Quantification et modélisation des services climatiques rendus par les arbres dans une rue canyon - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Quantification and modeling of climatic services provided by trees in a street canyon

Quantification et modélisation des services climatiques rendus par les arbres dans une rue canyon

Résumé

Global climate change and the extreme events it induces have become one of the major issues of this century. Understanding the microclimate in urban areas has received increasing attention from researchers in recent years, due to the overheating phenomena observed in cities and the population density that makes them a sensitive environment for heat waves. Several studies have shown that vegetation can reduce air temperature in cities, but these benefits depend on the built environment, and on many variables often not controlled in cities, such as water availability for plants. In this context, this thesis aims to analyze and quantify the climatic services provided in a canyon street by well-watered trees. It is based on a double approach combining experimentation and modeling. Field campaigns were carried out on a tree model at scale (1/5) installed in an outdoor environment on the site of the Institut Agro, in Angers, France. On the numerical approach, 2D simulations of the distributed climate in unsteady regime were performed using a CFD approach. Among other results, the work of this thesis showed that the canyon street creates overheating of up to 2.8 °C during the night, and up to 2.4 °C during the day, and that trees can reduce the air temperature in the street by 2.7 °C during the day, and improve human thermal comfort by reducing mid-day UTCI values by up to 8 °C. This work provides quantification elements that can help decision makers in their planning policies.
Le changement climatique global et les épisodes extrêmes qu’il induit sont devenus l’un des enjeux majeurs de ce siècle. La compréhension du microclimat en milieu urbain suscite une attention croissante de la part des chercheurs depuis quelques années, en raison des phénomènes de surchauffe observés en ville et de la densité de population qui en font un environnement sensible aux vagues de chaleur. De nombreuses études ont montré que la végétation peut réduire la température de l’air en ville, mais ces bénéfices dépendent de l'environnement construit, et de nombreuses variables souvent non maitrisées en ville, comme la disponibilité de l'eau pour les végétaux. Dans ce contexte, ce travail de thèse vise à analyser et quantifier les services climatiques rendus dans une rue canyon par des arbres en confort hydrique. Elle s’appuie sur une double approche associant expérimentation et modélisation. Des campagnes de terrain ont été réalisées sur une maquette arborée à l’échelle (1/5) installée en milieu extérieur sur le site de l’Institut Agro, à Angers, France. Sur le plan numérique, des simulations 2D du climat distribué en régime instationnaire ont été réalisés selon une approche de type CFD. Entre autres résultats, les travaux de cette thèse ont montré que la rue canyon crée une surchauffe pouvant aller jusqu’à 2.8 °C pendant la nuit, et jusqu'à 2.4°C pendant la journée, et que les arbres peuvent réduire la température de l'air dans la rue de 2.7 °C pendant la journée et améliorer le confort humain thermique en réduisant jusqu’à 8 °C les valeurs de l’UTCI à la mi-journée. Ce travail fournit des éléments de quantification qui pourront aider les décideurs dans leur politique d’aménagement.
Fichier principal
Vignette du fichier
fix_qSGNz6fS-mballo.pdf (16.45 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03943782 , version 1 (17-01-2023)

Identifiants

  • HAL Id : tel-03943782 , version 1

Citer

Souleymane Mballo. Quantification et modélisation des services climatiques rendus par les arbres dans une rue canyon. Biologie végétale. Agrocampus Ouest, 2022. Français. ⟨NNT : 2022NSARD097⟩. ⟨tel-03943782⟩
123 Consultations
30 Téléchargements

Partager

Gmail Facebook X LinkedIn More