Etat de l’art sur la modélisation de la dispersion du pollen 

CONTEXTE RÉGLEMENTAIRE

La qualité de l’air est soumise à la réglementation sous trois niveaux imbriqués entre eux: européen, national et local. L’ensemble de ces réglementations ont pour objectif d’évaluer l’exposition de la population et des milieux naturels à la pollution atmosphérique, d’entreprendre des actions afin de limiter cette pollution et d’informer la population sur la qualité de l’air. Au niveau  européen, la directive européenne 2008/50/CE prévoit l’élaboration de programmes pour répondre aux objectifs cités précédemment dans les zones où les normes de concentration en polluant atmosphériques sont dépassées.
Au niveau national, les critères de qualité de l’air sont définis dans le code de l’Environnement aux articles R222-1 à R222-3. Ils retranscrivent les directives européennes relatives à la qualité de l’air. L’arrêté du 19 avril 2017 désigne les missions des organismes chargés de coordonner la surveillance de la qualité de l’air ambiant : les Associations Agrées de Surveillance de la Qualité de l’Air nommées « AASQA » ainsi que le Laboratoire Central de Surveillance de la Qualité de l’Air nommé « LCSQA ».
Au niveau local, les régions sont chargées de mettre en place des plans d’actions en cas de dépassement des valeurs réglementaires, qui sont évaluées selon les valeurs suivantes :
• L’Objectif de Qualité de l’Air (OQA), qui correspond à un objectif de concentration permettant d’assurer une protection efficace de la santé humaine et de l’environnement sur le long terme.
• La Valeur Limite (VL), correspondant au niveau de concentration limite en polluant à ne pas dépasser pour éviter des procédures contentieuses avec la Commission Européenne.
Les seuils en vigueur par polluant sont disponibles dans l’article R.221-1 du Code de l’Environnement et le Tableau 1 synthétise les différents seuils des principaux polluants (NO2,PM10 et PM2.5) qu’évaluent AIR&D dans leur expertise.

ETAT DE L’ART SUR LA MODÉLISATION DE LA DISPERSION DU POLLEN

De nombreuses études concernant le transport du pollen ont été réalisées et il est possible de les classer selon l’échelle spatiale, les processus clés et le domaine d’étude considéré. Tout d’abord, certains scientifiques travaillent sur la construction d’un modèle afin de simuler le phénomène d’émission du pollen en lui-même. [Kawashima et Takahashi, 1999] ont construits un modèle sur le pollen de Cèdre en prenant en compte la température de l’air et les vitesses de vents. [Schueler et Schlünzen, 2006] ont développé un modèle d’émission pour le pollen de chêne avec le comptage des grains et les saisons de floraison en utilisant une courbe polynomiale de quatrième ordre. Quant à [Helbig et al., 2004], son modèle empirique d’émission de pollens de Noisetier et d’Aulne se caractérisent par le flux d’émission annuel qui se déplace sur une longueur caractéristique couplés avec des variables météorologiques (humidité, température et vitesse du vent). Son approche fut modifiée et adaptée par [Efstathiou et al., 2011] pour les pollens de Bouleau et d’Ambroisies.
Après libération, les grains de pollens se dispersent aux alentours de la source par l’effet du vent (échelle locale ≈ 1 km). Ces grains viennent ensuite se mélanger et se disperser au sein de la couche limite atmosphérique (échelle régionale ≈ 100 km). Enfin, lorsque ces déplacements se font jusqu’à la troposphère, il va s’agir d’échelle longue distance (synoptique, continentale et globale) et peut s’étendre de 1000 km jusqu’à plus de 5000 km. Très longtemps, l’étude de la dispersion du pollen à grandes échelles avait pour but de s’intéresser à la fois aux domaines de la santé et dans ceux de la météorologie et climatologie puisqu’il s’agit d’un bon traceur. Dans de rares cas, il a été possible d’effectuer des études sur la propagation de pollens exotiques.
Notamment, [Cariñanos et al., 2004] s’intéresse aux évènements de forts vents provenant d’Afrique ayant transporté du pollen de cannabis jusqu’au sud de l’Espagne. De même, [Saarikoski et al., 2007] a étudié le transport de pollen de bouleau depuis la Russie jusqu’en Islande en traversant toute l’Europe.
L’introduction des Organismes Génétiquement Modifiés (OGM) dans l’agriculture a accru l’intérêt des producteurs, mais aussi des scientifiques à mieux comprendre les avantages et les inconvénients liés à la culture des OGM [Jarosz et al., 2004 ; Dupont et al., 2006]. Les principales questions relatives à l’introduction des OGM sont, sans aucun doute, les risques sur la santé humaine, mais les risques pour les écosystèmes et de leur coexistence entre cultures sont aussi à prendre en compte. Concernant les écosystèmes cultivés, le pollen provenant d’une culture transgénique peut transmettre par fécondation le transgène considéré aux plantes de son environnement, cultivées ou sauvages à une échelle locale.

