Uncertainty quantification for traffic-related turbulent pollutant dispersion at the urban microscale

Quantification d’incertitudes pour la dispersion turbulente de polluants liés au trafic routier à l'échelle micro-urbaine Le trafic routier contribue significativement aux émissions urbaines de NOx et à la dégradation de la qualité de l'air, ce qui constitue un problème de santé publique. La simulation numérique est un outil stratégique pour le contrôle de la qualité de l'air, et les modèles haute-fidélité basés sur la mécanique des fluides numérique (CFD) permettent une meilleure compréhension physique de la dispersion atmosphérique de polluants, à un coût de plus en plus abordable. Cependant, les incertitudes aléatoires associées aux phénomènes naturels et humains compromettent les capacités prédictives de tels modèles. Dans cette thèse, nous abordons l'évaluation quantitative de l'importance relative des incertitudes aléatoires liées à la météorologie et au trafic dans des simulations CFD haute-fidélité de la pollution atmosphérique induite par les émissions routières à l'échelle micro-urbaine.Dans la première partie de ce travail, nous construisons une chaîne de modélisation en couplant le code open-source OpenLB, qui emploie la méthode de Boltzmann sur réseau, avec le simulateur de trafic microscopique SUMO et un modèle de moteur physique afin de calculer des émissions routières réalistes et simuler la dispersion de polluants associée dans des écoulements urbains fortement turbulents. Nous proposons une stratégie pour résoudre les problèmes de stabilité du code OpenLB pour les écoulements à haut Reynolds avec transport de scalaire passif en présentant un nouvel opérateur de collision stable pour l'advection-diffusion. Le code est validé avec succès sur des cas académiques de complexité croissante et les émissions stationnaires non-uniformes estimées avec la chaîne de modélisation complète sont utilisées pour obtenir des cartographies spatiales bidimensionelles de concentration de polluant dans un quartier urbain réaliste. Cette étude présente une des premières applications d'OpenLB à la simulation de dispersion turbulente de scalaire passif en géométrie complexe.La seconde partie de ce travail présente la construction d'un cadre de quantification d'incertitudes pour des analyses de sensibilité globales basées sur la variance des sorties fonctionnelles de la chaîne de modélisation coûteuse. Pour ce faire, nous comparons deux méthodes disponibles pour construire des modèles de substitution pour sorties fonctionnelles, une première basée sur la décomposition orthogonale propre couplée à la régression par processus gaussiens (POD-GPR) et une seconde, dénommée c-APK, appliquant la POD-GPR aux termes d'une décomposition ANOVA de la quantité d'intérêt. Nous montrons que la c-APK n'est pas robuste au bruit associé aux erreurs de convergence statistique dans les données d'entraînement obtenues avec la chaîne de modélisation. Nous utilisons donc la POD-GPR pour construire des méta modèles pour les champs de concentration moyennée temporellement et de probabilité de dépassement de seuil sur le cas de dispersion en géométrie réaliste. Enfin, ces méta modèles sont utilisés pour construire des cartes d'indices de Sobol' pour l'analyse de sensibilité avec 2 variables incertaines météorologiques et 3 variables liées au trafic routier