Le microclimat urbain à haute résolution : mesures et modélisation

The urban microclimate at high resolution : measurement and modeling

• Auteur / Autrice : Julien Le Bras
• Direction : Valéry Masson
• Type : Thèse de doctorat
• Discipline(s) : Océan, atmosphère et surfaces continentales
• Date : Soutenance le 24/06/2015
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)

Mots clés

Mots clés contrôlés

Îlot thermique urbain

Microclimat urbain

Mots clés libres

Microclimat urbain

Modélisation numérique

Modélisation statistique

Ilot de chaleur urbain

Mesures urbaines

Résumé

Le confort thermique des habitants d'une ville est principalement affecté par l'îlot de chaleur urbain. Ce phénomène se traduit par des températures plus chaudes en ville que dans sa périphérique, principalement la nuit. Il est causé par les relâchements de chaleur stockée dans les bâtiments et la route le jour mais aussi par des sources anthropiques comme le chauffage ou le trafic routier. L'îlot de chaleur urbain peut atteindre jusqu'à 10°C la nuit pour les plus grandes mégapoles. Mais au cœur d'un quartier, la variabilité de la température, en fonction des ombrages ou de la présence d'eau et de parcs peut aussi atteindre quelques degrés. Elle peut donc être de la même amplitude que l'îlot de chaleur urbain. L'objectif de cette thèse est d'étudier la variabilité de la température à l'échelle de la ville et à l'échelle de la rue. Le but est de mettre en place une chaîne de modélisation de la température à l'échelle de rue à partir de données de stations météorologiques opérationnelles en périphérie d'une ville. Cette chaîne de modélisation doit être rapide et faire appel à des données accessibles au plus grand nombre afin de pouvoir simuler des scénarios d'aménagement urbains sur le long terme en dehors des laboratoires de recherche. La première partie de la chaîne de modélisation s'appuie sur un modèle numérique physique, le générateur de climat urbain spatialisé, permettant de calculer l'îlot de chaleur à l'échelle du quartier à partir de données se situant en dehors d'une ville et d'un modèle de surface de ville comme le modèle TEB. La deuxième partie permet de modéliser statistiquement la variabilité de température à l'échelle de la rue à partir des conditions météorologiques simulées par le générateur au sein d'un quartier et d'une cartographie précise du tissu urbain du quartier considéré. Cette modélisation statistique s'appuie sur des campagnes de mesures effectuées en 2013 et 2014 dans des quartiers des villes de Marseille, Paris et Toulouse.

The thermal comfort of the inhabitants of a city is mainly affected by the urban heat island (difference in air temperature between urban and surrounding area. This effect is caused by anthropogenic sources, low vegetated areas and heat stored in buildings and roads during the night. The urban heat island can reach 10°C at night for the biggest cities. But inside a neighborhood, the temperature variability can reach a few degrees with the effect of the shadow of the trees or the presence of lake or parks. This variability may have the same magnitude than the urban heat island. The objective of this thesis is to study the temperature variability at the city-scale and at the street-scale. The aim of this PhD work is to develop a modeling chain of the temperature at the street-scale from data from operational weather stations located in airports.The modeling chain has to be fast in order to simulate long term urban planning scenarios and have a low computational cost in order to be run outside of atmospheric sciences laboratories. The first step of the modeling chain is the spatialized urban weather generator, a numerical physical scheme which calculated the urban heat island at the neighborhood scale from data of an operational weather station located outside of the city and with sur urban surface model TEB. The second part is a statistical model of temperature variability at the street scale calculated with meteorological data coming from the generator and a mapping of the urban tissue. The statistical model relies on field campaigns achieved in 2013 and 2014 in the neighborhoods of Marseille, Paris and Toulouse.