MATÉRIEL ET MÉTHODES

Cette partie a pour objectif de décrire le code CFD 3D sous OpenFOAM® dont dispose la start-up AIR&D [Reiminger, 2017] pour son expertise environnementale. Après avoir introduit le modèle numérique utilisé et les équations directrices à résoudre pour décrire la dynamique des polluants atmosphériques, l’outil OpenFOAM® et ses fonctionnalités seront présentés puis une analogie sera faite sur la nouvelle équation utilisée afin de décrire la dynamique du pollen cette fois-ci.

MODÈLE NUMÉRIQUE 3D

La pollution atmosphérique est une problématique récurrente de notre époque et son étude est primordiale afin de protéger les populations actuelles et futures. AIR&D a décidé d’axer son expertise sur la modélisation du transport de masses polluantes à l’échelle urbaine et en 3D.
Cependant, la modélisation de phénomènes aussi complexes intervenant dans la pollution atmosphérique a nécessité de faire différents choix pour créer un modèle fiable.
La méthode de modélisation numérique à échelle microscopique utilisée est une méthode de type CFD (Computational Fluid Dynamics). Cette méthode permet la résolution complète des équations de calcul des vitesses du vent sans les hypothèses simplificatrices usuellement admises (c’est-à-dire en ne considérant pas que l’écoulement est uniforme, permanent, etc.). La complexité de l’écoulement et également la turbulence liée à la présence d’obstacles (bâtiments) est enfin prise en compte dans l’évolution du panache de pollution.

Effets de la végétation sur l’écoulement

Dans le cas de la végétation, il n’est pas envisageable de représenter un arbre, une haie ou une forêt comme étant un simple mur de la même forme. [Salim et al., 2015] s’est interrogé sur les effets aérodynamiques des arbres sur l’écoulement d’air dans des zones urbaines. Il propose de comparer cette approche avec celle où la végétation est modélisée comme étant un milieu poreux qui laisse passer l’écoulement en le ralentissant tel un frein. Ce phénomène est décrit par deux paramètres qui sont utilisés afin de représenter ce ralentissement : le coefficient de traînée CD et le LAD (Leaf Area Density) représentant la densité du feuillage. Ces résultats ont prouvé que seule la seconde approche permet de simuler convenablement l’écoulement.
L’influence de la végétation s’observe par l’ajout d’un terme puits dans le système de NavierStokes et de termes sources dans les équations de transport du modèle k-ε standard [Buccolieri et al., 2019 ; Amorin et al., 2013].

OUTILS OPENFOAM

L’appellation OpenFOAM vient de l’anglais : Open Field Operation and Manipulation. Il s’agit d’une bibliothèque logicielle en langage C/C++ permettant d’effectuer des simulations multi-physiques principalement axée sur la résolution des équations de la mécanique des fluides.
Lors du développement de la start-up, plusieurs logiciels de modélisation avaient été pris en compte : ANSYS – Fluent®, ANSYS – CFX® ou Code Saturne®. Le choix s’est finalement porté sur OpenFOAM étant un logiciel gratuit et open source. De plus, il est possible de développer ses propres « solver » afin de s’adapter aux domaines de prédilection d’AIR&D soit la qualité de l’air en zone urbaine.

