Towards a more comprehensive monitoring of wildfire spread : contributions of model evaluation and data assimilation strategies

Vers une meilleure prévision de la propagation d'incendies de forêt : évaluation de modèles et assimilation de données La prévision des incendies de forêt reste un défi puisque vitesse et direction de propagation dépendent des interactions multi-échelles entre la végétation, la topographie du terrain et les conditions météorologiques. Un modèle à l’échelle régionale peut donc difficilement prendre en compte le détail des processus physiques mis en jeu. Toute modélisation est entachée de nombreuses incertitudes (modélisation incomplète, méconnaissance du terrain, de la végétation et des interactions flamme/atmosphère, etc.) qu’il est nécessaire de quantifier et de corriger. Ces travaux de thèse proposent ainsi une modélisation régionale des incendies qui a des meilleures capacités de simulation et prévision, basée sur une évaluation des modèles et l’assimilation de données. L’évaluation de modèles a consisté à développer des simulations multi-physiques à l’échelle de la flamme, incluant la résolution des équations de Navier-Stokes réactives, l’évaluation du transfert radiatif vers la végétation, la construction d’un modèle de pyrolyse de la végétation ainsi que la modélisation de l’interface flamme/végétation afin de mieux comprendre la dynamique des incendies. La seconde approche proposée a consisté à mettre en place un prototype d’assimilation de données pour le suivi de la propagation du front de feu. L’idée est de rectifier la trajectoire simulée du front au fur et à mesure que de nouvelles observations sont mises à disposition, la différence entre les positions observées et simulées du front étant traduite en une correction des paramètres de vitesse de propagation ou directement de la position du front via l’algorithme du filtre de Kalman d’ensemble. Ces approches, tenant compte des incertitudes à la fois sur la modélisation des incendies et sur les observations disponibles, permettent ainsi d’améliorer la prévision de la dynamique des feux ainsi que des émissions atmosphériques, ce qui constitue un enjeu de taille pour la protection civile et environnementale.