Modélisation inverse pour la dispersion atmosphérique de polluants suite à un incendie de grande ampleur à l'échelle urbaine

Inverse modeling for the atmospheric dispersion of pollutants after a large-scale urban fire

• Auteur / Autrice : Emilie Launay
• Direction : Yelva Roustan
• Type : Thèse de doctorat
• Discipline(s) : Sciences et Techniques de l'Environnement
• Date : Soutenance le 20/12/2023
• Etablissement(s) : Marne-la-vallée, ENPC
• Ecole(s) doctorale(s) : École doctorale Sciences, Ingénierie et Environnement
• Partenaire(s) de recherche : Laboratoire : Centre d'Enseignement et de Recherche en Environnement Atmosphérique (Champs-sur-Marne, Seine-et-Marne) - Laboratoire central de la Préfecture de police (Paris)
• Jury : Président / Présidente : Didier Lucor
• Jury : Examinateurs / Examinatrices : Yelva Roustan, Cathy Clerbaux, Olivier Thual, Mélanie, Catherine Rochoux, Gilles Forêt, Virginie Hergault, Marc Bocquet
• Jury : Rapporteurs / Rapporteuses : Cathy Clerbaux, Olivier Thual

Mots clés

Mots clés contrôlés

Incendies et prévention des incendies

Pollution atmosphérique

Diffusion atmosphérique

Mots clés libres

Modélisation inverse

Dispersion atmosphérique

Incendie de grande ampleur

Inverse modeling

Atmospheric dispersion

Large-Scale fire

Résumé

Les incendies de grande ampleur survenus en milieu urbain, tels que ceux de l'usine Lubrizol ou de la cathédrale Notre-Dame de Paris en 2019 en France, mettent en évidence la nécessité de développer des moyens d'évaluation des risques engendrés par les panaches de fumées pour la population et l'environnement. L'un des enjeux est de fournir rapidement aux autorités des informations sur les zones impactées par le panache et les niveaux de concentration de polluants auxquels les personnes ont pu être exposées.La modélisation de la dispersion atmosphérique est une méthode utilisée pour évaluer la propagation des concentrations de polluants dans l'atmosphère. En particulier, la simulation de la dispersion des substances toxiques issues d'un rejet ponctuel peut permettre d'orienter des stratégies de prélèvements. Pour les incendies, les caractéristiques de la source polluante peuvent être déterminées au moyen de corrélations qui dépendent des propriétés thermocinétiques du feu. Cependant, en cas de rejet accidentel, les émissions sont a priori inconnues et les simulations visant à analyser le comportement du panache de fumées sont alors réalisées avec des hypothèses et des incertitudes importantes.Si l’on dispose de mesures de concentrations dans l’atmosphère, il devient intéressant de mettre en œuvre une approche de modélisation inverse basée sur l'utilisation conjointe de ces mesures et d'un modèle de dispersion. Deux méthodes basées sur le cadre de la modélisation inverse bayésienne sont développées pour retrouver le terme source d'un incendie de grande ampleur par l'assimilation de mesures de concentration de polluants in-situ. Une méthode semi-bayésienne et une méthode bayésienne de type Monte Carlo par chaîne de Markov sont considérées pour la caractérisation du rejet.La source à retrouver est décrite par un taux d'émission variable dans le temps et une hauteur d'émission. Cette dernière, liée au phénomène d'élévation du panache, est un paramètre important pour évaluer l'impact de la pollution à proximité de l'incendie. Deux stratégies de paramétrisation des hauteurs d'émission sont développées. La première consiste à retrouver les taux de rejet pour toutes les hauteurs d'émission prédéfinies depuis la modélisation directe. La seconde est une proposition d'inversion qui consiste à inverser la hauteur d'émission pour obtenir une intensité de rejet associée. En outre, plusieurs ajustements des méthodes inverses sont proposées pour les rendre plus robustes, notamment avec la caractérisation des niveaux de pollution ambiants.Ces méthodes inverses sont appliquées dans le cadre d'une expérience de simulation d'un système d'observation ("OSSE") correspondant à l'incendie de la cathédrale Notre-Dame en 2019 et d'une étude de cas réel correspondant à l'incendie d'un grand entrepôt à Aubervilliers, près de Paris, en 2021.

Past large-scale fires in urban areas, such as the Lubrizol warehouse fire or the Notre-Dame de Paris cathedral fire in France in 2019, have highlighted the need to develop means of assessing the risks posed by smoke plumes to the population and the environment. One of the challenges is to quickly provide the authorities with information on the areas impacted by the plume and the pollutant concentration levels to which people may have been exposed.Atmospheric dispersion modelling is a method used to assess the spread of pollutant concentrations in the atmosphere. By simulating the dispersion of toxic substances from accidental releases, it is possible to guide sampling strategies. For fires, the characterisatics of the pollutant source can be determined using correlations depending on the thermokinetic properties of the fire. However, in the event of an accidental release, the emissions are a priori unknown, and simulations designed to analyse the behaviour of the smoke plume are then carried out with significant assumptions and uncertainties.If atmospheric concentration measurements are available, it is worth using an inverse modelling approach based on the joint use of these measurements and a dispersion model. Two methods based on the Bayesian inverse modelling framework are developed to find the source term of a large-scale fire, by assimilating in-situ pollutant concentration measurements. A semi-Bayesian method and a Markov Chain Monte Carlo Bayesian method are considered for the characterisation of the release. The source to be retreived is described by a time-varying emission rate and an emission height. The latter, linked to the phenomenon of plume rise, is an important parameter for assessing the pollution impact in the vicinity of the fire. Two emission heights parametrisation strategies are studied. The first consists of finding the distributions associated with the release rates for all the predefined emission heights from forward modelling. The second is an inversion proposal, which involves inverting the emission height to obtain an associated release intensity. Moreover, several adjustments to inverse methods are proposed to make them more robust, particularly with regard to the characterisation of ambient pollution levels.These inverse methods are being applied in an Observation System Simulation Experiment (OSSE) corresponding to the Notre-Dame Cathedral fire in 2019 and a real case study corresponding to a large warehouse fire in Aubervilliers, near Paris, in 2021.