Salome

La création du domaine d’étude et de la géométrie de la zone d’étude (bâtiments, arbres, champs) se fait via le logiciel Salome®. Si les données 3D des zones d’intérêts sont disponibles, il est toujours possible de les utiliser sur l’interface de Salome. Toutefois, une conversion des données dans le bon format est souvent nécessaire. Par exemple, dans le cas de la Figure 1, les données 3D des bâtiments et des arbres de la place de la République furent récupérées depuis la cartothèque de l’Eurométropole de Strasbourg . Seul le logiciel SketchUp permettait d’ouvrir ces données et après l’avoir importé sur Autocad, ces données 3D ont été converties dans un format iges compatible avec Salome.
Avant d’exporter le domaine d’étude dans un format STL, une réflexion est à mener sur les dimensions du domaine d’étude et son orientation pour coïncider avec la direction du vent ainsi que sur le découpage de la zone d’intérêt afin de réduire au maximum le nombre de mailles. Cette partie sera détaillée dans la partie 3.2. Création du modèle numérique plus loin.

VALIDATION DU MODÈLE

Cette partie a pour but de valider le nouveau modèle implémenté sur des données expérimentales. Cette validation permettra de juger de la justesse et la pertinence du modèle de transport du pollen. Le cas test utilisé pour la validation sera d’abord présenté. Le modèle numérique ainsi que les conditions limites choisies le seront également. La comparaison des résultats expérimentaux et numériques permettra ou non de valider modèle numérique créé.
Enfin, la sensibilité globale du modèle de dispersion sera évaluée.

DESCRIPTION DU CAS TEST

Le choix du cas test se base sur de nombreux critères et celui qui a été utilisé dans le cadre de ce projet en remplissait la majorité. Tout d’abord, il faut savoir qu’il n’était pas possible d’effectuer soi même une expérience de relâchement et de collecte du pollen afin d’observer le transport de celui ci par manque de temps et d’équipements. La seule solution était de chercher dans les précédentes études réalisées sur le transport du pollen, une expérience avec un niveau de détails élevés pour pouvoir utiliser les résultats. Très peu de cas portaient sur une étude à échelle locale puisque la majorité des recherches sur le transport du pollen se sont portés à une échelle régionale voire sur de longue distance. Grâce au développement d’organismes génétiquement modifiés, de nouvelles études se sont portées sur l’impact d’accouplement entre différentes espèces qu’elles soient des OGM ou non. Le transport du pollen issus de tels organismes pouvant poser des problèmes, de nombreuses études à échelle locale sont apparues.
De plus, dans certains cas, la géométrie du site d’étude était mal précisée, ou certaines données de mesure du vent, de concentrations étaient manquantes. Le cas test choisi était bien complet, à la fois sur les données de vent mais aussi sur une multitude de points de mesure avec différentes hauteurs. Ce dernier n’a pas été mené dans un milieu urbain, ce qui aurait été préférable pour se rapprocher le plus possible de l’étude dans la partie suivante qui a pour objectif d’analyser le transport du pollen au sein de la place de la République à Strasbourg. Néanmoins, il s’agit aussi d’un avantage puisqu’il fait clairement apparaître l’influence de la végétation sur le transport du pollen. Étant donné que la végétation a une place majeure dans un milieu urbain, il semblait judicieux de pouvoir en tenir compte lors de cette étude. Par chance, l’entreprise AIR&D possède déjà le savoir-faire pour étudier le transport des polluants atmosphériques avec pour obstacle, de la végétation.
L’expérience de relâchement et capture de pollen choisi [Gleicher et al., 2014] a été menée entre juin et juillet 2011 dans un grand champ planté de Maïs (Zea mays L.) près de Mahomet, une petite ville américaine du comté de Champaign dans l’État d’Illinois. Le site expérimental s’étendait à 120 m au Sud et à 500 m depuis la bordure ouest du champ.

