échelle déjà disponible seront également prises en compte. Pour concentrer
Pour concentrer nos efforts sur le développement de nouvelles méthodes et leur validation approfondie, les configurations d'écoulement étudiées seront principalement limitées au modèle de canyon de rue qui offre toutes les caractéristiques de base des écoulements urbains. En outre, l'étude sera étendue aux écoulements induits par la flottabilité en considérant une rue canyon non isotherme dans toutes les étapes mentionnées ci-dessus et aux processus de dispersion en effectuant des mesures scalaires dans des installations de laboratoire.

Depuis le début du projet (janvier 2023), nous nous sommes concentrés sur l'étude de l'impact de la présence d'un grand bâtiment en amont sur l'écoulement dans la rue immergée dans un environnement urbain réaliste (maquette du centre ville de Nantes à l'échelle 1:200).

La complexité spatiale et l'hétérogénéité de la canopée urbaine rendent les simulations précises du l’écoulement dans la canopée hors de portée avec les capacités de calcul actuelles. Ce type de simulation nécessite également l'utilisation de modèles pour tenir compte de la présence et de l'influence du tissu urbain. Les modèles développés dans ce projet avec les différentes stratégies basées sur les données pourraient être utilisés comme modèles de substitution de la région de la canopée. À l'avenir, ils pourraient servir d'outils précis mais peu coûteux en termes de calcul pour prédire les processus de transport instables basés sur des mesures en ligne de données éparses dans la canopée ou au-dessus. Ils constitueront donc des outils précieux pour étudier la microclimatologie urbaine, pour évaluer la ventilation des rues et la qualité de l'air à court terme, et pour traiter les problèmes liés à l'exposition accidentelle. À long terme, l'exploitation des résultats scientifiques obtenus au cours du projet proposé pourrait prendre la forme de paquets ou de modules numériques à inclure dans les logiciels commerciaux de CFD afin de tenir compte plus précisément de la turbulence instable existant dans les zones urbaines pour la prédiction et l'estimation de la qualité de l'air ou de la dispersion scalaire dans ces régions. Des modèles seront également développés dans le but final d'être mis en œuvre dans des codes de calcul à méso-échelle pour servir de nouveaux modèles de murs ou de canopée qui tiennent compte de la présence de la canopée urbaine et de son interaction avec l’écoulement atmosphérique.

Du, H., Savory, E., and Perret, L. “Effect of morphology and an upstream tall building on the mean turbulence statistics of a street canyon flow”. In: Building and Environment 241 (2023). doi : 10.1016/j.buildenv.2023.110428 .

L’objectif de MUFDD est de modéliser via une approche pilotée par les données les phénomènes de ventilation et les processus de transport présents au sein de la canopée urbaine. L’ambition est d’exploiter les avancées récentes en modélisation basée sur les données (parmi lesquelles les méthodes d’apprentissage automatique), ainsi que les techniques d’assimilation de données pour reproduire de manière précise et rapide les phénomènes clés. Des méthodes allant de la modélisation physique aux stratégies entièrement basées sur les données et capables de découvrir des modèles dynamiques seront abordées. Ces modèles seront enrichis par assimilation séquentielle de données provenant de simulations LES, d’expériences en Laboratoire et de mesures de terrain. Outre une meilleure compréhension des phénomènes physiques, les retombées attendues sont des modèles opérationnels permettant d’étudier la micro-climatologie urbaine, d’analyser la qualité de l’air, et d’aborder les risques accidentels.