Chapitre 3

Généralités sur la modélisation de la

dispersion atmosphérique
3.1 Modélisation de la dispersion de la
pollution atmosphérique
Objectif
Objectif : estimer quantitativement l’effet de perturbations introduites
par des sources d’effluents et son niveau significatif
Trois approches sont pratiquées pour l’étude des phénomènes de
dispersion dans les basses couches:
– Expérimentation in situ : campagnes de sondages, expériences de
diffusion de traceurs
– Simulation physique de la dynamique des phénomènes : canal
hydraulique, soufflerie (conditions contrôlées)
– Simulation mathématique numérique : modèles semi-empiriques
de diffusion, modèles numériques de type stochastique ou déterministe
3.1 Modélisation de la dispersion de la
pollution atmosphérique
Approches
• Modèles physiques en conditions contrôlées

• Modèles analytiques semi-empiriques

- Gaussien de panache - plume
- Modèle Gaussien à bouffées - puff

• Modèles numériques
- Modèle Lagrangien stochastique
- Modèle Eulérien diffusif
3.2 Modèles physiques en conditions
contrôlées
Simulation en veine hydraulique
3.2 Modèles physiques en conditions
contrôlées
Simulation en soufflerie : Maquette du site nucléaire
du Bugey - ECL
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
Simulation numérique (CFD) : principe général
• Domaine découpé en volume de contrôle (maillage)
• Equations discrétisées et résolues dans chaque volume
• Conditions limites (interfaces sol / basses couches, émissions, …)
• Conditions initiales (début du calcul)
• Pas de temps et durée de la simulation

Solutions numériques : Champs U, T, P, k, C, etc.

• Validations des modélisations physiques et des méthodes numériques
• Analyse de sensibilité et d'incertitudes
• Prévisions météorologiques, qualité de l’air, études d’impact
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
Simulation numérique (CFD) : principe général

ui ui 1 p  ui

 uj   (  u i' u 'j )   Tg i
t x j  x i x j x j
T T r   T
 uj   (  T ' u 'j )  Sh
t x j C v x j C v x j
   
 uj  (D  u 'j ' )
t x j x j x j
u i' u 'j représente le tenseur des contraintes turbulentes (tenseur de
Reynolds) et qui représente un terme de diffusion turbulente de QDM)
De même les termes T ' '
u j et ' '
u j sont des termes de diffusion turbulente
de la température et de la concentration respectivement
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
Simulation numérique (CFD) : principe général
La fermeture des équations revient à exprimer les tensions de Reynolds
à l’aide de modèles de turbulence.
La modélisation de la turbulence consiste donc à trouver des relations
supplémentaires pour fermer le problème. La fermeture la plus utilisée
est celle qui s’appuie sur la notion de viscosité turbulente. Celle-ci est
donnée par l’hypothèse de Boussinesq qui s’exprime le frottement
turbulent de manière analogue au frottement visqueux. Cette
hypothèse s’écrit :
ui u j 2
 uiu j  t (
' '
 )  kdij
x j x i 3
Où t est la viscosité turbulente et dij l’indice de Kronecker.
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
Simulation numérique (CFD) : principe général
Comme pour le tenseur de Reynolds, on bâtit des modèles pour les
corrélations turbulentes qui apparaissent dans les équations de
transport de la température et de la concentration
T  t T   t 
 u iT  a t ( ) 
' '
( )  u i  Dt ( )  ( )
' '

x i T x i x i  c x i
Où at et Dt sont les diffusivités turbulentes de chaleur et de masse ; T
et c sont respectivement les nombres de Prandtl et de Schmidt
turbulents. Ces diffusivités traduisent les propriétés de transport
turbulent et son rattachées à la viscosité turbulente
La viscosité turbulente est générée à l’aide de modèles de turbulence :
fermeture algébrique, modèle à une équation et modèles à deux
équations (voir cours de turbulence).
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
Simulation numérique (CFD) : principe général
Le modèle à deux équations le plus utilisé est le modèle (k,e): équation
pour l’énergie cinétique turbulente (k) et une équation pour le taux de
dissipation (e).
L’énergie cinétique turbulente égale à la demi-trace du tenseur de
Reynolds Le taux de dissipation exprime la dissipation de l’énergie
turbulente par viscosité. Ils sont données par les expressions suivantes:
1 ' ' u i' u i'
k  uiui e
2 x j x j
L’analyse dimensionnelles permet d’exprimer la viscosité turbulente à
l’aide de ces deux grandeurs statistiques de la turbulence sous la forme:
k2
 t  C
e
3.3 Modélisation numérique de la
dispersion de la pollution atmosphérique
3.4 Modèle conceptuel de diffusion

A chaque pas de temps t

toute particule à la distance x
de l’interface a une probabilité
de 50% de traverser l’interface
Le nombre de particules pouvant
potentiellement traverser
l’interface
Surface de (i) Coté 1 : C1 XA.
l’interface (ii) Coté 2 : C2 XA
3.4 Modèle conceptuel de diffusion

Le flux massique qui en résulte [K/T]

Si C(x) est continue on a au premier ordre:

Expression mathématique de
la loi de Fick

Coefficient de diffusion [L2/T]

La diffusivité d’une espèce chimique par exemple mesure la facilité

avec laquelle les molécules peuvent se déplacer dans un fluide donné.
Précisément quelle distance peut statistiquement parcourir une
particule durant un interval de temps donné
3.4 Modèle conceptuel de diffusion

Loi de Fick

Le flux massique d’une espèce dans une direction donnée (x par

exemple) est proportionnel au gradient de concentration dans
cette direction.
En généralisant dans les trois direction (x, y, z), la loi de Fick s’écrit:

Le coefficient de diffusion moléculaire est isotrope en écoulement

laminaire.
En écoulement turbulent le coefficient de diffusion est en général
anisotrope
3.5 Diffusion à partir d’une source
ponctuelle
Analyse Statistique
On étudie la diffusion moléculaire d’un nuage de N particules de masse
M. Pour simplifier on considère qu’une particule a une masse unité de
sorte que N=M. On veut prédéterminer le champ de concentration C(x,t)
en utilisant le modèle de déplacement aléatoire des particules : À
chaque pas de temps t chaque particule se déplace de +X ou de –X
avec la même probabilité ½
Dans ces conditions La position probable d’une particule isolée peut
être déterminée à l’aide du théorème central limite : la probabilité de
trouver la particule entre X et X+X peut être décrite par une loi
normale avec moyenne nulle et écart type
3.5 Diffusion à partir d’une source
ponctuelle
Analyse Statistique
On veut prédéterminer le champ de concentration C(x,t) en utilisant le
modèle de déplacement aléatoire des particules : À chaque pas de
temps t chaque particule se déplace de +X ou de –X avec la même
probabilité ½. La probabilité de trouver la particule entre X et X+X à
l’instant t :

Considérons maintenant le nuage de N particules. Le nombre de

particules pouvant se trouver à chaque instant t entre X et X+X est :
3.5 Diffusion à partir d’une source
ponctuelle
Analyse Statistique

Loi Normale
Ecoulements et Transferts - CHAHED J.
04/05