CRÉATION DU MODÈLE NUMÉRIQUE

Domaine de calcul

La première étape de la modélisation est la création du domaine d’étude avec l’ensemble des éléments à représenter (bâtiments, arbres, etc.). La création du domaine d’étude et de la géométrie du champ est réalisée à l’aide du logiciel de représentation 3D Salome. En revanche, une étude préalable est nécessaire sur le choix des dimensions du domaine d’étude et sur ce qui est important de détailler ou non. Les dimensions du domaine de calcul sont des paramètres majeurs pour une modélisation représentative du cas test. En effet, il doit être suffisamment grand autour de la zone d’intérêt afin d’obtenir un écoulement d’air représentatif de la réalité.
Une distance trop faible entre l’injection d’air et la zone d’intérêt ne permet pas d’obtenir un profil de vitesse développé dû aux effets de bords. De même, si les distances minimales de modélisation ne sont pas respectées entre la zone d’intérêt et le toit du modèle, il pourrait y avoir une accélération de l’écoulement. Selon les recommandations de [Franke et al., 2007], les distances minimales à appliquer à la zone d’intérêt dépendent de la face du domaine en question et sont résumées dans la Figure 5.

Conditions limites du modèle

Une bonne définition des conditions limites est également essentielle pour bien représenter la réalité. La zone de mesure au niveau des dispositifs de relâchement et de collecte du pollen se trouve éloignée de 120 m de la limite du domaine d’où part le flux d’air. La condition limite à choisir pour cette face est un velocity-inlet afin d’y envoyer un profil de vitesse réelle. La condition limite de la face opposée à l’entrée d’air sera représenté par un pressure-outlet pour permettre la libre circulation de l’écoulement en sortie. Les faces latérales et la face du haut auront ici une condition limite dite de symmetry. Enfin, la face au sol sera représentée par un wall.
Un des inconvénients du placement du dispositif de mesure du vent est que pour valider le modèle, il faut retrouver le profil de vent situé dans la zone d’intérêt en envoyant en entrée un tout autre profil. Pour cela, il a été nécessaire de reconstruire le profil observé dans l’expérimentation en le fragmentant en 2 parties : la partie supérieure correspondant au profil du vent sans obstacle et la partie inférieure où se situent les maïs. Pour reconstruire les différents profils de vent, les données de l’expérimentation seront utilisées. Tous les points inférieurs à 2,1 m seront utilisés pour retrouver l’équation à l’intérieur du champ alors que tous les points supérieurs à 2,1 m serviront à retrouver l’équation au-dessus du champ ; avec le point en z = 2,1 m, la liaison entre les deux profils.
À l’intérieur du champ, le profil de vent peut se retrouver à l’aide d’une courbe de tendance sur les données situées à 0,7, 1,4 et 2,1 m.

Validation et optimisation du champ de vitesse

Une fois l’étape de sensibilité du maillage validée, la seconde étape de validation à étudier correspond au champ de vitesse. Cette étape se fait avant la validation du transport du pollen car le champ de vitesse impacte directement l’évolution de la concentration en pollen.
Tel que montré dans la partie 3.2. , le profil de vent a été reconstruit avec les mesures de vitesse prises dans l’expérimentation. Dans un premier temps, ce profil de vent a été envoyé en entrée et il est ressorti grandement atténué dans la zone d’intérêt probablement par le fait que l’écoulement se stabilise dans le volume de calcul. Ainsi, il a été décidé de multiplier tout le profil de vent par un même facteur de 1.7 dans les deux expériences. Le profil de vent ainsi obtenu coïncide grossièrement à celui de l’expérimentation, mais il s’agit d’une bonne approximation avant d’optimiser le modèle avec les paramètres de végétation.
Dans un second temps, l’influence de la végétation a donc voulu être étudiée. Concernant le LAD, celui-ci est resté inchangé puisqu’il s’agit de réelle mesure sur terrain. Pour pouvoir garder le partitionnement de 20 valeurs de LAD, il a été nécessaire de modifier le maillage dans la zone d’intérêt. Pour éviter que les couches de LAD ne se superposent, un degré de précision a été ajouté pour y obtenir des mailles plus fines de 0,1 m. Quant au coefficient de traînée, il a été décidé de prendre en premier lieu sa valeur issue de la littérature (CD = 0,2) [Zeng et Takahashi, 2000]. Au vu des premiers résultats du champ de vitesse, les vitesses observées dépassent celles de l’expérience pour des hauteurs inférieures à 2 m. Par conséquent, le coefficient CD a été doublé afin de ralentir l’écoulement au sein de la végétation et ainsi, pour se rapprocher au mieux des résultats expérimentaux. Comme ce paramètre, qui caractérise le freinage par la végétation, a une réelle influence sur le champ de vitesse, il peut même être rendu nul (CD = 0,01) pour observer le profil de vent obtenu sans obstacle. Les Figure 10 et Figure 11 permettent d’observer les différents champs de vitesse énoncés précédemment pour chaque expérience.

Validation et optimisation du transport du pollen

Avec l’étape précédente, il est à présent possible de valider les résultats en concentration par l’optimisation des paramètres pilotant le transport du pollen et en particulier la diffusion turbulente. Un des paramètres introduits dans la partie Matériel et Méthodes est le nombre de Schmidt turbulent Sct qui a été défini comme étant le rapport entre la viscosité cinématique turbulente dans l’air vt et le coefficient de diffusion turbulente Dt. Sa valeur est généralement fixée à 0,7 puisqu’il s’agit de la valeur standard rentrée dans les logiciels de CFD comme Fluent. Il est intéressant de se demander s’il s’agit bien d’une valeur réaliste et si elle peut être optimisée.
Les auteurs s’accordent pour dire que le nombre de Schmidt généralement employé dans une simulation CFD se situe dans un intervalle compris entre 0,1 et 1.3 [Gromke et Blocken, 2015], et c’est sur cet intervalle que va se baser notre prochaine étude du transport du pollen. Il a donc été décidé de comparer les différents résultats de simulation du transport du pollen à partir des trois sources, pour des valeurs de nombre de Schmidt compris dans cet intervalle (0,1, 0,4, 0,7, 1,0 et 1,3), pour chaque expérience et pour les deux valeurs de coefficient de traînée CD (0,2 et 0,4). Les Annexe A et Annexe B nous montrent l’ensemble de ces différents graphiques d’évolution de la concentration en pollen en fonction de l’altitude et à chaque pôle. Néanmoins, voici un exemple de résultats qu’il est possible d’observer sur la Figure 12.

CONCEPTION D ’ UN PROTOCOLE ET D ’ UNE MÉTHODE DE CALCUL

L’objectif de cette quatrième et dernière partie est d’évaluer la viabilité du modèle dans le cadre d’une étude réelle pour des simulations plus conséquentes en termes de dimensions du domaine de calcul, de complexité des géométries ainsi que pour la prise en compte d’intensités et de directions de vent multiples. Un protocole à suivre pour la réalisation d’études futures seradéfini pour l’occasion.

CONTEXTE ET OBJECTIFS DE L’ÉTUDE

Localisation du site d’étude

La zone d’étude correspond au jardin au sein de la place de la République dans la ville de Strasbourg. Encerclée par de nombreuses institutions de la ville de Strasbourg, la place de la République reste un espace vert agréable et une des plus célèbres de la ville de Strasbourg. À l’Ouest, le Palais du Rhin, ancien palais impérial, servant de locaux pour la commission Centrale de la Navigation du Rhin. Au Sud, on pourra apercevoir l’Opéra Municipal, la Place Broglie et l’Hôtel de Ville situé dans l’hypercentre. À l’Ouest, le Théâtre National de Strasbourg (TNS) ainsi que l’immense Bibliothèque Nationale Universitaire de Strasbourg. N’oublions pas notre chère école qui se situe à quelques blocs plus loin. Enfin, au Nord, la préfecture du Bas-Rhin occupe actuellement les anciens locaux du ministère d’Alsace-Lorraine. Il s’agit donc d’un des lieux les plus attractifs de la ville par ses nombreux établissements culturels et administratifs, ce qui justifie de devoir évaluer l’impact du pollen en termes de pollution dans ce quartier de Strasbourg.

Inventaire des polluants et pertinence de leur suivi

Pour choisir quel pollen sera suivi dans l’étude, il faut passer par une identification des différentes espèces d’arbres qui sont présentes dans la place de la République et d’en déduire par la suite leur caractère allergène. Après avoir contacté l’Eurométropole de Strasbourg, M. Gondard a transmis un plan de l’implantation des arbres de la zone d’intérêt ainsi qu’un inventaire des différentes espèces présentes (Annexe D). Il a aussi été confirmé que les arbres présents dans la ceinture bordant le jardin sont un mélange de Tilleuls argentés et Tilleuls de Crimée. Cette étape d’identification peut très bien s’effectuer à l’extérieur pour un passionné d’arbre. Par la suite, une recherche de l’indice OPALS de chacune des espèces à l’aide de [Ogen, 2015] va permettre de caractériser le caractère allergène de chacune et d’en déduire les espèces à suivre. Le Tableau 13 synthétise les informations collectées sur cet inventaire.

Objectifs de l’étude

L’objectif de l’étude est de réaliser des modélisations numériques 3D à l’échelle microscopique afin de rendre compte des phénomènes de dispersion du pollen suivant la configuration du bâti. La vérification des résultats peut soit s’effectuer à travers l’évaluation de la qualité de l’air actuelle en termes de concentrations en pollen sur site par métrologie et ce pour une campagne de mesure d’un mois au printemps où les concentrations en pollen sont les plus fortes, soit au travers de la base de données du RNSA qui propose les concentrations observées en fonction du taxon au niveau du capteur présent sur le toit de l’hôpital civil de Strasbourg qui donne une estimation.

DESCRIPTION DE LA MÉTHODE NUMÉRIQUE UTILISÉE

Création du domaine d’étude

La création du domaine d’étude avec l’ensemble du jardin et des bâtiments à proximité correspond à la première étape de la modélisation. La zone d’intérêt en 3D est alors importée depuis la base de données « Maquette 3D – Opendata 3D » disponible en libre accès dans la cartothèque de l’Eurométropole de Strasbourg vers l’interface de Salomé®. Le domaine d’étude est décomposé en mailles afin de permettre la résolution des équations de Navier-Stokes et de transport du pollen. Des clichés de la géométrie montrant à la fois les sources de polluants (Jardin de la place de la République) et le maillage obtenu sont proposés en Figure 15 et Figure 16.

SYNTHÈSE

Le travail réalisé dans le cadre de ce stage de fin d’études avait pour but de déterminer la dispersion du pollen en milieu urbain à l’aide de la modélisation 3D et de l’intégrer dans le modèle utilisé par AIR&D.
En premier lieu, les problématiques liées au contexte de la pollution atmosphérique en milieu urbain et notamment vis-à-vis du pollen ont été abordées. Étant donné que la pollution atmosphérique est en hausse et qu’elle a un impact sur l’intensité des saisons polliniques, les enjeux relatifs à la qualité de l’air et l’intérêt d’être en mesure d’estimer la dispersion du pollen par modélisation sont d’actualité. De même que le développement d’un cadre réglementaire et légal qui ne traite que de la surveillance de ce polluant pour le moment. Un rapide état de l’art a permis de montrer l’intérêt de l’utilisation de la modélisation 3D dans un contexte sanitaire et agricultural.
Dans un deuxième temps, l’intérêt s’est porté sur l’explication du fonctionnement du modèle créé par AIR&D pour leur expertise environnementale. Les différentes approches de modélisation existantes ont été introduites et expliquées brièvement avant de pouvoir justifier le choix d’un modèle de mécanique des fluides (CFD) de type RANS avec un schéma de fermeture des flux turbulents dit k-ε standard. Les différentes équations à résoudre pour décrire la dynamique des polluants atmosphériques ont été exprimées en prenant différents phénomènes en compte comme la présence de la végétation. La bibliothèque logicielle OpenFOAM dont est issu le code CFD 3D d’AIR&D ainsi que ses fonctionnalités de création de domaine d’étude par Salomé et de traitement des résultats par ParaView ont été présentées avant d’effectuer une analogie avec la modélisation de la dispersion du pollen. Il a été remarqué que l’équation de transport du pollen se distingue de celle des polluants atmosphériques par la prise en compte de la gravité et l’absence de diffusion moléculaire.
Troisièmement, le modèle ayant été adapté pour le transport du pollen a été testé sur des expériences de relâchement et recapture du pollen au sein d’un champ de maïs aux États-Unis.
Après avoir réglé la sensibilité du maillage, le modèle a d’abord été validé en champ de vitesse en prenant en compte différents coefficients de traînée représentant la végétation. Par la suite, une étude de sensibilité sur le choix du nombre de Schmidt turbulent, un paramètre obligatoire à une telle modélisation a permis de montrer la variabilité du champ de concentration en pollen. Par une analyse de différents indices de performance, le nombre de Schmidt le plus adapté a été choisi en fonction de la localisation de la source de pollen. De plus, une étude de sensibilité sur la prise en compte de la gravité dans le modèle a prouvé la nécessité d’un tel paramètre dans la modélisation de la dispersion du pollen.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières
TABLE DES ILLUSTRATIONS 
TABLES DES ABRÉVIATIONS ET SYMBOLES 
INTRODUCTION 
PARTIE 1 : CONTEXTE GÉNÉRAL DE L’ÉTUDE
1.1. LA PROBLÉMATIQUE DU POLLEN
➢ 1.1.1. Ses impacts sur la santé
➢ 1.1.2. Moyens pour limiter ses effets
1.2. CONTEXTE RÉGLEMENTAIRE
1.3. ETAT DE L’ART SUR LA MODÉLISATION DE LA DISPERSION DU POLLEN
PARTIE 2 : MATÉRIEL ET MÉTHODES 
2.1. MODÈLE NUMÉRIQUE 3D
➢ 2.1.1. Phénomènes physico-chimiques et équations directrices
➢ 2.1.2. Méthode de résolution RANS
➢ 2.1.3. Modèle de turbulence k-ε
➢ 2.1.4. Équation de transport du polluant
➢ 2.1.5. Effets de la végétation sur l’écoulement
2.2. OUTILS OPENFOAM
➢ 2.2.1. Salome
➢ 2.2.2. Traitement et exploitation des résultats
2.3. ANALOGIE POUR LE TRANSPORT DU POLLEN
PARTIE 3 : VALIDATION DU MODÈLE
3.1. DESCRIPTION DU CAS TEST
3.2. CRÉATION DU MODÈLE NUMÉRIQUE
➢ 3.2.1. Domaine de calcul
➢ 3.2.2. Conditions limites du modèle
➢ 3.2.3. Modélisation de la végétation
3.3. VALIDATION DU MODÈLE NUMÉRIQUE
➢ 3.3.1. Sensibilité au maillage
➢ 3.3.2. Validation et optimisation du champ de vitesse
➢ 3.3.3. Validation et optimisation du transport du pollen
PARTIE 4 : CONCEPTION D’UN PROTOCOLE ET D’UNE MÉTHODE DE CALCUL 
4.1. CONTEXTE ET OBJECTIFS DE L’ÉTUDE
➢ 4.1.1. Localisation du site d’étude
➢ 4.1.2. Inventaire des polluants et pertinence de leur suivi
➢ 4.1.3. Objectifs de l’étude
4.2. DESCRIPTION DE LA MÉTHODE NUMÉRIQUE UTILISÉE
➢ 4.2.1. Création du domaine d’étude
➢ 4.2.2. Hypothèses de calcul
4.3. RÉSULTATS DES SIMULATIONS NUMÉRIQUES
➢ 4.3.1. Résultats numériques de champ de Vitesse
➢ 4.3.2. Résultats numériques de champ de concentration en pollen
SYNTHÈSE 
RÉFÉRENCES 
ANNEXE
SOMMAIRE DES ANNEXES 

Lire le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *