TH T2430 Rsadek

Thèse de doctorat
de l’Université de Lyon
présentée devant
L’ÉCOLE CENTRALE DE LYON et NUMTECH
École Doctorale MEGA : Mécanique Énergétique
pour obtenir le titre de DOCTEUR

Option : Mécanique
par Radi SADEK
Modélisation de l’écoulement atmosphérique

à l’échelle hectométrique
Soutenue publiquement le 30 mai 2013 devant la Commission d’Examen :
M. Bertrand Carissimo Rapporteur

M. Omduth Coceal Rapporteur
M. Richard Perkins Directeur de thèse
M. Fabien Brocheton Examinateur

M. Jean-François Sini Examinateur
M. Lionel Soulhac Examinateur
Remerciements
Une thèse est comme un film, dont je ne suis que l’acteur principal. Derrière ce film se dresse un
grand nombre de personnes qui ont contribué de façon plus ou moins importante à son élaboration :
du réalisateur, aux producteurs, en passant par les acteurs secondaires, les figurants et les maquilleurs.
Il est donc tout à fait normal que je remercie toutes les personnes qui ont contribué, directement et
indirectement, à me porter vers la célébrité. Ces lignes leurs sont consacrées.
Je pense en premier lieu à remercier MM. Emmanuel Buisson et Pierre Béal, directeurs de NUM-
TECH, de m’avoir accueilli au sein de leur entreprise, d’avoir financé cette thèse, et surtout de m’avoir
fait confiance dans ce projet.
Je tiens à exprimer ma gratitude aux professeurs Bertrand Carissimo et Omduth Coceal pour avoir
acceptés d’être rapporteurs de ma thèse, et pour leurs analyses de mon travail.
Un grand merci au professeur Jean-François Sini pour avoir accepté d’être membre du jury.
Je voudrais également remercier le professeur Richard Perkins, d’avoir accepté d’être le directeur
de ma thèse, pour ses conseils, ses remarques, et de m’avoir guidé tout au long de cette thèse.
Une grande partie des idées de cette thèse est due aux illuminations du docteur Lionel Soulhac.
Je le remercie pour son encadrement et son soutien inconditionnels pendant ces 3 années de thèses.
Mais surtout je le remercie de m’avoir inculqué cette culture du doute dans le travail de recherche, et
qui me serait très précieuse à l’avenir.
Un grand merci à toute l’équipe de NUMTECH, en particulier Fabien Brocheton, pour ses re-
marques forts pertinentes qui ont permis de faire ramener les travaux de recherche vers les contraintes
industrielles, tout au long de cette thèse. Je tiens également à remercier Vivien Clauzon pour les ques-
tions scientifiques, Laurence Bonnefoi pour les questions administratives, et Adrien Marchais pour
les questions d’autres genres.
Je tiens également à remercier Massimo Maro, ingénieur de recherche de l’équipe environnement

du Laboratoire de Mécanique des Fluides et d’Acoustique (LMFA), pour les nombreux débugages
informatiques ou non informatiques. Merci également aux autres membres, Patrick Méjean, François-
Xavier Cierco, Pietro Salizzoni et Guillevic Lamaison, pour tout ce qu’on a partagé pendant ces 3
années (sur la recherche et en général).
Finalement, cette thèse n’aurait jamais été aussi agréable sans l’aide de mes collègues doctorants
(l’ordre est donné par ordre d’apparition) : l’italienne Chiara Nironi, le tunisien Nabil Ben Salem,
le breton Julien Le Clanche, le lorrain Hervé Gamel et l’irlandais Damien Lamalle. Je les remercie
profondément, pour tout ce qu’on a vécu ensemble pendant ces 3 années vraiment mémorables.
Résumé
De nombreuses applications pratiques ou industrielles, telles que l’étude de la dispersion atmo-

sphérique de polluants, la qualité de l’air, la micro-météorologie en terrain complexe et l’évaluation
du potentiel éolien, nécessitent la prédiction précise de l’écoulement atmosphérique à une échelle dite
locale (environ 10 km horizontalement). Le travail de recherche dans le cadre de cette thèse s’inscrit
donc dans la proposition d’une chaine de méthodologies et de modélisations permettant de simuler
l’écoulement atmosphérique à cette échelle, avec une résolution spatiale horizontale hectométrique.
Tout d’abord, nous nous sommes intéressés à la modélisation de la turbulence dans la couche
limite atmosphérique (CLA). Pour cela, nous avons choisi le modèle RANS k − ε (déjà largement
utilisé dans la littérature), ainsi que le modèle RANS Ri j − ε afin de simuler l’anisotropie de la tur-
bulence. Nous avons ainsi pu vérifier la nécessité d’utiliser les constantes de Duynkerke (1988) pour
l’atteinte des niveaux de turbulence atmosphérique avec le modèle k − ε . Dans cette optique, nous
avons également développé un nouveau jeu de constantes atmosphériques pour le modèle Ri j − ε .
Finalement, nous avons proposé un modèle théorique capable de reproduire les caractéristiques tur-
bulentes de l’écoulement pour n’importe quel temps d’intégration, permettant ainsi de trouver une
continuité entre les constantes « standards » et les constantes « atmosphériques » des modèles de tur-
bulence.
D’autre part, nous avons développé l’approche de modélisation « CFD 1D-3D », qui consiste
en l’utilisation d’un modèle CFD 1D afin de fournir les profils verticaux nécessaires pour forcer
le code CFD 3D en données météorologiques (utilisé en topographie complexe). Le modèle 1D a été
développé au cours de cette thèse avec les modèles de turbulence k − ε et Ri j − ε . Il a été validé grâce à
une comparaison avec des résultats empiriques et théoriques issus de la littérature. Cette comparaison
a montré des résultats très encourageants de ce modèle dans la simulation de la CLA en sol plat.
De plus, la méthodologie « CFD 1D-3D » a été évaluée grâce à une comparaison avec des mesures
en soufflerie en présence d’un relief complexe : les résultats sont globalement très satisfaisants. Ces
comparaisons ont permis enfin de valider le nouveau jeu de constantes pour le modèle Ri j − ε .
Finalement, nous nous sommes intéressés à l’utilisation de calculs CFD partiellement convergés
comme moyen de réduction du temps CPU des codes CFD, dans des contextes d’utilisation opéra-
tionnelle. Dans cette optique, nous avons montré que l’on arrive à une solution dont l’erreur est faible
par rapport à la solution convergée (< 10% d’erreur), avec un temps CPU de l’ordre de 5% − 10%
du temps nécessaire pour atteindre la convergence. C’est un résultat très intéressant car il permet de
réduire considérablement le temps de calcul, tout en gardant une erreur faible devant l’incertitude
générale de l’approche CFD.
Abstract
Many practical and industrial applications, such as the study of atmospheric dispersion of pollu-
tants, air quality, micro-meteorology in complex terrain and wind assessment, require accurate predic-
tion of the atmospheric flow at a so-called local scale (approximately 10 km horizontally). Therefore,
the main objective in this thesis is to propose a chain of methodologies capable of simulating the
atmospheric flow at this scale, with a horizontal hectometric spatial resolution.
First of all, we were interested in modeling of turbulence in the atmospheric boundary layer
(ABL). In addition to the largely used RANS k − ε model, we considered the use of the RANS Ri j − ε
model as a way of simulating turbulence anisotropy. We were able to verify the necessity of using the
Duynkerke (1988) constants in order to achieve atmospheric levels of turbulence with the k − ε model.
In a similar way, we also developed a new set of atmospheric constants for the Ri j − ε model. Finally,
we proposed a theoretical model capable of reproducing the main characteristics of a turbulent flow
for any given sampling duration, thus allowing a more continuous approach between « standard » and
« atmospheric » constants for turbulence models.
Also, in this thesis, we developed the « CFD 1D-3D » modeling approach. It is based on the
use of a 1D CFD model as a way of providing vertical profiles of meteorological data for boundary
conditions of a 3D CFD code, used in complex terrain. This 1D model was developed as a part of
the thesis, along with k − ε and Ri j − ε turbulence models. It was validated by being compared with
empirical and theoretical results. The comparisons showed very encouraging results concerning the
ability of this model in simulating ABL in the presence of a flat terrain. In addition, the « CFD 1D-
3D » methodology was assessed by comparison with wind tunnel measurements in the presence of
complex terrain, which showed very satisfactory resultst. These comparisons also validated the newly
developed set of constants for the Ri j − ε model.
Finally, we studied the use of partially converged CFD as a way of reducing the CPU time of CFD
simulations for operational purposes. We therefore demonstrated that we can achieve a low error
solution (< 10% error compared with the converged solution), with a CPU time of about 5% − 10%
of the time required to achieve convergence. This result was very interesting because the methodology
significantly reduces the computational time while maintaining a low error as compared to the overall
uncertainty of the CFD approach.
TABLE DES MATIÈRES 9
Table des matières
Liste des symboles 13
Introduction générale 17
I La couche limite atmosphérique : généralités et modélisations 21
1 Caractéristiques générales de la couche limite atmosphérique 23

1.1 Généralités sur l’écoulement atmosphérique . . . . . . . . . . . . . . . . . . . . . . 23
1.2 La mise en équation de l’écoulement atmosphérique . . . . . . . . . . . . . . . . . 30
1.3 Spécificités de l’écoulement atmosphérique . . . . . . . . . . . . . . . . . . . . . . 36
2 État de l’art de la modélisation de la CLA sur un sol plat 43

2.1 Résultats théoriques et empiriques de grandeurs moyennes . . . . . . . . . . . . . . 43
2.2 Résultats théoriques et empiriques sur la turbulence . . . . . . . . . . . . . . . . . . 51
3 Présentation générale et démarche de l’étude 57

3.1 Présentation de la problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 Objectifs et plan de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
II Éléments de modélisation de la turbulence atmosphérique 67
4 Mise en équation de la turbulence atmosphérique 69

4.1 Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Le modèle de turbulence RANS k − ε standard . . . . . . . . . . . . . . . . . . . . 71
4.3 Le modèle de turbulence RANS Ri j − ε . . . . . . . . . . . . . . . . . . . . . . . . 75
5 Travail sur les constantes des modèles de turbulence k − ε et Ri j − ε 79

5.1 Le calage de constantes atmosphériques pour le modèle k − ε . . . . . . . . . . . . . 79
5.2 Le calage de constantes atmosphériques pour le modèle Ri j − ε . . . . . . . . . . . . 81
6 Modélisation de l’effet du temps d’intégration sur les niveaux de turbulence 87

6.1 Développement du modèle de temps d’intégration . . . . . . . . . . . . . . . . . . 87
6.2 Validation du modèle avec des mesures atmosphériques . . . . . . . . . . . . . . . . 96
III Méthodologie de simulation de l’écoulement atmosphérique avec l’ap-

proche CFD 1D-3D 103
7 Introduction à l’approche de modélisation CFD 1D-3D 105

7.1 Choix de modélisation pour des applications à l’échelle locale . . . . . . . . . . . . 105
7.2 Présentation de l’approche CFD « 1D-3D » . . . . . . . . . . . . . . . . . . . . . . 110
8 Simulation 1D de la CLA avec un modèle de turbulence k − ε 117

8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
8.2 Résultats et validations en condition neutre . . . . . . . . . . . . . . . . . . . . . . 121
8.3 Résultats et validations en conditions stratifiées . . . . . . . . . . . . . . . . . . . . 129
9 Simulation 1D de la CLA avec un modèle de turbulence Ri j − ε 137

9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.2 Résultats et validations en conditions neutres . . . . . . . . . . . . . . . . . . . . . 140
9.3 Résultats et validations en conditions stratifiées . . . . . . . . . . . . . . . . . . . . 148
10 Couplage avec un code CFD 3D commercial (Fluent) 157

10.1 Méthodologie de couplage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.2 Étude de sensibilité dans le cas d’un domaine à sol plat . . . . . . . . . . . . . . . . 160
IV Applicabilité de l’approche CFD à des cas de forçages complexes au sol173
11 Simulations académiques CFD en présence de forçages périodiques au sol 175

11.1 Introduction et présentation de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . 175
11.2 Simulation en présence d’un forçage topographique . . . . . . . . . . . . . . . . . . 181
11.3 Simulation en présence d’un forçage rugueux . . . . . . . . . . . . . . . . . . . . . 187
11.4 Simulation en présence d’un forçage thermique . . . . . . . . . . . . . . . . . . . . 191
11.5 Récapitulatif des trois cas de forçage . . . . . . . . . . . . . . . . . . . . . . . . . . 200
12 Simulations académiques CFD en présence de collines 2D 201

12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
12.2 Le cas des collines RUSHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
12.3 Le cas des collines Almeida et al. (1993) . . . . . . . . . . . . . . . . . . . . . . . . 211
V Méthodologies de réduction du temps de calcul CFD 219
13 Étude des calculs CFD partiellement convergés 221

13.1 Présentation de la méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
13.2 Résultats et validation sur le cas de la colline Almeida . . . . . . . . . . . . . . . . 226
13.3 Cas tests et études de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
Conclusion générale et perspectives 241

Annexes 249
Bibliographie 253
Liste des symboles
Lettres latines
B Niveau de turbulence
c Scalaire quelconque
Ci j Terme de convection dans les équations du tenseur de
Reynolds
Cp Capacité thermique massique
Cµ , Cε 1 , Cε 2 Constantes des modèles RANS k − ε et Ri j − ε
C1 , C2 , C1′ , C2′ , CL′ Constantes du terme de pression dans le modèle Ri j − ε
DM,i j Terme de diffusion moléculaire dans les équations du
tenseur de Reynolds
DT,i j Terme de diffusion turbulente dans les équations du tenseur
de Reynolds
Eu , Ev , Ew Spectre de l’énergie cinétique du vent
f Paramètre de la force de Coriolis
→
−
f Force de Coriolis par unité de volume
Fi j Terme de Coriolis dans les équations du tenseur de
Reynolds
G Terme de production/destruction par effets thermiques
dans les équations de k et ε
Gi j Terme de production/destruction par effets thermiques
dans les équations du tenseur de Reynolds
g Gravité terrestre
h Hauteur maximale de colline
ha Hauteur d’atténuation verticale de perturbation
hCL Hauteur de couche limite
hCLS Hauteur de couche limite de surface
H0 Flux de chaleur sensible
k Énergie Cinétique Turbulente (ECT)
Kd Viscosité moléculaire
Km Viscosité turbulente
LISTE DES SYMBOLES 14
N Fréquence de Brunt-Väisälä
n Fréquence (concernant les signaux de mesure)
L Longueur maximale de colline ou longueur d’onde de
forçage au sol
Lmo Longueur de Monin-Obukhov
Lmbl Longueur caractéristique de milieu de CLA
Lx , Ly Longueurs caractéristiques horizontales
Lz Longueur caractéristique verticale
P Pression
Pi j Terme de production par cisaillement dans les équations du
tenseur de Reynolds
Pt Terme de production dans les équations de l’ECT k et de la
dissipation ε
PrT Nombre de Prandtl turbulent
q Humidité de l’air
R Constante des gaz parfaits pour l’air sec
RE Auto-corrélation de la fluctuation de vitesse Eulérienne
Ri Nombre de Richardson
Ri j Tenseur de Reynolds
Rj Terme radiatif dans les équations de Navier-Stokes
RL Auto-corrélation de la fluctuation de vitesse Lagrangienne
Ro Nombre de Rossby
Rφ Résidus de calcul d’une variable φ
s Temps caractéristiques de mesure
Si Terme source dans les équations de Navier-Stokes
T Température de l’air
TE Échelle de temps Eulérienne
TL Échelle de temps Lagrangienne
t Composante temporelle
U Vitesse en norme
U∞ Vitesse au sommet de la couche limite ou de couche limite
atmosphérique
u,v,w Composantes du vecteur vitesse de l’air
ua , va Composantes du vent agéostrophique
ug , vg Composantes du vent géostrophique
u∗ Vitesse de frottement au sol
w∗ Échelle de vitesse dans la couche limite instable
z0 Longueur de rugosité au sol
zT Longueur de rugosité thermique
Lettres grecques
α Déphasage de direction de l’écoulement entre le sommet

de la CLA et le sol
αx , αy , αz Niveaux de turbulence pour les termes diagonaux du
tenseur de Reynolds
β Coefficient d’expansion thermique
βH Rapport de flux de chaleur au sol et au sommet de couche
instable
γ Gradient vertical de température
∆S Speed-up (accélération relative)
∆x , ∆y Résolution du maillage à l’horizontale
∆z Résolution du maillage à la verticale
δi j Symbole de Kronecker
ε Dissipation turbulente
εi j Terme de dissipation turbulente dans les équations du
tenseur de Reynolds
εi jk Symbole de Levi-Civita
θ Température potentielle
θ∗ Température potentielle de « frottement » au sol
θs Température potentielle au sol
κ Constante de Von Karman
µ Échelle de longueur (hauteur de CLA adimensionnée par la
stabilité)
ξ Fonction de décroissance verticale dans Flowstar-ADMS
ρ Masse volumique
σ Écart-type de fluctuation
τ Temps d’intégration d’une mesure
τc Échelle de temps caractéristique
τi Ratio de temps CPU quelconque par rapport au temps CPU
de convergence
τi j Terme de contrainte visqueuse dans les équations de
Navier-Stokes
νθ Diffusivité moléculaire thermique
φ Variable quelconque
ϕ Latitude
ϕi j Terme de contrainte de pression dans les équations du
tenseur de Reynolds
χ Fonction de décroissance verticale dans Flowstar-ADMS
Ωj Vecteur du taux de rotation de la terre
Symbologie
φ Valeur moyenne de la variable φ

φ′ Valeur fluctuante de la variable φ
φre f Valeur de référence pour la variable φ
φ0 , φs Valeur au sol pour la variable φ
Abréviations
ADMS Atmospheric Dispersion Modelling System
CFD Computational Fluid Dynamics
CL Couche Limite
CLA Couche Limite Atmosphérique
CLS Couche Limite de Surface
COopération européenne dans le domaine de la recherche
COST
Scientifique et Technique
DNS Direct Numerical Simulation
ECT Énergie Cinétique Turbulente
LES Large Eddy Simulation
RANS Reynolds Averaged Navier-Stokes
Introduction générale
Le progrès, l’évolution de la science, et le développement humain s’inscrivent dans une recherche

perpétuelle d’une description précise de la nature dans laquelle nous vivons. Plus précisément, la
recherche atmosphérique concerne la compréhension des différents processus qui déterminent l’évo-
lution du milieu atmosphérique. Ainsi, de nombreuses applications telle que la météorologie, la cli-
matologie, la pollution, et certaines activités industrielles, puisent leurs sources dans la qualité de la
recherche sur la modélisation de l’atmosphère, i.e sur le développement d’une représentation mathé-
matique de son état et de son écoulement. Cependant, cette exercice de modélisation s’avère difficile
à cause de la nature extrêmement complexe de l’atmosphère.
En fait, la nature hautement turbulente de l’écoulement atmosphérique induit une forte contrainte
supplémentaire sur sa modélisation. En effet, à cause de son caractère turbulent, l’écoulement atmo-
sphérique se compose d’une gamme très large d’échelles spatiales et temporelles. Par conséquent, la
modélisation simultanée de l’ensemble de ces échelles est, en pratique, impossible. Les différentes
types de modélisations mathématiques et numériques disponibles se focalisent donc généralement sur
une plage finie et restreinte d’échelles spatiales et temporelles.
Le cadre de ce travail de thèse s’inscrit dans la recherche de la description de l’écoulement atmo-

sphérique, et plus précisément du champ de vent et de température, à une échelle dite « locale ». La
terminologie locale désigne l’échelle de l’ordre de grandeur d’une ville de taille moyenne à grande,
i.e. de l’ordre de 10 km horizontalement. Ainsi, ce travail trouve-t-il son intérêt et répond-il à une de-
mande de développement spécifique de modélisation qui s’inscrit dans une multitude d’applications
pratiques, telles que la dispersion de polluants, la qualité de l’air, la micro-météorologie en terrain
complexe (vallées, régions montagneuses, zones côtières), et l’évaluation de potentiel éolien.
Le travail de recherche dans le cadre de cette thèse consiste à proposer une modélisation numé-
rique, i.e. une modélisation qui requiert l’usage de ressources informatiques, et applicable à l’échelle
locale. Un grand nombre de modèles numériques, commerciaux ou non, existe à ce jour. On en dis-
tingue généralement deux catégories :
– Des modèles analytiques simples, tels que les modèles d’écoulement linéarisés (Flowstar, MS3DJH,
INTRODUCTION GÉNÉRALE 18
WASP, ...), permettent de fournir une solution en un temps CPU faible, mais ne sont pas utili-
sables dans des cas d’une topographie complexe, notamment à cause du fait que les équations
résolues et les paramétrages physiques y sont simplifiés.
– Des modèles numériques complexes, tels que les codes CFD (Computational Fluid Dynamics)
ou les codes météorologiques méso-échelles, fournissent des solutions précises même dans des
cas de géométrie complexe au sol, grâce à la résolution d’équations plus complètes telles que
les équations de Navier-Stokes. De part leur complexité, la résolution de ces équations nécessite
généralement des solveurs itératifs et requièrent par conséquent des ressources informatiques
importantes. Le temps CPU de ces codes est généralement inadapté pour des applications pra-
tiques nécessitant un temps de réponse rapide. De plus, des questions restent ouvertes quant à
la modélisation de quelques paramètres physiques, notamment en ce qui concerne la turbulence
atmosphérique.
Les contraintes d’utilisations pratiques et industrielles font que le modèle doit être capable de
fournir une solution à la fois précise, même dans les cas de topographie complexe, et rapide, en un
temps CPU adapté pour des applications industrielles, i.e. de l’ordre de quelque secondes à quelque
minutes tout au plus. Cependant, il est à noter qu’aucun des modèles existants ne permet de répondre
de façon optimale à la fois à ces deux contraintes. L’objectif de cette thèse est donc de proposer une
méthodologie de simulation permettant de répondre de façon optimale aux critères de précision et de
temps de calcul CPU.
Cette thèse se décompose en 5 parties distinctes. La partie 1 concerne la mise en équation de

l’écoulement atmosphérique de façon globale, ainsi que l’état de l’art des différentes modélisations
simples (i.e. en absence d’une topographie complexe) existants dans la littérature. On démontre en-
suite que l’usage des codes CFD constitue une piste intéressante pour des applications à l’échelle
locale. L’argumentation détaillée quant à ce choix est explicitée dans cette partie.
Dans une optique de développement d’une méthodologie CFD à l’échelle locale, on s’intéresse
dans la partie 2 à la modélisation adéquate de la turbulence atmosphérique. En effet, le caractère tur-
bulent de l’écoulement atmosphérique est l’un des paramètres les plus importants à prendre en compte
pour une simulation de sa structure verticale. Pour ce faire, différents modèles de turbulence seront
explorés et des choix seront émis quant à la modélisation la plus pertinente pour des applications à
l’échelle locale.
Dans la partie 3, une nouvelle méthodologie de simulation CFD de l’écoulement atmosphérique,

à l’échelle locale, est proposée. Cette méthodologie permet de simuler correctement la structure ver-
ticale de toute la couche limite atmosphérique. En effet, les méthodologies CFD actuelles sont mises
en œuvre pour des conditions aux limites issues de profils analytiques valables uniquement dans la
couche limite de surface (i.e. 10% de la hauteur totale de couche limite atmosphérique), ce qui ne
INTRODUCTION GÉNÉRALE 19
semble pas cohérent avec une application à l’échelle locale. La méthodologie ainsi construite, permet
de prendre en compte la stabilité atmosphérique, ainsi que le vrillage de l’écoulement dans la couche
d’Ekman.
Dans la partie 4, on montre la validation de cette nouvelle méthodologie grâce à une inter-
comparaison avec des relations analytiques issus de la littérature, et des mesures en soufflerie, pour
des cas de simulations en présence de topographies complexes (collines, vallées, thermique au sol,
etc.).
Finalement, la partie 5 s’intéresse à l’optimisation de la nouvelle méthodologie du point de vue du

temps CPU. Dans une optique de réduction de ce temps, l’utilisation de solutions CFD partiellement
convergés est proposée et son intérêt démontré sur plusieurs cas test de topographies complexes.
Cette thèse s’est déroulée au sein de l’École Centrale de Lyon, au Laboratoire de Mécanique des
Fluides et d’Acoustique (LMFA). C’est une thèse CIFRE, financée par l’entreprise NUMTECH, basée
à Clermont-Ferrand.
Première partie
La couche limite atmosphérique : généralités

et modélisations
1 CARACTÉRISTIQUES GÉNÉRALES DE LA COUCHE LIMITE ATMOSPHÉRIQUE 23
1 Caractéristiques générales de la couche limite atmosphérique
Introduction : Dans ce chapitre, on présente tout d’abord l’écoulement atmosphérique de façon

globale. On s’intéresse par la suite à sa mise en équations, avec une explicitation des différentes hy-
pothèses et approximations de travail. Finalement, on présente les différentes caractéristiques impor-
tantes de l’écoulement atmosphérique, tel que l’équilibre géostrophique, le vrillage de l’écoulement
dans la couche d’Ekman, et la stabilité atmosphérique.
1.1 Généralités sur l’écoulement atmosphérique

1.1.1 La structure de l’atmosphère
L’atmosphère terrestre est une couche gazeuse entourant la terre dont la densité faiblit graduelle-
ment jusqu’à quelques centaines de kilomètres verticalement. C’est une couche inhomogène, consti-
tuée de la troposphère, la stratosphère, la mésosphère et la thermosphère (figure 1.1).
Les différentes couches, qui composent l’atmosphère terrestre, sont associées aux variations ver-
ticales de la température, comme le montre le graphique 1.1. La partie inférieure de l’atmosphère, qui
est en contact avec la surface terrestre et dans laquelle nous vivons, se nomme la troposphère. Elle
s’étend jusqu’à une altitude d’une dizaine de kilomètres en moyenne. C’est dans cette couche que se
situe la majorité de l’activité humaine, et par conséquent la couche qui nous intéressera par la suite.
F IGURE 1.1 – La structure verticale de l’atmosphère.

1.1.2 La circulation atmosphérique
D’un point de vue global, la circulation atmosphérique est induite par le mouvement des masses
d’air permettant un transfert de chaleur de l’équateur vers les pôles. Cependant, les trajectoires de ce
mouvement sont déviées sous l’effet de la rotation de la terre (i.e. la force de Coriolis). De plus, la
présence du sol terrestre ralentit l’écoulement atmosphérique par frottement. Ces deux forces (rota-
tion de la terre et frottement au sol) nous permettent de scinder la troposphère en deux parties bien
distinctes :
– La couche limite atmosphérique (CLA) représente la couche la plus basse de la troposphère.

Elle est par définition la couche dont la structure est fortement influencée par la présence du sol.
Au fur et à mesure que l’on monte en altitude, l’influence du sol faiblit et la force de Coriolis
gagne en importance. L’épaisseur de la CLA varie entre 100m et 3000m.
– L’atmosphère libre représente l’altitude à partir de laquelle l’effet du sol devient négligeable,
alors que la force de Coriolis devient prépondérante.
Dans la suite de ce travail de thèse, on focalisera notre étude dans la CLA du fait de sa proximité
du sol, et aussi du fait que la majorité des activités humaines se situent dans cette zone.
1.1.3 La couche limite atmosphérique
L’écoulement dans la CLA est un écoulement turbulent, inhomogène dans le temps et dans l’es-
pace. En effet, la présence au sol d’inhomogénéités d’ordre mécanique ou thermique, appelées for-
çages, perturbe la structure verticale de la CLA. Mécaniquement, ces perturbations se produisent lors
de forçages topographiques tel que les montagnes, vallées, bâtiments et végétations. Thermiquement,
ces forçages se traduisent sous la forme de flux de chaleur sensible et latente à l’interface sol-air. Cet
échange thermique au niveau du sol est principalement influencé par le rayonnement solaire, d’où
son caractère cyclique journalier. En plus des forçages au sol, la présence de la force de Coriolis, de
l’humidité et des effets radiatifs, rend la structure de la CLA très complexe. Toutefois, on peut diviser
la CLA en trois parties distinctes (tel qu’affiché sur le graphique 1.2) :
– La couche d’Ekman est la couche où les forces de Coriolis et les effets du sol sont approxima-
tivement de même ordre de grandeur.
– La couche limite de surface (CLS) est la région où les effets du sol deviennent prépondérants,
et la force de Coriolis négligeable. Cette couche s’étend généralement jusqu’à une hauteur de
10% de celle de la CLA.
– La sous-couche rugueuse représente la couche dont la hauteur est de l’ordre de grandeur des
obstacles, tel que les bâtiments ou la végétation. Elle est caractérisée par une hétérogénéité
horizontale importante.
F IGURE 1.2 – Structure schématisée de l’écoulement dans la CLA, graphique adapté de Stull (1988).
1.1.4 Échelles spatiales et temporelles de l’écoulement atmosphérique
L’écoulement atmosphérique se caractérise par une plage très large d’échelles spatiales et tempo-
relles. Ces échelles varient entre quelques millimètres jusqu’à des dizaines de milliers de kilomètres
en espace, et de quelques secondes à quelques mois dans le temps. On a donc un rapport d’échelles
d’espace et de temps de l’ordre de 109 !
Les différents phénomènes physiques qui caractérisent l’écoulement atmosphérique correspondent

à des échelles de temps et d’espace bien caractéristiques, comme on peut le voir sur le graphique 1.3.
Ainsi, note-t-on que l’écoulement atmosphérique à l’échelle locale (10 km horizontalement), corres-
pondent à un temps caractéristique de l’ordre de l’heure.
Bien que les échelles temporelles de l’écoulement représentent un continuum entre l’échelle glo-
bale et les échelles les plus fines, l’analyse spectrale de l’énergie cinétique de l’écoulement atmo-
sphérique (graphique 1.4) montre que cette énergie présente 3 maximums distincts. L’écoulement
atmosphérique fluctue donc considérablement sur ces trois échelles temporelles. Le premier pic, cor-
respondant à une période de l’ordre de 5 jours, équivaut à la durée des dépressions et des anticy-
clones. Le deuxième correspond aux cycles journaliers. Enfin, le dernier maximum correspond aux
tourbillons de petites échelles (de l’ordre de la minute) et qui sont porteurs d’énergie.
Gap spectral
Le graphique 1.4 met ainsi en évidence la présence de la zone du “gap spectral”, i.e. la zone
temporelle de l’ordre de 30 minutes à 1 heure, dont l’énergie cinétique est faible (i.e. le vent varie
peu sur ces fréquences). Cependant, il est à noter que ce graphique est un exemple, et ne reflète pas
nécessairement la réalité : il se peut que, dans certains cas, le gap spectral ne soit pas si prononcé.
D’autre part, l’échelle temporelle caractéristique des écoulements atmosphériques à l’échelle lo-
cale (échelle horizontale de 10 km) est de l’ordre de l’heure. En effet, pour un vent moyen de 3m.s−1,
F IGURE 1.3 – Graphique simplifié des différentes échelles spatiales et temporelles qui composent
l’écoulement atmosphérique, Soulhac et al. (2002).
on a donc :
Lx 104 m
τc = ∼ ∼ 1h (1.1)
U 3 m.s−1
Par conséquent, les écoulements à l’échelle locale se situent donc dans le gap spectral.
L’existence du gap spectral permet de séparer l’écoulement en deux parties : petites échelles
(échelles turbulentes) et grand échelles (échelles météorologiques). Lors des études de phénomènes
atmosphériques de l’ordre de l’heure (écoulements à l’échelle locale et dans la CLA), les échelles
météorologiques évoluent sur des temps beaucoup plus grands : on peut donc les considérer comme
constants.
1.1.5 Analyse statistique de l’écoulement atmosphérique
Une des caractéristiques majeures de l’écoulement atmosphérique est le fait qu’il soit turbulent
et fortement inhomogène dans le temps et dans l’espace. Le caractère aléatoire et stochastique de la
turbulence atmosphérique oblige à étudier l’écoulement de façon statistique, en s’intéressant à des
caractéristiques telles que la moyenne, la variance, ou les moments d’ordre 2 ou plus.
Il existe 3 façons de déterminer une moyenne (et donc des moments correspondant) : moyenne
spatiale, temporelle, ou d’ensemble. La moyenne temporelle f , d’une grandeur f en un point donné
et sur une période T, est définie par :
F IGURE 1.4 – Spectre d’énergie cinétique du vent, d’après Van der Hoven (1957)
0 +T
tˆ
1
fT (~x) = f (~x, ς ) d ς (1.2)
T
t0
En fait, cette moyenne concerne le cas d’une seule réalisation indépendante, tel qu’un évènement
déterminé ou une expérience en soufflerie. Par contre, la moyenne d’ensemble de la quantité f en un
point ~x et à un instant t donnés, est une moyenne sur N réalisations indépendantes :
1 N (i)
fN (~x,t) = ∑ f (~x,t) (1.3)
N i=1
Un écoulement turbulent est dit stationnaire si toutes ses propriétés sont invariantes, en moyenne,
dans le temps. Sur la figure 1.5, on peut visualiser un écoulement stationnaire : la moyenne sur une
période plus grande que l’échelle considérée, n’évolue pas dans le temps. Ceci est le cas pour les
applications à l’échelle locale CLA (vu dans la section précédente) : les variations météorologiques
grandes échelles sont suffisamment lentes pour être supposées constantes, et l’écoulement y est par
conséquent stationnaire.
Dans le cas d’un écoulement turbulent stationnaire, il y a égalité de la moyenne temporelle et de

la moyenne d’ensemble :
fT (−
→
x ) = fN (→
−
x ,t) (1.4)
Ceci constitue la condition d’ergodicité (équivalence de la moyenne temporelle et de la moyenne

d’ensemble). Si en plus l’écoulement est homogène (invariant suivant des translations dans une direc-
tion quelconque), les moyennes d’ensemble, spatiale et temporelle sont égales.
F IGURE 1.5 – Représentation schématique simplifiée d’une grandeur instantanée stationnaire en

moyenne.
Décomposition de Reynolds
La quantité f (~x,t) peut donc être décomposée en deux parties : une partie moyenne d’ensemble
( f ) et une partie fluctuante ( f ′ ) :
f = f + f′ (1.5)
avec les propriétés suivantes :
– La partie fluctuante vérifie que f ′ = 0.

– La moyenne d’ensemble est telle que f g = f g + f ′ g′ , avec g une grandeur quelconque.
On définit aussi les propriétés intéressantes suivantes :

q p
– Les écarts-types de la vitesse des 3 composantes du vent σu = (u − u)2 = u 2 ; σv =
′
q p q p
(v − v)2 = v 2 ; σw = (w − w)2 = w 2 . Ceci est aussi valable pour les autres variables
′ ′
physiques.
′ ′ ′
– L’énergie cinétique turbulente (ECT) du vent : k = 21 u 2 + v 2 + w 2
La décomposition de Reynolds est à la base des modèle de turbulence de type RANS (Reynolds
Averaged Navier-Stokes) où un opérateur de moyenne d’ensemble est appliqué aux équations de
Navier-Stokes. Ces modèles seront explicitées dans la partie 2 (chapitre 4).
L’utilisation d’un modèle de turbulence de type RANS sera justifié par le biais de la condition
d’ergodicité, en considérant un écoulement statistiquement stationnaire sur des temps caractéristiques
de l’ordre de l’heure (à l’échelle locale).
Choix de l’approche statistique
On choisit par la suite de considérer la moyenne temporelle (qui sera également la moyenne d’en-
semble). En écrivant la grandeur f comme la somme d’une partie moyenne et d’une partie fluctuante
(relation 1.5), f représentera la moyenne du vent sur des temps supérieurs à l’heure (échelles météo-
rologiques), tandis que f ′ correspondra aux fluctuations instantanées inférieures à l’heure.
1.2 La mise en équation de l’écoulement atmosphérique

1.2.1 Les équations de conservation
L’état de l’écoulement atmosphérique est complètement décrit par l’écriture des équations de
conservation qui portent sur plusieurs variables régissant l’écoulement (i.e. les équations de Navier-
Stokes) :
– 1 équation de conservation de la masse (concernant la masse volumique ρ ).

– 3 équations de bilan de la quantité de mouvement (les trois composantes du vent ui ).
– 1 équation de bilan de l’énergie.
– 1 équation de bilan de l’humidité q.
– 1 équation de bilan d’un scalaire quelconque tel qu’un polluant.
De plus, une équation d’état du gaz parfait permet de lier les variables physiques de température,
de pression et de masse volumique. On note aussi qu’en absence de changements de phase dans la
CLA, l’équation portant sur l’humidité q est une équation de transport d’un scalaire. Les effets d’hu-
midité et de changements de phase ne seront pas considérés dans ce travail de thèse, par conséquent
l’équation sur q ne sera pas prise en compte.
L’ensemble des équations vues ci-dessus sont définies sur des particules d’air infinitésimales, et
sont ensuite intégrées sur tout le volume de calcul. Ceci permet de décrire l’état de l’atmosphère en
chaque point et à tout instant.
Conservation de la masse
L’équation de la conservation de la masse pour un fluide compressible s’écrit :
dρ ∂ ui
+ρ =0 (1.6)
dt ∂ xi
D’après Garratt (1992), les effets de compressibilité peuvent être négligées pour des études dans
la CLA : le terme correspondant à la dérivée particulaire de la masse volumique d ρ /dt est donc
négligeable. On a :
∂ ui
=0 (1.7)
∂ xi
En appliquant le décomposition de Reynolds, et ayant ∂ ui /∂ xi = 0, on trouve :
′
∂ ui
=0 (1.8)
∂ xi
Bilan de la quantité de mouvement :
On a :
∂ ui ∂ ui 1 ∂P 1 ∂ τi j
+uj =− +− − δi j g j −2εi jk Ω j uk (1.9)
∂t
|{z} ∂xj ρ ∂ xi ρ ∂ x j | {z} | {z }
| {z } | {z } | {z } (5) (6)
(1) (2) (3) (4)
où P est la pression, g la gravité, et τi j le terme de contraintes visqueuses. Les différents termes

de cette équation sont :
– (1) est le terme d’inertie.

– (2) est le terme d’advection.
– (3) est le terme de pression.
– (4) est le terme du frottement visqueux (en supposant que le fluide est Newtonien).
– (5) est le terme de gravité.
– (6) est le terme de Coriolis, où Ω j est le vecteur taux de rotation de la terre.
– δi j est le symbole de Kronecker, défini comme :
(
1 si i = j
δi j =
0 si i 6= j
– εi jk est le symbole de Levi-Civita, défini comme :


 +1 si (i, j, k) est (1, 2, 3), (2, 3, 1) ou (3, 1, 2)

εi jk = −1 si (i, j, k) est (3, 2, 1), (1, 3, 2) ou (2, 1, 3)


0 si i = j ou/et j = k ou/et i = k
La résolution directe de ces équations est une méthode très lourde au vu du rapport d’échelles pré-
sentes dans l’atmosphère, et à cause du caractère fortement inhomogène de la turbulence atmosphé-
rique. Par conséquent, la turbulence atmosphérique est généralement modélisée grâce à une large
gamme de choix de modèles. Dans ce travail, on choisit de prendre en compte une modélisation de
type RANS, avec une décomposition de Reynolds. Les arguments quant à ce choix sont présentées
dans la partie 2. Après quelques simplifications qu’on omet ici, l’équation 1.9 devient :

∂
′ ′
∂ ui ∂ ui 1 ∂P 1 u u
i j ∂ 2 ui
+uj =− − − δi j g j + ν − 2εi jk Ω j uk (1.10)
∂t ∂xj ρ ∂ xi ρ ∂xj ∂ x2j
′ ′
Cette méthodologie fait apparaitre un terme inconnu ui u j , appelé tenseur de Reynolds, et qui reste
à modéliser. Différents modèles de turbulence de type RANS permettent de modéliser ce terme :
– Modèles à 1 équation tels que Prandtl ou Spalart-Allmaras

– Modèles à 2 équations tels que k − ε ou k − ω .
– .Modèle à 5 équations tel que Ri j − ε .
Ceci sera détaillé dans la partie 2 (chapitre 4).

Bilan de l’énergie thermique
On écrit également une équation qui porte sur le bilan de l’énergie thermique. On introduit la
notion de température potentielle θ : c’est la température de l’air, initialement à la température T et à
la pression P, et ramenée de façon adiabatique au niveau de pression de référence (Pre f = 105 Pa). On
a:
− R
P Cp
θ =T (1.11)
Pre f
L’équation pour la température potentielle s’écrit :

∂θ ∂θ ∂ 2θ 1 ∂Rj
+uj = −νθ 2 + + Sθ (1.12)
∂t
|{z} ∂xj ∂ x j ρCp ∂ x j |{z}
| {z } | {z } | {z } (5)
(1) (2) (4)
(3)
avec νθ la diffusivité moléculaire thermique. Dans cette équation, on néglige l’apport de chaleur
par la dissipation.
– (1) est le terme d’inertie.

– (2) est le terme d’advection.
– (3) est le terme de transport par diffusion.
– (4) est le terme de divergence des flux radiatifs R j .
– (5) est un terme source volumique de chaleur (latente, chimique,...).
Après application de la décomposition de Reynolds, on a :

∂ u jθ ′
′
∂θ ∂θ ∂ 2θ 1 ∂Rj
+uj = −νθ 2 − + + Sθ (1.13)
∂t ∂xj ∂xj ∂xj ρCp ∂xj
On voit apparaitre le terme ui θ , qui est à modéliser de la même façon que le terme ui u j , vu
′ ′ ′ ′
précédemment. Ce terme correspond au transport de chaleur par la turbulence.
Conservation d’un scalaire passif
Dans le cas d’un scalaire passif quelconque (par exemple un polluant) de concentration c (en
kg.m−3 ), on a, après application de la décomposition de Reynolds :

∂ u j c′
′
∂c ∂c ∂ 2c
+uj = −νc 2 − + Sc (1.14)
∂t ∂xj ∂xj ∂xj
avec Sc étant le terme source moyen du scalaire c.
1.2.2 L’équilibre hydrostatique
Dans un fluide en équilibre statique, l’équation 1.10 se réduit à une composante verticale non nulle
(équation sur z). Deux termes y subsistent : la gravité et la pression :
∂P
= −ρ g (1.15)
∂z
Bien que cette situation ne soit que purement théorique (l’écoulement atmosphérique n’est jamais
au repos), cette dernière relation nous renseigne sur la variation de la pression en fonction de l’altitude
en l’absence de mouvements verticaux importants.
D’autre part, la loi des gaz parfaits nous donne :
P (z) = ρ (z) RT (z) (1.16)
où R est la constante des gaz parfaits pour l’air sec.
En combinant les relations 1.15 et 1.16, on obtient finalement la relation ci-dessous, qui montre la
dépendance du profil vertical de pression par rapport à la température.
1 ∂ P (z) g
=− (1.17)
P (z) ∂ z RT (z)
1.2.3 Cas d’une atmosphère adiabatique et hydrostatique
Pour une transformation adiabatique réversible, on trouve l’équation du profil de température

(pour une atmosphère neutre, avec θ = cte) :
∂T g
= − = −γ (1.18)
∂z Cp
Le gradient adiabatique de température suivant la verticale γ = −g/C p est de l’ordre de 1K/100m.
Cependant, dans le cas général (diabatique), le gradient γ est quelconque dans l’atmosphère (ceci sera
vu par la suite, dans la section 1.3.4). En intégrant suivant la verticale, on obtient :
T (z) = T0 − γ z (1.19)
L’indice « 0 » indique la valeur au sol. En utilisant 1.15 avec 1.16 et 1.18, et après quelques
manipulations que l’on ne détaille pas ici, on trouve pour le profil de pression :
g
T0 − γ z Rγ
P (z) = P0 (1.20)
T0
En utilisant la relation sur la température potentielle, on trouve :
R
P (0) CP
θ (z) = T (z) (1.21)
P (z)
Finalement, on obtient le profil de masse volumique en utilisant la loi des gaz parfait (équation
1.16) :
g −1
T0 − γ z Rγ
ρ (z) = ρ0 (1.22)
T0
Le graphique 1.6 nous montre l’évolution verticale, pour une atmosphère adiabatique (γ = −g/CP )
et hydrostatique, des profils des trois variables d’état P,θ et ρ (relations 1.20, 1.21 et 1.22).
F IGURE 1.6 – Profil de masse volumique, de pression et de température pour une atmosphère adiaba-
tique en équilibre hydrostatique.
A une altitude de 2000 m (épaisseur caractéristique de la CLA), on a 84% de la valeur de la masse

volumique ρ comparée à celle au sol. Par conséquent, on peut approximer que :
ρ (z) ≃ ρ0
1.2.4 L’approximation de Boussinesq
On peut définir les variables d’état comme une somme de leur état d’équilibre et une déviation
faible par rapport à cet état :
P = P (z) + △P (x, y, z,t)

θ = θ (z) + △θ (x, y, z,t) (1.23)
ρ = ρ (z) + △ρ (x, y, z,t)
En soustrayant l’équation 1.10 de la relation de l’équilibre hydrostatique 1.15, et en utilisant les
relations 1.23, on trouve après quelque manipulations :

∂
′ ′
∂ ui ∂ ui 1 ∂ (△P) 1 u u
i j △ρ ∂ 2 ui
+uj =− − − δi j g j + ν 2 − 2εi jk Ω j uk (1.24)
∂t ∂xj ρ ∂ xi ρ ∂xj ρ ∂xj
L’hypothèse d’approximation de Boussinesq consiste dans le fait de négliger les effets de varia-
tions de la densité ρ (avec △ρ ≪ ρ (z)) dans l’équation de quantité de mouvement, sauf dans le terme
de gravité (effets de flottabilité). Cette hypothèse est possible dans le cas où les effets de compressi-
bilité ne sont pas très importants. L’équation 1.24 peut donc s’écrire (en supposant que ρ = ρ0 pour
les termes non gravitationnels) :

∂
′ ′
∂ ui ∂ ui 1 ∂ (△P) 1 u u
i j △ρ ∂ 2 ui
∂t ∂xj ρ0 ∂ xi ρ0 ∂ x j ρ ∂xj
Dans le cas de vitesses à faible nombre de Mach, on a la relation ci-dessous (avec △ρ et △θ étant
des écarts à leur état d’équilibre) :
△ρ △θ
≈ (1.26)
ρ θ
L’équation 1.25 devient finalement :

1 ∂ (△P) 1 ∂ ui u j
′ ′
∂ ui ∂ ui △θ ∂ 2 ui
∂t ∂xj ρ0 ∂ xi ρ0 ∂ x j θ ∂xj
Finalement, cette dernière forme de l’équation de conservation de la quantité de mouvement dé-
coule d’une modélisation RANS de la turbulence, ainsi qu’une approximation de type Boussinesq
des termes de compressibilité. Par souci de simplification, on omettra par la suite la barre du haut
pour les valeurs moyennes. De plus, on notera P la valeur de l’écart de pression par rapport à son état
d’équilibre, et on note ρ = ρ0 .
1.3 Spécificités de l’écoulement atmosphérique

1.3.1 L’équilibre géostrophique
Dans l’atmosphère libre, les termes turbulents et de frottement moléculaire peuvent être négligés
devant les autres termes de l’équation de quantité de mouvement (relation 1.27), et l’écoulement y
est généralement horizontal. De plus, la force de Coriolis y est importante. On n’a donc que deux
forces qui régissent l’écoulement : le gradient de pression et la force de Coriolis. Pour un écoulement
homogène horizontalement et stationnaire, l’équation 1.27, projetée suivant les deux composantes
horizontales, devient :
1 ∂P
− + fv = 0 (1.28)
ρ ∂x
1 ∂P
− − fu = 0 (1.29)
ρ ∂y
avec le paramètre de Coriolis f = 2Ωsin (ϕ ), ϕ étant la latitude.
On définit de cette façon le vent géostrophique, qui s’écoule au sommet de la CLA. C’est un vent
qui souffle perpendiculairement au gradient de pression et à la force de Coriolis, comme
q on peut le
voir sur le graphique 1.7. Ses composantes sont exprimées ci-dessous (on pose Ug = u2g + v2g , la
norme du vent géostrophique) :
1 ∂P
f ug = − (1.30)
ρ ∂y
1 ∂P
f vg = (1.31)
ρ ∂x
F IGURE 1.7 – Graphique montrant de façon schématique l’écoulement géostrophique : lignes (iso-
bares), HN (Hémisphère Nord), HS (Hémisphère Sud), H (anticyclone), B (dépression).
1.3.2 La couche d’Ekman
Dans la partie supérieure de la CLA, les perturbations verticales dues à la présence du sol s’es-
tompent : l’air y est essentiellement horizontal mais les flux turbulents ne sont plus négligeables. En
réécrivant les équations 1.28-1.29, on a :

1 ∂P ∂ u′ w′
− + fv− =0 (1.32)
ρ ∂x ∂z

1 ∂P ∂ v′ w′
− − fu− =0 (1.33)
ρ ∂y ∂z
En combinant les équations 1.30, 1.31, 1.32 et 1.33, on trouve l’expression du vent agéostrophique
(ua ; va ), qui forme une déviation par rapport au vent géostrophique :

∂ v′ w′
f ua = f (u − ug ) = − (1.34)
∂z

∂ u′ w′
f va = f (v − vg ) = (1.35)
∂z
D’autre part, on peut modéliser les termes de tensions de Reynolds u′ w′ et v′ w′ , en fonction de la
viscosité turbulente Km et du gradient vertical de vitesse (cette modélisation découle de l’hypothèse
de Boussinesq, explicitée par la suite). On a :
∂u
− u′ w′ = Km (1.36)
∂z
∂v
− v′ w′ = Km (1.37)
∂z
La modélisation du terme Km dépend du modèle de turbulence considéré, plus ou moins com-
plexe suivant le cas. Ici, on souhaite fournir une solution analytique simple afin de comprendre les
tendances générales de l’écoulement atmosphérique dans la couche d’Ekman. Pour ce faire, on sup-
pose Km constante sur toute l’épaisseur de la couche d’Ekman, ce qui constitue une grande hypothèse
simplificatrice. Cette analyse a été développée par Ekman (1905). En prenant un vent géostrophique
orienté suivant l’axe des x (vg = 0), et en admettant que la solution peut s’écrire sous la forme :
u(z) = Ug + Aexp (a (1 + i) z) + Bexp (−a (1 + i) z) (1.38)
avec les conditions aux limites suivantes :
u (z = 0) = v (z = 0) = 0
(1.39)
u (z → ∞) = ug v (z → ∞) = 0
on obtient finalement une solution analytique pour l’écoulement :
(
u = ug [1 − exp (−az) cos (az)]
(1.40)
v = sgn( f )ug exp (−az) sin (az)
p
avec a = | f | / (2Km ) .
En prenant Km = 10 m2 .s−1 , et f ∼ 10−4 s−1 pour une latitude de ϕ = 45o , on peut tracer le profil
de vitesse suivant la verticale (graphiques 1.8 et 1.9). On remarque sur ces graphiques qu’au fur et
à mesure que l’on se rapproche des basse couches de la CLA, les frottements au sol induisent une
augmentation de la composante transversale. Il s’ensuit un déphasage de α ∼ 45o entre la direction
de l’écoulement au sommet de la CLA et celui au sol. Cette théorie met ainsi en évidence la tendance
au vrillage de l’écoulement la couche d’Ekman. Toutefois, un déphasage moindre (de l’ordre de 20o
à 40o ) est généralement observé dans la nature, d’après Snyder (1981).
F IGURE 1.8 – Visualisation de la spirale d’Ekman, pour un écoulement dans l’hémisphère nord (vent
géostrophique dirigé suivant l’axe des x).
F IGURE 1.9 – Visualisation de la spirale d’Ekman, pour un écoulement dans l’hémisphère nord (vent
géostrophique dirigé suivant l’axe des x).
1.3.3 La couche limite de surface
Près du sol, il est d’usage de définir le paramètre de vitesse de frottement u∗ par la relation 1.41.
Elle quantifie ainsi le degré de cisaillement du vent près du sol, notamment à cause de la présence de
rugosité.
q
2 2
u2∗ = u′ w′ sol + v′ w′ sol (1.41)
Contrairement à ce qui était vu dans le paragraphe précédent, la viscosité turbulente Km n’est

pas une constante dans la réalité, et dépend de l’altitude. Ceci est d’autant plus vrai dans la couche
limite de surface (CLS). En effet, Km est un paramètre qui dépend des caractéristiques turbulentes
de l’écoulement. Or près du sol, la taille des tourbillons dépend de l’altitude considérée. L’altitude z
est donc l’échelle de longueur caractéristique. Par conséquent, on peut alors admettre que Km évolue
linéairement par rapport à z dans la CLS. On a, d’après Prandtl (1932) :
Km ≈ κ u∗ z (1.42)
Expérimentalement, on trouve que la constante de Von Karman κ vaut environ 0, 4 d’après Hinze
(1959) et Businger et al. (1971).
Dans la CLS, la force de Coriolis est négligeable. De plus, si l’on considère un écoulement sta-
tionnaire et homogène horizontalement (dirigé suivant l’axe des x), et si l’on admet que les forces de
pression et de frottement moléculaire sont négligeables devant les autres termes de l’équation 1.27,
cette équation se réduit à :

∂ −u′ w′
=0 (1.43)
∂z
Si l’on intègre l’équation 1.43 suivant la verticale, on trouve :
− u′ w′ = cte = u2∗ (1.44)
La CLS est donc une couche à flux turbulent constant. Or si l’on combine la relation 1.36 avec
une modélisation de Km telle que celle de la relation 1.42, on trouve :
∂ u u∗
= (1.45)
∂ z κz
En intégrant l’équation 1.45 suivant la verticale, on trouve finalement la relation très connue du
profil logarithmique de la vitesse du vent dans la CLS (obtenu par Prandtl (1932)) :

u∗ z
u = ln (1.46)
κ z0
Dans cette relation, la longueur de rugosité z0 (i.e. la condition à la limite inférieure), est l’altitude
moyenne au dessus du sol à laquelle le vent moyen est nul. Le calcul exact de la longueur de rugosité
z0 étant difficile, on se réfère généralement à une classification de la valeur de z0 suivant le type de

sol (tableau 1.1). D’autres approches, de type morphométrique (Grimmond et Oke, 1999), permettent
également d’estimer z0 .
Description du terrain z0 (m)
Mer ouverte. 0,0002
Terrain plat ; pas de végétations ni d’obstacles. 0,005
Terrain plat ouvert ; rares obstacles isolés. 0,03
Cultures basses ; obstacles occasionnels 0,1
Cultures élevées ; obstacles dispersés 0,25
Terres clôturées ; obstacles nombreux 0,5
Couverture régulière par de larges obstacles 1,0
TABLE 1.1 – Classification des terrains d’après Wieringa (1986) en terme de longueur de rugosité z0 .
1.3.4 La stabilité atmosphérique
Nombre de Richardson
Les effets thermiques influent considérablement sur la structure verticale de la CLA. Cette in-
fluence peut-être caractérisée par le nombre de Richardson, qui exprime le rapport entre les forces de
flottabilité et les forces d’inertie. On a :
g△θ /θ0
Ri = (1.47)
u2 /l
En prenant, par exemple, un vent à 5m/s, une température de 293K avec un écart de △θ = 1K
sur une altitude l = 1000m, on trouve un Ri ∼ 1, 3. Dans ce cas, les effets thermiques sont de mêmes
ordre de grandeur que les termes d’inertie, et doivent être pris en compte.
États de stabilité
L’importance des effets thermiques dépend de l’écart △θ et donc du gradient vertical de tempé-
rature γ (vu dans la section 1.2.3). Suivant la valeur de ce gradient, on peut distinguer trois cas de
stabilité de l’atmosphère :
∂θ
– Si γ > − Cgp ou ∂z > 0, l’atmosphère est stable.
∂θ
– Si γ = − Cgp ou ∂z = 0, l’atmosphère est neutre.
∂θ
– Si γ < − Cgp ou ∂z < 0, l’atmosphère est instable.
Dans le cas d’une atmosphère stable, une particule fluide qui se déplace verticalement vers le haut
se trouvera à une température plus faible que son environnement : elle est donc plus dense et les forces
de flottabilité la ramèneront à sa position d’équilibre.
Le cas inverse se produit lors d’une atmosphère instable, la particule étant à une température plus
forte que l’air autour, son mouvement ascendant se verra amplifié par les forces de flottabilité qui la
déplaceront vers le haut. Il s’ensuit dans ce cas des mouvements verticaux provoquant l’apparition de
tourbillons convectifs. Cette situation se produit généralement pendant la journée : le sol se réchauf-
fant plus rapidement que l’air, il en résulte un flux de chaleur au sol qui chauffe les basses-couches
de l’atmosphère.
A l’inverse, pendant la nuit, le sol se refroidit plus vite que l’air, le flux de chaleur au sol est
négatif, et l’atmosphère devient stable.
Le graphique 1.10 montre l’évolution sur une journée, de la structure de la CLA en fonction de la
stratification thermique. Pendant la journée, la couche limite instable s’étend jusqu’au sommet de la
CLA. La nuit, la couche limite stable est surmontée par une couche dite “résiduelle”.
F IGURE 1.10 – Structure journalière de la CLA, d’après Stull (1988).
La stratification de l’atmosphère influe considérablement sur la turbulence. En effet, une atmo-

sphère instable aura tendance à créer des tourbillons convectifs à dimensions verticales pouvant être
très étendues, et à augmenter ainsi considérablement le niveau de turbulence. Au contraire, des condi-
tions stables contribueront à une réduction significative de la turbulence.
En ce qui concerne le profil vertical de température potentielle, sa forme dépend de l’instant de

la journée. Le graphique 1.11 nous montre de façon schématique la forme du profil de température
potentielle à 6 instants de la journée (on remarque notamment le signe du gradient de température
potentielle, qui dépend de la stabilité dans les basses couches de la CLA).
F IGURE 1.11 – Profils verticaux de température potentielle, à six instants de la journée ; les différentes
couches étant : CI : (couche instable) CS (couche stable), CR (Couche résiduelle), CLS (Couche limite
de surface), CN (couche nuageuse), SCN (sous-couche nuageuse), AL (atmosphère libre) - graphique
adapté de Stull (1988).
2 ÉTAT DE L’ART DE LA MODÉLISATION DE LA CLA SUR UN SOL PLAT 43
2 État de l’art de la modélisation de la CLA sur un sol plat
Introduction : Dans ce chapitre, on présente les résultats d’observations et les travaux théoriques
qui ont conduit à une modélisation de la CLA dans le cas d’un sol homogène et plat. Ce travail nous
permet de caractériser les tendances de la structure verticale de la CLA dans des configurations
simples, et fournira des moyens de comparaisons pour les simulations à venir. Tout d’abord, sont
détaillés les résultats qui portent sur les grandeurs physiques moyennes tel que la vitesse et la tempé-
rature. Ensuite, on présente les résultats théoriques et empiriques qui permettent une description de
la turbulence atmosphérique.
2.1 Résultats théoriques et empiriques de grandeurs moyennes

2.1.1 La théorie de similitude de Monin-Obukhov dans la CLS
Introduction
L’hypothèse de similitude consiste à énoncer que si les conditions de deux expériences sont iden-
tiques, leurs résultats le sont également. Il n’est cependant pas nécessaire que tous les paramètres
définissant les expériences aient les même valeurs. L’analyse dimensionnelle permet de définir des
relations sans dimensions qui assurent la similitude des expériences si ces relations ont les mêmes
valeurs dans les deux expériences.
Monin et Obukhov (1954) introduisent un nouveau terme regroupant les paramètres physiques ca-
ractérisant l’écoulement atmosphérique dans la CLS : la longueur de Monin-Obukhov Lmo . Il découle
directement de la théorie de similitude portant le même nom. Ce terme mesure l’importance relative
de forces de flottabilité par rapport aux forces de cisaillement :
ρθ u3∗C p
Lmo = − (2.1)
κ gH0
Dans la relation 2.1, H0 est le flux de chaleur sensible au sol. La longueur Lmo est donc une
quantification de la stratification de l’atmosphère :
– Si H0 > 0 et Lmo < 0, l’atmosphère est instable.

– Si H0 = 0 et Lmo → ∞, l’atmosphère est neutre.
– Si H0 < 0 et Lmo > 0, l’atmosphère est stable.
Profil vertical de la vitesse moyenne
Pour un écoulement orienté suivant l’axe des x (v = 0 m.s−1), le profil de vitesse et de tempéra-
ture, dans le cas d’une atmosphère stable ou instable, peut s’écrire sous la forme générale ci-dessous
(Garratt, 1992) :

u∗ z z
u (z) = ln − ΨM (2.2)
κ z0 Lmo
Dans la relation 2.2, les effets thermiques sont représentés par le terme ΨM (qui est fonction du
rapport adimensionnel z/Lmo ). Ce terme représente une déviation par rapport au profil logarithmique
classique en neutre (relation 1.46). Plusieurs séries de mesures et d’observations atmosphériques ont
permis de déterminer empiriquement la forme du terme ΨM (z/Lmo ) suivant le type de stratification
de l’atmosphère (Garratt, 1992) :

– En condition stable : ΨM z z
= −5 Lmo
Lmo
1
1+χ 1+χ 2 π
– En condition instable : ΨM Lmo = 2 ln 2 +ln −2 tan (χ )+ 2 avec χ = 1 − 16 Lmo
z −1 z 4
2
On remarque que pour des conditions neutres (Lmo → ∞), ΨM (z/Lmo ) = 0. On retrouve ainsi le
profil logarithmique classique (relation 1.46). La forme complète des profils de vitesse, pour le cas
stable est donnée par :

u∗ z z
u (z) = ln +5 (2.3)
κ z0 Lmo
Dans le cas instable, on a

u∗ z 1+χ 1 + χ2 π
u (z) = ln − 2 ln − ln + 2 tan (χ ) −
−1
(2.4)
κ z0 2 2 2
Profil vertical de la température potentielle moyenne
Une analyse à celle de la section précédente peut être faite pour la température potentielle. On a
d’après Garratt (1992) :

θ∗ z z
θ (z) = θ0 + ln − ΨH (2.5)
κ zT Lmo
Dans la relation 2.5, θ0 est la valeur de θ au sol. θ∗ est analogue à la vitesse de frottement au sol
u∗ , et est donné par la relation ci-dessous :
H0 u 2 θ0
θ∗ = − = ∗ (2.6)
ρ C p u∗ κ gLmo
zT est une longueur de rugosité thermique : elle correspond à l’altitude à laquelle on a θ = θ0 .
D’après Panofsky et Dutton (1984), on peut la supposer égale à la longueur de rugosité mécanique z0 .
Cependant, Garratt et Francey (1978) trouve empiriquement que zT ≃ z0 exp (2).

La forme de ΨH Lmo a été déterminée empiriquement dans les cas stable et instable. Le profil
z
de température potentielle en condition stable est donné par :

u2∗ θ0 z z
θ (z) = θ0 + ln +5 (2.7)
κ ²gLmo z0 Lmo
Et dans le cas instable :

u2∗ θ0 z 1 + χH
θ (z) = θ0 + ln − 2 ln (2.8)
κ ²gLmo z0 2
1
avec χH = 1 − 16 Lmo .
z 2
On retrouve dans les relations 2.7 et 2.8 un profil de température potentielle constant dans le cas
neutre avec Lmo → ∞.
Exemples de profils de vitesse et de température potentielle
D’après Stull (1988), les valeurs usuelles de Lmo et de vitesse de frottement u∗ , observées dans la
nature sont :
– Lmo varie typiquement entre 1 m et 200 m.

– u∗ varie typiquement entre 0, 05 m.s−1 et 0, 3 m.s−1 .
On note aussi que le cas neutre est un cas limite théorique, rarement observable dans la nature.
Les relations empiriques 2.3-2.4 et 2.7-2.8 nous permettent de tracer des profils de u et de θ
dans la CLS, moyennant le choix de valeurs pour u∗ et de θ∗ . On remarque sur le graphique 2.1 la
déviation de ces deux profils par rapport aux profils en neutre. Dans les basses couches près du sol,
cette déviation est quasi-nulle et on retrouve le profil en neutre, quelle que soit la stratification.
Aussi, remarque-t-on notamment l’augmentation des valeurs de u dans les cas stables au fur et à
mesure que Lmo augmente, surtout en haute altitude. Dans le cas d’une atmosphère fortement stable
(Lmo = 20 m), on affiche des vitesses de l’ordre de 40 m.s−1 , ce qui ne semble pas physiquement
acceptable. Les profils issus de la théorie sont limités à la CLS, donc à des altitudes inférieures à
100 m dans le cas stable, voire beaucoup moins lors de cas très stables.
2.1.2 Notion de hauteur de couche limite
La hauteur de couche limite hCL est un paramètre important dans la caractérisation de la structure
verticale de l’atmosphère dans la CLA. Cependant, sa définition précise est sujette à débat, et de
nombreux auteurs s’y sont intéressés. Les définitions les plus courantes sont exprimées en fonction
de :
F IGURE 2.1 – Profil de vitesse (équations 2.3 et 2.4) et de température potentielle (équations 2.7 et
2.8) pour u∗ = 0.2m/s, z0 = zT = 0.1m et θ0 = 293K.
– La hauteur à laquelle la vitesse du vent atteint celle du vent géostrophique.

– La hauteur à laquelle la direction du vent est égale à celle du vent géostrophique.
– L’altitude à laquelle le profil de u′ w′ s’annule pour la première fois en partant du sol.
Chacune de ces définitions induit une valeur différente de hCL , comme on peut le voir sur le
graphique 2.2 issu de Wyngaard (2010).
F IGURE 2.2 – Graphique schématique issu de Wyngaard (2010) sur les profils des composantes de
vitesse u et v et des flux turbulents u′ w′ et v′ w′ dans la couche limite atmosphérique
Cas d’une atmosphère neutre
La théorie de similitude, développée par Kazanski et Monin (1961), introduit une dépendance de
la hauteur de couche limite en fonction du rapport u∗ / f (dans le cas d’une atmosphère neutre). Cette
hauteur est donnée par la formule de Rossby-Montgomery :
u∗
hCL = c (2.9)
f
A une latitude donnée (à f fixée), hCL est donc directement proportionnelle à la vitesse de frot-
tement au sol. La relation 2.9 n’est pas valable pour les cas limites f → 0 (au niveau de l’équateur).
Dans cette relation, c est une constante à déterminer. D’après une série de mesures faites par différents
auteurs en conditions neutres (Garratt, 1992), la moyenne sur ces mesures donne :
c ∼ 0, 26 (2.10)
On note aussi que c varie entre 0, 15 et 0, 4 sur l’ensemble de ces mesures. Il est à noter que la
définition exacte du calcul de hCL n’est pas explicitée dans chacune des séries de mesure.
Cas d’une atmosphère stratifiée
En condition instable, la CLA s’étend à des altitude typiques de l’ordre de 1−3km (Garratt, 1992).
Cependant, dû à la nature évolutive et convective de CLA en condition instable, il n’existe pas de rela-
tions diagnostiques permettant de déduire hCL en fonction de paramètres physiques caractérisant l’état
de l’atmosphère. Les équations sur hCL sont des équations pronostiques (qui concernent notamment
son évolution temporelle). De telles équations ont été proposées par Batchvarova et Gryning (1991),
et dans Seibert et al. (1997).
Dans le cas d’une atmosphère stable, la relation implicite théorique de Nieuwstadt (1981) et Der-
byshire (1990) permet de calculer hCL en fonction de trois paramètres physiques :
u∗
hCL = c1 (2.11)
f 1 + 1, 9 LhCL
mo
Dans cette relation, on a c1 = 0, 3. On remarque qu’elle tend vers la relation 2.9 si Lmo → ∞. Fina-
lement, Zilitinkevitch (1972) propose une relation théorique, qui découle d’une théorie de similitude
dans la CLA (présentée dans la section suivante) :
1
u∗ Lmo 2
hCL = c2 (2.12)
f
On trouve empiriquement c2 ∼ 0, 4 d’après une moyenne de série de mesures atmosphériques
faites par plusieurs auteurs (Seibert et al., 1997).
2.1.3 Théorie de similitude de Rossby dans la couche d’Ekman en condition neutre
D’une façon analogue à la théorie de similitude dans la CLS, on peut définir quelques paramètres
indépendants qui caractérisent l’écoulement dans la CLA. D’après Kazanski et Monin (1961), en
conditions neutres, ces paramètres sont : le paramètre de Coriolis f , la vitesse de frottement u∗ et par
conséquent la hauteur de couche limite hCL (tel que définie dans la section précédente).
L’atténuation du vent géostrophique suivant l’altitude peut s’exprimer à travers ces deux para-
mètres : les valeurs peuvent donc s’exprimer en fonction du rapport adimensionnel f /u∗ . On consi-
dère un écoulement neutre, stationnaire, homogène horizontalement et aligné suivant x au sol. Les 2
composantes horizontales de la vitesse deviennent :

u − ug zf
= Fx (2.13)
u∗ u∗

v − vg zf
= Fy (2.14)
u∗ u∗
Ce système est une approche par similitude basé sur le nombre de Rossby, qui représente la loi de
perte de vitesse (ou « velocity defect law »). En utilisant un raccordement des 2 équations 2.13 et 2.14
avec le profil logarithmique de la vitesse (équation 1.46) , on obtient les 2 relations ci-dessous (2.15
et 2.16). On pourra se reporter sur Garratt (1992) sur l’explication complète de la méthode.

ug 1 u∗
= ln − B0 (2.15)
u∗ κ f z0
vg 1
= − A0 sign ( f ) (2.16)
u∗ κ
Dans ces relations, A0 et B0 sont des constantes adimensionnées, à déterminer empiriquement.
Si l’on combine les deux équations ci-dessus, on obtient (avec Ug la norme de la vitesse du vent
géostrophique) :
s
2
Ug 1 u∗
= ln − B0 + A20 (2.17)
u∗ κ f z0
A0 u ∗
sin (α ) = − sign ( f ) (2.18)
κ Ug
Dans l’équation 2.18, α est l’angle entre le vent géostrophique et l’axe des x, pour un écoulement
aligné suivant cet axe au sol. Dans Zilitinkevitch (1989), on trouve une série de 14 mesures atmo-
sphériques effectuées par différents auteurs afin d’estimer les constantes A0 et B0 . En moyennant sur
toutes ces mesures, on trouve :
A0 ∼ 4.41 (2.19)
B0 ∼ 1.74 (2.20)
Grâce à cette théorie de similitude, on dispose de relations intéressantes qui lient le vent géostro-
phique aux paramètres d’écoulement au sol (vitesse de frottement, rugosité), et qui quantifient l’angle
de déphasage entre le sol et le sommet de la CLA.
2.1.4 Théorie de similitude de Rossby dans la couche d’Ekman en condition stratifiées
D’après Hess (1973) et Sorbjan (1989), les équations 2.15 et 2.16 peuvent s’écrire dans le cas
général (atmosphère non neutre) :

ug 1 u∗
= ln − B1 ( f , u∗ , Lmo ) (2.21)
u∗ κ f z0
vg 1
= − A1 ( f , u∗ , Lmo ) sign ( f ) (2.22)
u∗ κ
Dans ce cas, A1 et B1 sont des désormais des fonctions de paramètres physiques. En combinant
ces deux relations, on trouve :
s
2
Ug 1 u∗
= ln − B1 ( f , u∗ , Lmo ) + A21 ( f , u∗ , Lmo ) (2.23)
u∗ κ f z0
A1 ( f , u∗ , Lmo ) u∗
sin (α ) = − sign ( f ) (2.24)
κ Ug
Après quelques simplifications et hypothèses (Garratt ,1992), on trouve que A1 et B1 ne sont fonc-
tions que du rapport µ = hCL /Lmo . D’après Arya (1977) et Brutsaert (1982) , on trouve empiriquement
la forme des fonctions A1 et B1 en fonction du degré de stratification de l’atmosphère (tableau 2.1).
A1 B1
− 13 1
Instable à neutre (µ ≤ 0) 4, 5 (1 − 3, 3µ ) 5 − 4 (1 − 0, 0084µ )− 3
Légèrement stable (0 < µ ≤ 35) 4, 5 + 0, 3µ 1 − 0, 038µ
1 1
Très stable (µ > 35) 3, 17 (µ − 12, 5) 2 −3, 17 (µ − 20) 2
TABLE 2.1 – Forme des fonctions A1 et B1 suivant le degré de stabilité.
Pour le cas d’une atmosphère neutre (µ → 0), on retrouve A1 = 4.5 et B1 = 2, 2, valeurs légèrement
différentes de celles vues précédemment (relations 2.23 et 2.24).
2.1.5 Profils de vitesse analytiques dans la CLA
A partir de la théorie de similitude vue précédemment, Zilitinkevich (1989) développe des profils
de vitesse pour toute la CLA en conditions neutres et stables. Ces profils s’écrivent, dans le cas d’un
écoulement au sol dirigé suivant l’axe des x :
2
u∗ z z ∗ z
u (z) = ln +b +b 2 (2.25)
κ z0 hCL hCL
2
u∗ z ∗ z
v (z) = − a +a 2 sign ( f ) (2.26)
κ hCL hCL
Les valeurs des constantes recommandés par Zilitinkevich (1989), ont été calées grâce à des com-
paraisons avec des mesures atmosphériques.
– En condition neutre, on a : a = 10, a∗ = −5, 5, b = 4, et b∗ = −4, 5.

3κ 1
– En condition stable, on a : a = 10, a∗ = 2Λ( µ ) − 4 a, b = 4 + Ch βu µ , et b = − 2 − 4 b, avec
3 2 ∗ 3 3
√ −1
µ
Ch = 0, 85, βu = 12 , Λ (µ ) = 0,3
1
+ 0,34 et µ = fκLumo
∗
.
D’autre part, Gryning et al. (2007) proposent des profils de vitesse pour toute la CLA, en prenant
en compte une longueur caractéristique Lmbl de milieu de CLA, et qui permet un raccordement entre
les profils dans CLS et le vent géostrophique. Contrairement à ceux préconisés par Zilitinkevich, ces
profils sont donnés en norme de la vitesse, et ne permettent pas de quantifier le vrillage caractéristique
de la couche d’Ekman. On a :
– En condition neutre :

u∗ z z z z
U (z) = ln + − (2.27)
κ z0 Lmbl hCL 2Lmbl
– En condition stable :

u∗ z b2 z z z z z
U (z) = ln + 1− + − (2.28)
κ z0 Lmo 2hCL Lmbl hCL 2Lmbl
– En condition instable :

u∗ z z z z z
U (z) = ln − ψ( )+ − (2.29)
κ z0 Lmo Lmbl hCL 2Lmbl

z 3 1 + χG + χG2 √ −1 1 + 2χG π
ψ( ) = ln − 3 tan √ +√ (2.30)
Lmo 2 3 3 3
avec χG = (12 − z/Lmo )1/3
Grâce à des comparaisons avec des mesures atmosphériques, Gryning et al. (2007) proposent une
paramétrisation empirique du terme Lmbl :
−1
f u∗ u2∗
Lmbl = −2 ln + 55 exp − (2.31)
u∗ f z0 400 f 2 L2mo
2.2 Résultats théoriques et empiriques sur la turbulence

2.2.1 Niveau global de turbulence dans la CLS
La turbulence atmosphérique dans la CLS est relativement facile à mesurer. De nombreuses séries
de mesures dans l’atmosphère ont conduit à l’estimation de paramètres importants caractérisant la
turbulence dans les basses couches, tel que l’écart-type σui ou l’ECT k. On introduit les rapports
suivants :
σui k
; 2 (2.32)
u∗ u∗
Ces rapports sont importants dans la mesure où ils quantifient le niveau de turbulence par le biais
d’un rapport adimensionnel entre les écart-type σu , σv et σw , et les flux turbulents verticaux u′ w′ et
v′ w′ (i.e. la vitesse de frottement u∗ ).
Dans Panofsky et Dutton (1984), une série de mesures des rapports σui /u∗ en terrain plat et en
condition neutre donnent une estimation de ce rapport, dont la moyenne est affichée dans le tableau
2.2. On remarque que les observations individuelles s’écartent peu de cette moyenne.
σu /u∗ σv /u∗ σw /u∗
2, 39 ± 0, 03 1, 92 ± 0, 05 1, 25 ± 0, 03
TABLE 2.2 – Estimation des rapports σui /u∗ , d’après Panofsky et Dutton (1984).
On remarque que la turbulence atmosphérique est hautement anisotropique, avec un rapport d’en-
viron 2 entre les fluctuations longitudinales et verticales.
Finalement, ceci nous donne un rapport global de turbulence dans la CLS :
k
∼ 5, 48 (2.33)
u2∗
L’évolution suivant l’altitude de la turbulence atmosphérique (des écart-types σ et de l’ECT k) est
donnée par un certain nombre de relations fournies par plusieurs auteurs. Ce sont des relations pour
la plupart empiriques. On en fournit quelques unes des plus utilisées, suivant le type de stratification
de l’atmosphère.
2.2.2 Profil de turbulence dans la CLS
Condition neutre
Dans la CLS, les flux turbulents sont approximativement constants suivant la verticale. La relation
2.33 sur k est valable sur toute l’épaisseur de la couche. Dans le rapport de la NASA de Han et al.
(2000), une interpolation des données de mesures de Hogstrom (1996) et Rao et Nappo (1998) donne :
k (z) = 6u2∗ (2.34)

Ce résultat se rapproche de l’équation 2.33. En ce qui concerne le taux de dissipation turbulente,

on a :
u3∗
ε (z) = 1, 24 (2.35)
κz
Condition instables
En condition instable, il est commode d’introduire une échelle de vitesse, définie par :
13
hCL u3∗
w∗ = (2.36)
κ |Lmo |
D’après les mesures de Arya (2000) et les travaux d’interpolation faits par Han et al. (2000), on
trouve :
3
2 2 z 2
k (z) = 0, 36w∗ + 0, 85u∗ 1 − 3 (2.37)
Lmo
2 !3
u3∗ z 3 2
ε (z) = 1 + 0, 5 (2.38)
κz Lmo
On remarque que l’ECT k est fonction de la hauteur de couche limite hCL , à travers la vitesse w∗ .
D’après une série de mesures en conditions instables et à des altitudes se situant entre 4m et 32m
(expérience de Minnesota), Panofsky et al. (1977) trouvent une expression simple pour les écarts-
types en condition instable :
1
hCL 3
σu (z) = σv (z) = u∗ 12 − 0, 5 (2.39)
Lmo
1
z 3
σw (z) = 1, 25u∗ 1−3 (2.40)
Lmo
On remarque que les écart-types horizontaux (relation 2.39) sont des constantes suivant la verti-
cale, et sont fonctions de hCL . Dans le cas d’une atmosphère neutre (Lmo → ∞), on retrouve approxi-
mativement les valeurs prédites par Panofsky et Dutton (1984), (tableau 2.2).
Condition stable
En condition stable, l’épaisseur de la CLS est très faible (∼ 5 m à 20 m). Par conséquent, les profils
verticaux de σui /u∗ sont présentés dans la section suivante (concernant toute la CLA).
2.2.3 Profils de turbulence dans la CLA
Dans la littérature, on trouve un certain nombre de relations qui permettent de déduire les variables
turbulentes en fonction de paramètres régissant l’état de l’atmosphère. Ci-dessous, on présente celles
les plus citées et recommandées (notamment par le rapport de COST 710).
Condition neutre
L’interpolation des données de mesures de Hogstrom (1996) et Rao et Nappo (1998), et les travaux
de Han et al. (2000) donnent un profil vertical de k et ε dans toute la CLA :

z 1,75
k (z) = 6u2∗ 1− (2.41)
hCL

u3∗ z 1.5
ε (z) = 1, 24 1 − 0, 85 (2.42)
κz hCL
Concernant les termes σui dans le cas d’une atmosphère neutre, d’après Hanna (1982) et les me-
sures de Wyngaard et al. (1974), on a les expressions 2.43-2.44 ci-dessous, recommandées par le
rapport COST 710. Elles sont intéressantes dans le sens où elles ne font pas intervenir la hauteur de
couche limite.

fz
σu (z) = 2, 0u∗ exp −3 (2.43)
u∗

fz
σv (z) = σw (z) = 1, 3u∗ exp −2 (2.44)
u∗
Hunt, Leibovich et Richards (1988) proposent des relations théoriques qui extrapolent les résultats
empiriques de Panofsky et al. (1977) à toute la CLA grâce à une fonction d’atténuation verticale ξ (z).
Les relations ci-dessous sont valables dans le cas −0, 3 < h/Lmo < 0, 3 .
σu (z) = 2, 5u∗ ξ (z) (2.45)
σv (z) = 2, 0u∗ ξ (z) (2.46)
σw (z) = 1, 3u∗ ξ (z) (2.47)
avec :
(z + z0 )
ξ (z) = 1 − 0, 8 (2.48)
hCL
Condition instable
Les mesures d’Arya (2000) et les travaux de Han et al. (2000) donnent pour l’ECT :
" 2 #
3 z z 2 2
k(z) = 0, 36 + 0, 9 1 − 0, 8 w∗ (2.49)
hCL hCL
Aussi, Sorbjan (1989) et Han et al. (2009) fournissent-ils pour la dissipation turbulente :

w3∗ z
ε (z) = 0, 8 − 0, 3 (2.50)
hCL hCL
De la même façon que celles présentées précédemment, Hunt et al. (1988) généralisent les for-
mules prédites par Panofsky et al. (1977) pour toute la CLA. On a dans le cas −h/Lmo < −0, 3 :
21
w2∗
σu (z) = u∗ 0, 3 2 + 6, 25ξ (z)
2
(2.51)
u∗
12
w2∗
σv (z) = u∗ 0, 3 2 + 4, 0ξ (z)
2
(2.52)
u∗
12
w2∗ 2
σw (z) = u∗ 0, 4 2 χ (z) + 1, 69ξ 2 (z) (2.53)
u∗
avec :
1
z + z0 3
χ (z) = 2, 1 ξ (z) (2.54)
hCL
Les relations recommandées par COST 710 dans le cas instable sont celles de Gryning et al.
(1987), basées sur les résultats empiriques de Brost et al. (1982) :
" 2 # 21
hCL 3 z
σv (z) = u∗ 0, 35 − + 2− (2.55)
κ Lmo hCL
" 2 # 12
z 3 z z
σw (z) = u∗ 1, 5 − exp −2 + 1, 7 − (2.56)
κ Lmo hCL hCL
Condition stable
D’après Han et al. (2000), Hogstrom (1996) et Rao et Nappo (1998), le profil de k dans la CLA
en condition stable est identique à celui en neutre (équation 2.41) :

z 1,75
k (z) = 6u2∗ 1− (2.57)
hCL
En ce qui concerne la dissipation, on a :

u3∗ z z 1,5
ε (z) = 1, 24 + 4, 3 1 − 0, 85 (2.58)
κz Lmo hCL
Selon Hunt et al. (1988), on a dans le cas d’une atmosphère idéalement stable (sans présence
d’onde de gravité) :
3
(z + z0) 4
σu (z) = 2, 5u∗ 1 − 0, 9 (2.59)
hCL
3
(z + z0) 4
σv (z) = 2, 0u∗ 1 − 0, 9 (2.60)
hCL
3
(z + z0) 4
σw (z) = 1, 3u∗ 1 − 0, 9 (2.61)
hCL
Hanna (1982) prévoit, d’après les mesures de Panofsky et al. (1977) et l’expérience de Minnesota
(Kaimal et al., 1976), les relations ci-dessous (recommandée par COST 710) :

z
σu (z) = 2, 0u∗ 1 − (2.62)
hCL

z
σv (z) = σw (z) = 1, 3u∗ 1 − (2.63)
hCL
Finalement, d’après Paumier et al. (1986), on a :
1
z z 3
σv (z) = 1, 643u∗ 1 − 1 + 2.8 (2.64)
hCL hCL

z
σw (z) = 1, 207u∗ 1 − (2.65)
hCL
3 PRÉSENTATION GÉNÉRALE ET DÉMARCHE DE L’ÉTUDE 57
3 Présentation générale et démarche de l’étude
Introduction : Dans ce chapitre, on présente la problématique de la simulation de l’écoulement

atmosphérique à l’échelle locale, notamment en ce qui concerne les cas de simulations en présence
d’une topographie complexe. Les différentes pistes de modélisation sont explorées. Le choix de modé-
lisation et le plan de la construction d’une méthodologie, capables de répondre à la problématique,
sont présentés.
3.1 Présentation de la problématique

3.1.1 Introduction
De nombreux résultats empiriques et théoriques existant dans la littérature, et découlant d’observa-

tions atmosphériques, ont été présentés dans le chapitre précédent. Ces résultats sont très intéressants
dans le sens où ils permettent une caractérisation générale de l’écoulement atmosphérique dans la
CLA dans des configurations simples, i.e. en sol plat. Cependant, ils ne permettent pas de prendre
en compte l’effet des hétérogénéités du sol sur la description de l’écoulement. En effet, le problème
devient plus ardu si l’on considère un écoulement en présence de forçages inhomogènes au sol (i.e.
en terrain complexe).
F IGURE 3.1 – Graphique adapté de Carruthers et Hunt (1990) sur les phénomènes survenant en pré-
sence d’un terrain complexe (en excluant les phénomènes liés à l’humidité de l’air).
La présence d’un tel forçage, de type mécanique (topographie, obstacles) ou thermique (flux de
chaleur au sol), perturbe considérablement la structure verticale et la turbulence de la CLA. La pré-
diction de l’écoulement en présence d’un tel forçage ne peut se faire sans l’utilisation de modèles
atmosphériques, numériques ou analytiques, permettant de fournir une solution précise de l’écoule-

ment dans de tels cas.
3.1.2 État de l’art des modèles d’écoulement atmosphérique
L’écoulement atmosphérique se composant d’une plage très large d’échelles spatiales et tempo-
relles, simuler simultanément l’ensemble de ces échelles est impossible au vu de la puissance des
machines actuelles et le sera encore dans un futur proche. Par conséquent, il existe un large éventail
de modèles, numériques et analytiques, correspondants à différentes échelles spatiales :
– Les modèles numériques globaux (type GFS, Arpege,...), simulent les plus grandes échelles
de temps et d’espace (échelles > 100 km) et sont basés sur des équations de Navier-Stokes
simplifiées.
– Les modèles numériques méso-échelles (RAMS, WRF, MM5, ...) sont utilisés pour des échelles
typiques de l’ordre de ∼ 10 km à 100 km. Ils permettent de simuler des effets régionaux que les
modèles globaux n’arrivent pas à bien reproduire (tels que des effets de brise de terre et de mer,
de topographie complexe, ...).
– Les modèles diagnostiques locaux, de type linéarisé (Flowstar, MS3DJH, WASP,...) ou de type
« mass consistent » (Minerve,...) simulent les échelles intermédiaires entre la micro-échelle et
la méso-échelle (i.e. à l’échelle locale).
– Les modèle numériques micro-échelles (ou code « CFD » tel que Fluent, OpenFOAM, Code
Saturne,...), résolvent les équations de la mécanique des fluides. Ils permettent de simuler des
problèmes industriels (ventilation, turbomachines, etc.), mais sont également utilisés pour des
applications atmosphériques avec une résolution spatiale de l’ordre de ∼ 1 m.
Cette multitude de modèles nous impose un choix en ce qui concerne la simulation de l’écoulement
aux échelles considérées dans ce travail de thèse. Ce point sera discuté par la suite.
3.1.3 Les échelles spatiales d’intérêt
L’utilisation d’un modèle atmosphérique impose la spécification d’un domaine de calcul de di-
mensions finies. Dans cette étude, on s’intéresse à la simulation de l’écoulement atmosphérique à
l’échelle locale. Horizontalement, les échelles qui nous intéressent sont de l’ordre de :
Lx ∼ 10 km ; Ly ∼ 10 km
Verticalement, on s’intéresse à des phénomènes situés dans la CLA. Son hauteur varie entre 100 m
à 3000 m, donc :
Lz ∼ 3 km
On définit ainsi les dimensions caractéristiques de notre domaine de calcul. Afin de capter les
inhomogénéités de forçages surfaciques, il nous faut considérer des mailles suffisamment fines afin
de reproduire l’effet de ces inhomogénéités sur l’écoulement atmosphérique. Les mailles de calcul
doivent présenter une résolution horizontale de l’ordre de :
△x ∼ 100 m ; △y ∼ 100 m
Suivant la verticale, l’effet des inhomogénéités doit être bien prise en compte, surtout en zone
proche-paroi. Près du sol, on doit avoir :
△z ∼ 10 m
Le graphique 3.2 nous montre de façon schématique le domaine de calcul d’un modèle atmosphé-
rique dans le cas d’une application à l’échelle locale. En plus des données surfaciques, le domaine
doit être forcé avec des données de vent géostrophique et de température comme informations sur le
mouvement à grande échelle. Le choix des conditions aux limites de notre domaine sera discuté par
la suite.
F IGURE 3.2 – Représentation schématique du domaine de calcul d’un modèle atmosphérique appliqué
à l’échelle locale.
3.1.4 Discussion sur le choix du modèle pour des applications à l’échelle locale
Les modèles méso-échelles
Les codes méso-échelles résolvent les équations de l’écoulement atmosphérique en prenant en

compte toute la physique atmosphérique (stabilité thermique, transfert radiatif, microphysique,...).
Ces modèles peuvent résoudre l’ensemble des échelles spatiales allant de l’échelle continentale jus-
qu’aux échelles kilométriques grâce à la technique de l’emboitement des grilles. Cependant, l’utilisa-
tion de ces modèles pour des applications à l’échelle locale présente des difficultés, qui s’expliquent
par plusieurs causes :
– L’utilisation de grilles imbriquées nécessite un raffinement du maillage, ce qui rallonge gran-

dement le temps de calcul.
– Les différentes paramétrisations physiques, notamment la turbulence et l’échange au sol, dans
le cas d’un raffinement spatial et temporel, sont à revoir. Les modèles de turbulence, souvent
simplifiés, sont inadaptés dans le cas de forçages complexes au sol.
– L’offre de type de maillage est le plus souvent limitée (maillages structuré), et ne permet pas
de représenter correctement les petites hétérogénéités de la surface, notamment dans des cas de
topographie complexe.
Les modèles CFD
Les modèles CFD (Computational Fluid Dynamics, ou mécanique des fluides numérique), ré-
solvent les équations complètes de Navier-Stokes (équations 1.6, 1.9, 1.12 et 1.14) sur des maillages
prenant en compte la topographie du sol et la présence d’obstacles (bâtiments, végétation). Cependant,
l’utilisation des codes CFD pour des applications atmosphériques présente plusieurs limitations :
– Le problème du forçage des données météorologiques, qui se manifeste par la spécification des
conditions aux limites du domaine de calcul. En effet, ces modèles appliqués à l’atmosphère
sont généralement mis en œuvre pour des conditions aux limites stationnaires, en admettant
que le temps caractéristique de variations des conditions météorologiques est grand devant les
temps d’établissement de l’écoulement à l’échelle du domaine.
– La non prise en compte, par défaut, des paramétrisations complexes de la physique de l’atmo-
sphère, tels que la radiation, la micro-physique, l’humidité, la force de Coriolis, etc.
– Le temps de calcul souvent exorbitant des codes CFD, qui n’est pas compatible avec une mé-
thodologie ayant pour but de fournir une solution rapide (applications industrielles, études de
danger, etc.).
Les modèles diagnostiques
Les modèles dit diagnostiques sont, pour la plupart du temps, utilisés pour des problématiques
typiques de l’échelle locale. On distingue deux types de codes diagnostiques :
– Les modèle de type « mass consistent » consistent à interpoler directement des données de
mesure sur le domaine de calcul en respectant uniquement la loi de la conservation de la masse.
– Les modèles dits linéarisés, fournissent une solution analytique de l’écoulement en supposant
un relief peu accidenté.
L’avantage de ces modèles réside dans leur temps de calcul faible devant les codes CFD ou méso-
échelle. Toutefois, ils présentent plusieurs désavantages :
– Ils ne permettent pas la prise en compte de conditions aux limites et de forçage au sol com-
plexes.
– Ils sont limités à des rapports de topographie (rapport de hauteur sur longueur) inférieurs à un
seuil donné, ainsi qu’à de petits changements d’éléments de rugosité.
Par conséquent, ces codes ne peuvent simuler très exactement l’écoulement dans des cas ardus
(présence d’une topographie complexe, de zones côtières, de zones de recirculation,...).
Choix du modèle
La simulation de l’écoulement atmosphérique à l’échelle locale et dans la CLA passe par la re-
présentation correcte de sa structure verticale, de la turbulence, et de la surface terrestre. Seuls les
modèles CFD permettent une bonne prise en compte des 2 derniers points évoqués. En effet, les mo-
dèles CFD offrent un large choix de modélisations poussées de la turbulence atmosphérique, appli-
cables à des cas d’écoulements perturbés par de fortes singularités du sol. De plus, la représentation
très précise de la surface du sol est possible grâce à des options de maillage de différentes formes
géométriques (structurés ou non structurés). En ce qui concerne la structure verticale de la CLA, elle
est généralement modélisée par le biais de la spécification de conditions aux limites horizontales du
domaine de calcul.
Les modèle CFD constituent ainsi une piste intéressante pour la modélisation de l’écoulement at-
mosphérique à l’échelle locale, avec des mailles horizontales hectométriques. Cependant, comme cela
a été vu, cette méthodologie présente plusieurs inconvénients. Le développement d’une méthodologie
qui permet de faire face aux limitations évoquées constitue le cœur de ce travail de thèse.
3.2 Objectifs et plan de la thèse

3.2.1 Méthodologies actuelles de simulations CFD atmosphériques
La nécessité de prendre en compte un code CFD pour des applications à l’échelle locale a été dé-
montrée dans le chapitre précédent. Aussi, la majorité des simulations CFD atmosphériques sont-elles
effectuées avec le modèle de turbulence RANS k − ε , notamment à cause du fait que ce modèle offre
un compromis intéressant entre temps de calcul et précision de résultat. Les études CFD atmosphé-
riques avec des modèles de turbulence plus complexes, telles que celles effectuées avec le modèle LES
(Large Eddy Simulation), restent à caractère académique car le temps de calcul est considérablement
plus long (on peut trouver une telle étude dans Bechmann et al., 2007).
Un grand nombre de simulations atmosphérique CFD en k − ε sont mises en œuvre pour des
simulations en condition neutre (la stabilité atmosphérique n’étant pas prise en compte). Parmi de
telles études figure celle de Riddle et al. (2004), de Hargreaves et Wright (2007) et de Blocken et
al. (2007). D’autre part, les travaux des auteurs tels que Freedman et Jacobson (2003), et Pontigia
et al. (2009), ont permis de proposer une méthodologie CFD qui permet de reproduire la stabilité
atmosphérique dans la CLS en conditions stable, neutre et instable, grâce à l’utilisation de profils
analytiques issus de la théorie de Monin-Obukhov. Plus récemment, les travaux de thèse de Vendel
(2011) reprennent cette méthodologie mais en prenant en compte la température potentielle à la place
de la température.
3.2.2 Limitations des méthodologies actuelles
Toutefois, l’utilisation actuelle de codes CFD pour des simulations atmosphériques présente des
limitations. Ces limitations concernent majoritairement :
– L’extension au dessus de la CLS (ensemble de la CLA) : en effet, l’ensemble des auteurs

cités ci-dessus utilisent comme informations aux limites horizontales du domaine de calcul, des
profils analytiques valables uniquement dans la CLS. Or la hauteur verticale de la CLS est ap-
proximativement égale à 10% de la CLA, c’est-à-dire de l’ordre de 100 m à 300 m en conditions
neutre et instable, et de 10 m à 30 m en condition stable. Ainsi, voit-on que les altitudes simulées
sont faibles, ce qui présente un inconvénient dès lors que cette méthodologie est appliquée à
l’échelle locale et à une topographie complexe.
– Les constantes empiriques du modèle k-ε : ces constantes jouent un rôle fondamental dans la
simulation du niveau de turbulence. Il en existe deux classes dans la littérature : les constantes
standards (généralement utilisées dans des applications en petite-échelle, telles qu’en souffle-
rie, en turbomachines, etc.), et les constantes atmosphériques de Duynkerke (1988), qui ont
été calées pour pouvoir reproduire les niveaux atmosphériques de la turbulence. Cependant, il
n’existe pas dans la littérature des études plus approfondies sur le choix et l’utilisation de ces
constantes, ni de théories permettant d’unifier les deux méthodologies.
– L’anisotropie de la turbulence : de par sa construction, le modèle k − ε décrit l’énergie ciné-

tique turbulente k de façon globale, sans distinguer les trois composantes de fluctuations suivant
les trois directions : il admet donc une hypothèse forte d’isotropie. Par conséquent, on voit la
limitation de ce modèle dans les cas d’études atmosphériques car la turbulence atmosphérique
est hautement anisotrope (surtout en présence de terrain complexe, mais aussi en sol plat).
– Le temps CPU : les calculs CFD avec un modèle k − ε requièrent des temps de calcul non
négligeables (de l’ordre de l’heure pour un cas de configuration donné). Par conséquent, ces
temps restent trop longs pour un usage pratique de la méthodologie CFD car les contraintes de
réalisation d’études d’ingénierie (aérodynamique de bâtiments, potentiel éolien, dispersion et
impact environnemental) nécessitent le plus souvent de pouvoir fournir le champ d’écoulement
en quelques minutes de temps CPU.
3.2.3 Objectifs de la thèse
L’objectif de ce travail de thèse consistera en une recherche optimale aux limitations évoquées
ci-dessous, à savoir un travail de recherche sur les points suivants (voire figure 3.3) :
– Le développement d’une méthodologie permettant de proposer une vision plus approfondie des
constantes empiriques du modèle k − ε .
– La prise en compte d’un modèle de turbulence permettant de prendre en compte l’anisotropie
de la turbulence.
– Le choix de profils aux faces d’entrée et de sortie du domaine de calcul, et des paramètres
physiques à prendre en compte, afin de simuler entièrement la CLA.
– La développement d’une méthodologie de réduction du temps de calcul CFD.
3.2.4 Plan de la thèse
Ainsi, ce travail de thèse se résume en 4 parties, dont on donne un résumé ci-dessous.
Modélisation de la turbulence atmosphérique
On s’intéressera tout d’abord dans la partie 2 aux différentes techniques de modélisation de la

turbulence. Aussi, montrera-t-on que le modèle RANS Ri j − ε est intéressant car il permet de simuler
l’anisotropie de la turbulence. Les équations et les constantes empiriques qui apparaissent dans les
deux modèles retenus dans ce travail de thèse (k − ε et Ri j − ε ), seront présentées dans cette partie.
Ensuite, on présentera le développement de constantes empiriques atmosphériques pour le modèle

Ri j − ε , en s’inspirant des constantes préconisées par Duynkerke (1988) pour le modèle k − ε .
Finalement, on étudiera de façon approfondie le développement et l’utilisation des constantes

empiriques, à la fois pour les modèles k − ε et Ri j − ε , afin de proposer une méthodologie générale
sur leur utilisation. Pour ce faire, on s’intéresse aux points suivants :
F IGURE 3.3 – Schéma explicatif des objectifs du travail de thèse.
– L’interdépendance des constantes empiriques et des niveaux de turbulence.

– La démonstration du fait que les niveaux de turbulence mesurés sont proportionnels au temps
d’intégration de la mesure. Cette démonstration permettra de comprendre les différences de
niveaux entre les mesures atmosphériques et ceux en soufflerie.
– Le développement d’un modèle capable de retrouver les caractéristiques de la turbulence atmo-
sphérique pour un temps d’intégration donné, quel que soit ce temps.
La prise en compte de l’ensemble de ces points nous permettra de paramétrer correctement la

turbulence atmosphérique au sein d’un code CFD.
Développement d’une méthodologie CFD de l’écoulement atmosphérique à l’échelle locale
La partie 3 s’intéressera à la méthodologie de forçages de données météorologiques dans le code

CFD, par le biais de profils verticaux représentant toute la CLA. Ainsi, présentera-t-on dans cette par-
tie une nouvelle méthodologie concernant les conditions aux limites (méthodologie « CFD 1D-3D »).
Elle consiste à développer un modèle 1D, qui prend en compte un certain nombre de paramètres at-
mosphériques importants, et qui résout les équations de Navier-Stokes (avec un modèle de turbulence
atmosphérique de type RANS k − ε et Ri j − ε ) dans le cas d’un sol homogène horizontalement. Ce
modèle fournira les profils de grandeurs moyennes et turbulentes appliqués aux conditions limites
d’un code CFD 3D dans le cas d’une topographie complexe. Cette méthodologie permettra ainsi de
forcer correctement les codes CFD en données météorologiques. Les arguments quant à ce choix de
méthodologie seront explicités dans la partie 3.
On présentera ensuite la validation du modèle 1D en présence d’un sol plat, grâce à une compa-
raison avec les résultats théoriques et empiriques présentés dans la partie 2.
Applicabilité de la méthodologie CFD à un sol inhomogène
On s’intéressera par la suite, dans la partie 4, à l’application de la méthodologie CFD à des cas
de forçages complexes au sol (forçages topographiques, thermiques ou rugueux). Des comparaisons
académiques, avec des solutions analytiques et des mesures en soufflerie, seront effectuées par la suite
afin de valider la méthodologie CFD à de tels cas.
Réduction du temps de calcul
Finalement, la partie 5 portera sur le développement d’une méthodologie qui permet de réduire le
temps de calcul CFD. Dans cette optique, on présentera la méthodologie de l’utilisation des calculs
partiellement convergés. On montrera notamment que cette méthodologie permet de gagner en temps
de calcul, tout en gardant une bonne précision de la solution. Des cas tests, en présence de topographie
complexe, seront présentés. Ainsi, cette approche sera-t-elle testée sur un grand nombre de cas tests
afin de la valider.
Deuxième partie
Éléments de modélisation de la turbulence

atmosphérique
4 MISE EN ÉQUATION DE LA TURBULENCE ATMOSPHÉRIQUE 69
4 Mise en équation de la turbulence atmosphérique
Introduction : Ce chapitre explore les différents types de modélisation de la turbulence, ainsi que
le choix de modèles retenus dans le cadre de cette thèse : les équations de deux modèles de turbulence
RANS (k − ε et Ri j − ε ) sont présentées dans ce chapitre. Une attention particulière est portée sur les
constantes empiriques figurant dans ces deux modèles.
4.1 Introduction générale

4.1.1 Les différents modèles de turbulence
Plusieurs modélisations de la turbulence existent dans la littérature :
– Le modèle instationnaire DNS (Direct Numerical Simulation) qui permet la résolution complète
des équations de Navier-Stokes.
– Les modèles instationnaires de type LES (Large Eddy Simulation) qui résolvent directement
les grandes échelles tout en modélisant les échelles sous-maille.
– Les modèles statistiques de type RANS (k − ε , k − ω , RSM, ....) qui appliquent la décomposition
de Reynolds (moyenne d’ensemble) sur les équations de Navier-Stokes.
Le modèle DNS est très couteux en temps de calcul car il résout la totalité des échelles de l’écou-
lement. Les modèles LES sont également couteux car ils résolvent de façon instationnaire les grandes
échelles de la turbulence, et nécessitent des temps de simulation plus important afin de fournir des so-
lutions statistiquement convergées. Par conséquent, leur utilisation est plutôt à caractère académique.
Pour ces raisons, nous choisissons de caractériser la turbulence atmosphérique par le biais d’un mo-
dèle de turbulence de type RANS (i.e. des modèles statistiques).
4.1.2 Les modèles de turbulence de type RANS
L’équation générale du bilan de la quantité de mouvement dans le cas d’un modèle RANS (équa-
tion 1.27), avec une approximation de Boussinesq pour les termes de flottabilité, s’écrit dans une
forme simplifiée :

∂ ui ∂ ui 1 ∂P 1 ∂ u ′ u′
i j ∆θ ∂ 2 ui
∂t ∂xj ρ ∂ xi ρ ∂xj θ ∂xj
Le résolution du problème de fermeture du terme u′i u′j , qui découle de la décomposition de Rey-
nolds, peut se faire par deux méthodes :
– Modélisation du 1er ordre : par le biais de l’hypothèse de Boussinesq, qui conduit à la réso-
lution de 0 équation (modèles de longueur de mélange), 1 équation (modèle k) ou 2 équations
supplémentaires (modèles k − ε , k − ω , etc.).
– Modélisation du 2ème ordre : par la résolution d’équations de transport pour les termes du
′ ′
tenseur de Reynolds ui u j (modèles Ri j ).
4.1.3 Discussions sur le choix du modèle de turbulence
Le choix entre ces différentes modélisations s’effectue en fonction de la complexité du problème à

traiter. Le fait même de l’existence d’un grand nombre de modèle indique qu’il n’en existe pas un qui
garantisse des résultats de qualité. Les modèles qui utilisent 1 équation supplémentaire ou plus sont
utilisés dès que les géométries deviennent plus complexes. Cependant, plus le modèle de turbulence
est complet, et plus son coût de résolution numérique devient important.
Le modèle k − ε est le plus couramment utilisé dans l’industrie et l’ingénierie. Ses résultats af-
fichent un compromis intéressant entre précision et coût informatique. On trouve de nombreuses
études atmosphériques avec ce modèle dans la littérature (dont quelques unes sont citées dans la
section 3.2.1). De plus, il existe différentes variantes à ce modèle (tel que les modèles standard, RNG
et Realizable). Cependant, par souci de rester le plus général possible, on utilisera le modèle k − ε
standard par la suite de ce travail de thèse. On se refera à ce modèle par la suite si le terme « standard »
n’est pas mentionné.
Afin de pouvoir disposer également d’un modèle pouvant simuler l’anisotropie de la turbulence, le
second modèle considéré est le Ri j − ε . Il modélise l’anisotropie en résolvant des équations pour tous
les termes du tenseur de Reynolds u′i u′j . Il s’ensuit inexorablement un coût informatique plus élevé. De
plus, on note généralement des difficultés dans son implémentation numérique. Cependant, il semble
constituer une piste très intéressante en ce qui concerne les phénomènes à forçages complexes au
sol, zones de recirculation derrière des collines à pente forte, et obstacles à géométrie complexe, qui
induisent généralement une forte anisotropie de l’écoulement.
Finalement, les deux modèles de turbulence retenus dans le cadre de cette thèse sont les modèles
RANS k − ε et Ri j − ε . Leurs modélisations complètes sont explicitées dans les prochaines sections.
4.2 Le modèle de turbulence RANS k − ε standard

4.2.1 Équations générales
L’hypothèse de Boussinesq consiste à supposer que le tenseur de Reynolds peut s’écrire sous la
forme suivante :

∂ ui ∂ u j 2
u′i u′j = Km + − kδi j (4.2)
∂ x j ∂ xi 3
Le problème n’est pas résolu car il faut modéliser la viscosité turbulente Km . Contrairement à la
modélisation de Prandtl, qui supposait une dépendance de Km en fonction de l’altitude z (équation
1.42), Km est fonction de deux paramètres : l’ECT k et le taux de dissipation de l’ECT ε :
k2
Km = Cµ (4.3)
ε
où Cµ est une constante du modèle.
Il faut donc écrire des équations de transport pour ces deux paramètres supplémentaires (en l’oc-
currence 1 équation sur k et 1 sur ε ). Ces équations s’écrivent :

∂k ∂k ∂ Km ∂ k
+ ui = Kd + + Pt + G − ε (4.4)
∂t ∂ xi ∂ x j σk ∂ x j

∂ε ∂ε ∂ Km ∂ ε ε ε2
+ ui = Kd + +Cε 1 (Pt +Cε 3 G) −Cε 2 (4.5)
∂t ∂ xi ∂ x j σε ∂ x j k k
Le premier terme dans la partie droite des équations 4.4 et 4.5 représente la diffusion turbulente
et moléculaire. Le terme de production Pt de l’ECT est défini par :
∂uj
Pt = −u′i u′j (4.6)
∂ xi
G représente la production/destruction par effets thermiques (flottabilité) :
βg ∂θ
G= Km (4.7)
PrT ∂z
PrT représente le nombre de Prandtl turbulent et est pris constant à 0,85. β est un coefficient
d’expansion thermique, généralement modélisé, pour un gaz parfait, comme l’inverse de la tempéra-
ture (ici on suppose donc β ∼ 1/θ ). Aussi, remarque-t-on que le signe de G est différent suivant la
stratification thermique. En effet :
– En condition instable (∂ θ /∂ z < 0), on a G > 0 et donc une création de turbulence (augmentation
de k) par les effets thermiques.
– En condition stable (∂ θ /∂ z > 0), on a G < 0 et donc une destruction de la turbulence (diminu-
tion de k) par les effets thermiques.
Le système d’équations sera fermé avec la spécification de 6 constantes (Cµ ; σk ; σε ; Cε 1 ; Cε 2 ; Cε 3 )

qui apparaissent dans les équations sur k et ε (équations 4.4 et 4.5). Leurs valeurs habituelles dans le
modèle standard sont données dans le tableau 4.1. La méthodologie de spécification des valeurs de
ces constantes sera explicitée dans la section 4.2.3.
4.2.2 Profils de turbulence en proche-paroi
Conditions adiabatiques
Près du sol, dans le cas d’une couche limite bidimensionnelle plane (orientée suivant l’axe des x),
adiabatique et stationnaire, les termes prépondérants dans l’équation de k sont la production Pt et la
dissipation ε . Dans le cas atmosphérique, ceci est observé dans la CLS. On a un équilibre entre les
deux termes :
Pt = ε (4.8)
avec Pt = −u′ w′ ∂ u/∂ z.
En combinant l’équation 4.8 avec les équations 4.3 et 1.36, on obtient :
u2
k = p∗ (4.9)
Cµ
En suivant la même méthodologie pour l’équation de ε , on trouve :
u3∗
ε= (4.10)
κz
Ces deux profils sont valables dans la CLS neutre (i.e. pour z < 0, 1hCL ).
Conditions diabatiques
Si l’on ne néglige plus les effets thermiques, dans la CLS, on a (Tennekes et Lumley, 1972) :
Pt + G = ε (4.11)
En utilisant la théorie de similitude de Monin-Obukhov et des calages empiriques, on déduit des

profils de k et ε en conditions stratifiées, qui sont valables dans la CLS (la démonstration peut être
vue dans Vendel, 2011). En condition stable, on a :
s
u2 1 + 4z/Lmo
k = p∗ (4.12)
Cµ 1 + 5z/Lmo

u3∗ z
ε= 1+4 (4.13)
κz Lmo
En condition instable, on a :
s
1
u2∗ z z 4
k= p 1− 1 − 16 (4.14)
Cµ Lmo Lmo

u3∗ z
ε= 1− (4.15)
κz Lmo
4.2.3 Détermination des constantes
Le choix des 6 constantes, figurant dans les équations qui portent sur k et ε , est très important. Elles
ont été ajustées empiriquement pour quelques écoulements simples, mais leurs valeurs sont également
utilisées pour des écoulements plus complexes. On présente par la suite la méthodologie de calage
de ces constantes. Cependant, contrairement à l’équation de l’ECT, la prise en compte des effets
thermiques dans l’équation du taux de dissipation n’est pas bien comprise, et leurs modélisations
sont toujours sujettes à débat (cf. la documentation de Fluent 12.0). Par conséquent, la constante Cε 3
ne sera pas utilisée dans le cadre de cette thèse (i.e. elle sera supposée nulle). Finalement, il reste 5
constantes à déterminer.
Constante Cµ
En utilisant la relation 4.9 portant sur k, on trouve :

2
u′ w′ u4∗
Cµ = = (4.16)
k2 k2
La constante Cµ est donc dépendante du rapport k/u2∗ , qui quantifie le niveau de turbulence en
proche-paroi et dans la CLS (dans l’atmosphère). Bradshaw et al. (1967) ont conclu à une valeur
sensiblement constante du rapport u′ w′ /k, de l’ordre de 0, 3. On en déduit donc :
Cµ = (0, 3)2 = 0, 09 (4.17)
Cette constante est majoritairement utilisée dans l’industrie et est celle utilisée par défaut dans les
codes CFD. Cependant, si on raisonne en terme de niveau de turbulence, on a :
k 1
2
= p ≃ 3, 33 (4.18)
u∗ Cµ
Cette valeur est largement inférieure aux taux de turbulence rencontrés dans l’atmosphère (rapport
de k/u2∗ ∼ 5, 48 de Panofsky et Dutton, 1984). En effet, l’expérience de Bradshaw et al. (1967) est
une expérience conduite en soufflerie. Par conséquent, pour une utilisation du modèle k − ε dans des
applications atmosphériques, cette constante est inadaptée.
On pourrait penser à changer cette constante afin de retrouver des niveaux atmosphériques adé-
quats. Ceci sera discuté par la suite dans le chapitre 5 dans lequel on discute du calage de constantes
pour des utilisations en atmosphère.
Autres constantes
Les constantes restants ont été déterminées grâce à des expérience simples :
– L’écoulement en présence d’une turbulence de grille, qui consiste à étudier la décroissance de

la turbulence homogène isotrope créée par la présence d’une grille, permet de fixer la valeur
Cε 2 = 1, 92 (Launder et Spalding,1972). A l’exception de Cµ , c’est la seule constante qui a été
calée expérimentalement.
– Les constantes σk et σε ont été gardées proches de l’unité. Elles ont été calées numériquement
pour un certain nombre d’expériences (Rodi, 1980). Les valeurs généralement utilisées sont
celles préconisées par Launder et Spalding (1972), avec σk = 1, 0 et σk = 1, 3.
– La turbulence dans la région logarithmique de l’écoulement de couche limite permet de fixer
les valeurs de Cε 1 . En effet, dans cette zone de proche-paroi, il y a équilibre entre production
et dissipation de turbulence. Ainsi, en utilisant ceci dans l’équation de dissipation, on trouve la
relation 4.19 ci-dessous. La valeur usuelle Cε 1 = 1, 44 (Launder et Spalding, 1972) est déduite
en prenant une constante de Von Karman κ = 0, 435, soit légèrement supérieure à celle utilisée
généralement.
κ2
Cε 1 = Cε 2 − p (4.19)
σε Cµ
Finalement, on affiche ci-dessous un récapitulatif des constantes standards utilisées dans le modèle
k − ε.
Constante Cµ σk σε Cε 1 Cε 2
Valeur 0, 09 1, 0 1, 3 1, 44 1, 92
TABLE 4.1 – Constantes standards du modèle k − ε .
4.3 Le modèle de turbulence RANS Ri j − ε

4.3.1 Équations générales
Le modèle Ri j − ε constitue un modèle de fermeture de second ordre. Il nécessite la résolution

d’équations de transport pour tous les termes du tenseur de Reynolds u′i u′j . Ce tenseur est symétrique,
et s’écrit :
 
u′2 u′ v′ u′ w′
 ′ ′ 
 u v v′2 v′ w′  (4.20)
u′ w′ v′ w′ w′2
Il faut donc écrire 7 équations de transport supplémentaires (6 pour les termes du tenseur de
Reynolds et 1 pour la dissipation turbulente) :
" #
∂ u′i u′j ∂ u′i u′j
1 ∂ ∂ ∂ u′i u′j ∂uj ∂ ui

+uk =− u u u + p δk j ui + δik u j +
′ ′ ′ ′ ′ ν ′ ′
− ui uk ′ ′
+ u j uk
∂t ∂x ρ ∂ xk i j k ∂ xk ∂ xk ∂ xk ∂ xk
| {z k } | {z } | {z } | {z }
Ci j DT,i j DM,i j Pi j
!
1 ∂ u′i ∂ u′j ∂ u′ ∂ u′j
−β gi u′j θ ′ + g j u′i θ ′ + p + − 2ν i − 2Ωk u′j u′m εikm + u′i u′m ε jkm (4.21)
| {z } ρ ∂ x j ∂ xi ∂ xk ∂ xk | {z }
Gi j | {z } | {z ε
}
Fi j
φi j ij
• Ci j est le terme de convection.

• DT,i j est le terme de diffusion turbulente.
• DM,i j est le terme de diffusion moléculaire.
• Gi j est le terme de production/destruction par les effets thermiques.
• Pi j est le terme de production par le cisaillement.
• φi j est le terme de contraintes de pression.
• εi j est le terme de dissipation.
• Fi j est le terme due à la force de Coriolis.
Parmi ces 8 termes, 4 restent à modéliser : DT,i j , Gi j , εi j et φi j . En ce qui concerne le terme de

diffusion turbulente DT,i j , la modélisation de Daly et Harlow (1970) donne :
!
k ′ ′ ∂ ui u j
′ ′
∂
DT,i j = CD′ uu (4.22)
∂ xk ε k p ∂ xp
Cependant, cette modélisation donne lieu à des instabilités numériques (cf. la documentation du
code CFD Fluent). De plus, d’après Cousteix (1989), les incertitudes les plus fortes ne concernent pas
ce terme de diffusion turbulente. Aussi, la modélisation de Daly et Harlow (1970) est-elle déjà une
grosse simplification du terme initial, d’après Cousteix (1989). Par conséquent, on préfère utiliser la
modélisation de Lien et Leschziner (1994), qui est en outre celle utilisée dans les codes CFD Fluent
et OpenFOAM :
!
Km ∂ ui u j
′ ′
∂
DT,i j = (4.23)
∂ xk σk ∂ xk
Les termes Gi j etεi j sont modélisés de façon identique au modèle k − ε . On a :

β ∂θ ∂θ
Gi j = − Km gi +gj (4.24)
PrT ∂xj ∂ xi
2
εi j = δi j ε (4.25)
3
La viscosité turbulente Km s’écrit de la même façon que celle du modèle k − ε (équation 4.3).
L’équation de dissipation s’écrit :

∂ε ∂ε ∂ Km ∂ ε ε ε2
+ ui = Kd + +Cε 1 (Pii +Cε 3 Gii ) −Cε 2 (4.26)
∂t ∂ xi ∂ x j σε ∂ x j 2k k
Il reste à modéliser le terme φi j , qui représente la corrélation entre les fluctuations de pression
et de vitesse. C’est un terme qui joue un rôle fondamental dans la bonne représentation d’un écou-
lement turbulent. Différentes modélisations de ce terme existent dans la littérature, de types linéaire,
quadratique ou à faible nombre de Reynolds. Dans le cadre ce travail de thèse, on considèrera une
modélisation linéaire du terme φi j . Dans ce cas, diverses modélisations sont proposées par plusieurs
auteurs tels que Rotta (1951), Lumley et Khajeh-Nouri (1974), et Launder et al. (1975). On choisit
la modélisation de Gibson et Launder (1978), qui est la seule modélisation linéaire adoptée dans le
code CFD commercial Fluent, et qui figure également dans le code CFD OpenFOAM. D’après cette
modélisation, on a :
φi j = φi j,1 + φi j,2 + φi j,3 + φi j,w (4.27)
– φi j,1 est un terme qui modélise les fluctuations de pression dues au champ turbulent, en suppo-
sant que loin de la paroi, l’effet du champ de pression fluctuant induit un retour à l’isotropie du
champ de pression (Launder, 1975) :

ε 2
φi j,1 = −C1 ui u j − δi j k
′ ′ (4.28)
k 3
– φi j,2 et φi j,3 sont des termes qui modélisent les fluctuations de pression dues au champ moyen
(Launder, 1975) :
2
φi j,2 = −C2 Pi j + Fi j −Ci j − δi j (P −C) (4.29)
3

2
φi j,3 = −C3 Gi j − δi j G (4.30)
3
1 1 1
P = Pkk ; G = Gkk ; C = Ckk
2 2 2
– φi j,w est un terme qui modélise la création d’anisotropie due à la présence d’une paroi :
3
ε 3 ′ ′ 3 ′ ′ CL k 2
φi j,w = C1′ u u nk nm δi j − uk ui n j nk − uk u j ni nk
′ ′
k k m 2 2 εz
3
3 3 CL k 2
+C2 φkm,2 nk nm δi j − φik,2 n j nk − φ jk,2 ni nk
′
2 2 εz
3
3 3 CL k 2
+C3 φkm,3 nk nm δi j − φik,3 n j nk − φ jk,23 ni nk
′
(4.31)
2 2 εz
Comparé à la modélisation de Launder (1975), la modélisation de Gibson et Launder (1978)

considère l’effet de la présence de la paroi sur le champ de fluctuations de pression grâce au terme
φi j,w . De plus, les effets thermiques (terme G) sont pris en compte dans la modélisation du terme
φi j,3 , ce qui n’est pas le cas dans les autres modélisations trouvées dans la littérature, telle que celle
de Launder et al. (1975). Les points cités ci-dessous corroborent le choix d’utiliser la modélisation de
Gibson et Launder (1978), qui nous semble la plus complète au jour d’aujourd’hui.
4.3.2 Détermination des constantes
Finalement, la résolution du système d’équations 4.21 et 4.25 nécessite le calage de 13 constantes.

Les constantes Cε 1 et Cε 2 de l’équation de ε , ainsi que Cµ , sont identiques à celle du modèle k − ε .
σk est estimée à 0, 82 par Lien et Leschziner (1994) dans le cas d’un écoulement écoulement cisaillé
homogène, ce qui est sensiblement différent de sa valeur de 1, 0 dans le modèle k − ε . L’équation
portant sur ε étant strictement identique à celle du modèle k − ε , la relation de Rodi (relation 4.19)
s’applique et on trouve σε = 1, 21 avec κ = 0, 4187. Cette valeur est différente de celle utilisée gé-
néralement (σε = 1, 0). De façon identique au modèle k − ε , la prise en compte des effets thermiques
dans l’équation de ε est sujette à débat dans la communauté scientifique : pour ce faire, on choisit de
ne pas considérer ces effets (on suppose Cε 3 = 0).
La modélisation du terme de pression fait apparaitre 7 constantes supplémentaires (C1 , C2 , C3 , C1′ ,

C′ 2 , C3′ et CL ). La constante C3′ est prise nulle dans Gibson et Launder (1978) car, d’après ces auteurs,
son influence est négligeable dans la prédiction des écoulements stratifiés et en proche-paroi. D’autre
part, la modélisation de Launder (1989) permet d’intégrer l’influence de φi j,3 dans φi j,2 (relation 4.31)
en reliant directement la constante C3 à C2 , et en utilisant les valeurs prédites par Gibson et Launder
(1978) (C2 = 0, 6 et C3 = 0, 5) :

5 2 5
φi j,2 = −C2 Pi j + Fi j + Gi j −Ci j − δi j P + G −C (4.32)
6 3 6
Cette modélisation est prise en compte dans les codes CFD Fluent et OpenFOAM. Ainsi, le terme
de pression induit finalement 5 constantes (C1 , C2 ,C1′ ,C′ 2 , et CL ), dont on affiche les valeurs prédites
par Gibson et Launder (1978) dans le tableau 4.2. La méthodologie de calage de ces constantes sera
explicitée en détails dans le chapitre 5.
Cependant , comme ce qui a été noté pour le modèle k − ε , la valeur de Cµ = 0, 09 ne permet pas
d’atteindre les niveaux de turbulence atmosphérique prédits par Panofsky et Dutton (cf. la relation
4.18 et la section 4.2.3). Par conséquent, on présente dans le chapitre 5 une méthode de calage des
constantes empiriques afin de retrouver des niveaux atmosphériques adéquats.
Constante Cµ σk σε Cε 1 Cε 2 C1 C2 C1′ C2′ CL

Valeur 0, 09 0, 82 1, 0 1, 44 1, 92 1, 8 0, 6 0, 5 0, 3 0, 39
TABLE 4.2 – Constantes standards du modèle Ri j − ε .
5 TRAVAIL SUR LES CONSTANTES DES MODÈLES DE TURBULENCE K − ε ET RIJ − ε 79
5 Travail sur les constantes des modèles de turbulence k − ε et

Ri j − ε
Introduction : Les constantes des modèles k − ε et Ri j − ε , vues dans le chapitre 4, ont été calées,
pour la plupart et notamment Cµ , pour des expériences en soufflerie. Or les niveaux de turbulence
généralement observés dans l’atmosphère sont sensiblement plus forts que ceux mesurés en soufflerie.
Aussi, la prise en compte de niveaux de turbulence adéquats peut-elle être fait par le calage des
constantes empiriques. Ce point est exploré dans le présent chapitre. Ainsi, montre-t-on la nécessité
de prendre en compte les constantes atmosphériques proposées par Duynkerke (1988) pour le modèle
k − ε . De plus, on propose une nouvelle méthodologie de calage des constantes atmosphériques pour
le modèle Ri j − ε .
5.1 Le calage de constantes atmosphériques pour le modèle k − ε

5.1.1 Le jeu de constantes de Duynkerke (1988)
D’après Panofsky et Dutton (1984), les niveaux de turbulence, observés dans la CLS et en condi-
tion atmosphérique neutre, sont tels que :
k
≃ 5, 48 (5.1)
u2∗
En utilisant la relation 4.9, on a :
k 1
= p ≃ 5, 48 (5.2)
u2∗ Cµ
Ce qui donne :
Cµ ≃ 0, 033 (5.3)
On remarque ainsi que cette valeur de Cµ est sensiblement différente de celle généralement utilisée
dans les applications à petites échelles (soufflerie,...), avec Cµ = 0, 09 (constantes standards, tableau
4.1).
Le travail de Duynkerke (1988) concerne en partie le calage des constantes du modèle k − ε

pour des applications atmosphériques. En utilisant les résultats de Panofsky et Dutton (1984) sur les
niveaux de turbulence, il trouve la valeur de 0, 033 pour Cµ (relations 5.2-5.3). Des valeurs pour les
constantes Cε 1 et Cε 2 , légèrement différentes de celles dites standards (tableau 4.1), sont proposées
grâce à des expériences en soufflerie. La constante σε peut être déduite des constantes Cµ , Cε 1 et Cε 2
grâce à la relation de Rodi (1980) ci-dessous, et qui est l’analogue de la relation 4.19 :
κ2
σε = p (5.4)
Cµ (Cε 2 −Cε 1 )
Il trouve σε = 2, 38 en utilisant une valeur de la constante de Von Karman κ = 0, 4. On peut trouver
dans la littérature une valeur plus précise de cette constante, avec κ = 0, 4187 : ceci donne une valeur
légèrement différente σε = 2, 6. On remarque ainsi le caractère non universel de ces constantes.
Finalement, le travail de Duynkerke (1988) permet la spécification d’un jeu de constantes atmo-
sphériques, résumées dans le tableau ci-dessous.
Constante Cµ σk σε Cε 1 Cε 2
Constantes Duynkerke (1988) 0, 033 1, 0 2.38 1, 46 1, 83
Constantes standards 0, 09 1, 0 1, 3 1, 44 1, 92
TABLE 5.1 – Constantes standards et atmosphériques du modèle k − ε .
Aussi, note-t-on que la principale différence entre ces deux jeux de constantes concerne la constante
Cµ , qui découle directement du niveau de turbulence mesuré à travers la relation 5.2. En effet, les trois
constantes σk , Cε 1 et Cε 2 sont quasi-équivalentes, et seul la constante σε est différente car elle dépend
de Cµ à travers la relation 5.4.
5.2 Le calage de constantes atmosphériques pour le modèle Ri j − ε

5.2.1 Introduction
D’une façon analogue au modèle k − ε , la plupart des constantes empiriques standards du modèle
Ri j − ε (tableau 4.2), et notamment Cµ , ont été calées pour atteindre les niveaux de turbulence lors
d’un certain nombre d’expériences en soufflerie. Par conséquent, ils ne sont pas applicables pour
des applications atmosphériques. On souhaite proposer donc dans ce chapitre un jeu de constantes
atmosphériques pour le modèle Ri j − ε .
Zeman et Tennekes (1975) proposent des constantes atmosphériques pour le modèle Ri j − ε ,

mais avec une modélisation simplifiée du terme de pression φ . D’autre part, Xu et Taylor (1997)
développent un jeu de constantes atmosphériques mais avec la modélisation de Launder et al. (1975)
pour le terme de pression φ et en excluant le terme φi j,w (l’effet de la présence de la paroi sur le champ
de fluctuations de pression n’y est pas inclus).
Il n’existe pas dans la littérature de préconisations pour l’utilisation d’un jeu de constantes atmo-
sphériques (permettant d’atteindre les niveaux de turbulence de Panofsky et Dutton, 1984), et avec
une modélisation du terme de pression de type Gibson et Launder (1978). On se propose donc dans la
suite de développer une méthodologie nous permettant un calage adéquat des constantes issues de la
modélisation de Gibson et Launder (1978), afin d’atteindre des niveaux de turbulence atmosphérique
vus dans la section 5.1.1 (Panofsky et Dutton, 1984).
5.2.2 Méthodologie de calage des constantes
La méthodologie de calage des constantes suppose un écoulement 1D ne dépendant que de z.

De plus, on suppose également que cet écoulement est dirigé suivant l’axe des x, stationnaire, et en
condition neutre. Dans la CLS, les profils de vitesse et de turbulence s’écrivent donc :
• u (z) = (u∗ /κ ) ln (z/z0 )

• k = Bu2∗ , avec B le terme représentatif du niveau de turbulence (i.e. 5, 48 dans l’atmosphère et
3, 33 en soufflerie).
• ε (z) = u3∗ /κ z
Concernant le tenseur de Reynolds, on pose :
• u′2 = αx2 u2∗

• v′2 = αy2 u2∗
• w′2 = αz2 u2∗
• u′ w′ = −u2∗

•B= 1
2 αx2 + αy2 + αz2
En utilisant les hypothèses citées ci-dessus, et si l’on remplace les 6 dernières relations dans les
équations 4.21, ces dernières se réduisent à :
– Équation pour u′2 :

αx2 1 2 3
κz ∂ u 2
−C1 +C1CL B καz − C2 2 −C2 κ B CL − 2
′ 2 2 ′ 2 + (C1 − 1) = 0 (5.5)
B 3 u∗ ∂ z 3
– Équation pour v′2 :
αy2 1 2 3
κz ∂ u 2
−C1 +C1′ CL B 2 καz2 − C2 −1 −C2′ κ B 2 CL + (C1 − 1) = 0 (5.6)
B 3 u∗ ∂ z 3
– Équation pour w′2 :
αz2 1 2 3
κz ∂ u 2
−C1 − 2C1′ CL B 2 καz2 − C2 −1 + 2C2′ κ B 2 CL + (C1 − 1) = 0 (5.7)
B 3 u∗ ∂ z 3
– Équation pour u′ w′ :

1 3 ′ 3 ′ 3 κz ∂ u
C1 + C1 + C2 1 − C2 κ B CL − 1 αz2
2 =0 (5.8)
B 2 2 u∗ ∂ z
Les seules constantes qui restent à déterminer sont celles du terme de pression (5 constantes au total).
3
Dans ces équations, le terme κ B 2 CL apparait, et vaut :
3
3 Cµ4 1
f = κ B CL =
2 κ =1 (5.9)
κ C 43
µ
De plus, on a :
κz ∂ u
=1 (5.10)
u∗ ∂ z
Le système d’équations 5.5-5.8 est donc sous-dimensionné, avec 4 équations à 5 inconnues.
5.2.2.1 Système d’équations 1 (loin de la paroi)

Afin de résoudre le système 5.5-5.8, nous allons d’abord considérer le cas d’un écoulement loin
de la paroi. Le terme φi j,w est donc nul. En absence du terme φi j,w , les équations 5.5-5.8 se réduisent
à:

 α2

 −C1 Bx − 34 C2 − 2 + 23 (C1 − 1) = 0 (1)


 α 2
−C1 By + 23 C2 + 32 (C1 − 1) = 0 (2)
(5.11)
 αz2 2 2

 −C1 B + + 3 C2 + 3 (C1 − 1) = 0 (3)



B C1 + (C2 − 1) αz = 0
1 2 (4)
Le système 5.11 est surdimensionné car il reste 2 constantes inconnues pour 4 équations. Les
équations 2 et 3 du système 5.11 ne peuvent être résolues que si les rapports d’isotropie αy2 /B = v′2 /k
et αz2 /B = w′2 /k sont égaux. Ceci est le cas dans l’expérience en présence d’un écoulement homogène
cisaillé (tableau 5.2), d’après les mesures de Gibson et Launder (1978). Les valeurs de Champagne et
al. (1970), bien qu’approximativement identiques à celles de Gibson et Launder (1974), ne permet-
tront pas de résoudre le système 5.11. On utilisera donc ces derniers comme rapports d’isotropie.
u′2 /k v′2 /k w′2 /k −u′ w′ /k

Écoulement homogène cisaillé (Gibson et Launder, 1978) 0, 96 0, 52 0, 52 0, 34
Écoulement homogène cisaillé (Champagne et al., 1970) 0, 97 0, 58 0, 49 0, 33
Turbulence en proche-paroi (Gibson et Launder, 1978) 1, 10 0, 65 0, 25 0, 26
TABLE 5.2 – Rapports d’isotropie dans des expériences d’écoulement homogène cisaillé, et de turbu-
lence en proche-paroi.
D’après Launder et al. (1975), une valeur de 0, 6 pour la constante C2 doit être prise en compte afin
d’observer le retour à l’isotropie de la turbulence observé dans la majorité des écoulements simples
cisaillés (loin d’un paroi). On trouve donc d’après le système 5.11 que C1 = 1, 8. Finalement, on a :
(
C1 = 1, 8
(5.12)
C2 = 0, 6
5.2.2.2 Système d’équations 2 (près de la paroi) pour des conditions en soufflerie

Près de la paroi, le terme φi j,w est non négligeable, et le système à résoudre devient :

 α2 C′

 −C1 Bx + B1 αz2 − 32 C2 (2 −C2′ ) − 2 + 32 (C1 − 1) = 0


 α2 C′
−C1 By + B1 αz2 − 32 C2 (−1 −C2′ ) + 32 (C1 − 1) = 0
(5.13)
 α2 C′

 −C1 Bz − 2 B1 αz2 − 32 C2 (−1 + 2C2′ ) + 32 (C1 − 1) = 0


 C + 3 C′ 1 + C 1 − 3 C′ − 1 α 2 = 0
1 2 1 B 2 2 2 z
Le système 5.13 peut s’écrire en séparant les termes inconnus dans le membre à gauche, et les
termes connus à droite.
 2
′ αz + 2 C C ′ = − 4 −C − αx + 2 + 4 C
2

 C

 1 B 3 2 2 3 1
B 3 3
2


 C′ αz2 + 2 C2C′ = 2 −C1 − αy + 2 − 2 C2
 2
1 B 3 2 3 B 3 3
(5.14)

 C′ αz + 2 C C′ = − 1 + 1 C − αz + 2 + 1 C
2 2

 1 B 3 2 2 2 1 3 2

 3 B 3

 3 1 C′ − 3 C′ C αz = −C 1 −C αz + αz2
2 2
2 B2 1 2 2 2 B 1 B2 2 B B
En utilisant le système de constantes 5.12, ainsi que les rapports d’isotropie de Gibson et Launder
(1978) dans le cas d’une turbulence en proche-paroi (tableau 5.2), on trouve :

 αz2

 C1′ 2 ′
B + 3 C2C2 = 0, 243


 α2
C1′ Bz + 23 C2C2′ = 0, 245
α2
(5.15)

 C1′ Bz + 23 C2C2′ = 0, 244



 3 1 ′ 3 ′ αz2 1 αz2 αz2
C
2 B2 1 − C
2 2 C 2 B = −C 1 B2
−C2 B + B
On remarque que les trois premières équations du systèmes sont quasi-égales. Ceci revient à ne
considérer qu’une seule équation. Le système 5.15 se réduit donc à :
( αz2
C1′ 2 ′
B + 3 C2C2 = 0, 244
αz2 αz2 αz2
(5.16)
3 1 ′ 3 ′ C1
2 B2 C1 − 2 C2C2 B = − B2 −C2 B + B
On distingue deux cas de résolution :
– Si B = √1 = k
u2∗
= k
= 3, 92 tel que prévu par les rapports d’isotropie de Gibson et Launder
Cµ u′ w′
(1978) (tableau 5.2), on trouve : (
C1′ = 0, 27
(5.17)
C2′ = 0, 48
– Si B = √1 = √0,09
1
= 3, 33 tel que prévu par Bradshaw et al. (1967), avec la valeur « classique »
Cµ
de Cµ = 0, 09, on trouve les valeurs ci-dessous. Ceci nous conduit aux valeurs préconisées par
Gibson et Launder (1978) : (
C1′ = 0, 5
(5.18)
C2′ = 0, 3
5.2.2.3 Systèmes d’équations 2 (près de la paroi) pour des conditions atmosphériques

Dans la CLS (atmosphérique), les rapports d’isotropie sont données par Panofsky et Dutton (1984),
tels qu’affichés dans le tableau ci-dessous :
u′2 /k v′2 /k w′2 /k −u′ w′ /k

Panofsky et Dutton (1984) 1, 04 0, 67 0, 29 0, 18
TABLE 5.3 – Rapport d’isotropie prédites par Panofsky et Dutton (1984) d’après une moyenne de
mesures.
Ceci nous donne le système suivant :


 αz2

 C1′ 2 ′
B + 3 C2C2 = 0, 143


 α 2
C1′ Bz + 23 C2C2′ = 0, 277
α2
(5.19)

 C1′ Bz + 23 C2C2′ = 0, 210



 3 1 ′ 3 ′ αz2 1 αz2 αz2
2B 1
2 C − C
2 2 C 2 B = −C 1 B 2 −C2 B + B
avec :

 αx = 6, 05
 2
αy2 = 3, 60 (5.20)

 2
αz = 1, 36
Les trois premières équations du systèmes 5.19 forment un système non valable. Cependant, on
remarque que les rapports d’isotropie atmosphériques de Panofsky et Dutton (tableau 5.3) et ceux de
la turbulence en proche-paroi de Gibson et Launder (tableau 5.2) sont approximativement identiques.
Afin d’avoir un système valable de 2 équations à 2 inconnues, on choisit de prendre en compte les
rapports de Gibson et Launder. On retrouve donc le système 5.15 avec ces rapports. En choisissant un
rapport B = 5, 48, on trouve les constantes qui correspondent à des niveaux de turbulence atmosphé-
rique : (
C1′ = 0, 94
(5.21)
C2′ = 0, 03
Cependant, on note que l’influence du choix de cette méthodologie de calage de constantes, et de
ses hypothèses, devrait être évaluées de façon plus approfondie dans une perspective de validation.
5.2.3 Conclusion
Finalement, cette méthodologie nous a permis de construire des constantes calées sur des niveaux
atmosphériques de turbulence (avec k/u2∗ = 5, 48) pour les 5 constantes du terme des contraintes de
pression. On choisit de garder les constantes σk , Cε 1 et Cε 2 identiques à celles « standards » (quasi-
identiques à celles préconisées par Duynkerke, 1988). Finalement, en utilisant Cµ = 0, 033, on trouve
σε = 2, 01 grâce à la relation de Rodi (1980). L’ensemble des constantes sont résumées dans le tableau
5.3.
La validation du modèle Ri j − ε avec ce nouveau jeu de constantes, dans le cas d’applications

atmosphériques, sera vu en détails dans la partie suivante.
Constante Cµ σk σε Cε 1 Cε 2 C1 C2 C1′ C2′ CL

Valeur 0, 033 1, 0 2, 01 1, 44 1, 92 1, 8 0, 6 0, 94 0, 03 0, 19
TABLE 5.4 – Récapitulatif des constantes atmosphériques du modèle Ri j − ε .
6 MODÉLISATION DE L’EFFET DU TEMPS D’INTÉGRATION SUR LES NIVEAUX DE TURBULENCE 87
6 Modélisation de l’effet du temps d’intégration sur les niveaux

de turbulence
Introduction : Dans ce chapitre, on souhaite démontrer que les niveaux de turbulence, et par
conséquent les constantes empiriques, sont proportionnels au temps d’intégration de la mesure. Pour
ce faire, on s’intéresse au développement d’un modèle capable de prédire les composantes turbulentes
d’un signal quelconque quelque soit le temps d’intégration de la mesure.
6.1 Développement du modèle de temps d’intégration

6.1.1 Motivation de l’étude
Nous avons vu dans les chapitres précédents que les niveaux de turbulence observés d’après Pa-
nofsky et Dutton (1984) en atmosphère étaient différents de ceux de Bradshaw et al. (1967), mesurés
lors des applications en soufflerie :
k/u2∗ ∼ 5, 48 (atmosphère)
k/u2∗ ∼ 3, 3 (soufflerie)
On se propose, dans le présent chapitre de comprendre cette différence. En effet, cette différence
de niveau a conduit au développement des deux jeux de constantes standard et atmosphérique (notam-
ment grâce à la relation 5.2, qui relie la constante Cµ au niveau de turbulence). Ainsi, souhaite-t-on
proposer, grâce à ce travail, une méthodologie globale unifiant ces deux approches.
Pour ce faire, on se focalise tout d’abord sur la notion de fluctuation ou écart-type σ , définie
comme l’intégrale, sur l’ensemble des fréquence n composant le signal, du spectre d’énergie de la
grandeur mesurée E (n). On a :
ˆ+∞
σ = E (n) dn
2
(6.1)
0
Cependant, l’écart-type complet d’une grandeur fluctuante n’est jamais observé en réalité à cause
du choix de définition de son calcul, ainsi que des appareils la mesurant. En effet, la valeur de la partie
fluctuante σ d’un signal quelconque évoluant dans le temps dépend de deux paramètres :
– Le temps d’intégration τ , qui représente la durée totale sur laquelle on mesure le signal en
question.
– Le temps caractéristique de mesure s, qui dépend de la fréquence de mesure de l’appareil consi-

déré.
On peut visualiser schématiquement ces deux paramètres sur un exemple d’un signal donné (gra-
phique 6.1). La moyenne, par rapport à laquelle on calcule σ , dépend de τ . Dans ce cas, l’écart-type
σ devient :
ˆ1/s
σ 2 = E (n) dn (6.2)
1/τ
F IGURE 6.1 – Représentation schématique d’un signal, ainsi que les concepts de temps d’intégration
τ et de temps de mesure s.
Ainsi, un temps d’intégration τ fini et un temps de mesure s non nul induisent-ils une coupure
respectivement aux basses et aux hautes fréquences du spectre du signal (graphique 6.2). On montre
sur ce graphique le spectre d’énergie cinétique du vent dans le cas où la grandeur mesurée est la
vitesse du vent.
Afin de pouvoir calculer l’écart-type σ le plus réaliste possible d’une grandeur évoluant dans le
temps, il faut à la fois considérer un temps τ suffisamment grand pour capter les fluctuations aux
échelles de temps les plus grandes, et un temps s suffisamment petit pour capter les fluctuations les
plus rapides. Au fur et à mesure que l’on augmente τ et que l’on diminue s, l’écart-type σ de la
mesure grandira en conséquence.
Dans l’atmosphère, capter les échelles temporelles les plus grandes s’avère très difficile du fait
que l’écoulement atmosphérique est composé d’échelles allant de la micro-seconde à quelques mois.
Lors de mesures atmosphériques, on choisit donc un temps τ fini.
F IGURE 6.2 – Exemple de coupure du spectre de l’énergie cinétique du vent avec un temps
d’intégrationτ et un temps de mesure s.
Dans la présente étude, l’objectif est de montrer l’impact du temps d’intégration sur les niveaux de
turbulence mesurés. Par conséquent, ce travail nous permettra de démontrer que la différence entre les
niveaux de turbulence généralement mesurés dans l’atmosphère et ceux en soufflerie dépendent ma-
joritairement des différents τ considérés dans les deux types de mesure. En effet, dans l’atmosphère,
τ est pris assez grand afin de capter les échelles caractéristiques de la turbulence atmosphérique (la
convergence vers une valeur constante de σ n’étant pas sure). Ce temps est généralement pris su-
périeur à celui en soufflerie, car les tourbillons les plus grands y sont de l’ordre de grandeur des
dimensions de l’installation, faisant varier la vitesse sur des temps maximums limités (une valeur
constante de σ peut être atteint).
Dans ce qui suit, on s’intéresse tout d’abord dans l’explicitation d’une modélisation capable de
quantifier l’influence du temps d’intégration τ sur la composante fluctuante σ . Ensuite, on confrontera
ce modèle à des mesures atmosphériques afin de le valider. Ce modèle permettra ainsi de valider, par
la suite, l’hypothèse de l’influence de τ sur la différence des niveaux de turbulence entre l’atmosphère
et la soufflerie.
Grâce à ce travail, on pourra ainsi proposer une méthodologie de calcul de n’importe quel temps
d’intégration, indépendamment du choix de constantes empiriques pour des simulations avec un mo-
dèle RANS k − ε ou Ri j − ε .
6.1.2 Introduction de notions importantes
Ci-dessous, on introduit quelques notions importantes qui seront utiles dans la caractérisation d’un
écoulement turbulent quelconque.
Notions d’échelles de temps Eulérien et Lagrangien
Afin de suivre temporellement l’évolution de la turbulence en un point donné, il est utile d’intro-
duire le concept de corrélations temporelles doubles des composantes de vitesse.
Pour une particule fluide située en un point →

−
x donné, cette corrélation est définie par :
rE ( −
→
x ,t, τ ) = u′E (t) u′E (t + τ ) (6.3)
où τ est un décalage de temps et u′E la fluctuation de vitesse Eulérienne (i.e. en un point fixe). Le
coefficient d’auto-corrélation adimensionné est défini par :
u′ (t) u′E (t + τ )
RE (−
→
x ,t, τ ) = E (6.4)
u′E 2 (t)
Ainsi, on a :
(
RE (τ ) → 1 si τ → 0
(6.5)
RE (τ ) → 0 si τ → ∞
Cette analyse permet de définir des temps pendant lesquels les grandeurs turbulentes sont corré-
lées. En effet, RE représente la capacité des particules de fluide à conserver la même vitesse dans le
temps, en un point donné de l’espace.
L’échelle intégrale de temps, ou temps Eulérien TE , permet de quantifier cette échelle temporelle
de conservation de la vitesse :
ˆ∞
TE = RE ( τ ) d τ (6.6)
0
On introduit aussi le coefficient d’auto-corrélation de la fluctuation de vitesse Lagrangienne u′L

(i.e. en suivant la particule sur sa trajectoire pendant le temps τ ) :
u′ (t) u′L (t + τ )
RL ( −
→
x ,t, τ ) = L (6.7)
u′L 2 (t)
Le temps Lagrangien TL est défini comme l’intégrale de la corrélation dans le temps :
ˆ∞
TL = RL (τ ) d τ (6.8)
0
Ainsi, les données sur les temps TL et TE permettent-ils de caractériser l’échelle intégrale des plus
grosses structures turbulentes d’un écoulement.
6.1.3 Modélisation de l’effet d’un temps d’intégration ou de mesure non nuls sur σ
Cas d’un temps de mesure non nul
Le spectre de l’énergie cinétique du vent Eu (n) est relié au coefficient d’auto-corrélation par la
transformée de Fourier inverse :
ˆ∞
Eu (n) = 4 R (t) cos (2π nt)dt (6.9)
0
L’intégration de ce spectre, sur toutes les fréquences n, donne :
ˆ∞
Eu (n) dn = 1 (6.10)
0
D’après Kahn (1957), la prise en compte d’un temps de mesure s (donc en moyennant sur des
périodes de temps s) atténue le spectre Eu à la fréquence n par un facteur A :
sin2 (π ns)
A (s, n) = (6.11)
(π ns)2
Par conséquent, la variance d’une mesure quelconque avec un temps d’intégration σ −→ ∞ et un
temps de mesure s fini, s’écrit (Pasquill et Smith, 1983) :
ˆ∞
sin2 (π ns)
σ∞,s
2
= Eu (n) dn (6.12)
(π ns)2
0
Pour les temps caractéristiques n−1 ≫ s, l’effet d’un s fini sur σ est négligeable . A l’inverse,
quand n−1 ≪ s, la contribution des hautes fréquences n’est plus pris en compte dans le calcul de σ .
Cas d’un temps d’intégration non infini
La variance totale d’un signal peut s’écrire comme la somme de la variance, avec un temps de
mesure τ , et de la moyenne des variances sur des intervalles de temps τ (Pasquill et Smith, 1983) :

2
σ∞,0
2
= σ∞,
2
τ + στ ,0 ∞ (6.13)
En combinant les relations 6.10 ,6.12 et 6.13, la moyenne des variances (sur un temps infini) d’un
signal de mesure à temps τ fini, s’écrit :
ˆ∞ !

2 sin2 (π nτ )
στ ,0 ∞ = Eu (n) 1 − dn (6.14)
(π nτ )2
0
Cette dernière relation est très importante dans la mesure où elle permet une quantification de
l’impact d’un temps d’intégration τ sur σ .
F IGURE 6.3 – Atténuation d’un spectre causée par un temps de mesure fini s.
Cas d’un temps d’intégration et de mesure finis
Par une méthodologie analogue à celle du paragraphe précédent, on a, dans le cas d’une variance
dont le temps d’intégration τ et de mesure s sont finis :
στ2,0 = στ2,s + σs,0

2
(6.15)
En combinant les relations 6.12 et 6.15, on obtient :
ˆ∞ !
sin2 (π ns) sin2 (π nτ )
στ2,s = Eu (n) − dn (6.16)
(π ns)2 (π nτ )2
0
Formes du spectre de vitesse
Afin de pouvoir fournir une solution pour les équations 6.14 et 6.16, il faut fournir une forme pour
le spectre de la vitesse fluctuante. D’après Wilson (1995), le spectre de vitesse longitudinale peut
généralement s’écrire comme :
4TE,u
Eu (n) = σu,∞,0
2
(6.17)
1 + (2π nTE,u )2
Les spectres des composantes transversales de la vitesse peuvent être exprimés par :
4TE,v (1 + 3 (2π nTE,v ))

Ev (n) = σv,∞,0
2
2 (6.18)
1 + (2π nTE,v)2
avec l’hypothèse que les spectres des composantes transversales et verticales sont égaux (Ev (n) =
Ew (n)). Cependant, il est à noter que cette hypothèse n’est pas toujours vérifiée, notamment dans le
cas de conditions très instables, et une forme plus complète du spectre devrait être proposée.
F IGURE 6.4 – Forme du spectre de vitesse suivant les trois composantes prédit par Wilson (1995),
pour σ 2 = 0, 1m2 .s−2 et TE = 10 s.
Résolution des équations 6.14 et 6.16
Les équations 6.14 et 6.16 peuvent désormais êtres résolues en prenant les relations 6.17 et 6.18
comme modèles pour les spectres. Cependant, il n’existe pas de solutions analytiques à ces intégrales.
Shoji et Stunkatani (1973), ainsi que Venkatram (1979), proposent des solutions approchées à ces
équations :
ˆ∞
sin2 (π ns) ∼ TE,u TE,u τ
Eu (n) dn = 2 1− 1 − exp − (6.19)
(π ns)2 τ τ TE,u
0
ˆ∞
sin2 (π ns) ∼ TE,v τ
Ev (n) dn = 2 1 − exp − (6.20)
(π ns)2 τ TE,v
0
Finalement, ces solutions permettent d’obtenir une forme analytique pour l’équation 6.14. L’ex-
pression adimmensionnée de la variance d’un temps d’intégration fini moyennée sur une durée infinie
(que l’on écrira σ 2 (τ ) par la suite), est donc fonction de τ et de TE :

σu2 (τ ) TE,u TE,u τ
= f1 (τ , TE,u ) = 1 − 2 1− 1 − exp − (6.21)
σu,∞,0
2 τ τ TE,u
Pour les composantes transversales, on a :

σv2 (τ ) TE,v τ
= f2 (τ , TE,v ) = 1 − 2 1 − exp − (6.22)
σu,∞,0
2 τ TE,v

σw2 (τ ) TE,w τ
= f2 (τ , TE,w ) = 1 − 2 1 − exp − (6.23)
σu,∞,0
2 τ TE,w
L’équation 6.16 est donnée, pour la composante longitudinale :

σu2 (τ ) TE,u TE,u s TE,u TE,u τ
=2 1− 1 − exp − −2 1− 1 − exp − (6.24)
σu,∞,0
2 s s TE,u τ τ TE,u
Cependant, si l’on admet un temps Eulérien TE = 10 s, et un temps de mesure s = 0, 1s, on trouve :

TE,u TE,u s
2 1− 1 − exp − = 0, 9966 ∼
=1 (6.25)
s s TE,u
Dans la suite de ce travail, nous supposerons donc que s est suffisamment petit pour que l’on
considère comme étant nul.
6.1.4 Conclusions
Finalement, la méthodologie ainsi présentée a conduit au développement des relations 6.21-6.23.

Ces relations permettent de déduire la composante fluctuante σui de la vitesse d’un écoulement at-
mosphérique, quel que soit le temps d’intégration τ , à condition que soit fournie la composante σui ,∞
(l’hypothèse de son calcul sera présentée par la suite). Ainsi, affiche-t-on ci dessous (graphique 6.5) un
exemple de tracé pour la relation 6.21 pour la composante longitudinale σu . Les formes des relations
6.22 et 6.23 (concernant respectivement σv et σw ) sont quasi-identiques à 6.21.
F IGURE 6.5 – Dépendance de σu vis-à-vis du temps d’intégration τ (relation 6.21).
En fait, la mesure de la composante σui ,∞ est difficile car il faudrait considérer un temps d’in-
tégration infini. Cependant, on verra par la suite qu’il est possible de choisir un temps τ fini mais
suffisamment long pour capter la majorité des échelles de temps de la turbulence atmosphérique. Ce
point sera exploré dans la section suivante. On montrera également que la valeur de σu,∞ pourra être
calculée grâce à un modèle de turbulence de type RANS k − ε et Ri j − ε , à condition que les constantes
empiriques soient choisies de telle façon que l’on capte les niveaux globaux de turbulence observées
dans la réalité.
6.2 Validation du modèle avec des mesures atmosphériques

6.2.1 Détails des mesures
Les relations 6.21 à 6.23 constituent des modèles analytiques intéressants pour l’estimation de
l’impact du temps d’intégration sur σui . Nous souhaitons valider ces relations avec des mesures at-
mosphériques.
Pour ce faire, nous disposons d’une base données de mesures sur le site de SIRTA (Site Instru-
mental de Recherche sur la Télédétection Atmosphérique). Ce site se situe aux coordonnées 48o 7′ N
et 2o 2′ E. Les mesures sont faites grâces à un anémomètre ultra-sonique, avec une fréquence de 10Hz.
L’anémomètre se situe à une altitude de 10m au dessus du sol.
Afin de valider les modèles, il faut considérer des temps de mesures suffisamment longs afin de
couvrir différentes conditions météorologiques. De plus, il est préférable de considérer des périodes en
été (afin de couvrir des conditions plutôt instables) et en hiver (conditions plutôt stables). Finalement,
on choisit des mesures s’étalant sur 3 périodes d’une semaine :
– Du 15 au 21 Janvier 2010
– Du 15 au 21 Avril 2010
– Du 15 au 21 Juin 2010
6.2.2 Méthodologie de validation
Afin de valider les relations 5.21 à 5.23, il faut émettre un choix quant au calcul des composantes
σui (τ ) et σui ,∞ :
– Le calcul de σui ,∞ : dans le cadre de ce travail de thèse, on se limitera aux études situées dans
la CLA et à l’échelle locale, avec une échelle temporelle caractéristique de l’ordre de l’heure.
Par conséquent, les fluctuations de vitesse correspondent à des échelles de temps inférieures à
l’heure, alors que les fluctuations grandes échelles (météorologiques) sont prise constantes. On
suppose donc que le temps infini est égale à l’heure. On vérifiera la validité de cette hypothèse
dans la section suivante.
– Le calcul de σui (τ ) : on choisit 5 temps d’intégration différents : τ = 1s, 3, 6s, 36s, 360s et
1h. La composante fluctuante σui (τ ) sera donc calculée sur des intervalles de temps τ , et sera
ensuite moyennée sur 1h. Par exemple, pour τ = 36s, on calculera σui sur 100 intervalles de 36s
(i.e. sur 1h), et on moyennera par la suite les valeurs de σui (36s) sur ces 100 intervalles.
6.2.3 Validation du modèle théorique
On trace sur les graphiques 6.6 les profils de σ 2 (τ ) /σ∞2 en fonction d’un temps adimensionné
par le temps Eulérien t/TE . En ce qui concerne les mesures atmosphériques, TE est défini comme le
temps auquel on a 1/e de la valeur du coefficient d’auto-corrélation RE de la vitesse Eulérienne (qui

vaut 1 pour t = 0 s).
On remarque sur ces graphiques que les valeurs de σ 2 mesurées augmentent rapidement de va-
leurs à partir de t/TE ∼ 0, 1. Aussi, la plupart de ces valeurs atteignent-ils un plateau à t/TE ∼ 100,
où elles n’augmentent que légèrement pour atteindre leurs valeurs σ∞2 à 1h. A 1h, on serait donc dans
le “spectral gap”, comme décrit précédemment. Cependant, ceci n’est vérifié qu’en moyenne, et que
pour la majorité des cas. Lors des mesures en Janvier, donc plutôt en conditions stables, ceci n’est
pas toujours observé. Néanmoins, cette analyse a permis de justifier le fait que l’on capte approxima-
tivement et statistiquement toutes les fluctuations « petites échelles » avec un temps d’intégration de
1h.
F IGURE 6.6 – Comparaison entre les relations 5.21 à 5.23 et les mesures atmosphériques.
On observe globalement une bonne approximation du modèle théorique proposé par rapport aux
mesures atmosphériques. En effet, la majorité des mesures atmosphériques semble suivre les ten-
dances des relations analytiques 6.21-6.23. Par conséquent, ces relations sont ainsi validées pour une
large gamme de conditions météorologiques.
Ainsi, en supposant que l’on connaisse, en un point donné, les valeurs de σ∞ et du temps Eulérien
TE , ces relations pourront être utilisées pour retrouver les caractéristiques turbulentes pour n’importe
quel temps d’intégration.
6.2.4 Analyse en termes de taux de turbulence
Les relations 6.21 à 6.23 peuvent être exprimées en terme du rapport σ /u∗ . En effet, on a :
σu2 (τ ) σu,∞
2
= f1 (τ , TE,u ) 2 (6.26)
u2∗ u∗
σv2 (τ ) σv,∞
2
= f 2 ( τ , TE,v ) (6.27)
u2∗ u2∗
σw2 (τ ) σw,∞
2
= f 2 (τ , TE,w ) (6.28)
u2∗ u2∗
La moyenne des valeurs σ∞ /u∗ (sur 1h et à 10m au dessus du sol) est affichée dans le tableau
6.1. On remarque que les valeurs des mesures SIRTA sont quasi-équivalentes à celles prédites par
Panofsky et Dutton (1984). Les valeurs de Panofsky et Dutton (1984) correspondent donc à un temps
d’intégration suffisamment large pour capter les fluctuations turbulentes inférieures à l’heure.
σu,∞ /u∗ σv,∞ /u∗ σw,∞ /u∗ k/u2∗

Mesures SIRTA 2, 31 2, 13 1, 29 5, 77
Panofsky et Dutton (1984) 2, 39 1, 92 1, 25 5, 48
TABLE 6.1 – Récapitulatif des niveaux de turbulence calculée avec les mesures SIRTA et prédites par
Panofsky et Dutton (1984) d’après une moyenne de mesures.
En ce qui concerne l’ECT k, on trouve grâce aux mesures SIRTA :
k∞
∼ 5, 77 (6.29)
u2∗
La valeur de k/u2∗ = 5, 48 présentées par Panofsky et Dutton (1984) est une moyenne de 9 séries
d’observations avec un rapport qui varie entre 5, 2 et 6, 26 sur ces 9 mesures. On voit que le rapport
des mesures SIRTA (relation 6.29) se situe donc dans cette plage de données. Par conséquent, pour
des applications atmosphériques de l’ordre de l’heure, un rapport k/u2∗ entre ∼ 5, 5 et ∼ 5, 8 est une
bonne estimation moyenne des niveaux de turbulence atmosphérique.
6.2.5 Application aux simulations RANS k − ε et Ri j − ε
Nous avons vu dans la section précédente que les valeurs de Panofsky et Dutton (1984) sont
représentatifs des niveaux de turbulence « petite-échelle » (inférieure à l’heure). Or les constantes de
Duynkerke (1988) pour le modèle k − ε , ainsi que le nouveau jeu de constante développé pour le
modèle Ri j − ε , découlent de ces niveaux de turbulence (k/u2∗ = 5, 48). Ainsi, une simulation utilisant
ces constantes permettra de fournir les valeurs fluctuantes maximales σ∞ et k∞ prenant en compte
l’ensemble des fluctuations « petite-échelles ».
Finalement, à partir des données de σ∞ et k∞ , les caractéristiques turbulentes de l’écoulement

pourront être déduites à n’importe quel temps d’intégration grâce aux relations 6.26-6.28. En ce qui
concerne le temps Eulérien TE , sa valeur locale peut être calculée, d’après Dosio et al. (2005), grâce
à celle du temps Lagrangien, à travers :
TE,i = TL,i /ςi (6.30)
avec ςi étant donné par :
U
ςi = C1 (6.31)
σi
Dans cette équation, C1 est une constante mesurée expérimentalement par Hanna (1981), qui
affiche une valeur de 0, 7. Finalement, le temps Lagrangien peut être calculé en utilisant les valeurs
locales des écart-types et du taux de dissipation turbulente grâce à la relation ci dessous (Thompson,
1987) :
σi2
TL,i = 2 (6.32)
C0 ε
Cependant, il existe une sensibilité non négligeable quant à la valeur expérimentale de la constante
C0 : Anand et Pope (1983) trouvent une valeur de C0 = 2, 1, alors que Sawford et Tivendale (1992),
et Sawford et Borgas (1994) trouvent C0 = 3, 0.
Finalement, le système d’équations 6.26-6.28 et 6.30-6.32 forme un modèle complet pour le calcul
des caractéristiques turbulentes pour n’importe quel temps d’intégration. Néanmoins, l’application de
ce modèle en tout point du domaine de calcul nécessitera de supposer qu’il est valable dans toute la
CLA, et non seulement près du sol. En effet, ce modèle a été validée avec des mesures atmosphériques
à 10 m. La vérification de sa validité sur des profils verticaux dans la CLA pourrait être envisagée dans
une future étude.
Conclusion de la deuxième partie
Tout d’abord, les équations des deux modèles de turbulence RANS retenus dans le cadre de cette
thèse (k − ε et Ri j − ε ) ont été présentées. Ainsi, a-t-on mis en évidence les constantes empiriques
figurant dans ces modèles. Ensuite, on a montré l’intérêt des constantes de Duynkerke (1988) pour le
modèle k − ε , qui permettent de reproduire les niveaux atmosphériques de turbulence préconisés par
Panofsky et Dutton (1984). En s’inspirant du travail de Duynkerke, on a développé un nouveau jeu de
constantes pour le modèle Ri j − ε capable de reproduire ces niveaux atmosphériques.
Ensuite, on s’est proposé de démontrer que les niveaux de turbulence, et par conséquent les
constantes empiriques, sont proportionnels au temps d’intégration de la mesure. Dans cette optique,
on a présenté un modèle théorique qui quantifie l’impact du temps d’intégration sur les niveaux de
turbulence. Ce modèle permet ainsi de retrouver les caractéristiques turbulentes pour n’importe quel
temps d’intégration, à partir des résultats d’une simulation prenant en compte l’ensemble des échelles
temporelles de la turbulence. Ce modèle a ainsi été testé grâce à des résultats d’observations sur le site
de SIRTA, près de Paris, en France. Les résultats de comparaison, très proches entre le modèle et les
observations, ont permis de démontrer la validité de ce modèle sur une plage très large de conditions
atmosphériques.
Finalement, on a démontré que les niveaux de turbulence maximaux, permettant de capter l’en-
semble des fluctuations « petites-échelles » de la turbulence, peuvent être simulées avec un modèle
de turbulence RANS à condition d’utiliser les constantes empiriques de Duynkerke (1988) pour k − ε
et du nouveau jeu de constantes pour Ri j − ε (tableau 5.4). Ainsi, à partir d’une simulation utilisant
de telles constantes, le modèle théorique permettra le calcul des caractéristiques turbulentes pour un
temps d’intégration quelconque et inférieur à l’heure.
Troisième partie
Méthodologie de simulation de l’écoulement

atmosphérique avec l’approche CFD 1D-3D
7 INTRODUCTION À L’APPROCHE DE MODÉLISATION CFD 1D-3D 105
7 Introduction à l’approche de modélisation CFD 1D-3D
Introduction : Ce chapitre présente les différents choix de modélisation et des paramètres phy-
siques et numériques pour la construction d’une méthodologie CFD capable de simuler l’écoulement
atmosphérique à l’échelle locale. Dans cette optique, on introduit ainsi l’approche de modélisation
CFD « 1D-3D », de même que les différentes hypothèses de travail.
7.1 Choix de modélisation pour des applications à l’échelle locale

7.1.1 Généralités sur les codes CFD
En présence de forçages plus ou moins complexes au sol, on a démontré, dans la partie 2, qu’il est
nécessaire d’utiliser des codes CFD pour une bonne prédiction de l’écoulement atmosphérique. Les
codes CFD résolvent numériquement les équations de Navier-Stokes sur des points discrets formant
un maillage situé dans un domaine de calcul. L’utilisation d’un code CFD nécessite un certain nombre
de choix que l’utilisateur est amené à faire, et qui portent sur plusieurs éléments essentiels. Ces choix
peuvent se diviser en trois catégories : paramètres concernant la physique du phénomène, le domaine
de calcul et les schémas numériques de résolution des équations.
Les choix des paramètres physiques portent sur :
– Les variables physiques à résoudre (vitesse, température, humidité, pression, turbulence,...).

– Les méthodes d’approximation (Boussinesq, anélastique, ...).
– Les paramétrisations physiques (flux radiatifs, force de Coriolis, précipitation, chimie,...).
– Le modèle de turbulence (DNS, LES, RANS k − ε , k − ω , Ri j ,....).
Les choix sur le domaine de calcul portent sur :
– L’extension du domaine de calcul, qui doit prendre en compte les processus influant les phéno-
mènes importants.
– La résolution du maillage, suffisamment fine afin de pouvoir simuler les phénomènes impor-
tants.
– Les conditions aux limites du domaine de calcul.
Les choix sur les paramètres de résolution du schéma numérique portent sur :
– Le type de discrétisation (différences finis, volumes finis, éléments finis, ...).

– Le type de maillage (structuré, non structuré, hybride,...).

– La méthode de résolution (SIMPLE, SIMPLEC, PISO, ...).
– Le choix du type de l’architecture de la machine de calcul (CPU, GPU, parallélisation), qui peut
fortement influencer le temps CPU de résolution numérique.
Les codes CFD présentent généralement une large gamme de choix concernant l’ensemble de ces
paramètres physiques et numériques. On s’intéresse dans ce chapitre aux choix de paramètres phy-
siques et ceux concernant le domaine de calcul. Les méthodes numériques de résolution des équations
seront vues dans la partie 5.
7.1.2 Choix de modélisation pour les paramètres physiques
Pour les raisons évoquées dans la section 4.1, les deux modèles de turbulence considérés dans
le reste de ce travail de thèse sont les modèles RANS k − ε et Ri j − ε . Les équations à résoudre
porteront sur la vitesse, la température potentielle, la pression et la turbulence. Les effets d’humidité,
de formations de nuages et de précipitations ne sont pas pris en compte dans ce travail.
Effets de Coriolis
Lors de l’étude de phénomènes à l’échelle locale, la force de Coriolis ne peut être négligée. En
effet, d’après le nombre de Rossby, qui exprime le rapport entre les forces d’inertie et les forces dues
à la rotation (relation 7.1), pour une échelle horizontale Lx ∼ 10 km et un vent à ∼ 5 m.s−1, on a :
U 5
Ro = ∼ −4 4 = 5 (7.1)
f Lx 10 10
Dans ce cas, les forces dues à la rotation sont de l’ordre de grandeur des forces d’inerties et ne
peuvent donc être négligées.
Approximation des effets de compressibilité
Deux principaux types d’approximation des effets de compressibilité existent dans la littérature :
– L’approximation de Boussinesq : elle a été présentée et définie dans la section 1.2.3.
– L’approximation dite “anélastique” : introduite par Ogura et Philips (1962), permet une
meilleure représentation des effets de compressibilité tout en éliminant les ondes acoustiques.
Cependant, d’après Pielke (1984), cette approximation est à utiliser quand les perturbations
verticales sont de l’ordre de grandeur de l’échelle de variation verticale de ρ (i.e. de l’ordre
de 8 km d’après Pielke). On renvoie le lecteur à l’ouvrage de Pielke (1984) pour une définition
complète de cette échelle de variation verticale.
Les effets de compressibilité étant relativement faibles dans les basses couches de l’atmosphère
d’après Pielke (1984), l’approximation de Boussinesq sera donc prise en compte, et les équations
de Navier-Stokes seront décrites par l’équation 1.25.
Finalement, les paramètres physiques choisis sont résumés dans le tableau 7.1.
Variables moyennes à résoudre Vitesse, température potentielle, pression

Modèles de turbulence RANS k − ε et Ri j − ε
Méthode d’approximation Boussinesq
Paramétrisations physiques Force de Coriolis
TABLE 7.1 – Récapitulatif du choix des paramètres physiques pour une simulation à l’échelle locale.
7.1.3 Choix de modélisation pour le domaine de calcul
Le choix de la taille caractéristique du domaine de calcul, ainsi que de sa résolution spatiale, ont
été présentées dans la section 3.1.3, et sont résumées dans le tableau ci-dessous.
Extension du domaine ∼ 10 km à l’horiz., ∼ 3 km à la vert.

Résolution du maillage ∼ 100 m à l’horiz., ∼ 10 m à la vert. (près du sol)
TABLE 7.2 – Récapitulatif du choix des paramètres de calcul pour une simulation à l’échelle locale.
7.1.4 Discussions sur le choix des conditions aux limites
Tout domaine de calcul doit être renseigné sur l’état de l’atmosphère (informations sur la vitesse
de l’écoulement, température, pression, etc.). Comme ce qui a été vu dans la section précédente, les
informations sur l’écoulement peuvent être spécifiées aux niveaux des conditions aux limites latérales
et supérieures (la condition à la limite inférieure concerne la topographie au sol). Cependant, plusieurs
questions se soulèvent :
– Quels types de données météorologiques à spécifier aux limites du domaine ?

– Faut-il considérer des conditions aux limites stationnaires ou instationnaires ?
La recherche d’une réponse optimale est d’une grande importance pour un calcul simulant au
mieux l’écoulement atmosphérique .
Réflexion sur le type de conditions aux limites
Horizontalement, les conditions aux limites peuvent être prises en compte sous trois formes :
– Profils analytiques calés sur des mesures atmosphériques.

– Profils issus de simulations grandes échelles (méso-échelle).
– Profils issus de sondages météorologiques.
A partir des données de mesures météorologiques, les profils empirico-théoriques peuvent être
construits et appliqués aux limites du domaine de calcul. L’information sur l’écoulement atmosphé-
rique à l’intérieur du domaine est ainsi conditionné par ces profils. Cependant, ces profils ne sont
généralement pas en adéquation avec les équations résolues dans les codes CFD parce qu’ils n’en
découlent pas et ont été, pour la plupart, calés grâce à des résultats de mesure. On retrouve cette in-
adéquation si des profils issus de sondages météorologiques sont utilisés. Le déséquilibre entre les
conditions aux limites et les équations résolues peuvent alors donner lieu à des perturbations non
physiques au sein du domaine de calcul. Ceci a été noté dans les travaux de thèse de Vendel (2011) où
des profils issus de la théorie de similitude de Monin-Obukhov, et valable uniquement dans la CLS,
ont été appliqués (cf. les relations 2.3-2.4, 2.5-2.6, 4.9-10 et 4.12-4.15).
Cette inadéquation est aussi le cas lors de la prise en compte de profils issus de simulations “grande
échelles”, car ils sont fournis à travers la résolution d’équations différentes (et généralement simpli-
fiées) de celles utilisées dans les codes CFD.
Aussi, préférons-nous considérer une approche différente : l’approche CFD « 3D-1D », présentée
dans la section suivante, permettra de répondre à la question de l’inadéquation des profils spécifiés en
entrée de domaine.
Réflexion sur le caractère stationnaire ou instationnaire des conditions aux limites
De par sa nature, la CLA est instationnaire. En effet, la présence de flux de chaleur au sol (positif
durant la journée, négatif pendant la nuit) influe considérablement sur toute la dynamique de la CLA
et la rend évolutive dans le temps. Par conséquent, ceci implique qu’un état stationnaire ne peut être
observé dans la nature que dans le cas de temps très courts devant l’évolution journalière de la CLA.
Le choix du caractère stationnaire ou instationnaire des conditions aux limites du domaine de

calcul dépend du temps caractéristique de la simulation. Cependant, afin de pouvoir conserver une
approche quasi-stationnaire (moins coûteuse en données d’entrée), on supposera que les conditions
aux limites peuvent être pris de façon stationnaire. L’analyse du temps caractéristique d’établissement
de l’écoulement à l’échelle locale, pour une situation météorologique donnée, permettra de vérifier
cette hypothèse par la suite.
7.1.5 Récapitulatif des choix de conditions aux limites
Finalement, les choix de conditions aux limites du domaine de calcul retenus dans le cadre de ce
travail, et pour des simulations à l’échelle locale, sont :
– Condition à la limite inférieure : prise en compte des inhomogénéités du sol (collines, relief,
obstacles, végétations, flux de chaleur,... ).
– Condition aux limites horizontales : prise en compte des caractéristiques de l’écoulement dans
la CLA (champ moyen, champ turbulent)
– Condition à la limite supérieure : prise en compte de l’écoulement géostrophique.
7.2 Présentation de l’approche CFD « 1D-3D »

7.2.1 Introduction générale de l’approche
Comme nous l’avons rappelé dans la section précédente, il est nécessaire de prendre en compte
des conditions aux limites en adéquation avec les équations résolues du modèle CFD considéré. Pour
ce faire, on introduit à présent l’approche de méthodologie CFD « 1D-3D ». Comme son nom l’in-
dique, elle consiste en l’utilisation d’un modèle CFD 1D (suivant la verticale) pour établir des profils
verticaux qui seront utilisés comme conditions limites d’une modèle CFD 3D. Ce modèle 1D simule
l’écoulement dans le cas d’une homogénéité horizontale (i.e. pas de dépendance horizontale).Ceci
implique :
w=0 (7.2)
∂U
~ ∂U
~
= =0 (7.3)
∂x ∂y
Le modèle 1D résout donc les équations de Navier-Stokes en supposant que le sol est plat, et
en l’absence de tout forçage dépendant de l’horizontale. Par conséquent, le modèle 1D fournira des
profils verticaux de grandeurs moyennes ou turbulentes ne dépendant que de z, et utilisables en sol
plat. Ces profils peuvent ensuite être fournis comme conditions aux limites d’un code CFD 3D, dans
l’optique de l’utilisation en présence d’un terrain complexe. Ainsi, cette méthodologie permet-elle de
proposer des conditions aux limites à la fois représentant l’état de la CLA, et en adéquation avec les
équations du modèle 3D. En effet, l’accord entre le modèle 1D et le modèle 3D provient du fait que
l’on résout les mêmes équations, avec les mêmes paramètres physiques dans les deux codes (tableau
7.1).
F IGURE 7.1 – Schéma explicatif de la méthodologie CFD « 1D-3D ».
L’utilisation de l’approche CFD « 1D-3D » nécessite donc le développement d’un modèle 1D,
capable de simuler correctement toute la structure verticale de la CLA. Par conséquent, il doit pouvoir
prendre en compte les caractéristiques de :
– La turbulence atmosphérique (par le biais des deux modèles de turbulence RANS k − ε ou

Ri j − ε ).
– La stabilité atmosphérique (simuler l’atmosphère en conditions neutres, stables et instables).

– Les caractéristiques du sol (longueur de rugosité, flux de chaleur).
– Les effet de rotation de la terre (force de Coriolis).
7.2.2 État de l’art de la modélisation RANS 1D de la CLA
Un certain nombre d’auteurs se sont intéressés à la modélisation de la CLA en 1D avec un modèle

de turbulence de type RANS. On présente un état de l’art de cette modélisation, en classifiant les
travaux suivant les deux types de modèle RANS considérés dans ce travail de thèse :
– Modèle Ri j − ε : un grand nombre d’études a porté sur l’utilisation de ce modèle dans le cas
d’une simulation 1D de la CLA. Wyngaard (1975) prend en compte une modélisation du terme
de fluctuations de pression de type Lumley et Khajeh-Nouri (1974), et simule des conditions
stables. En condition neutre, Xu et Taylor (1997) simulent avec un modèle du terme de pression
de type Launder et al. (1975), tandis que Zeman et Tennekes (1975) adoptent une variante
de Lumley et Khajeh-Nouri (1974) pour la modélisation de ce terme. Dans chacune de ces 3
études, les résultats ont été comparées avec des mesures atmosphériques ou des résultats LES.
– Modèle k − ε : Duynkerke (1988) résout les équations de Navier-Stokes en 1D avec un mo-

dèle k − ε et des constantes atmosphériques (cf. tableau 6.1), en conditions neutre et stable. Il
trouve une bonne concordance avec des mesures atmosphériques, des simulations LES, et les
résultats en 1D de Wyngaard (1975) en Ri j − ε . Detering et Etling (1985), ainsi que Lee et Kao
(1979) utilisent un modèle k − ε en conditions neutres, avec des paramétrisation différentes
(équation de dissipation, constantes,...). Duynkerke (1988) souligne toutefois des erreurs dans
la paramétrisation de ces auteurs.
Il n’existe donc pas dans la littérature des méthodologies RANS 1D prenant en compte :
– Une comparaison entre les deux modèles RANS k − ε et Ri j − ε en conditions neutre, stable et
instable.
– Un modèle Ri j − ε avec une modélisation du terme de fluctuation de pression de type Gibson et
Launder (1978) (qui est la modélisation choisie dans le cadre de cette thèse), avec des constantes
atmosphériques.
Un modèle 1D, capable de fournir une solution en k − ε et Ri j − ε en conditions stratifiées, et

répondant ainsi aux points évoqués ci-dessus, a été développé dans le cadre de ce travail de thèse.
Les hypothèses de travail, qui ont permis le développement de ce modèle, sont présentées dans la
section suivante.
7.2.3 Explicitation des hypothèses de travail
En plus de l’hypothèse d’homogénéité horizontale (relations 7.2 et 7.3), d’autres hypothèses sont
à prendre en compte dans la construction du modèle 1D :
– On considère l’approximation de Boussinesq (terme de flottabilité apparaissant uniquement

dans l’équation du mouvement, et couplé aux effets de gravité). Cependant, ce terme n’est pris
en considération que dans la composante verticale de la vitesse, qui est en l’occurrence nulle.
On a donc :
ρ (x, y, z) = cte (7.4)
– Les gradients de pression et la force de Coriolis sont en équilibre (i.e. la définition du vent
géostrophique) :
1 ∂P
= − f vg (7.5)
ρ ∂x
1 ∂P
= f ug (7.6)
ρ ∂y
Forts de ces hypothèses, les équations du mouvement qui portent sur les deux composantes horizon-
tales deviennent :

∂u ∂ u′ w′
=− + f (v − vg ) (7.7)
∂t ∂z

∂v ∂ v′ w′
=− + f (ug − u) (7.8)
∂t ∂z
Les termes inconnus u′ w′ et v′ w′ seront modélisés grâce au modèle k − ε (équations et résultats
présentés dans le chapitre 8), ou directement résolus grâce au modèle Ri j − ε (équations et résultats
dans le chapitre 9).
7.2.4 Discussions sur la prise en compte des effets thermiques
L’influence de la température (i.e. la stabilité atmosphérique) n’intervient pas dans les équations
qui portent sur le champ moyen (équations 7.8 et 7.9), mais sur le champ turbulent par le biais du
terme G qui figure dans l’équation portant sur k (équation 4.4) ou sur les tenseurs de Reynolds u′i u′j
(équation 4.21). Ce terme est tel que :
βg ∂θ
G=− Km (7.9)
PrT ∂z
Le terme G est donc fonction du gradient vertical de température potentielle ∂ θ /∂ z. En condition
stable, ∂ θ /∂ z > 0 et G < 0 : dans ce cas, la turbulence est réduite. L’inverse se produit en condition
instable, avec ∂ θ /∂ z < 0 et G > 0 : il y a dans ce cas une production de turbulence.
La spécification du terme G nécessite donc la connaissance du profil vertical de température po-

tentielle ∂ θ /∂ z. Des auteurs tels que Duynkerke (1988) dans le cas d’un modèle k − ε , et Wyngaard
(1975) dans le cas d’un modèle Ri j − ε , résolvent l’équation portant sur la température potentielle :

∂θ ∂ w′ θ ′ ∂ ∂θ
=− = Km (7.10)
∂t ∂z ∂z ∂z
Le forçage thermique au sol
L’équation 7.10 peut être résolue en connaissant la variation temporelle de la température au sol
∂ θs /∂ t, utilisé comme information sur la condition à la limite inférieure de l’équation 7.10. Cepen-
dant, la connaissance exact du terme ∂ θs /∂ t n’est pas trivial.
Dans le cadre de ce travail de thèse, on adopte une méthodologie différente. On suppose que
le taux de changement temporel de la température au sol ∂ θs /∂ t est généralement faible pour des
échelles temporelles de l’ordre de l’heure (temps caractéristique pour des applications à l’échelle
locale et dans la CLA). En effet, d’après Garratt (1992), on peut admettre que la température au sol
varie sous forme sinusoïdale, avec une période diurne qui est fonction du taux de rotation de la terre
Ω (période journalière) :
A0
θs (z = 0,t) = θs + sin (Ωt) (7.11)
2
Dans cette relation, A0 représente l’amplitude de la variation journalière de la température au sol.
Pour une amplitude journalière A0 ∼ 10K, on trouve une variation maximum d’environ ∼ 1K sur 1
heure. On supposera donc par la suite que le terme ∂ θs /∂ t est faible à l’échelle temporelle considérée,
de sorte que l’on puisse y considérer le forçage thermique (θs ou H0 ) comme constant.
L’équation de la température potentielle
De plus, on choisit de ne pas résoudre l’équation de la température potentielle, en supposant

qu’elle reste constante sur les échelle temporelles considérées (∼ 1h). En effet, on va notamment sup-
poser que le temps d’établissement de l’écoulement atmosphérique à une situation thermique donnée
(à θs ou H0 fixés) est petit devant le temps caractéristique d’évolution de la thermique dans la CLA.
Cette hypothèse sera vérifiée par la suite en analysant le temps d’établissement de la CLA.
Le fait de ne pas résoudre l’équation de la température potentielle revient à prendre en compte son
influence sur le champ turbulent de façon paramétrique et constante dans le temps à travers le terme
G (relation 7.9). Par conséquent, la thermique est prise en compte de façon diagnostique à travers ce
terme. Ceci implique que le modèle 1D fournira donc des solutions à conditions thermiques figées.
La prise en compte du terme G nécessite la spécification directe du profil de gradient de tempéra-

ture ∂ θ /∂ z. D’après Stull (1988) (cf. figure 1.10), ce gradient serait fort dans une zone près du sol (i.e.
dans la CLS), à cause de la présence du sol, mais faiblirait rapidement au delà de cette zone, l’effet du
sol se faisant moins ressentir sur les hautes couches. On suppose par la suite que le gradient est non
nul dans la CLS et nul au-delà. De plus, la prise en compte de l’hypothèse de conditions thermiques
stationnaires implique que le gradient thermique est constant (i.e. le flux de chaleur est constant)
suivant l’altitude dans la CLS, parce que le cas contraire conduira à des situations instationnaires.
Dans la CLS (cas où z < hCLS ), le profil de température, dans le cas d’une atmosphère stratifiée,
est donné par les relations 2.7 et 2.8, qui découlent de la théorie de Monin-Obukhov et d’un calage
empirique. Par conséquent, le gradient ∂ θ /∂ z est donné par les relations ci-dessous.
– Dans le cas neutre :

∂θ
=0 (7.12)
∂z
– Dans le cas stable :
∂θ u 2 θ0 1 5
= 2∗ + (7.13)
∂z κ gLmo z Lmo
– Dans le cas instable :
 
∂θ u2∗ θ0 
1 16 

∂z
= 2  +
κ gLmo  z
r 

(7.14)
z z
Lmo 1 − 16 Lmo + 1 − 16 Lmo
Connaissant la forme du gradient de température potentielle, il est possible de spécifier le terme G

suivant les trois cas de stabilité, grâce à la relation 7.9.
7.2.5 Paramètres de contrôle du modèle
In fine, la résolution des équations du système d’équations 7.7 à 7.8, en plus des équations sur la
turbulence, nécessite des informations sur :
– La vitesse et la direction de l’écoulement : informations sur l’écoulement loin du sol (vent

géostrophique Ug ), qui pourraient être fournies par le biais d’un modèle à plus grande échelle.
– La latitude du domaine de calcul ϕ , qui intervient dans le paramètre de Coriolis (ou fréquence
de Coriolis) : f = 2Ω sin (ϕ ).
– Les caractéristiques du sol : caractéristique mécanique : i.e. la longueur de rugosité z0 , et
caractéristique thermique : i.e. le flux de chaleur au sol H0 (représentatif de l’état de stabilité de
l’atmosphère, et qui est relié à Lmo grâce à la relation 2.1)
Une fois ces données fournies, le modèle est capable de calculer des profils verticaux du champ
moyen (u, v), ainsi que du champ turbulent (ε , k ou u′i u′j ).
7.2.6 Stratégie de validation du modèle
Afin de juger de l’exactitude de la solution fournie par le modèle 1D, les résultats issus de ce
modèle doivent être évalués grâce à une inter-comparaison avec des résultats disponibles dans la
littérature. Nous avons vu dans le chapitre 2 un grand nombre de résultats théoriques, empiriques et
numériques qui portent sur :
– Des relations théoriques et empiriques liant des paramètres de l’écoulement tel que le vent
géostrophique, la force de Coriolis, la hauteur de couche limite, etc.
– Des profils de vitesse et de turbulence issus des lois de similitude et de données météorolo-
giques, dans la CLS ou dans toute la CLA.
– Des mesures atmosphériques.
Ces comparaisons seront présentées dans le chapitre 8 et 9 respectivement pour le modèle k − ε et

Ri j − ε .
Pour le modèle k − ε , les constantes atmosphériques préconisées par Duynkerke (1988) seront
utilisées. Pour le modèle Ri j − ε , le nouveau jeu de constantes atmosphériques sera pris en compte.
8 SIMULATION 1D DE LA CLA AVEC UN MODÈLE DE TURBULENCE K − ε 117
8 Simulation 1D de la CLA avec un modèle de turbulence k − ε
Introduction : Cette partie présente les équations et les résultats du modèle 1D dans le cas d’un
modèle de turbulence k − ε et des constantes atmosphériques de Duynkerke (1988). La capacité de ce
modèle à représenter la CLA en présence d’un sol plat est ainsi analysée grâce à une comparaison
avec des résultats théoriques et empiriques disponibles dans la littérature. Les comparaisons sont
effectuées en conditions atmosphériques neutres et stratifiées.
8.1 Introduction
8.1.1 Équations et conditions aux limites
Le développement du modèle 1D en RANS k − ε nécessite la prise en compte des hypothèses

suivantes :
– Hypothèse de fermeture pour les termes du tenseur de Reynolds (qui apparaissent dans les
équations 7.8 à 7.9) :
∂u
u′ w′ = −Km (8.1)
∂z
∂v
v′ w′ = −Km (8.2)
∂z
– Modélisation RANS du terme de viscosité turbulente par une fermeture telle que :
k2
Km = Cµ (8.3)
ε
Avec ces hypothèses, les équations de Navier-Stokes 7.8 à 7.9, en présence d’une homogénéité hori-
zontale, deviennent :

∂u ∂ ∂u
= Km + f (v − vg ) (8.4)
∂t ∂z ∂z

∂v ∂ ∂v
= Km + f (ug − u) (8.5)
∂t ∂z ∂z
La résolution de ces deux équations nécessitent deux équations de transport supplémentaires, sur
l’ECT k et sur la dissipation ε :
2 2 !
∂k ∂ Km ∂ k ∂u ∂v
= + Km + +G−ε (8.6)
∂t ∂z σk ∂ z ∂z ∂z
2 2 !
∂ε ∂ Km ∂ ε ε ∂u ∂v ε2
= +Cε 1 Km + −C2ε (8.7)
∂t ∂z σε ∂ z k ∂z ∂z k
Les constantes utilisées seront celles préconisées par Duynkerke (1988), présentées dans le tableau
6.1.
Conditions aux limites
Le système de 4 équations (8.4 à 8.7) doit être résolu sur un maillage vertical. Il est nécessaire
d’imposer des conditions aux limites de ce domaine : au premier point au dessus du sol, et au sommet
du domaine (graphique 8.1).
Au sol, le champ de vitesse suit la loi logarithmique (relation 1.46). Par conséquent, le premier
point de calcul doit être pris à une certaine hauteur du sol. Près du sol, les profils de l’ECT k et la
dissipation ε proviennent de l’équilibre entre la production et la dissipation de turbulence dans la
zone proche du sol (relations 4.9-4.10). Au sommet du domaine, on suppose que l’écoulement est
géostrophique et la turbulence nulle. Les conditions aux limites du domaine sont résumées dans le
tableau 8.1.
F IGURE 8.1 – Discrétisation verticale du domaine de calcul du modèle 1D.
Sol : (z = z1 ) Sommet (z = zn )
u (z) (u∗,x /κ ) ln (z1 /z0 ) ug
v (z) (u∗,y /κ ) ln (z1 /z0 ) vg
√
k (z) u2∗ / C µ 0
ε (z) u3∗ / (κ z) 0
Km (z) Cµ k2 /ε 0
TABLE 8.1 – Conditions aux limites du domaine 1D avec un modèle k − ε .
8.1.2 Discrétisation et méthode de résolution
La discrétisation des équations 8.4 à 8.7 est effectuée par la méthode des différence finies, avec
un schéma d’Euler explicite, d’ordre 1, et sur un maillage spatial non régulier. Pour une grandeur f
quelconque, ceci donne :
∂f fi,t+1 − fi,t
= (8.8)
∂t △t
∂f fi+1,t − fi,t
= (8.9)
∂z △zi

∂2 f fi+1,t fi,t fi−1,t
=2 − + (8.10)
∂ z2 △zi+1 (△zi+1 + △zi ) △zi+1△zi △zi (△zi+1 + △zi )
Le terme fi,t correspond à la valeur de f à la maille numéro i en partant du bas, et au temps t.
Le pas de temps est constant, avec △t = 0, 5 s. Le maillage vertical 1D, et irrégulier, est construit
grâce à une progression géométrique, dont l’équation est donnée ci-dessous :
zi+1 = zi + D0 (R0 )i (8.11)
avec D0 le premier pas, et R0 la raison géométrique. Finalement, il nous faut choisir un nombre
total de mailles verticales NT .
En conditions neutre et instable, on choisit le premier pas D0 à 5 m du sol, et la raison géométrique

R0 = 1, 1. On prend en compte NT = 70 mailles verticales, ce qui implique que le domaine de calcul
s’étend jusqu’à une hauteur de ∼ 6000 m.
En condition stable, la hauteur de CLA s’étend généralement jusqu’à une altitude maximum de
300 m. Par conséquent, on choisit D0 = 1 m et R0 = 1, 01 (on souhaite prendre en compte un maillage
raffiné près du sol, dans ce cas, afin de pouvoir simuler correctement la structure verticale de la CLA).
Avec NT = 160 mailles, la hauteur du domaine de calcul est d’environ 400 m.
8.1.3 Discussions sur l’établissement temporel du modèle
Finalement, l’ensemble des équations 8.4 à 8.7 est résolu en partant d’une solution initiale (tableau
8.2), et en itérant dans le temps jusqu’à l’atteinte d’un état stationnaire. En effet, ces équations n’étant
soumises à aucun forçage évoluant dans le temps, le système tendra vers une solution stationnaire
pour des temps très longs (t → ∞).
L’évolution temporelle du champ de vitesse d’un cas en condition neutre est affichée sur le gra-
phiques 8.2 (pour trois cas de maillage). La vitesse est initialisée grâce à la valeur du vent géostro-
phique. Le maillage est pris régulier afin de simplifier la comparaison.
u (z) ug
v (z) vg
k (z) 10−3 m2 /s2
ε (z) 10−3 m2 /s3
TABLE 8.2 – Conditions initiales du modèle 1D.
On remarque sur ce graphique que le processus d’établissement de la vitesse peut se décomposer

en 2 parties : une période d’établissement (zone 1), suivie d’une période d’oscillation (zone 2). En
effet, le champ de vent s’établit assez rapidement dans la zone 1 : la vitesse arrive à sa valeur convergée
au bout d’environ 1 h. Ensuite, dans la zone 2, cette valeur oscille autour de la valeur convergée sur
une période constante, mais cette oscillation reste confinée dans un intervalle de ±7% autour de la
valeur convergée. Cette tendance d’établissement rapide (de l’ordre de l’heure), suivie d’oscillations
d’ordre inertiel, a été notée lors d’un grand nombre de cas tests.
F IGURE 8.2 – Évolution temporelle de la vitesse à 10 m du sol : sensibilité au maillage pour des
maillages réguliers.
En résumé, si l’on exclut les oscillations d’ordre inertiel, l’écoulement atmosphérique s’établit de
façon assez rapide vis-à-vis d’une situation thermique donnée. En effet, la présente étude a montré
qu’il faut un temps caractéristique de l’ordre de l’heure pour atteindre un état stationnaire et établi
pour une configuration donnée. Par conséquent, on peut supposer que ce temps d’établissement de
l’écoulement est assez faible pour que l’on puisse le considérer comme inférieur au temps de varia-
tion de la thermique (i.e. le flux de chaleur au sol), et de son effet sur la structure verticale de la CLA.
Ainsi, ce point corrobore-t-il le fait d’utiliser une paramétrisation constante de la stabilité atmosphé-
rique dans des cas de simulations horaires de l’écoulement local (i.e. en prenant en compte le terme
diagnostique G comme représentatif de conditions thermiques figées).
8.2 Résultats et validations en condition neutre

8.2.1 Résultats en terme de vitesse moyenne
Spirale d’Ekman
On s’intéresse premièrement à la tendance au vrillage de l’écoulement dans la couche d’Ekman

(appelée spirale d’Ekman) qui a été prédite par les solutions analytiques présentées dans la section
1.3.2. Pour un écoulement géostrophique aligné suivant l’axe des x, cette spirale se manifeste par
l’augmentation de la composante transversale au fur et à mesure que l’on se rapproche du sol.
Le modèle 1D k − ε simule une spirale d’Ekman, comme on peut le voir sur le graphique 8.3.
Cependant, le vrillage du champ de vitesse issu du modèle 1D est moins prononcé que celui issu des
solutions analytiques (relations 1.40).
En fait, la théorie n’est pas conforme aux observations : le vrillage est moins fort dans la réalité
d’après Snyder (1981), ce qui est conforme aux résultats du modèle k − ε . D’après ce modèle, la com-
posante transversale atteint une valeur maximum de l’ordre de 0, 15Ug : le vrillage de l’écoulement
est non négligeable.
F IGURE 8.3 – Simulation de la spirale d’Ekman avec le modèle 1D en k − ε , et comparaison avec une
solution analytique simple (relation 1.40).
Ces premiers résultats du modèle 1D k − ε sont intéressants dans le sens où on peut voir un effet
de vrillage de l’écoulement, comme c’est le cas d’après la théorie.
Cependant, on souhaite aussi se comparer à des résultats d’observations. La relation 2.18, issue
de la théorie de similitude de Rossby et qui fait apparaitre une constante empirique A0 = 4, 41 (Zili-
tinkevich, 1989), permet de quantifier le vrillage de l’écoulement. En effet, cette relation lie l’angle
de vrillage α , i.e. l’angle entre le vent agéostrophique et celui au sol (graphique 8.4), par rapport à
ug /u∗ .
F IGURE 8.4 – Orientation du vent géostrophique par rapport à un vent au sol venant d’est (dans
l’hémisphère nord) : l’angle α est dans un sens anti-horaire.
Le graphique 8.5 montre une comparaison entre la relation 2.18 et les résultats du modèle 1D
k − ε (pour différentes valeurs d’entrée sur ug et z0 ). L’angle α , calculé par le modèle 1D, varie entre
8o et 18o sur la plage de valeur de u∗ /Ug , alors que cet angle varie entre 15o et 35o d’après la relation
2.18 (A0 = 4, 41). La présence d’une couche stable, dans les hautes couches de la CLA, tendrait à
augmenter ce vrillage (ce point sera vérifié par la suite). Une valeur de A0 = 2, 1 permettrait à la
relation 2.18 de mieux décrire les résultats du modèle 1D.
Finalement, ces résultats montrent qu’on reproduit bien avec le modèle 1D la dépendance de
l’angle de vrillage vis-à-vis du vent géostrophique, comme c’est le cas d’après la relation 2.18.
F IGURE 8.5 – Vrillage de l’écoulement (en terme d’angle α ) en fonction de u∗ /Ug pour un écoulement
aligné suivant l’axe des x au sol.
Comparaison des profils verticaux
Les relations empirico-théoriques de Zilitinkevich (1989) et de Gryning et al. (2007), respecti-

vement 2.25, 2.26 et 2.27, permettent de tracer les profils de vitesse dans la CLA. On voit sur le
graphique 8.6 ces profils comparés aux sorties du modèle 1D (en terme d’amplitude de vitesse U ), où
les altitudes ont été adimensionnées par hCL (dont la définition précise est explicitée dans la section
8.2.3).
On note une meilleure concordance entre le profil du modèle 1D et celui prédit par Zilitinkevich
pour les basses couches de l’atmosphère. Cependant, on note la diminution de la vitesse à partir de
z/hCL = 0, 6 pour ce dernier, qui ne semble pas être acceptable physiquement.
F IGURE 8.6 – Profils de vitesses horizontales (en norme) pour un cas de données d’entrée Ug =
5 m.s−1 , z0 = 0, 01 m et ϕ = 45o .
8.2.2 Relation empirico-théorique liant les paramètres physiques Ug , u∗ , f et z0
La relation 2.17, issue de la théorie de similitude de Rossby dans la CLA, permet de lier les
paramètres physiques du vent géostrophique, de la longueur de rugosité et de la force de Coriolis.
Cette relation exprime un rapport entre les variables adimensionnées Ug /u∗ et u∗ /( f z0 ).
En faisant varier les paramètres d’entrée du modèle 1D (Ug , z0 et f ) pour différents cas tests, on
peut se comparer à la relation 2.17 (graphique 8.7).
On voit une bonne concordance entre les résultats du modèle 1D et ceux issus de la relation
2.17 avec les constantes empiriques préconisées par Zilitinkevich (1989). Une recherche de valeurs
optimales donne A0 = 4 et de B0 = 2, 1 et permet de mieux correspondre aux valeurs issus du modèle
1D.
Finalement, on arrive à retrouver avec le modèle 1D en k − ε les tendances prédites par cette
relation avec des constantes qui sont très proches des constantes empiriques de Zilitinkevich (1989).
F IGURE 8.7 – Comparaison des résultats du modèle 1D avec la relation issue de la théorie de simili-
tude de Rossby, et les constantes préconisés par Zilitinkevich.
8.2.3 Relation empirico-théorique sur la hauteur de CLA
La relation de Rossby-Montgomery (relation 2.9) quantifie la hauteur de CLA, avec hCL = cu∗ / f
et c ∼ 0, 26. Cette dernière constante est issu d’un calage empirique (moyenne d’observations en
conditions neutres données dans Garratt, 1992).
Afin de se comparer à ce résultat, une définition précise de hCL doit être choisie parmi celles qui
sont présentées dans la section 2.1.2. On choisit de prendre en compte la définition qui quantifie hCL
par l’altitude à laquelle la vitesse du vent atteint celle du vent géostrophique. De plus, il nous semble
judicieux de choisir cette hauteur comme l’altitude à laquelle U diffère de 1% de Ug en partant du
haut, comme le montre le graphique 8.8 sur un cas « typique » de sortie de modèle 1D. Cependant,
ce choix n’est pas exhaustif, et on voit sur ce graphique que la valeur de hCL est conditionnée par le
choix de la valeur du rapport U /Ug choisie.
En faisant varier la valeur de la force de Coriolis sous le modèle 1D, on peut se comparer à
la relation de Rossby-Montgomery (graphique 8.9, à gauche). La valeur de la vitesse de frottement
u∗ qui intervient dans la relation 2.9 est calculée grâce au modèle 1D.
On voit sur ce graphique que le modèle 1D k − ε surestime la hauteur de CLA prédite par cette
relation. Une valeur pour c ∼ 0, 8 permettrait de coller à la courbe de Rossby-Montgomery. Un rapport
d’environ 3 existe donc entre les 2 méthodes.
F IGURE 8.8 – Définition de la hauteur de CLA des résultats sous le modèle 1D.
La différence de hCL entre les deux méthodologies peut s’expliquer de plusieurs façons. Outre
le fait que les définitions de hCL sont différentes dans les deux cas, Duynkerke (1988) souligne que
dans la réalité l’existence d’une couche légèrement stable dans les hautes altitudes qui rabaisse gé-
néralement de façon considérable hCL . Ceci n’est pas le cas dans notre modèle, où des conditions
exclusivement neutres ont été prise en compte. De plus, la constante c ∼ 0, 26, qui apparait dans la
relation 2.9, se conçoit plutôt comme un prolongement de la formule de Nieuwstadt (1981) en stable,
c’est-à-dire comme le passage par la neutralité en fin de nuit. Comme on le verra dans le cas stable,
cette dernière formule affiche des résultats nettement plus proches avec ceux du modèle 1D que dans
le cas neutre car il existerait une plus grande marge d’incertitude dans ce cas.
F IGURE 8.9 – Hauteurs de CLA prédites en fonction de la latitude du domaine ϕ : valeurs brutes (à
gauche) et adimensionnée à ϕ = 45o .
Ainsi, afin de dégager les tendances de sensibilité du modèle, plutôt que des valeurs précises, on
choisit d’afficher des valeurs de hCL adimensionnées à une valeur correspondant à un paramètre donné
pris constant. Par conséquent, on affiche sur le graphique 8.9 (à droite) les résultats adimensionnées
par la valeur de hCL à ϕ = 45o .
On voit dans ce cas une bonne concordance entre les résultats du modèle 1D et les mesures atmo-
sphériques. Ceci implique une bonne sensibilité du modèle vis-à-vis de la force de Coriolis.
En faisant varier les paramètres d’entrée de vent géostrophique Ug et de longueur de rugosité z0 , le

modèle fournit une vitesse de frottement u∗ correspondant à chaque cas test. Cette vitesse est ensuite
injectée dans la relation de Rossby-Montgomery (2.9) pour fournir hCL (à f fixée), et une comparaison
peut être faite avec hCL issue de notre modèle.
On remarque sur le graphique 8.10 que les valeurs adimensionnées issues du modèle 1D et de la
relation de Rossby-Montgomery sont assez proches, notamment en fonction de vent géostrophique.
F IGURE 8.10 – Valeurs de hauteurs de CLA en fonction du vent géostrophique Ug (à gauche) et de la

longueur de rugosité z0 (à droite).
En résumé, les tendances induites par les valeurs des paramètres d’entrée (z0 , Ug et ϕ ) sur la
hauteur de CLA, dans le modèle 1D k − ε , est conforme aux résultats empirico-théoriques.
8.2.4 Résultats en termes de turbulence atmosphérique
On s’intéresse à présent à la capacité du modèle 1D à reproduire la turbulence atmosphérique avec

un modèle k − ε . Les profils analytiques issus du rapport de NASA (Han et al., 2000) fournissent des
informations sur l’ECT k et le taux de dissipation ε (relations 2.41-2.42 issus de Rao et Nappo, 1998).
Comparaison en termes de valeurs au sol
Les valeurs très près du sol, prises en compte dans les deux méthodologies, sont affichées dans le
tableau 8.2. On voit que ces valeurs sont très proches. Dans ce qui suit, et afin de vérifier la structure
verticale de la turbulence quelle que soit la condition à la limite au sol du modèle 1D, on choisit de
comparer les profils en les adimensionnant par leurs valeurs au sol (à 10 m)
Modèle 1D k − ε Rao et Nappo (1998)

k 5, 5u2∗ 6u2∗
ε u3∗ / (κ z) 1, 24u3∗/ (κ z)
TABLE 8.3 – Valeurs de k et ε pour z ≪ hCL (i.e. très près du sol)
Comparaison en termes de profils verticaux
La comparaison entre les profils de k et de ε , issus du modèle 1D et issus de Rao et Nappo (1998),
est affichée sur le graphique 8.11. En prenant en compte une composante verticale adimensionnée
(z/hCL ), on s’affranchit de la définition de la hauteur de CLA qui apparait dans les relations de Rao et
Nappo (1998). On note ainsi globalement une bonne concordance entre les deux méthodologies : la
structure verticale de la turbulence reproduite par le modèle 1D est conforme aux résultats empirico-
théoriques.
F IGURE 8.11 – Profils d’ECT k (à gauche) et taux de dissipation ε (à droite), avec Ug = 5 m.s−1 ,
ϕ = 45o et z0 = 0, 1 m.
8.2.5 Résultats de grandeurs moyennes et turbulentes dans la CLS
Les valeurs de U , k et ε spécifiées comme conditions à la limite inférieure du modèle 1D (tableau

8.1) sont fournies par les profils théoriques valables dans la CLS (relations 1.46, 4.9 et 4.10). Par
conséquent, les profils calculés par le modèle 1D doivent s’écarter peu de ces derniers dans la CLS
(pour z < 0, 1hCL).
On remarque sur les graphique 8.12-8.13 que les profils du modèle 1D sont très proches des ceux
théoriques, surtout en ce qui concerne la vitesse et le taux de dissipation. Près du sol, le modèle 1D
k − ε se comporte donc de façon conforme à la théorie dans la CLS. On note toutefois une sous-
estimation de k d’après le modèle 1D.
F IGURE 8.12 – Profils de vitesse dans la CLS pour Ug = 5m/s, ϕ = 45o et z0 = 0, 1m.
F IGURE 8.13 – Profils d’ECT k et du taux de dissipation ε dans la CLS pour Ug = 5m/s, ϕ = 45o et
z0 = 0, 1m.
8.3 Résultats et validations en conditions stratifiées

Spirale d’Ekman
On s’intéresse tout d’abord à l’effet de vrillage du champ de vitesse (spirale d’Ekman) en pré-
sence de conditions stratifiées (stable et instable). Pour ce faire, on souhaite estimer l’impact de la
stratification atmosphérique sur la différence en termes de direction entre l’écoulement géostrophique
et au sol (défini par l’angle α , tel que schématisé sur le graphique 8.4).
Le différentiel de direction α est tracé en fonction du degré de stabilité de l’atmosphère (en terme
de Lmo ) sur le graphique 8.14. Les résultats du modèle 1D sont ainsi comparés à la relation 2.24. Dans
cette relation apparait un paramètre A1 , fonction de Lmo , et déterminé empiriquement (tableau 2.2).
Pour une atmosphère neutre ou instable, on a un angle α ∼ 10o d’après le modèle 1D. L’écoule-
ment est donc légèrement vrillé dans ce cas, mais ce vrillage est non négligeable. Cependant, l’angle
de vrillage α augmente considérablement si l’atmosphère est stable, avec α ∼ 30o , voire 45o pour les
cas les plus stables. Ce vrillage est donc conséquent, et ceci sur des altitudes assez faibles (au sommet
de la CLA, qui est de l’ordre de 100 m à 200 m en stable).
F IGURE 8.14 – Différentiel de direction entre le sommet de la CLA et le sol en fonction de la stabilité
atmosphérique (Ug = 5 m.s−1, z0 = 0, 01 m et ϕ = 45o ).
Finalement, le graphique 8.14 montre que les tendances prédites par les deux méthodologies sont
similaires. Cependant, il existe un décalage non négligeable entre la relation 2.24 et les résultats
du modèle 1D dans le cas stable. En fait, une grande variabilité des mesures du terme A1 (qui fait
intervenir la stabilité) a été notée en condition stable (ce résultat peut être vu dans Nieuwstadt et van
Hop (1981), page 49). Ceci pourrait expliquer le décalage dans le cas stable, dans la mesure où le
terme A1 est une moyenne sur une plage très large de valeurs.
Comparaison avec des profils empirico-théoriques
Les profils empirico-théoriques de vitesse en conditions stable et instable de Gryning et al. (2007)
sont comparés avec ceux du modèle 1D sur le graphique 8.15. On n’affiche pas les résultats issus du
profil de Zilitinkevich (1989) car ils présentent des valeurs physiquement inacceptables.
En condition instable, il y a une bonne concordance entre les deux méthodes pour des instabili-
tés faibles (Lmo = −100 m), mais la différence augmente dès lors que l’instabilité augmente (Lmo =
−20 m). En condition stable, le profil de vitesse de Gryning nécessite la spécification d’une constante
b2 (cf. la relation 2.28). Cependant, il n’existe pas de préconisations pour cette constante dans l’article
de Gryning et al. (2007), ce qui constitue une limitation de cette méthodologie. Aussi, trouve-t-on par
un calage au profil issu du modèle 1D une valeur optimale de cette constante tel que b2 = 4, 5.
F IGURE 8.15 – Profils de vitesse pour un cas (Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m) : cas instable (à
gauche) et cas stable (à droite).
La relation 2.23 lie les variables adimensionnées Ug /u∗ et u∗ / f z0 . Dans cette relation, les para-
mètres empiriques A et B dépendent de la stabilité atmosphériques à travers Lmo . Ces paramètres ont
été calés grâces à des observations de Arya (1977) et Brustsaert (1982). Ainsi, souhaite-t-on vérifier la
sensibilité du modèle 1D vis-à-vis de la stabilité atmosphérique (Lmo ) grâce à une comparaison avec
la relation 2.23.
On affiche sur le graphique 8.16 la relation 2.23, ainsi que les résultats issus du modèle 1D pour
des cas instables et stables (Lmo = ±100 m pour une stratification faible, et Lmo = ±20 m pour un
stratification plutôt forte).
On remarque sur ce graphique que les résultats sont très proches entre les deux méthodologies en
conditions stables, et en conditions légèrement instables. Cependant, on note une différence plus forte
avec une augmentation de l’instabilité (cas de Lmo = −20 m). Néanmoins, cette différence reste tou-
tefois acceptable, et les résultats ainsi obtenus en terme de sensibilité de la stabilité sont satisfaisants.
F IGURE 8.16 – Comparaison avec la relation de similitude de Rossby (relation 2.23) , pour un cas
avec Ug = 5 m.s−1 , z0 = 0, 01 m et ϕ = 45o : condition instable (à gauche) et stable (à droite).
8.3.3 Relations empirico-théoriques sur la hauteur de CLA
Comme il n’existe pas de relations diagnostiques qui portent sur la hauteur de CLA en condition
instable (cf. la section 2.1.2), les seules relations concernent l’atmosphère stable (relation 2.11 et
2.12). Néanmoins, on affiche sur le graphique 8.17 l’évolution de hCL en fonction de Lmo , dans les
deux cas de stratification.
En conditions stratifiées, on présente les hauteurs non adimensionnées. On a une bonne concor-
dance en terme de valeurs entre les résultats du modèle 1D et les relations empirico-théoriques en
condition stable. Pour les cas très stables (Lmo = 10 m), les trois méthodologies prévoient une hCL très
basse, de l’ordre de ∼ 50 m. Le modèle 1D présente ainsi une bonne sensibilité de hCL vis-a-vis de la
stabilité atmosphérique : augmentation de hCL avec l’instabilité (ce qui semble correct physiquement),
et résultats conformes à la théorie dans le cas stable.
Ainsi, remarque-t-on que la relation 2.11 (Nieuwstadt, 1981) correspond bien aux résultats du
modèle 1D. Par contre, si l’on utilise le raccordement de cette relation pour le cas neutre (i.e. la
relation 2.9), on trouve hCL = 480 m avec cette relation (pour le même cas test que le graphique 8.17)
contre 1150 m d’après le modèle 1D. Ceci corrobore le fait qu’il existe une grande sensibilité de cette
dernière relation dans le cas neutre (cf. la section 8.2.3).
F IGURE 8.17 – Hauteur de CLA en fonction de la stabilité de l’atmosphère pour un cas avec Ug =
5 m.s−1 , z0 = 0, 01 m et ϕ = 45o : cas instable (à gauche) et cas stable (à droite).
8.3.4 Résultats en terme de turbulence atmosphérique
Les résultats empirico-théoriques issu du rapport NASA (Arya, 2000) fournissent des informa-
tions sur la structure verticale de k et ε en instable et stable (relations 2.49-2.50 et 2.57-2.58).
Dans le modèle 1D, les conditions à la limite au sol sur k et ε ne varient pas en fonction de la
stabilité. On souhaite vérifier si ceci est le cas très près du sol d’après les profils NASA. Les valeurs
pour z ≪ hCL sont affichées sur le tableau 8.3.
En condition stable, les valeurs très près du sol issues des profils NASA sont proches de celles
du modèle 1D, et sont équivalentes à celles en neutre. Cependant, en condition instable, les valeurs
NASA sont fonction de hCL et Lmo . Pour hCL = 1500 m et |Lmo | = 50 m, on a k/u2∗ = 3, 47, alors que
pour hCL = 2000 m et |Lmo | = 20 m, on a k/u2∗ = 7, 76. On note donc une grande variabilité qui ne
semble pas justifiable physiquement.
Par conséquent, par la suite, on se comparera avec des profils adimensionnés par les
valeurs au sol.
k/u2∗ ε
Modèle 1D k − ε (neutre, stable et instable) 5, 5 u3∗ / (κ z)
NASA (stable) 6 1, 24.u3∗/ (κ z)
NASA (instable) 0, 36 (hCL / |Lmo |)2/3 0, 8/ (κ |Lmo |)3
TABLE 8.4 – Valeurs pour k et ε pour z ≪ hCL et z ≪ |Lmo |(i.e. très près du sol).
Les graphiques 8.18 et 8.19 montrent la comparaison en termes de profils respectivement de k et

ε entre les profils NASA et le modèle 1D.
Dans le cas stable, on remarque que les résultats de l’ECT k et de la dissipation ε , issues des deux
méthodologies, sont très proches (graphiques à droite).
Concernant les résultats de k en condition instable, les profils de Arya (2000) ne sont valables
que pour des cas très instables (|z/Lmo | > 0, 5), ce qui expliquerait en partie la large surestimation par
rapport au profil du modèle 1D. Afin de vérifier la validité du profil d’Arya, on souhaite se comparer
à d’autres profils disponibles dans la théorie.
Un profil de k peut être construit en sommant les fluctuations suivant les trois directions σi pré-
dites par Hunt et al. (1988). On remarque sur le graphique 8.18 que les comportements du modèle
1D et du profils de Hunt sont toujours assez différents. Le fait d’utiliser l’hypothèse de conditions
thermiques figées pourrait, a priori, expliquer ces différences. Ceci impliquerait que l’utilisation de
cette hypothèse ne serait plus valable dans les cas très instables.
F IGURE 8.18 – Profils d’ECT k pour Ug = 5 m.s−1, z0 = 0, 01 m et ϕ = 45o : conditions instable (à

gauche) et stable (à droite)
F IGURE 8.19 – Profils du taux de dissipation turbulente ε pour Ug = 5 m.s−1 , z0 = 0, 01 m et ϕ = 45o :

conditions instable (à gauche) et stable (à droite)
8.3.5 Résultats de grandeurs moyennes et turbulentes dans la CLS
On souhaite vérifier à présent le comportement du modèle 1D en termes de vitesse et de turbulence

dans CLS. Les relations 2.3-2.4, 4.12-4.13 et 4.14-4.15, issues de la théorie de similitude de Monin-
Obukhov, fournissent des profils analytiques calées empiriquement, et qui portent sur U , k et ε en
stable et instable. Très près du sol, l’ensemble des profils analytiques tendent vers les valeurs en
conditions neutres (relations 1.46 et 4.9-4.10), qui sont celles utilisées comme conditions aux limites
du modèle 1D quel que soit le type de stratification. Par conséquent, on s’intéresse plutôt à la structure
verticale des profils dans la CLS : ces profils seront donc adimensionnés par leurs valeurs au sol. Les
graphiques 8.20-8.22 montrent les résultats pour un cas de configuration avec Ug = 5m s−1 , z0 =
0, 01 m et ϕ = 45o .
Dans l’ensemble, le modèle 1D s’écarte peu des profils analytiques de U , k et ε . Cependant, on

note des différences non négligeables pour k dans le cas instable. En effet, ce point a été observé
précédemment, lors de la comparaison des profils dans la CLA (cf. la section 8.3.4).
8.3.6 Conclusion
Finalement, les différentes comparaisons effectuées dans ce chapitre ont montré que le modèle 1D
k − ε (avec les constantes atmosphériques de Duynkerke) simule globalement de façon satisfaisante
la structure verticale de la CLA, en un grand nombre de situations météorologiques. Ainsi, la spirale
d’Ekman, la hauteur de CLA, la stabilité atmosphérique, la turbulence, et l’écoulement dans la CLS
sont simulées de façon conforme aux tendances prédites par les résultats empirico-théoriques, et une
bonne sensibilité du modèle a été notée par rapport aux données d’entrée.
F IGURE 8.20 – Profils de vitesse dans la CLS : cas instable (gauche) et stable (droite).
F IGURE 8.21 – Profils d’ECT k dans la CLS : cas instable (gauche) et cas stable (droite).
F IGURE 8.22 – Profils du taux de dissipation turbulente ε dans la CLS : cas instable (gauche) et cas
stable (droite).
9 SIMULATION 1D DE LA CLA AVEC UN MODÈLE DE TURBULENCE RIJ − ε 137
9 Simulation 1D de la CLA avec un modèle de turbulence Ri j − ε
Introduction : On s’intéresse dans ce chapitre à la performance du modèle RANS Ri j − ε dans la

simulation de la structure verticale de la CLA en sol plat. Le nouveau jeu de constantes développé
dans le chapitre 6, et calées pour retrouver des niveaux atmosphériques, sera utilisé. Tout d’abord, on
présente les équations résolues dans le modèle 1D, ainsi que les conditions aux limites du domaine
de calcul. Ensuite, les relations théoriques et empiriques, utilisées dans le cas du modèle k − ε , per-
mettront de vérifier la nouvelle méthodologie, et notamment la validité du nouveau jeu de constantes.
9.1 Introduction
9.1.1 Équations et conditions aux limites
A présent, la méthodologie 1D (hypothèse de homogénéité horizontale) est appliquée au modèle

Ri j − ε (cf. section 7.2.1). Contrairement au modèle k − ε , le modèle 1D Ri j − ε résout 6 équations de
transport supplémentaires qui portent sur les termes du tenseur de Reynolds. En prenant en compte
les équations sur u, v et ε , il faut résoudre au total un système de 9 équations (équations 9.1-9.9).

∂u ∂ u′ w′
=− + f (v − vg ) (9.1)
∂t ∂z

∂v ∂ v′ w′
=− + f (ug − u) (9.2)
∂t ∂z
 
∂ u′2 ∂  Km ∂ u′2
=  − u′ w′ ∂ u + ϕuu − 2 ε (9.3)
∂t ∂ z σk ∂ z ∂z 3
 
∂ v′2 ∂  Km ∂ v  ′ ′ ∂ v
′2
2
= −v w + ϕvv − ε (9.4)
∂t ∂ z σk ∂ z ∂z 3
 
∂ w′2 ∂  Km ∂ w′2
=  + 2G + ϕww − 2 ε (9.5)
∂t ∂ z σk ∂ z 3
!
∂ u′ w′ ∂ Km ∂ u′ w′ ∂u
= − w′2 + G + ϕuw (9.6)
∂t ∂z σk ∂ z ∂z
!
∂ v′ w′ ∂ Km ∂ v′ w′ ∂v
= − w′2 + G + ϕvw (9.7)
∂t ∂z σk ∂ z ∂z
!
∂ u′ v′ ∂ Km ∂ u′ v′ ∂ u ∂ v
= − u′ w′ + v′ w′ + G + ϕuv (9.8)
∂t ∂z σk ∂ z ∂z ∂z

∂ε ∂ Km ∂ ε ε ′ ′
∂u ′ ′
∂v ε2
= −Cε 1 Km u w +v w −C2ε (9.9)
∂t ∂z σε ∂ z k ∂z ∂z k
Par souci de clarté, les termes de pression ϕi j dans les équations du tenseur de Reynolds sont
explicités dans le tableau 9.1 (termes ϕi j,1 et ϕi j,2) et le tableau 9.2 (ϕi j,w ), avec :
ϕi j = ϕi j,1 + ϕi j,2 + ϕi j,w
Les constantes utilisées seront celles atmosphériques, affichées dans le tableau 5.4.
ϕ ϕi j,2
i j,1
u′2 −C1 εk u′2 − 23 k − C32 −4u′ w′ ∂∂ uz + 2v′ w′ ∂∂ vz − 10 G
6

ε
v′2 ′2
−C1 k v − 3 k 2
− 3 −4v′ w′ ∂∂ vz + 2u′ w′ ∂∂ uz − 10
C2
6G

w′2 −C1 εk w′2 − 32 k − C32 2u′ w′ ∂∂ uz + 2v′ w′ ∂∂ vz + 10
6 G

ε
w′2 ′2
−C1 k w − 3 k 2
− 3 2u′ w′ ∂∂ uz + 2v′ w′ ∂∂ vz + 10
C2
G
6
u′ w′ −C1 εk u′ w′ −C2 −w′2 ∂∂ uz + 65 G

v′ w′ −C1 εk v′ w′ ′2
−C2 −w ∂ z + 6 G∂v 5

u′ v′ −C1 εk u′ v′ −C2 u′ w′ ∂∂ vz + v′ w′ ∂∂wz
TABLE 9.1 – Termes de retour à l’isotropie du champ de fluctuations de pressions.
ϕi j,w
3h ′ i
u′2 CL k 2
C ′ ε w′2 − C2C2 2u′ w′ ∂ u + 2v′ w′ ∂ v + 20 G
εz 1k 3 ∂z ∂z 6
3 h ′ i
CL k 2 ′ ε ′2 C2C2 ∂u ∂v 20
v′2 ε z C1 k w − 3
′ ′ ′ ′
2u w ∂ z + 2v w ∂ z + 6 G
3 h ′ i
−2 CLεkz C1′ εk w′2 − 23 2 2u′ w′ ∂∂ uz + 2v′ w′ ∂∂ vz + 20
2 CC
w′2 6 G
3 h i
− 23 CLεkz C1′ εk u′ w′ +C2′ C2 w′2 ∂∂ uz − 65 G
2
u′ w′
3 h i
− 23 CLεkz C1′ εk v′ w′ +C2′ C2 w′2 ∂∂ vz − 56 G
2
v′ w′
u′ v′ 0
TABLE 9.2 – Termes de création de turbulence due aux champ de pression en proche-paroi.
Le système d’équation 9.1 à 9.9 est résolu sur un maillage vertical (cf. graphique 8.1), dont les
conditions aux limites sont résumées dans le tableau 9.3 pour un écoulement dirigé suivant l’axe des
x au sol. Les conditions aux limites portant sur les termes u′2, v′2 et w′2 dépendent respectivement
des valeurs des paramètres αx2 , αy2 et αz2 . Leurs valeurs ont été fixées pour atteindre des niveaux de
turbulence atmosphérique (cf. section 5.2.2.3, vue dans la partie 2).
Sol : (z = z1 ) Sommet (z = zn )
u (z) (u∗,x /κ ) ln (z1 /z0 ) ug
v (z) (u∗,y /κ ) ln (z1 /z0 ) vg
u′2 (z) αx2 u2∗ 0
v′2 (z) αy2 u2∗ 0
w′2 (z) αz2 u2∗ 0
u′ w′ (z) −u2∗ 0
ε (z) u3∗ / (κ z) 0
Km (z) Cµ k2 /ε 0
TABLE 9.3 – Conditions aux limites du domaine 1D avec un modèle Ri j − ε pour un écoulement
aligné suivant l’axe des x au sol.
La discrétisation temporelle et spatiale des équations 9.1-9.9, le maillage vertical, le pas de temps
(△t = 0, 5 s ), et la méthode de résolution (itération jusqu’à l’atteinte d’un état stationnaire), sont
gardés similaires à ceux utilisés dans le cas du modèle k − ε (cf. section 8.1.2).
9.2 Résultats et validations en conditions neutres

Dans cette section, on compare les résultats du modèle 1D Ri j − ε aux résultats théoriques et empi-
riques (vus dans la section portant sur la comparaison du modèle k − ε ), en l’absence de stratification
thermique de l’atmosphère.
Spirale d’Ekman
Les premiers résultats concernent la vitesse moyenne et plus précisément le vrillage de l’écoule-
ment qui doit être simulé par notre modèle Ri j − ε . On voit sur le graphique 9.1 que le modèle 1D
simule bien une spirale d’Ekman. Cependant, ce vrillage est moins prononcé que d’après la théorie
(ce qui est conforme aux mesures de Snyder, 1981), avec une composante transversale maximum de
v ∼ 0, 15Ug. Ce résultat est quasi-similaire à celui issu du modèle k − ε (figure 8.3).
F IGURE 9.1 – Simulations de la spirale d’Ekman avec le modèle 1D en Ri j − ε , et avec une solution
analytique simple (relation 1.40).
Le graphique 9.2 montre l’évolution de l’angle de vrillage α entre l’écoulement géostrophique

et celui au sol (tel que défini dans le graphique 8.4), en fonction de u∗ /Ug. On se compare à la
relation 2.18 (la constante empirique est A0 = 4, 4). On note sur le graphique 9.2 une différence
non négligeable entre les deux méthodologies. Cette différence augmente avec u∗ /Ug. On renvoie
le lecteur à la section 8.2.1 (concernant le modèle k − ε ) pour une explication de la raison de cette
différence.
Néanmoins, on remarque que les tendances du modèle 1D sont similaires à celles de relation 2.18
en ce qui concerne la dépendance de l’angle de vrillage par rapport au vent géostrophique, avec dans
ce cas de configuration A0 = 1, 8 pour les résultats du modèle 1D. Ce résultat est conforme à celui du
modèle k − ε .
F IGURE 9.2 – Comparaison des résultats du modèle 1D Ri j − ε avec la relation issue de la théorie de
similitude de Rossby, et les constantes préconisées par Zilitinkevich.
Le graphique 9.3 montre les profils de vitesse issus du modèle 1D et ceux correspondant aux
relations de Gryning et al. (2007) et de Zilitinkevich (1989), pour un cas d’exemple. On remarque
généralement une bonne concordance entre le modèle 1D et le profil de Gryning. Finalement, on
retrouve des résultats très similaires au modèle k − ε .
F IGURE 9.3 – Profils de vitesse (en norme) pour un cas de données d’entrée Ug = 5 m.s−1 , z0 = 0, 01 m
et ϕ = 45o .
D’une façon analogue à la comparaison du modèle k − ε , on compare les résultats du modèle

Ri j − ε à la relation 2.17 issu de la théorie de similitude de Rossby.
Le graphique 9.3 montre qu’on retrouve une bonne sensibilité du modèle par rapport aux para-
mètres d’entrée Ug , ϕ et z0 . De plus, la relation 2.17 se rapproche le mieux des résultats du modèle
Ri j − ε en choisissant des valeurs optimales pour ses constantes A0 = 4 et B0 = 2, 2 (B0 = 2, 1 pour le
modèle k − ε ).
F IGURE 9.4 – Comparaison des résultats du modèle 1D avec la relation issue de la théorie de simili-
tude de Rossby, et les constantes préconisées par Zilitinkevich.
On s’intéresse dans cette section à la sensibilité de la hauteur de CLA hCL calculée par notre mo-
dèle Ri j − ε vis-à-vis des paramètres d’entrée tel que ϕ (graphique 9.5), Ug et z0 (graphique 9.6). On
se compare aussi aux résultats de le relation de Rossby-Montgomery (relation 2.9 qui fait apparaitre
une constante empirique c).
Le graphique 9.5 (à gauche) montre la différence entre hCL calculée par les deux méthodologies.
Une valeur de c ∼ 0, 78 est calculée par le modèle 1D (c ∼ 0, 8 d’après le modèle k − ε ) au lieu de
la valeur empirique c ∼ 0, 26 (Garratt , 1992). Cette différence peut être expliquée par une analyse
analogue à celle du modèle k − ε (on renvoie le lecteur à la section 8.2.3). Ainsi, s’intéressera-t-on
aux valeurs adimensionnées par la suite.
Les valeurs adimensionnées (graphique 9.5 à droite) calculées par le modèle 1D montrent ainsi
une sensibilité conforme à la relation 2.9. Ceci est aussi le cas par rapport aux paramètres d’entrée Ug
et zo (graphique 9.6).
F IGURE 9.5 – Hauteurs de CLA en fonction de la latitude ϕ .
F IGURE 9.6 – Hauteurs de CLA en fonction du vent géostrophique Ug (à gauche) et de la longueur de

rugosité (à droite).
On s’intéresse dans cette section aux performances du modèle Ri j − ε dans la simulation de la tur-
bulence atmosphérique en condition neutre. On note que l’ECT k est construite grâce à la sommation
des termes diagonaux du tenseur de Reynolds :
1 2
k= σu + σv2 + σw2 (9.10)
2
9.2.4.1 Profils d’énergie cinétique et de dissipation turbulentes

Le graphique 9.7 montre une comparaison en terme de structure verticale de l’ECT k et de la
dissipation ε , entre le modèle Ri j − ε et les relations 2.49-2.50 et 2.57-2.58, fournis par le rapport
NASA (Rao et Nappo, 1998, et Han et al., 2000). On remarque des résultats similaires d’après ces
deux méthodologies.
En ce qui concerne les valeurs au sol, les constantes atmosphériques, développées dans le chapitre
5 (tableau 5.3) notamment avec Cµ = 0, 033, nous permettent d’atteindre des niveaux de turbulence
atmosphérique tel que k/u2∗ = 5, 5. Cette valeur est proche de celle prédite par Rao et Nappo (1998),
avec k/u2∗ = 6. On renvoie au tableau 8.3 pour une comparaison des valeurs au sol (les conditions à la
limite au sol utilisées dans le modèle Ri j − ε sont identiques à celles du modèle k − ε ).
F IGURE 9.7 – Profils d’ECT k et du taux de dissipation turbulente ε avec Ug = 5 m.s−1 et ϕ = 45o et
z0 = 0, 1 m.
9.2.4.2 Profils de tenseur de Reynolds u′i u′j

On s’intéresse dans cette section aux prédictions du modèle Ri j − ε en ce qui concerne les tenseurs
de Reynolds u′i u′j . Plusieurs profils empirico-théoriques, présentés dans le chapitre 2, ainsi que des
résultats de mesures et de simulations LES, permettront une comparaison des valeurs de u′i u′j calculées
par le modèle.

′
Le tableau 9.4 résume les valeurs au sol des termes ui2 /u2∗ utilisées par le modèle 1D et des
résultats empiriques fournis par deux articles : Hanna (1982) et Hunt et al. (1988). Les rapports
d’isotropie utilisés dans le modèle 1D se rapprochent bien de ceux préconisés par Hunt et al. (1988).
Ceci n’est pas le cas de Hanna (1982), qui affiche des taux de turbulence globale assez faibles, surtout
suivant les composantes longitudinale et transversale.
u′2 /u2∗ v′2 /u2∗ w′2 /u2∗ k/u2∗

Modèle 1D 6, 04 3, 60 1, 36 5, 50
Hanna (1982) 4, 00 1, 69 1, 69 3, 69
Hunt et al. (1988) 6, 25 4, 00 1, 69 5, 97
TABLE 9.4 – Tableau récapitulatif des rapports d’isotropie dans la CLS.
Le graphique 9.8 montre une comparaison portant sur les termes diagonaux du tenseur de Rey-
nolds (u′2 , v′2 et w′2 ) avec les profils prédits par Hanna (1982) et Hunt et al. (1988), (cf. respectivement
les relations 2.43-2.44 et 2.45-2.47). D’après le modèle Ri j − ε , la décroissance des termes u′2 et v′2
avec l’altitude est légèrement plus forte que d’après les profils analytiques. Cependant, les résultats
sont plus proches sur la composante w′2 . Globalement, le modèle Ri j − ε semble suivre correctement
les tendances prédites par Hanna et Hunt et al.
F IGURE 9.8 – Profils de u′2 , v′2 et w′2 avec Ug = 5 m.s et ϕ = 45o et z0 = 0, 1 m.
On affiche sur le graphique 9.9 les profils des termes extra-diagonaux u′ w′ et v′ w′ . Une compa-
raison est faite avec une simulation LES, ainsi qu’avec des mesures directes qui proviennent de vols
d’avion, notées « mesures 1 » et « mesures 2 » sur le graphique 9.9 (ces résultats figurent dans Garratt,
1992).
On a globalement une bonne concordance avec les résultats LES. Toutefois, la décroissance avec
l’altitude de u′ w′ et v′ w′ est légèrement plus forte d’après les mesures. Il semble que la turbulence
est maintenue en haute altitude pour le modèle Ri j − ε . Ceci nous renvoie à la discussion faite sur la
surestimation de la hauteur de CLA calculée par les modèles k − ε et Ri j − ε (voire section 8.2.3 et
9.2.3) : en réalité, l’existence d’une couche limite stable dans les hautes altitudes contribue à cette
destruction de turbulence.
F IGURE 9.9 – Profils de u′ w′ et v′ w′ avec Ug = 5 m.s et ϕ = 45o et z0 = 0, 1 m.
9.2.5 Profils de grandeurs moyennes et turbulentes dans la CLS
Les profils de u, k et ε dans la CLS sont comparés aux relations analytiques (relation 1.44, 4.9 et
4.10) sur les graphiques 9.10-9.11. Globalement, on voit que le modèle Ri j − ε reste conforme à ces
profils dans la CLS (notamment en terme de vitesse et de dissipation).
F IGURE 9.10 – Profils de vitesse dans la CLS avec Ug = 5 m.s et ϕ = 45o et z0 = 0, 1 m.

F IGURE 9.11 – Profils d’ECT k et du taux de dissipation ε dans la CLS avec Ug = 5 m.s et ϕ = 45o et
z0 = 0, 1 m.
9.3 Résultats et validations en conditions stratifiées

Spirale d’Ekman
Le graphique 9.12 montre l’évolution de l’angle α formé entre la direction de l’écoulement géo-
strophique et celui au sol (graphique 8.14) en fonction de la stabilité atmosphérique (en terme de
Lmo ).
On remarque que le modèle Ri j − ε présente globalement une plus grande sensibilité, de l’angle de
vrillage α vis-à-vis de la stabilité, que celle prédite par la relation empirico-théorique. Néanmoins, la
tendance est similaire. Ceci est conforme aux résultats du modèle k − ε (graphique 8.14). Cependant,
la seule différence concerne le cas instable : on a un α > 0 pour les cas les plus instables (Lmo ≤
−30m). Toutefois, cet angle reste faible (∼ 7o ). On note aussi que la différence entre la théorie et le
modèle 1D, dans le cas stable, peut être expliquée par un raisonnement similaire à celui dans le cas
k − ε (cf. section 8.3.1).
On affiche les profils de vitesse sur le graphique 9.13 en conditions stable et instable, comparés
aux profils de Gryning et al. (2007).
En condition instable, les résultats sont similaires entre les deux méthodologies pour Lmo =
−100 m, mais la différence augmente pour des cas plus instables. Dans ce dernier cas (Lmo = −20 m),
la longueur caractéristique de raccordement devient très grande (Lmbl → ∞) pour z0 = 0, 0 1m et

u∗ = 0, 214 m.s−1 (cette valeur de vitesse de frottement est calculée par le modèle Ri j − ε ).
La très forte valeur de Lmbl explique le comportement du profil de Gryning dans ce cas. Il fau-
drait prendre une vitesse de frottement u∗ ∼ 0, 05 m.s−1 pour retrouver des valeurs « normales » pour
Lmbl . Cependant, cette valeur ne semble pas physiquement acceptable au vu de la vitesse du vent
géostrophique, de l’instabilité et de la longueur de rugosité.
Les profils de Gryning en condition stable présentent une grande sensibilité par rapport à la
constante b2 . Comme ce qui a été noté dans la section portant sur les résultats du modèle k − ε ,
aucune valeur de b2 n’est mentionnée dans l’article de Gryning et al. (2007). Une valeur optimale de
b2 = 3, 5 permet de mieux correspondre aux résultats du modèle Ri j − ε (b2 = 4.5 d’après le modèle
k − ε ).
F IGURE 9.13 – Profils de vitesse pour un cas de données d’entrée Ug = 5 m.s−1 , ϕ = 45o et z0 =
0, 01 m : cas instable (à gauche) et stable (à droite).
Le graphique 9.14 montre la comparaison avec la relation 2.23 ; les paramètres empiriques A1 et
B1 ont été calés empiriquement en conditions stable et instable par Arya (1977) et Brutsaert (1982).
On note globalement des résultats très similaires entre les deux méthodologies. Les résultats du
modèle Ri j − ε sont légèrement plus proches que ceux du modèle k− ε en condition très stable (section
8.3.2 et graphique 8.16).
F IGURE 9.14 – Comparaison avec la relation de similitude de Rossby (relation 2.23) , pour un cas
avec Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m : conditions instable (à gauche) et stable (à droite).
Les résultats en terme de hauteur de CLA (non adimensionnée), en conditions stratifiées, sont
affichées sur le graphique 9.15.
5 m.s−1 , ϕ = 45o et z0 = 0, 01 m : cas instable (à gauche) et cas stable (à droite).
En condition instable, le modèle Ri j − ε calcule hCL de l’ordre de 1750 m à 2300 m, ce qui est
inférieur aux résultats du modèle k − ε , qui prévoit une hauteur hCL variant entre 1750 m à 4000m
(section 8.3.3). Le graphique 9.15 (à droite) montre une très bonne concordance entre le modèle
Ri j − ε et les résultats de Nieuwstadt (1981), et dans une moindre mesure avec ceux de Zilitinkevich
(1972).
9.3.4.1 Profils de l’énergie cinétique et du taux de dissipation turbulentes
On affiche les profils adimensionnés de l’ECT k et de son taux de dissipation ε , dans la CLA,
respectivement sur les graphiques 9.16 et 9.17.
Les valeurs au sol sont résumées dans le tableau 8.3 dans la section 8.3.4 (les mêmes conditions
à la limite au sol sont prises en compte dans le modèle k − ε ). On se compare aux profils préconisés
par le rapport NASA (Arya , 2000), ainsi que par Panofsky et al. (1977).
En ce qui concerne les profils de k, les résultats sont identiques à ceux du modèle k − ε en condi-
tions instable ou stable (graphique 9.16).
On note aussi une décroissance relativement forte suivant l’altitude en comparaison avec les pro-
fils empirico-théoriques en condition stable (graphique 9.16). Ceci a également été observé dans les
résultats du modèle k − ε (section 8.3.4). L’utilisation de l’hypothèse de conditions thermiques figées
pourrait être à l’origine de ces différences. D’autre part, les valeurs de ε sont très proches d’après les
deux méthodologies (graphique 9.17).
F IGURE 9.16 – Profils d’ECT k pour Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m : conditions instable (à

gauche) et stable (à droite).
F IGURE 9.17 – Profils du taux de dissipation turbulente ε pour Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m :

conditions instable (à gauche) et stable (à droite).
9.3.4.2 Profils de tenseur de Reynolds u′i u′i
On s’intéresse au comportement du modèle Ri j − ε dans le calcul des termes du tenseur de Rey-

nolds u′i u′j en conditions stable et instable dans la CLA. Un certain nombre d’auteurs se sont intéressés
à la mesure des termes diagonaux u′2
i , tels Hunt et al. (1988), Gryning et al. (1987), Hanna (1982) et
Paumier et al. (1986). Les profils verticaux sont présentés dans la section 2.2.3. Cependant, il n’existe
pas dans la littérature de recommandations en ce qui concerne les termes extra-diagonaux (u′ w′ et
v′ w′ ).
Les valeurs au sol sont résumées dans les tableaux 9.5 et 9.6. En condition instable, si l’on prend
pour les profils de Hunt et al. (1988) hCL = 1000 m et Lmo = −50 m, on a au sol u′2 /u2∗ = 10, 2 et
v′2 /u2∗ = 7, 95. Ceci représente des taux de turbulence assez forts, largement supérieurs à ceux utilisés
dans le modèle 1D. Toutefois, il y a similitude entre les différentes méthodologies en ce qui concerne
la composante verticale w′2 . En condition stable, les taux de turbulence suivant les trois directions
sont similaires avec ceux de Hunt et al., mais très différents de ceux de Hanna.
u′2 /u2∗ v′2 /u2∗ w′2 /u2∗

Modèle 1D Ri j − ε 6, 04 3, 60 1, 36
2 2
Hunt et al. (1988) 6, 25 + 0, 3 (−hCL /κ Lmo ) 3 4 + 0, 3 (hCL /κ |Lmo |) 3 1, 30
2
Gryning et al. (1987) X 4 + 0, 3 (hCL /κ Lmo ) 3 1, 70
TABLE 9.5 – Valeurs pour u′2, v′2 et w′2 en condition instable pour z ≪ hCL et z ≪ |Lmo |.
u′2/u2∗ v′2 /u2∗ w′2 /u2∗

Modèle 1D Ri j − ε 6, 04 3, 60 1, 36
Hunt et al. (1988) 6, 25 4, 00 1, 69
Hanna (1982) 4, 00 1, 69 1, 69
Paumier et al. (1986) X 2, 70 1, 46
TABLE 9.6 – Valeurs pour u′2 , v′2 et w′2 en condition stable pour z ≪ hCL et z ≪ |Lmo |.
En ce qui concerne la structure verticale de la turbulence, il y a globalement un bon accord entre

le modèle Ri j − ε et les profils empirico-théoriques (graphiques 9.18-9.19), à l’exception du profil de
w′2 en condition instable. Ce dernier point a été noté lors de l’étude du profil de k avec le modèle k − ε
(section 8.3.4) et Ri j − ε (ci-dessus).
F IGURE 9.18 – Profils de tenseur de Reynolds pour Lmo = −100 m (instable), avec Ug = 5 m.s−1 ,
ϕ = 45o et z0 = 0, 01 m.
F IGURE 9.19 – Profils de tenseur de Reynolds pour Lmo = 100m (stable), avec Ug = 5m.s−1 , ϕ = 45o et
z0 = 0, 01 m.
9.3.5 Profils de grandeurs moyennes et turbulentes dans la CLS
Le modèle Ri j − ε est comparé (en termes de U, k et ε dans la CLS) aux profils empirico-théoriques
(relations 2.3-2.4, 4.12-4.13 et 4.14-4.15). Globalement, le modèle semble suivre la forme de ces
profils, à l’exception de k en condition très instable.
F IGURE 9.20 – Profils de vitesse (norme) dans la CLS avec Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m :
cas instable (gauche) et stable (droite).
F IGURE 9.21 – Profils d’ECT k dans la CLS avec Ug = 5 m.s−1 , ϕ = 45o et z0 = 0, 01 m : cas instable
(gauche) et stable (droite).
F IGURE 9.22 – Profils du taux de dissipation turbulente ε dans la CLS avec Ug = 5 m.s−1 , ϕ = 45o et
z0 = 0, 01 m : cas instable (gauche) et stable (droite).
9.3.6 Comparaison avec les résultats du modèle k − ε
Dans l’ensemble, les résultats du modèle Ri j − ε sont très proches de ceux du modèle k − ε . A
part le fait que le modèle Ri j − ε permet de simuler l’anisotropie de la turbulence (avec un temps
CPU supérieur), les seules différences notables entre ces deux modèles sont dans la simulation de la
spirale d’Ekman (en condition instable) et de la hauteur de CLA, en conditions stratifiées. On affiche
ci-dessous un récapitulatif des ces différences sur les graphiques 9.23 et 9.24.
5 m.s−1 , ϕ = 45o et z0 = 0, 01 m : cas instable (à gauche) et cas stable (à droite).
9.3.7 Conclusion
Finalement, la structure verticale de la CLA en sol plat est bien reproduite par le modèle 1D
Ri j − ε : les tendances prédites par ce modèle sont conformes aux prédictions des résultats empirico-
théoriques. Aussi, ces comparaisons permettent-elles de valider le nouveau jeu de constantes atmo-
sphériques pour le modèle Ri j − ε sur un grand nombre de cas. De plus, la présente étude a montré
que les résultats du modèle Ri j − ε sont globalement très similaires avec ceux du modèle k − ε .
10 COUPLAGE AVEC UN CODE CFD 3D COMMERCIAL (FLUENT) 157
10 Couplage avec un code CFD 3D commercial (Fluent)
Introduction : Ce chapitre s’intéresse à la méthodologie de couplage du modèle 1D avec un

modèle CFD 3D. En l’occurrence, le modèle CFD choisi sera Fluent, logiciel largement utilisé dans
l’industrie et la recherche. On présente notamment les paramétrisations nécessaires à prendre en
compte dans le code 3D. Ensuite, les résultats du couplage avec le code 3D sont examinées en termes
de conservation des profils en sortie de domaine dans le cas d’un sol homogène horizontalement.
10.1 Méthodologie de couplage

10.1.1 Introduction générale
Une méthodologie de simulation de la structure verticale de la CLA en sol plat, avec deux modèles
de turbulence de type RANS, a été développée et validée dans les chapitres précédents. Cependant,
cette méthodologie ne peut être utilisée dans des cas de forçages complexes au sol et inhomogènes
suivant l’horizontale. Dans de tels cas, il est nécessaire de considérer l’usage d’un code CFD, capable
de résoudre les équations sur un maillage 3D, prenant en compte les inhomogénéités horizontales de
la surface.
Le problème de forçage de données météorologiques dans les codes CFD 3D a été discuté dans le
chapitre 7. Il s’avère nécessaire de prendre en compte des conditions aux limites à la fois représentant
au mieux l’état de l’atmosphère,et en étant en équilibre avec les équations résolues dans le code CFD.
La méthodologie « CFD 1D-3D », qui consiste en la spécification de profils issus d’un modèle RANS
1D aux limites horizontales du domaine de calcul, permet de répondre à ce problème. Cependant, cette
méthodologie de couplage nécessite de s’assurer que l’on respecte les points essentiels suivants :
– Les mêmes paramétrisations (turbulence, stabilité, Coriolis...) doivent être prises en compte
dans les deux codes.
– Les profils issus du modèle 1D doivent se maintenir en sortie de domaine du code 3D, dans le
cas d’un sol plat (absence de forçages au sol).
On affiche dans cette section les différentes paramétrisations à prendre en compte dans le modèle
3D. La conservation des profils d’entrée sera étudiée dans la section suivante.
10.1.2 Paramétrisation du code de calcul
Les équations résolues (champ moyen, turbulence), ainsi qu’un certain nombre de paramétrisa-
tions, doivent être prises en compte de façon identique dans les deux codes 1D et 3D. En effet, pour
être en adéquation avec le modèle 1D, le modèle 3D doit :
– Prendre en compte la force de Coriolis.

– Supposer que l’écoulement au sommet de la CLA est en équilibre géostrophique.
– Prendre en compte la stabilité atmosphérique.
– Prendre en compte de façon adéquate les conditions aux limites du domaine (sol, entrée et
sortie).
– Comporter le même modèle de turbulence et les mêmes paramétrisations (approximation de
Boussinesq,...).
Force de Coriolis
→
−
En ce qui concerne la force de Coriolis, il s’agit de rajouter le terme dû à cette force f dans
l’équation de mouvement :
→
− → −
− →
f = −2ρ Ω × U (10.1)
Cette force, projetée suivant les trois composantes de vitesses, donne les termes ci-dessous (re-
lation 10.2). Cependant, dans la suite de ce travail, on supposera que le terme fz est nul (l’influence
de la rotation de la terre sur la composante verticale de la vitesse est négligeable devant les forces de
gravité, d’après Pielke, 1984). On a finalement :
   
fx sin (ϕ ) v − cos (ϕ ) w
→ 
−   
f =  fy  = 2ρω  − sin (ϕ ) v  (10.2)
fz 0
Les deux composantes fx et fy sont à rajouter dans les équations de mouvement portant respecti-
vement sur u et v.
En plus de la spécification de profils verticaux qui portent sur la vitesse et la turbulence aux limites
horizontales d’entrée de domaine, il faut également s’assurer des points suivants :
– La loi de paroi au sol doit respecter les relations valables dans la CLS (relations 1.45 et 4.9-
4.10).
– Le sommet du domaine de calcul doit prendre en compte toute la hauteur de CLA. Par consé-
quent, l’écoulement à la limite supérieure doit être forcé avec des données du vent géostro-
phique. (
u = ug
(10.3)
v = vg
– Le profil horizontal de pression en entrée et sortie de domaine doit découler de l’équilibre

géostrophique (de la forme de la relation 10.3). En effet, la considération de l’hypothèse que
l’écoulement loin du sol est en équilibre géostrophique induit une égalité entre la force de
Coriolis et le gradient de pression horizontal, défini par le système d’équations 1.28-1.29. En
intégrant ce système suivant l’horizontale, on a une relation qui lie la pression à la vitesse du
vent géostrophique (relation 10.4). Elle est utilisée comme condition à la limite pour la pression
en entrée et en sortie du domaine de calcul (P0 représente la pression au sol, cf. équation 1.20) :
P (x, y) = ρ f (vg x − ug y) + P0 (10.4)
Stabilité atmosphérique
Lors de la simulation de conditions stratifiées, une paramétrisation de la stabilité atmosphérique

est nécessaire. Le renseignement d’informations portant sur la stabilité atmosphérique de l’écoule-
ment peut être spécifié par deux méthodes :
– De façon paramétrique (sans résolution de l’équation de l’énergie) par le biais du terme G de

stabilité atmosphérique (exprimé ci-dessous), qui intervient dans les équations qui portent sur
l’ECT k ou les termes du tenseur de Reynolds u′i u′j .
βg ∂θ
G=− Km
PrT ∂z
– Par la résolution de l’équation de l’énergie, ainsi qu’une condition aux limites sur la tempéra-
ture.
Dans le cadre de cette étude de sensibilité, on se limitera à la première méthode.

10.2 Étude de sensibilité dans le cas d’un domaine à sol plat

On souhaite vérifier dans cette partie la pertinence de la méthodologie de couplage du modèle CFD
1D (k − ε et Ri j − ε ) avec un code CFD 3D. En effet, avant toute application de cette méthodologie à
un cas de terrain complexe, il faut au préalable vérifier que les profils verticaux issus du modèle 1D
se conservent bien dans le domaine 3D dans le cas d’un sol plat, homogène horizontalement. Ceci
permettra de vérifier que les points évoqués ci-dessous ne compromettent pas la conservation des
profils d’entrée :
– La loi de paroi au sol.

– Le maillage et l’extension horizontale du domaine de calcul.
– Les schémas numériques de résolution.
On présente dans cette section un cas test d’un couplage entre les deux modèles 1D et 3D.
10.2.2 Présentation du code CFD commercial Fluent
Dans le cadre de ce travail, on choisit d’étudier la méthodologie de couplage dans un contexte

général. Pour ce faire, le code commercial Fluent sera choisi. C’est un logiciel qui permet la réso-
lution des équations de Navier-Stokes par une méthode de volumes finis. Cette méthode est intéres-
sante car elle est conservative par nature, et permet l’utilisation de volumes élémentaires de formes
géométriques pouvant être très complexes. De plus, Fluent permet la reproduction de nombreux phé-
nomènes physiques (tel que la simulation d’écoulements compressibles, de transferts de chaleurs,
d’ondes acoustiques, d’écoulement réactifs, etc.) par le biais d’un choix varié de méthodes numé-
riques de résolution des équations.
De part sa versatilité, Fluent est aujourd’hui largement utilisé à la fois dans le monde industriel et
par le milieu universitaire. Son caractère généraliste implique que la plupart des modèles et paramétri-
sations sont soit présents par défaut dans le code, soit pouvant être complétés par le biais de fonctions
utilisables par l’utilisateur (ou User Defined Functions). Ainsi, ces points évoqués corroborent-ils le
choix de ce modèle.
10.2.3 Présentation du cas test
Les deux modèles de turbulence RANS (k − ε et Ri j − ε ) seront considérés dans cette étude. Les
constantes atmosphériques, pour chacun de deux modèles de turbulence (tableau 5.1 et 5.4), seront
prises en compte. On explicite ci-dessous les différentes caractéristiques de simulation.
Paramètres physiques de simulation
– Le vent géostrophique Ug = 5 m.s−1 à 225o (vent de sud-ouest).

– La longueur de rugosité au sol z0 = 0, 01 m.

– La latitude du domaine de calcul ϕ = 45o .
– La stabilité atmosphérique, avec trois cas de stabilité considérés : neutre, instable (Lmo = −50m)
et stable (Lmo = 50 m).
Caractéristiques du domaine de calcul
On considère le cas d’un domaine de calcul à sol plat, de dimensions horizontales de 10k m×10km
(l’échelle locale) et de 3 km verticalement. Les caractéristiques du domaine de calcul sont résumées
dans le tableau 10.1. Ce domaine est aligné de façon que l’on ait l’axe des x vers l’est et l’axe des
y vers le nord. La prise en compte d’un vent géostrophique de 225o (vent de sud-ouest) en entrée
implique un angle de 45o avec l’axe des x (tel qu’affiché graphique 10.1). Finalement, l’initialisation
du domaine de calcul se fait à travers les profils verticaux issus du modèle 1D.
F IGURE 10.1 – Vue de dessus de la face supérieure du domaine de calcul.
Longueur
Extension horizontale 10 km × 10 km (échelle locale)
Extension verticale 3 km (simulation dans la CLA)
Mailles horizontales 100 m × 100 m
40 mailles à épaisseur croissante
Mailles verticales
△z = 10 m (au sol) et △z = 245 m (au sommet)
TABLE 10.1 – Longueurs caractéristiques du domaine de calcul.
Conditions aux limites du domaine de calcul
– Conditions d’entrée (en l’occurrence, sur les faces sud et ouest) : le forçage de données météo-
rologiques est effectué grâce aux profils de vitesse et de turbulence issus du modèle 1D.
– Conditions de sortie (sur les faces nord et est) : le profil horizontal de pression (relation 10.4)
est appliqué en sortie de domaine.
– Conditions à limite supérieure : conditions de Dirichlet sur la vitesse du vent géostrophique.
– Conditions à la limite inférieure (au sol) : une loi de paroi rugueuse est imposée. La longueur
de rugosité dans Fluent se fait à partir d’un paramètre ks , relié à la rugosité aérodynamique z0
grâce à la relation ci-dessous (Blocken et al., 2007). Dans cette relation, cs est une constante
qui vaut 0, 5, d’après Blocken et al. :
cs ks
z0 = (10.5)
9, 793
Méthodes numériques
En ce qui concerne les méthodes numériques de résolution des équations, on choisit les paramètres
pris par défaut dans le code Fluent :
– Solveur stationnaire.
– Schéma de discrétisation spatiale de 1er ordre (upwind).
– Schéma de résolution numérique SIMPLE.
10.2.4 Critères d’évaluation
Les profils de sortie sont relevés à x = 10 km et y = 10 km et sont comparées avec ceux pris en
compte en entrée (face sud et ouest) sur les graphiques 10.2-10.10 pour le modèle k − ε et 10.11-
10.19 pour le modèle Ri j − ε . Ces profils concernent la vitesse (en amplitude), l’ECT k et son taux de
dissipation ε en conditions neutre, instable (Lmo = −50 m) et stable (Lmo = 50 m). De plus, on affiche
les résultats en termes d’erreur relative, définie comme la différence relative entre la sortie et entrée :
|ϕentrée − ϕsortie |
Erreurϕ = (10.6)
ϕentrée
ϕ étant une variable quelconque.
10.2.5 Résultats avec le modèle de turbulence k − ε
On présente tout d’abord les résultats de conservation avec un modèle de turbulence k − ε et des
constantes atmosphériques de Duynkerke (1988).
Les graphiques 10.2-10.4 concernent les résultats en condition neutre. On remarque une assez
bonne conservation des profils, avec une erreur< 1% pour la vitesse, < 5% pour l’ECT et < 10%
pour le taux de dissipation.
Les même taux de conservation sont observés en conditions instables (graphiques 10.5-10.7), avec
toutefois une erreur légèrement supérieure près du sol.
Les résultats en condition stable sont affichés sur les graphiques 10.8-10.10. Les taux d’erreurs
de vitesse sont comparables à ceux en conditions neutre et instable. Cependant, en ce qui concerne
l’ECT et le taux de dissipation, l’erreur est de l’ordre de 10% près du sol, mais devient importante
pour z > hCL (la hauteur de CLA hCL est de l’ordre de 200 m dans ce cas). Les très faibles valeurs
de k et de ε pour z > hCL (∼ 10−6 ) permettent d’expliquer ces fortes valeurs d’erreur, avec des effets
numériques entrant en jeu. En effet, on remarque qu’en absolu (graphiques à gauche), les profils de k
et de ε semblent bien se conserver.
En résumé, on note globalement une bonne conservation des profils en sortie de domaine, à10 km,
avec le modèle k − ε .
10.2.6 Résultats avec le modèle de turbulence Ri j − ε
On s’intéresse ici à la conservation des profils en présence d’un modèle Ri j − ε . Les constantes
atmosphériques de ce modèle, développées dans le chapitre 7, sont prises en compte dans le code
Fluent.
Globalement, les profils se conserve de façon similaire au modèle k − ε . En terme d’erreur relative,
en conditions neutre et instable, on note des taux < 4% pour la vitesse et l’ECT et < 20% pour le
taux de dissipation. Ainsi, l’erreur relative est-elle légèrement plus forte qu’avec le modèle k − ε . En
condition stable, les taux d’erreurs de vitesse sont satisfaisants, ainsi que près du sol pour k et ε , mais
ces taux sont forts pour z loin du sol. La même analyse que dans la section précédente peut être faite
pour expliquer ces forts taux d’erreur.
10.2.7 Conclusion
Finalement, la conservation des profils en sortie du domaine CFD 3D a permis de montrer que
la méthodologie ainsi développée permet de proposer un cadre méthodologique robuste pour décrire
la CLA. Ceci constitue une amélioration par rapport aux travaux de thèse de Vendel (2011) dans le
sens où toute l’épaisseur de CLA, ainsi que l’effet d’Ekman, sont simulés (et non seulement la CLS),
l’anisotropie de la turbulence peut être simulée grâce au modèle Ri j − ε , et aucun artifice n’est utilisé
afin de reproduire cet écoulement.
F IGURE 10.2 – Profils de vitesse en neutre (modèle k − ε ).
F IGURE 10.3 – Profils d’ECT en neutre (modèle k − ε ).
F IGURE 10.4 – Profils de ε en neutre (modèle k − ε ).

F IGURE 10.5 – Profils de vitesse en instable Lmo = −50m (modèle k − ε ).
F IGURE 10.6 – Profils d’ECT en instable Lmo = −50m (modèle k − ε ).
F IGURE 10.7 – Profils de ε en instable Lmo = −50m (modèle k − ε ).

F IGURE 10.8 – Profils de vitesse en stable Lmo = 50m (modèle k − ε ).
F IGURE 10.9 – Profils d’ECT en stable Lmo = 50m (modèle k − ε ).
F IGURE 10.10 – Profils de dissipation en stable Lmo = 50m (modèle k − ε ).

F IGURE 10.11 – Profils de vitesse en neutre (modèle Ri j − ε ).
F IGURE 10.12 – Profils d’ECT en neutre (modèle Ri j − ε ).
F IGURE 10.13 – Profils de ε en neutre (modèle Ri j − ε ).

F IGURE 10.14 – Profils de vitesse en instable Lmo = −50m (modèle Ri j − ε ).
F IGURE 10.15 – Profils de k en instable Lmo = −50m (modèle Ri j − ε ).
F IGURE 10.16 – Profils de ε en condition instable Lmo = −50m (modèle Ri j − ε ).

F IGURE 10.17 – Profils de vitesse en stable Lmo = 50m (modèle Ri j − ε ).
F IGURE 10.18 – Profils de k en stable Lmo = 50m (modèle Ri j − ε ).
F IGURE 10.19 – Profils de ε en stable Lmo = 50m (modèle Ri j − ε ).

Conclusion de la troisième partie
Une méthodologie de simulation de l’écoulement atmosphérique, à l’échelle locale, et utilisant

un modèle CFD 3D, a été développée dans cette partie. Cette méthodologie inclue l’utilisation, en
amont, d’un modèle 1D capable de fournir des profils verticaux nécessaires pour le forçage météo
du code CFD. Ce modèle 1D a été développé dans le cadre de ce travail de thèse. Il permet ainsi la
prise en compte des trois éléments essentiels pour une caractérisation adéquate de CLA : la turbulence
atmosphérique, la stabilité, et la force de Coriolis. La turbulence atmosphérique y est modélisée par
deux modèles différents, de type RANS (k − ε et Ri j − ε ).
Les résultats du modèle 1D ont été comparés avec un grand nombre de résultats théoriques et
découlant d’observations de conditions atmosphériques diverses. Dans l’ensemble, les différentes
comparaisons, et études de sensibilité vis-à-vis des différents paramètres de contrôle du modèle, ont
montré que les tendances simulées par le modèle 1D étaient proches de celles données par les résultats
de la littérature. Ceci a été le cas pour les deux modèles de turbulence, qui affichent des résultats très
similaires. Ces résultats ont été satisfaisants dans la majorité des cas tests (conditions neutre, stable
et instable), sauf dans le cas de conditions très instables, où des différences non négligeables ont été
notées. Néanmoins, dans l’ensemble, ces comparaisons ont permis :
– La vérification de la capacité du modèle k − ε (avec le jeu de constantes atmosphériques de

Duynkerke) à simuler à la fois la structure de la CLA et la turbulence atmosphérique, en pré-
sence d’un sol plat.
– La validité du modèle Ri j − ε , et notamment du nouveau jeu de constantes développé dans la
deuxième partie, à simuler l’écoulement atmosphérique (structure verticale et turbulence).
Le modèle 1D a ensuite été couplé à un code CFD 3D commercial (Fluent) : les profils verticaux,
sortis par le modèle 1D, ont été fournis comme données d’entrée pour le code Fluent, dans un domaine
de calcul à l’échelle locale et en sol plat. Cette étude de sensibilité a montré que les profils d’entrée
se conservent bien en sortie, dans le cas d’atmosphères neutre, stable et instable. Finalement, cette
étude a ainsi permis ainsi de valider la nouvelle approche de méthodologie CFD développée dans
cette partie.
Quatrième partie
Applicabilité de l’approche CFD à des cas de

forçages complexes au sol
11 SIMULATIONS ACADÉMIQUES CFD EN PRÉSENCE DE FORÇAGES PÉRIODIQUES AU SOL 175
11 Simulations académiques CFD en présence de forçages pério-

diques au sol
Introduction : Le comportement de la structure verticale de la CLA en présence de forçages au sol

avec un code CFD, est étudié dans cette partie. Les cas tests incluent des forçages périodiques 2D,
topographiques, thermiques ou rugueux. Des comparaisons avec des relations analytiques simples
permettent à la fois d’avoir une meilleure compréhension de la réponse de la CLA en présence de tels
forçages, et une vérification de la capacité des codes CFD à simuler de tels effets. Les deux modèles de
turbulence RANS k − ε et Ri j − ε sont considérés, et des constantes empiriques atmosphériques sont
prises en compte. La performance du nouveau jeu de constantes atmosphériques du modèle Ri j − ε
est ainsi analysée sur ces cas.
11.1 Introduction et présentation de l’étude

11.1.1 L’écoulement en présence de forçages au sol
La méthodologie de simulation de l’écoulement atmosphérique à l’échelle locale, utilisant un code

CFD 3D, et développée dans la partie précédente, a été testée et validée dans le cas d’un sol homogène
horizontalement : les profils en entrée du code se conservaient bien en sortie. Cette méthodologie
permet donc de bien reproduire la CLA en présence d’un sol plat. Cependant, le sol terrestre est
rarement homogène suivant l’horizontale. Les inhomogénéités du sol (nommées forçages) peuvent
être classées selon trois catégories distinctes :
– Forçage topographique (la hauteur du sol).

– Forçage rugueux (les fluctuations petite-échelles de la topographie du sol, dont la taille est
inférieure à la maille hectométrique de calcul, tel que la végétation, les bâtiments, etc.).
– Forçage thermique (les fluctuations du flux de chaleur sensible ou de la température au sol).
La présence de ces forçages au sol perturbe la structure verticale de la CLA. Les graphiques 11.1
à 11.4 montrent de façon schématique le comportement de l’écoulement atmosphérique en présence
d’une succession de forçages, de types différents, et périodiques dans l’espace (de période L).
Ainsi, voit-t-on sur le graphique 11.1 (dans le cas d’un forçage topographique), que les lignes de
courant suivent la forme du relief dans une zone près du sol (dans le cas d’un relief à pente faible).
Au delà d’une certaine hauteur, l’écoulement ne ressent plus l’effet du forçage, et devient homogène
horizontalement. Ainsi, note-t-on ha la hauteur totale de la pénétration verticale de la perturbation.
F IGURE 11.1 – Perturbation de l’écoulement en présence d’un forçage topographique périodique de

longueur L.
D’autre part, lors de l’arrivée de l’écoulement sur un forçage rugueux, une couche limite en équi-
libre avec les nouvelles caractéristiques du sol se développe en proche-paroi. Ainsi, d’une façon simi-
laire au forçage topographique, l’écoulement atmosphérique est perturbé par la présence du forçage
rugueux jusqu’à une hauteur moyenne ha , comme le montre graphique 11.2.
F IGURE 11.2 – Perturbation de l’écoulement en présence d’un forçage rugueux périodique de lon-
gueur L.
Finalement, le graphique 11.3 montre le comportement de l’écoulement en présence d’un forçage

thermique périodique (dans ce cas, il y a alternance entre des flux de chaleur au sol positifs et négatifs).
Ce différentiel de thermique au sol induit la création de cellules convectives, dont la taille délimite la
zone de perturbation de l’écoulement (en termes de hauteur ha ).
Ainsi, l’écoulement atmosphérique dans la zone perturbée n’est-il plus homogène horizontale-
ment, comme c’était le cas dans la partie précédente, et sa structure verticale dépend-elle considéra-
blement de la nature et du type du forçage au sol.
F IGURE 11.3 – Perturbation de l’écoulement en présence d’un forçage thermique périodique de lon-
gueur L.
11.1.2 Démarche et objectifs de l’étude
Dans le cadre de cette étude, on souhaite étudier le comportement de l’écoulement atmosphérique,

et de la structure verticale de la CLA, en présence d’un forçage topographique, rugueux ou thermique.
Plus précisément, on étudiera notamment l’influence de l’extension horizontale du forçage L sur la
pénétration verticale de la perturbation en termes de ha (cf. graphiques 11.1-11.4). A priori, on pour-
rait s’attendre intuitivement à ce que ha varie proportionnellement avec L. Néanmoins, on souhaite,
grâce à ce travail, quantifier de façon plus précise la distance verticale caractéristique d’influence du
forçage au sol sur la structure de la CLA, ceci quel que soit le type de forçage.
Pour ce faire, des cas tests académiques seront effectués grâce à un code CFD 3D. De plus, les
résultats de ces simulations CFD seront ensuite évalués grâce à une comparaison avec des résultats
théoriques et empiriques présents dans la littérature. Afin de simplifier l’étude, les effets de couplage
entre différents forçages (tel que les vents thermiques dans les zones de vallées) ne seront donc pas
considérés.
Ainsi, ce travail nous permettra-t-il d’atteindre simultanément les deux objectifs suivants :
– Émettre des choix quant à l’extension maximale du domaine de calcul CFD et à la résolution
horizontale à adopter suivant le type et la longueur du forçage en question.
– Valider la capacité des codes CFD à prédire les tendances des relations analytiques et empi-
riques concernant la dépendance de ha vis-à-vis de L, pour des écoulements en présence de
forçages académiques simples.
Tout d’abord, on présente la stratégie de modélisation des forçages au sol. Ensuite, la paramétrisa-
tion du code CFD considérée, une étude bibliographique et une comparaison des résultats CFD avec
la littérature, seront présentées pour chaque cas de forçage dans le chapitre suivant.
Définition de la hauteur de zone de perturbation ha
La définition précise de l’épaisseur de la zone perturbée est sujette à débat, et dépend de chaque
type de forçage. Aussi, existe-t-il une multitude de définitions de ha dans la littérature. Par conséquent,
ceci nous oblige à expliciter, par la suite, le critère de définition de ha considéré suivant chaque cas.
11.1.3 Méthodologie de modélisation des forçages périodiques
Dans la présente étude, la stratégie de modélisation choisie consiste en une simulation 2D de

l’écoulement en présence de forçages périodiques suivant l’horizontale, représentant de façon simpli-
fié un terrain réel. Ceci permettra de considérer une étude à la fois simple et académique. On présente
dans cette section la méthodologie de modélisation suivant chaque type de forçage au sol.
Forçage topographique
Pour le forçage topographique, la forme choisie est sinusoïdale de longueur d’onde L, et d’ampli-
tude hmax , i.e. la hauteur maximale de colline (graphique 11.4). Le relief 2D est donné par :

hmax 2π
h (x) = 1 + sin x (11.1)
2 L
F IGURE 11.4 – Schéma représentatif de la modélisation des forçages topographiques périodiques.
Dans certain cas de forçages topographiques, si la pente du relief est assez forte, un décollement
de l’écoulement peut apparaitre, induisant des zones de recirculation et de sillages turbulents en aval
d’une colline ou d’une vallée. Cependant, on ne s’intéresse pas à la génération de tels phénomènes
dans la présente étude. Ceci sera exploité plus en détails dans le chapitre 12. On reste dans le cas de
reliefs à pente faible dans le reste de l’étude. Afin d’éviter de simuler un décollement de l’écoulement
et de zones de recirculation, on choisit de considérer des rapport de pentes tel que hmax /L = 0, 1.
Forçage rugueux
En ce qui concerne le forçage rugueux, il est modélisé sous forme de patchs périodiques de rugo-
sité de longueur L, avec une alternance périodique entre des longueurs de rugosité z0,1 et de z0,2 . On
choisit z0,1 = 0 (sol lisse), tel qu’affiché sur le graphique 11.5.
F IGURE 11.5 – Schéma représentatif de la modélisation des forçages rugueux périodiques.
Forçage thermique
Pour le forçage thermique, on choisit de le modéliser par une fonction sinusoïdale de longueur
d’onde L et d’amplitude H0,max (valeur du flux de chaleur sensible), qui varie autour d’une valeur
moyenne nulle (graphique 11.6) :
2π
H0 = H0,max sin x (11.2)
L
F IGURE 11.6 – Schéma représentatif de la modélisation des forçages rugueux périodiques.
11.1.4 Paramétrisation du code de calcul CFD
Le code commercial CFD Fluent est utilisé dans le cadre de cette étude. Les principales caracté-
ristiques de simulation pour les trois cas de forçage sont présentées dans le tableau 11.1.
La simulation de forçages périodiques et infinis est possible grâce à l’application de conditions

de périodicité sur les faces horizontales du domaine 2D. De plus, ceci permet à la fois de simuler
un écoulement bien établi et de s’affranchir de la forme du profil d’entrée : on impose simplement
un débit sur les faces d’entrée/sortie du domaine de calcul. Ainsi, la méthodologie CFD « 1D-3D »
n’est-t-elle que partiellement testée dans cette étude. En effet, un profil issu du modèle 1D (vu dans
le chapitre précédent) ne sera pas utilisé en entrée : la méthodologie CFD « 1D-3D » sera étudiée de
façon plus complète dans le chapitre suivant.
Des informations sur les paramétrisations supplémentaires éventuelles, en fonction du type de

forçage, seront présentées suivant chaque cas.
11.1.5 Méthodologie d’évaluation de la hauteur de zone perturbée
L’étude portera sur le test de sensibilité de la valeur de ha vis-à-vis de plusieurs valeurs de L, avec
des valeurs fixées de hmax , z0 ou H0,max . Par conséquent, un choix est à prendre quant à la définition
Domaine 2D
Dimensions Lx = 5 km ; Lz = 3 km
Pas d’espace △x ∼ 50 m, △z logarithmique (10 m au sol)
Conditions limites latérales Périodiques
Condition limite supérieure Symétrie
Condition limite inférieure Loi de paroi
Conditions atmosphériques Neutre
Modèle de turbulence k − ε et Ri j − ε (constantes atmosphériques)
Écoulement u ∼ 3 m.s−1
TABLE 11.1 – Tableau récapitulatif des principaux paramètres de calcul sous Fluent.
de la hauteur de pénétration verticale de la perturbation ha sous le code Fluent.
En fait, l’écoulement qui arrive sur un forçage 2D se voit accéléré ou décéléré, suivant la nature
du forçage. Le domaine étant 2D, ceci induit, par conservation de la masse, la création d’une vitesse
verticale (ascendante ou descendante suivant le cas). Par conséquent, on choisit de définir l’épaisseur
ha comme la hauteur à laquelle cette vitesse verticale est atténuée d’un facteur 1/e (tel qu’affiché par
le graphique 11.17).
En ce qui concerne les études bibliographiques, on présente des relations empiriques ou des équa-
tions analytiques permettant d’estimer ha en fonction de la longueur horizontale du forçage L. Une
définition succincte de ha sera présentée suivant chaque cas de forçage.
F IGURE 11.7 – Calcul de la hauteur ha de pénétration verticale de la perturbation pour les résultats
CFD.
11.2 Simulation en présence d’un forçage topographique

11.2.1 Étude bibliographique
Les études en présence d’une succession de collines sous la forme d’un relief sinusoïdal sont nom-
breuses dans la littérature. Des études expérimentales existent, telles que celle de Miller et Davenport
(1998), dans laquelle ils effectuent des mesures en soufflerie sur un relief sinusoïdal pour estimer l’ac-
célération relative du champ de vent en présence du relief. Des mesures similaires ont été effectuées
par Carpenter et Locke (2000), ainsi que par Weng et al. (2000). D’autre part, de nombreuses études
utilisant un modèle de turbulence de type LES pour simuler l’écoulement sur relief sinusoïdal, ont été
effectuées, tel que celle de Brown et al. (2000). Ces études s’intéressent à la limite de la génération
de zones de recirculation et de zones turbulentes en aval des collines en fonction du rapport h/L.
Cependant, aucune de ces études ne s’intéresse à l’estimation des dimensions de la perturbation

verticale en fonction de la longueur d’onde d’un relief sinusoïdal. On présente dans la section suivante
les résultats analytiques de Queney (1947) qui permettent de telles estimations.
Équations linéarisées en présence d’un relief 2D
Queney (1947) étudie le phénomène de l’écoulement 2D sur des collines périodiques sinusoï-
dales en absence d’une couche limite (il considère un écoulement à vitesse constante U0 ). La prise
en compte d’hypothèses supplémentaires, tel qu’un faible nombre de Rossby (force de Coriolis né-
gligeable) et un écoulement non visqueux et stationnaire, conduit à la linéarisation des équations de
Navier-Stokes (équations 11.4-11.7). L’atmosphère est stable (stratification faible), et les effets ther-
miques sont pris en compte à travers l’approximation de Boussinesq.
∂u ∂P
U0 + =0 (11.3)
∂x ∂x
∂w ∂P θ − θ0
U0 + =g (11.4)
∂x ∂z θre f
∂ θ −θsθ0
U0 g + N2w = 0 (11.5)
∂x
∂u ∂w
+ =0 (11.6)
∂x ∂z
Dans les relations ci-dessus, N est la fréquence de Brunt-Väisälä, définie par :
s
g ∂ θ0
N= (11.7)
θ0 ∂ z
Des conditions aux limites sur les composantes de la vitesse vont permettre de résoudre ces équa-
tions : les lignes de courant de l’écoulement au sol doivent suivre la forme du relief, et les ondes
doivent s’atténuer vers z → ∞. On applique les équations 11.4 à 11.7 à une condition limite inférieure
sous la forme d’un relief sinusoïdal, tel que sous la forme de la relation 11.1.
Ainsi, trouve-t-on le système suivant pour la composante verticale de la vitesse w :
 √
 U0hmax k exp − k2 − l 2 z cos (kx) U0 k > N 2π N
w (x, z) = √ avec k = et l = (11.8)
 U h kcos kx + l 2 − k2 z U k < N L U0
0 max 0
Le système 11.9 offre deux cas de solution qui dépendent de la valeur du nombre de Froude
Fr = U0 k/N.
Dans le cas neutre, comme ce sera le cas dans les simulations CFD, on a :

2π 2π
w(x, z) = U0 hmax exp − z cos x (11.9)
L L
11.2.2 Étude de la présence d’ondes de gravité
Des perturbations de l’écoulement atmosphérique, sous forme ondulatoire, peuvent être créées
lors du passage de l’écoulement sur un relief accidenté. Ces perturbations peuvent se produire quand
l’atmosphère est stable dans la CLA. En effet, la parcelle de fluide, déplacée vers le haut après le fran-
chissement d’un obstacle, se retrouve à une température plus faible que son environnement. Elle est
plus dense et la force de flottabilité la ramène vers sa position d’équilibre. Ce mouvement étant couplé
à un écoulement horizontal, il s’ensuit un effet oscillatoire horizontal de l’écoulement atmosphérique
(tel qu’affiché sur le graphique 11.7). Ces oscillations sont appelées ondes de gravité.
Dans le cas où U0 k < N (Fr < 1), les ondes de gravité sont maintenues et se propagent verticale-
ment (graphique 11.9, à droite). Si U0 k > N (Fr > 1), l’amplitude des ondes décroit exponentiellement
suivant la verticale. Les effets de flottabilité ne sont alors pas assez fortes pour maintenir la propaga-
tion des ondes (graphique 11.9, à gauche).
L’apparition de ces ondes dépend donc de trois facteurs : de la vitesse moyenne de l’écoulement
U0 , de la fréquence de Brunt-Väisälä N (et donc du niveau de stabilité de l’atmosphère), et de la
longueur d’onde du relief L.
Connaissant la stabilité de l’atmosphère (et donc N), et la vitesse de l’écoulement U0 , on peut en

déduire la longueur d’onde critique du relief pour l’apparition des ondes de gravité. On a ainsi 2 cas :
– Cas 1 : les ondes de gravité sont amorties pour :
U0
L < 2π (11.10)
N
F IGURE 11.8 – Comportement de l’écoulement en présence d’un relief sinusoïdal et d’une atmosphère
stable : à gauche, les ondes de gravité s’atténuent suivant la verticale (cas U0 k > N) ; à droite, les ondes
se propagent verticalement sans perte d’amplitude (cas U0 k < N). Les pointillées sur la figure à droite
représentent l’inclinaison caractéristique de la ligne à phase constante.
– Cas 2 : les ondes de gravité sont entretenues pour :
U0
L > 2π (11.11)
N
La fréquence de Brunt-Väisälä N (relation 11.8) peut être liée à la longueur de Monin-Obukhov

Lmo en utilisant l’expression 7.13 du gradient de température potentielle dans la CLS. Ceci donne :
s
u2∗ 1 5
N= + (11.12)
κ 2 Lmo z Lmo
Ainsi, peut-on tracer le graphique 11.9, qui montre l’évolution, pour une atmosphère légèrement
stable (Lmo = 200 m) et fortement stable (Lmo = 20 m), de la longueur d’onde du relief en fonction du
la vitesse de l’écoulement U0 (relations 11.10-11.11).
Dans le cas d’une atmosphère faiblement stable, les ondes générées par des reliefs dont la longueur
d’onde caractéristique est L ≤ 1 km seront atténuées dès lors que la vitesse du vent devient supérieur
à ∼ 1 m.s−1 . Pour des vitesses d’écoulement supérieures, par exemple pour U0 = 5 m.s−1 , et pour
une stratification faible, les ondes de gravité n’existeront que pour des longueurs d’onde du relief
L ≥ 6 km.
Par conséquent, pour des simulations à l’échelle locale (10 km horizontalement), les ondes de
gravité seront généralement amorties, sauf dans le cas d’une stratification forte de l’atmosphère.
Finalement, on se placera dans le reste de la présente étude dans des conditions des ondes atté-
nuées.
F IGURE 11.9 – Longueur d’onde L minimum du relief pour l’amortissement des ondes de gravité, en
fonction de la vitesse de l’écoulement U0 . Résultats sortis à z = 200 m.
11.2.3 Comparaison des résultats du code Fluent avec des solutions analytiques
On considère 4 cas de longueurs d’onde du relief : L = 100 m, 500 m, 1250 m et 2500 m. Le

sol est pris légèrement rugueux, de longueur de rugosité z0 = 0, 001 m. Le graphique 11.10 montre
la paramétrisation du domaine de calcul, et du forçage, dans le code CFD Fluent. Les conditions
étant neutres, l’écoulement sera constitué d’oscillations verticales, constituant un cas limite des ondes
amorties (condition L < 2π U0 /N, avec N → 0). On se place donc dans le cas d’absence d’onde de
gravité.
F IGURE 11.10 – Paramétrisation du domaine de calcul 2D sous Fluent, pour un forçage topographique
de longueur d’onde L.
Le graphique 11.11 montre, pour le cas L = 500 m, une comparaison du profil de vitesse verticale
w entre le code CFD (modèles k − ε et Ri j − ε ) et la relation 11.9 (cas des ondes amorties). Ainsi,
note-t-on un bon accord entre la théorie et le code CFD. On remarque aussi que, d’après les deux
méthodologies, la vitesse verticale s’annule pour ha ∼ L.
F IGURE 11.11 – Atténuation de la vitesse verticale en fonction de l’altitude pour une longueur d’onde
L = 500 m.
On affiche sur le graphique 11.12 une étude de sensibilité de ha en fonction de différentes valeurs
de L . ha est définie comme la hauteur à laquelle la valeur de w est atténuée d’un rapport de 1/e par
rapport à celle du sol, pour la relation analytique (relation 11.9) et les résultats du code CFD. On
remarque ainsi que les deux méthodologies prévoient des tendances similaires : il y a une relation
quasi-linéaire entre la longueur d’onde du relief et l’épaisseur de pénétration de la perturbation.
F IGURE 11.12 – Hauteur d’atténuation ha pour différentes longueurs d’onde du relief.

Influence de la rugosité
L’étude présentée ci-dessus concerne des cas avec une longueur de rugosité z0 fixée. On souhaite
vérifier le comportement de ha vis-à-vis de z0 . Le tableau 11.2 montre une étude de sensibilité de la
valeur de ha , calculée avec les résultats du code CFD Fluent, en fonction de 3 valeurs différentes de
z0 . ha augmente d’environ 20% quand on passe d’un sol lisse à une longueur de rugosité z0 = 0, 1 m.
z0 (m) 0, 0 (sol lisse) 0, 001 0, 1

ha (m) 107, 4 119, 3 129, 8
TABLE 11.2 – Hauteur d’atténuation ha avec le code CFD Fluent pour le cas L = 500 m et différentes
longueurs de rugosité au sol.
Ainsi, voit-on que la sensibilité vis-à-vis de z0 est relativement faible : les différentes valeurs ha
restent globalement comparables à celles issues des équations linéarisées.
11.2.4 Conclusion
En résumé, d’après le code CFD Fluent et les relations théoriques analytiques, la hauteur ha de
pénétration verticale de la perturbation est proportionnelle à la longueur d’onde du relief, avec une
dépendance quasi-linéaire. Ainsi, ce résultat permet-il d’émettre les conclusions suivantes :
– On retrouve avec le code CFD les tendances prédites par la théorie sur l’influence de la longueur
du forçage topographique sur la structure verticale de la CLA. On valide aussi les résultats du
code CFD Fluent sur des cas de collines à pente légère, et à différentes extensions horizontales
L. La simulation en présence de reliefs complexes (collines rugueuses ou à pentes fortes) sera
explorée dans le chapitre suivant.
– Le domaine de calcul du code CFD peut être mis en relation avec la nature de la topographie
au sol. Ainsi, la hauteur du domaine de calcul dépendra-t-elle de l’extension horizontale carac-
téristique maximale du relief. En effet, si l’on prend par exemple une simulation en présence
des longueurs d’ondes les plus grandes à l’échelle locale (L ∼ 10 km), le sommet du domaine
de calcul doit être supérieur à ∼ 1 km afin que la perturbation générée soit simulées de façon
adéquate. De plus, la résolution du maillage près du sol devra tenir de cette longueur L. En ef-
fet, pour un relief à L ∼ 1 km, le maillage devra être raffiné sur une hauteur verticale de l’ordre
de ∼ 150 m (d’après le résultat du graphique 11.12) afin de pouvoir simuler correctement la
perturbation de l’écoulement. D’autre part, la résolution exacte des effets topographiques des
échelles inférieures aux échelles hectométriques est donc non nécessaire car la perturbation de
la CLA due à ces échelles sera confinée à une altitude très proche du sol, de l’ordre de ≤ 15 m
(graphique 11.12).
11.3 Simulation en présence d’un forçage rugueux

11.3.1 Phénoménologie de l’écoulement en présence d’un forçage rugueux
On s’intéresse dans ce cas à un forçage au sol sous forme de rugosité, i.e. la longueur des plus
petites fluctuations de la surface du sol et qui représentent généralement le type d’occupation du sol
(mer, prairie, culture, forêt, zone urbaine,...). Dans le cadre de cette thèse, les éléments de rugosité re-
présentent les obstacles dont la taille est inférieure à la maille hectométrique. La longueur de rugosité
modélise ainsi l’effet global du frottement sur l’écoulement à l’interface sol/atmosphère dû à la pré-
sence de très petites fluctuations. Ce frottement induit un cisaillement du champ de vent près du sol,
et se répercute donc sur le champ turbulent. La perturbation ainsi créée se propage verticalement par
diffusion turbulente de la quantité de mouvement. Ceci influe donc directement sur une multitude de
phénomènes micro-météorologiques, notamment l’étude de la dispersion atmosphérique de polluants,
qui se situent généralement en basse altitude.
La hauteur verticale caractéristique ha jusqu’à laquelle se fait sentir la présence de la rugosité nous
intéressera par la suite dans la présente étude.
Un nombre très important d’études théoriques, expérimentales et numériques porte sur l’étude
de l’arrivée d’un écoulement sur un saut de rugosité. Parmi ces études, de nombreuses publications,
telles que Pasquill (1972), Jackson (1976), Panofsky et Dutton (1984) et Elliott (1958), s’intéressent
à la définition théorique et l’estimation de la hauteur d’influence d’un saut de rugosité en présence
d’une couche atmosphérique neutre.
On retrouve dans les études citées précédemment des relations qui explicitent directement cette
hauteur ha en fonction de la longueur du forçage rugueux L (tel que décrit sur le graphique 11.5) et
de la rugosité z0 . Cependant, la définition exacte de ha fait débat parmi les auteurs de ces études et
diffère suivant chaque étude.
En fait, l’ensemble des relations qui figurent dans les études citées ci-dessus ne prennent en
compte que l’effet d’un saut unique de rugosité. Sous Fluent, on simule le cas d’un forçage pério-
dique en rugosité (patchwork). Par conséquent, la comparaison des résultats Fluent avec une relation
issue de ces études doit tenir compte de ce fait, et une estimation de cette différence doit donc être
effectuée.
Walmsley (1989) effectue une comparaison des relations de Elliott (1958), Jackson (1976) et
Panofsky et Dutton (1984) avec des mesures atmosphériques. Il trouve une meilleure concordance
avec la relation de Panofsky et Dutton (1984). Par conséquent, on retient cette relation pour la présente
étude. Cette relation découle des travaux théoriques de Miyake (1965). On a :

ha ha L
1+ ln − 1 = κd (11.13)
z0 z0 z0
Dans cette relation, d est le rapport de niveau de turbulence σw /u∗ , estimé à 1, 3 par Panofsky et
Dutton (1984).
Sous Fluent, on simule l’écoulement qui aborde une surface qui alterne entre un sol lisse (z0 = 0m)
et des patchs périodiques de rugosité z0 = 0, 1 m. Les patchs à sol lisse permettent ainsi d’éviter de
cumuler l’influence de deux valeurs de rugosité différentes. Des conditions de périodicité du domaine
permettent de simuler des patchs infinis.
La paramétrisation du domaine de calcul, et la modélisation du forçage au sol, sont affichées sur

la figure 11.13.
F IGURE 11.13 – Paramétrisation du domaine de calcul 2D sous Fluent, pour un forçage rugueux de
longueur L (alternance entre sol lisse et patch de rugosité z0 ).
Le graphique 11.14 nous montre les contours de vitesse verticale pour un cas L = 1250 m avec
Fluent et un modèle k − ε (le résultat est très similaire avec le modèle Ri j − ε ).
L’écoulement aborde d’abord le patch à z01 = 0, 1 m, suivi par le patch à rugosité nulle par la suite.
La présence d’un sol rugueux induit la création d’une vitesse verticale, dont le maximum se situe près
du sol, juste en aval du saut de rugosité. C’est à cette hauteur que le cisaillement du vent est le plus
fort, mais il s’adapte ensuite rapidement à la nouvelle configuration du sol. La vitesse verticale w est
positive sur le patch rugueux et négative sur le patch lisse.
On observe les mêmes tendances dans le cas de la prise en compte de deux valeurs non nulles de
rugosité (par exemple, w positive sur le patch à z01 = 0, 1 m et négative à z01 = 0, 01 m).
On voit sur le graphique 11.14 que le maximum de pénétration verticale se situe vers le milieu du
patch de rugosité. Par conséquent, c’est à cette hauteur que sera estimé la taille verticale de la zone
F IGURE 11.14 – Contours de vitesse verticale pour un cas de patchs de longueur L = 1250 m et de
rugosité z0 = 0, 1 m, avec un modèle k − ε .
perturbée.
Le graphique 11.15 montre la dépendance de ha vis-à-vis de L, prédite par le code CFD (modèles
k − ε et Ri j − ε ) , ainsi que par la relation analytique 11.13. En valeur absolue, les valeurs prédites par
le code CFD sont supérieures à celles de la relation 11.13. Ceci s’explique par trois raisons :
– La définition de ha est différente suivant chaque cas.

– Le fait de considérer un relief périodique.
– L’existence de termes non-linéaires non prédits par la relation théorique.
Cependant, on souhaite s’affranchir de la définition de ha , afin de faire apparaitre les tendances

de dépendance de ha vis-à-vis de L, et non de leurs valeurs précises. Pour ce faire, on multiplie les
valeurs de ha de la relation 11.13 par un facteur qui permette d’avoir une égalité de la valeur de ha
avec celle issue du code CFD à L = 500 m. Ceci nous permet de vérifier les tendances prédites par
les deux méthodologies, quelle que soit la définition de l’épaisseur de zone perturbée. Dans ce cas,
on remarque sur le graphique 11.16 que les pentes de dépendance de ha vis-à-vis de L sont quasi-
équivalentes.
Finalement, la dépendance de la hauteur ha de pénétration de perturbation vis-à-vis de la longueur

d’un forçage rugueux, est de l’ordre de ha ∼ L/2 d’après le code CFD. Les conclusions que permettent
d’émettre ces résultats sont identiques à ceux de l’étude en présence du forçage topographique, à
savoir de la dépendance de la résolution horizontale près du sol et de la hauteur du sommet de domaine
vis-à-vis de l’extension horizontale du forçage rugueux, ainsi que dans la validation de la capacité du
code CFD dans la simulation de la structure verticale de la CLA en présence de tels forçages.
F IGURE 11.15 – Hauteur d’atténuation verticale ha en fonction de la longueur du patch L pour la

théorie (relation 11.13) et les modèles CFD k − ε et Ri j − ε .
F IGURE 11.16 – Hauteur d’atténuation verticale ha en fonction de la longueur du patch L pour la

théorie (relation 11.13) et les modèles CFD k − ε et Ri j − ε . Les valeurs théoriques ont été multipliées
par un facteur qui permet d’avoir une égalité avec la valeur du code CFD à L = 500 m.
11.4 Simulation en présence d’un forçage thermique

11.4.1 Phénoménologie de l’écoulement en présence d’un forçage thermique
On s’intéresse dans ce chapitre à l’effet sur l’écoulement d’un forçage thermique inhomogène, i.e.
à la présence de zones à valeurs différentes de flux de chaleur H0 ou de température au sol θs . Ceci
est le cas pour des régions à différents types de nature ou d’occupation du sol (présence d’eau, de
végétation, etc.). Généralement, on distingue deux cas :
– Présence d’un écoulement moyen à vitesse non négligeable : dans ce cas, la structure verticale
de l’écoulement est perturbée par l’effet de changement du forçage thermique au sol. Une zone
perturbée se développe en conséquence en proche-paroi, de façon identique à ce qui a été vu
dans le cas d’un écoulement en présence de forçage rugueux.
– L’écoulement moyen est à vent faible : dans ce cas, la présence de forçages thermiques au sol
peuvent conduire à la création d’écoulement locaux, tels que des effets de brise de mer/lac
(graphique 11.17) ou de terre.
Phénomènes de brises
Les brises de mer et de terre sont généralement caractéristiques des zones côtières dans lesquelles
elles se produisent. La brise de mer se produit pendant la journée, généralement en début d’après-
midi, après que le soleil a chauffé davantage la terre que la mer (à cause de sa capacité thermique
supérieure). L’air qui se chauffe près du sol remonte en altitude. Il en résulte un gradient de pression
et de température qui s’établissent entre les deux zones, et qui induisent un vent horizontal circulant
de la mer vers la terre. L’écoulement pénètre donc dans une atmosphère hautement instable. Par
conséquent, une perturbation se crée dû au flux de chaleur sensible supérieur dans cette zone, et
une couche limite instable s’y forme. La perturbation est amplifiée et une composante verticale s’y
développe. Plus en altitude, l’écoulement se redirige vers la mer par conservation de la masse. Ceci
conduit à l’apparition de grandes cellules convectives dont la taille verticale ha est à estimer. Le
graphique 11.17 permet de visualiser ce phénomène pour le cas d’une brise de mer.
Le cas inverse (brises de terre) se produit généralement pendant la nuit. Le sol se refroidissant
plus vite, il en résulte un écoulement qui va dans la direction de la mer en basse altitude.
Le même phénomène physique peut se produire, mais à des dimensions horizontales de forçage L
plus petites. Ceci est le cas des zones à très fortes hétérogénéités en flux de chaleur tel que des régions
à différents types de culture ou d’occupation de sol, ou à des situations de couverture nuageuse ou
d’enneigement non homogènes.
F IGURE 11.17 – Phénomène de brise de mer idéalisé, lors d’un différentiel horizontal de forçage
thermique. Graphique adapté de Stull (1988).
11.4.2 Objectifs de l’étude
La présente étude se compose de trois parties :
– Le cas d’un écoulement à vitesse faible, voire nulle : l’objectif sera d’estimer les dimensions
des cellules convectives (graphique 11.17) en fonction de la longueur L du forçage thermique.
– L’impact de la vitesse de l’écoulement incident sur la formation des cellules convectives et
des phénomènes de brises sera étudié. En effet, une vitesse d’écoulement forte aura tendance
à contrer le développement de ces cellules convectives. Par conséquent, on étudiera la valeur
limite de la vitesse pour la génération de tels phénomènes.
– La dernière partie s’intéressera à l’étude de la perturbation de l’écoulement en présence d’ad-
vection, donc dans le cas d’absence d’écoulements locaux (brises, cellules convectives). Dans
ce cas, l’étude portera sur l’estimation des dimensions verticales de la zone de perturbation de
l’écoulement (hauteur ha ), en fonction de la longueur L du forçage thermique.
Un étude bibliographique et une présentation de relations analytiques, ainsi que des résultats de
simulations avec le code CFD Fluent, seront présentés suivant chaque cas.
Absence d’advection
Dans Martin et Pielke (1983), on trouve une étude analytique et numérique sur les phénomènes de
brises de mer. La partie théorique se base sur les équations linéarisées de Defant (1950) en absence
de vitesse d’écoulement.
Afin de linéariser les équations de Navier-Stokes, Defant prend en compte plusieurs hypothèses :
l’écoulement est incompressible et à vitesse d’advection nulle, les gradients de masse volumique ρre f
et de température potentielle θre f sont constants suivant la verticale, les diffusivités turbulentes sont
horizontalement homogènes et la force de Coriolis est négligée suivant la composante verticale. Dans
ce qui suit, θ est la valeur de la perturbation de la température potentielle par rapport à la valeur de
référence θre f . La prise en compte de ces hypothèses conduit aux équations suivantes :
∂u 1 ∂p
=− + f v − ηh u (11.14)
∂t ρre f ∂ x
∂v
= − f u − ηh v (11.15)
∂t
∂w θ 1 ∂p
=g − − ηv w (11.16)
∂t θre f ρre f ∂ z
∂u ∂w
+ =0 (11.17)
∂x ∂z

∂θ ∂θ ∂ 2θ ∂ 2θ
= −w − Kθ + 2 (11.18)
∂t ∂z ∂ x2 ∂z
Dans les relations 11.14-11.16, les effets turbulents sont représentés par les termes ηh et ηv , qui dé-
coulent de l’hypothèse simplificatrice de Defant (1950). Cette paramétrisation est détaillée en annexe.
Dans l’article de Martin et Pielke (1983), les deux termes ηh et ηv sont pris constants, et égaux à
10−3 s−1 , alors que la viscosité turbulente thermique Kθ est prise égale à 10 m2 .s−1 . On utilisera
ces valeurs par la suite. On applique au système d’équations 11.14-11.18 les conditions aux limites
ci-dessous. Le forçage au sol est sinusoïdal, sous forme de température, avec θmax la valeur de l’am-
plitude.
(
w (z = 0) = w (z → ∞) = θ (z → ∞) = 0
(11.19)
θ (z = 0) = θmax eiω t sin (kx)
Les solutions de u, v, w, θ sont recherchées sous la forme de :
e (z) eiω t sin (kx)

w (x, z,t) = w (11.20)
Dans cette dernière expression, we est un nombre complexe. Les termes complexes ue, ṽ, w,e θe font
intervenir la pente du gradient de température potentielle (fonction du degré de stratification de l’at-
mosphère). Les formes détaillées des solutions sont fournies par Martin (1981) et sont explicitées en
annexe.
Étude de la vitesse minimum pour contrer la génération de cellules convectives
Des vents ambiants peuvent conduire à la destruction des cellules convectives qui se développent
lors de différentiels de forçages au sol (tels que les phénomènes de brises). Ainsi, s’intéresse-t-on à la
vitesse minimum d’advection nécessaire pour contrer le développement de l’écoulement local causé
par la présence de zones à différentes valeurs de forçages thermiques, ainsi que par le gradient de
pression horizontal qui s’y développe.
L’étude de Segal et Arritt (1992) s’intéresse à l’impact de zones très hétérogènes en flux de chaleur
au sol, tel que des régions de types de culture ou d’occupation de sol différents, ou à une couverture
nuageuse non homogène. Dans cet article, une expression analytique, déduite théoriquement, permet
de déduire la vitesse minimum du vent géostrophique Ug,min pour empêcher le développement de
cellules convectives, en fonction de la différence de flux de chaleur ∆H0 et de la longueur de forçage
L, tel que :

1, 2g∆H0 πL
Ug,min = sin (11.21)
θ0 ρ0C p fUg,min Ug,min τ
On renvoie le lecteur à l’étude de Segal et Arritt (1992) pour une explicitation de la méthode de la
mise en équation de cette relation. τ est un paramètre qui correspond à la durée totale d’ensoleillement
journalière, qu’on prend ici égale à 12h. La relation 11.21 montre ainsi la dépendance de Ug,min vis-à
vis de la longueur du forçage thermique L (un résultat similaire peut être vu dans l’étude de Doran et
al., 1994).
Présence d’advection : pénétration dans une couche limite instable
Une zone perturbée et instable se développe lors de l’arrivée d’un écoulement, issu d’une zone
à un flux de chaleur faible, sur un sol à flux de chaleur plus fort. Une méthode est proposée dans
Garratt (1992) afin de calculer le taux de variation de ha suivant la longueur horizontale L et du degré
de stratification de l’atmosphère γ en amont (supposée stable). Le détail de la méthode ne sera pas
explicité ici mais pourrait être vu dans Garratt (1992). On a :
1
H0 2
ha = 2 (1 + 2βH ) L (11.22)
ρCpγ u
Dans cette relation, βH est le rapport entre le flux de chaleur sensible au sol et celui au sommet
de la couche instable, et est généralement de l’ordre de 0,2 (Garratt, 1992). On voit que la hauteur
d’atténuation ha varie suivant ∝ L1/2 . Ceci est également le résultat analytique de nombreuses études,
telle que celle de Venkatram (1977). On remarque aussi que ha est inversement proportionnelle à la
stratification amont γ .
Présence d’advection : pénétration dans une couche limite stable
L’air circulant entre une zone à sol chaud vers une zone plus froide génère l’apparition d’une
couche perturbée et stable en basse altitude. Garratt (1992) propose une explicitation de la valeur de
la hauteur ha de la couche perturbée stable qui s’y développe, en fonction de la longueur du forçage
L, tel que :
s
θ
h a = α1 u L (11.23)
g∆θ
D’après Garratt (1992), α1 ∼ 0, 02 (une constante). On voit aussi que ha est proportionnelle à la
vitesse d’écoulement u.
Absence d’advection
Sous Fluent, on simule un écoulement à très faible vitesse (de l’ordre de U∞ ∼ 0, 5m/s). Le forçage
thermique au sol est sinusoïdal, dont la forme est donnée par la relation 11.2, avec une amplitude
H0,max = 50W /m2 . On prend en compte 4 cas de longueurs d’onde différentes (L = 100 m, 500 m,
1250 m et 2500 m). La paramétrisation du code CFD est affichée sur le graphique 11.18.
F IGURE 11.18 – Paramétrisation du domaine de calcul 2D sous Fluent, pour un forçage thermique de
longueur d’onde L.
La nature de la simulation (périodique, 2D, et à vent très faible) ainsi que la présence d’un dif-
férentiel de flux de chaleur fort, induit une convergence numérique difficile. Ainsi, une convergence
complète n’a pas pu être atteinte avec le modèle Ri j − ε : la fiabilité des résultats convergés n’a pas
été satisfaisante (absence de symétrie complète, grande sensibilité aux conditions initiales). Aussi,
préfère-t-on travailler par la suite uniquement avec le modèle k − ε . Cependant, une étude plus pous-
sée permettrait de mettre en évidence les schémas numériques à adopter pour une résolution avec le
modèle Ri j − ε dans des cas aussi complexes.
Le graphique 11.19 montre les contours de vitesse verticale, pour une longueur de forçage L =
1250 m : des cellules convectives à vitesse verticale positive (vers le haut) sont créées au-dessus des
zones à H0 > 0 et à vitesse verticale négative (vers le bas) au dessus des zones à H0 < 0. En effet,
la condition limite portant sur l’équation de l’énergie influe sur l’équation de quantité de mouvement
(et donc sur le champ de vitesse) par le biais du terme de flottabilité (approximation de Boussinesq)
et de la turbulence (terme de production dans l’équation de k). L’air monte donc à l’endroit où il est
chauffé, et un gradient de pression horizontale s’installe. Par conséquent, un écoulement horizontal

circule entre les zones à H0 > 0 vers les zones H0 < 0, près du sol.
F IGURE 11.19 – Contours de vitesses horizontale et verticale pour un cas de forçage thermique de
longueur d’onde L = 1250 m et un H0,max = 50W m−2 avec Fluent (modèle k − ε ).
On affiche sur le graphique 11.20 (à gauche) une comparaison des profils de vitesse verticale entre
les résultats analytiques de Defant (relation 11.20) et ceux issus de Fluent, pour le cas de L = 1250 m.
On remarque ainsi que les résultats sont très conformes entre ces deux méthodologies. Ceci est aussi
le cas pour les autres longueurs de forçages considérées. En effet, en termes de dimensions de zone
perturbée, la hauteur de pénétration verticale est de l’ordre de grandeur de l’extension horizontale du
forçage thermique : les résultats des deux méthodologies sont quasi-équivalentes (graphique 11.20, à
droite). La pente est de l’ordre de ∼ L.
F IGURE 11.20 – Atténuation verticale de la perturbation : résultat en termes de vitesse verticale pour
un cas L = 1250 m (à gauche) et en termes de hauteur de ha (à droite).
Étude de la vitesse minimum pour contrer la génération de cellules convectives
On trace sur le graphique 11.21 la relation analytique 11.21, qui exprime la vitesse minimum
du vent géostrophique capable de contrer la génération de cellules convectives, en fonction de la
longueur du forçage thermique au sol. Pour des cas de flux de chaleur de l’ordre de △H0 ∼ 50W.m−2
(valeurs typiques d’après Segal et Arritt, 1992) et des forçages aux échelles hectométriques, des vents
ambiants de vitesses > 0, 5 m.s−1 suffisent à détruire la perturbation verticale qui s’y crée. Les plus
petites hétérogénéités thermiques de la surface du sol ne vont donc pas impacter la CLA, sauf dans le
cas de vents très faibles.
On affiche également sur le graphique 11.21 le cas d’un différentiel fort (∆H0 = 400 W.m−2 ) :
c’est une valeur maximale de ce qu’on observe généralement dans la nature, d’après Segal et Arritt
(1992). Dans ce cas, les cellules convectives issues de forçages hectométriques seront contrées pour
des vitesses ≥ 1m.s−1 . Cependant, la valeur maximale de △H0 est moins importante s’il s’agit de
zones hétérogènes situées à l’intérieur des terres et non de zones côtières (telle qu’en situation de
brises de mer ou de terre).
On voit qu’on approxime bien la théorie avec des tests effectués sous Fluent pour un cas de
∆H0 = 100 W.m−2 (graphique 11.19). La vitesse du vent issu du code CFD est celle au sommet du
domaine de calcul. Pour une vitesse supérieure au seuil de vitesse minimum, la perturbation calculée
avec Fluent (création d’une vitesse verticale) reste confinée à la première maille de calcul. Des tests
avec un maillage plus raffiné permettent de vérifier que la perturbation reste toujours confinée en
proche-paroi. On vérifie donc bien la relation 11.21 avec un code CFD.
F IGURE 11.21 – Vitesse minimum nécessaire pour contrer la génération de cellules convectives, en
fonction de la longueur du forçage thermique L et du différentiel de flux de chaleur △H0 .
Pénétration dans une couche limite stratifiée (instable)
On trace sur le graphique 11.22 (à gauche) la relation analytique 11.22 pour 2 cas de configuration,
et on se compare au résultat de Fluent en absence de vent d’advection et de stratification. Comme le
montre ce graphique, en choisissant pour la vitesse de l’écoulement une valeur faible (u ≈ 1 m.s−1 ),
un différentiel de flux de chaleur maximum (∆H0 = 400W.m−2 ) et une stratification faible de l’écou-
lement amont β ≈ 1o C.km−1 (nommé cas 1 sur ce graphique), les valeurs calculées par la relation
11.22 sont approximativement du même ordre de grandeur que celles en absence de vent d’advection
et de stratification de Fluent (graphique 11.20).
D’autre part, ha devient plus faible dès lors que u et β augmentent, ou △H0 diminue. En effet, la
perturbation peine à pénétrer verticalement pour un cas avec un différentiel △H0 ≈ 100 W.m−2, une
vitesse u ≈ 5.m s−1 , et une stratification amont forte β ≈ 10o C.km−1 (cas 2 sur la figure 11.22, à
L
gauche). Dans ce dernier cas, on a un rapport ha ∼ 15 d’après la relation analytique 11.22.
Pénétration dans une couche limite stratifiée (stable)
Sur la figure 11.22 (à droite), on affiche les valeurs pour deux cas. Le premier cas est représentatif
de conditions typiques (u ≈ 5 m.s−1 , ∆θ = 2o C) : on trouve dans ce cas des hauteurs d’atténuation
L
faibles, avec ha ∼ 10 . Dans le deuxième cas, pour des cas limites de différence de température de
l’ordre de ∆θ ≈ 10o C et de vitesse d’écoulement de u ≈ 5 m.s−1 , la perturbation s’atténue à une
L
hauteur de ha ∼ 100 .
F IGURE 11.22 – Atténuation verticale de la perturbation, d’après Garratt (1992) et Fluent : en présence
d’une atmosphère instable (à gauche) et stable (à droite).
11.4.5 Conclusion
Finalement, les valeurs d’épaisseur de zones perturbées ha en absence de vent d’advection et de

stratification, calculées par Fluent et la théorie de Defant (1950), sont donc majorants des hauteurs ha
que l’on peut observer dans le cas général (présence d’une stratification de l’atmosphère, stable ou
instable).
D’autre part, la proportionnalité de ha vis-à-vis de l’extension horizontale du forçage thermique

permet d’émettre les mêmes conclusions (concernant la validation du code CFD Fluent et le domaine
de calcul CFD) que celles lors des études des forçages topographique et rugueux (cf. sections 11.2.4
et 11.3.3).
.
11.5 Récapitulatif des trois cas de forçage

11.5.1 Récapitulatif général
Finalement, les sections précédentes ont permis de démontrer que la hauteur verticale d’atténua-
tion de la perturbation est directement proportionnelle à l’extension horizontale du forçage au sol,
ceci quel que soit le type du forçage. En fait, comme le montre le graphique 11.21, cette dépendance
est quasi-linéaire suivant les trois types de forçage. Cette tendance est conjointement prédite par la
théorie et les sorties du code CFD. Ainsi, ce résultat permet-il de mettre en relation la hauteur du
domaine de calcul et la résolution près du sol, en fonction de la nature de la topographie au sol.
D’autre part, cette étude a réussi à montrer que l’on arrive à bien reproduire avec un code CFD
complet (donc avec une prise en compte de termes non-linéaires et turbulents) les tendances prédites
par les solutions analytiques provenant de la linéarisation. Par conséquent, ce résultat est intéressant
dans la mesure où il a permis de démontrer que les codes CFD permettent une bonne simulation de la
structure verticale de la CLA en présence de différents types de forçages au sol.
F IGURE 11.23 – Atténuation verticale de la perturbation en fonction des trois types de forçage au sol.
12 SIMULATIONS ACADÉMIQUES CFD EN PRÉSENCE DE COLLINES 2D 201
12 Simulations académiques CFD en présence de collines 2D
Introduction : La capacité de la méthodologie CFD « 1D-3D » à simuler l’écoulement en pré-

sence de forçages topographiques, plus complexes que dans le chapitre précédent, est étudiée dans ce
chapitre. Ainsi, des profils de vitesse et de turbulence, issus du modèle 1D, sont-ils utilisés en entrée
de domaine d’un code CFD 3D en présence de collines isolées ou consécutives, à pente raide ou à
rugosité forte. Les résultats des deux modèles de turbulence k − ε et Ri j − ε sont évalués grâce à des
mesures en soufflerie, et sont comparés au modèle diagnostique linéarisé Flowstar. Une estimation
du gain en précision par rapport à ce dernier est ainsi effectuée.
12.1 Introduction
Le comportement de l’écoulement atmosphérique en présence d’un forçage topographique (col-

lines, vallées) présente des caractéristiques qui peuvent être assez complexes si la nature du sol l’est
aussi (graphique 3.1). La compréhension et la simulation correcte de telles caractéristiques est d’une
grande importance pour de nombreuses applications telle que l’étude de la dispersion atmosphérique
de polluants, l’estimation d’un potentiel éolien, etc. Parmi les spécificités les plus rencontrées lors
d’un écoulement sur une colline (graphique 12.1), on note généralement que :
– En amont de la colline, l’écoulement est décéléré en rencontrant l’obstacle.

– Au sommet de la colline, les lignes de courant se concentrent, créant une accélération de l’écou-
lement.
– Si la pente de la colline et/ou la rugosité du sol sont assez fortes, des zones de recirculation et
de sillages turbulents peuvent être créées en aval de la colline.
F IGURE 12.1 – Graphique représentant un écoulement typique en présence d’une colline 2D à pente
forte. Graphique adapté de Kaimal et Finnigan (1994).
Contrairement au chapitre 11 qui concernait uniquement les résultats en termes de hauteur de

perturbations de l’écoulement créées par le forçage topographique, on souhaite vérifier à présent la
capacité de la méthodologie CFD « 1D-3D » dans la prédiction correcte des caractéristiques spéci-
fiques citées ci-dessus.
12.1.2 Objectifs et démarche de l’étude
Les campagnes de mesure de l’écoulement en présence de collines ou de vallées sont relativement

peu nombreuses. Elles s’intéressent généralement à l’étude de dispersion de polluants, mais l’étude
du champ de vent n’y est pas précise, ni complète. Par conséquent, on choisit d’évaluer les résultats
de simulation de la méthodologie CFD « 1D-3D » grâce à une comparaison prenant en compte des
études académiques en soufflerie. Pour ce faire, on choisit deux expériences dont les résultats figurent
dans la base de données de l’ERCOFTAC (European Research Community on Flow, Turbulence and
Combustion).
– L’expérience de RUSHIL (Khurshudyan et al., 1981), en soufflerie, comprend trois collines

isolées de différentes pentes (douces) : cette expérience permettra une comparaison en termes
d’influence de la pente sur la prédiction de l’accélération ou de la décélération de l’écoulement
en présence de la colline.
– L’expérience de Almeida et al. (1993), en canal hydraulique, prend en compte des cas de
collines à pentes fortes, et comprend de larges zones de recirculation : cette expérience mettra
en évidence la capacité des codes CFD à simuler de tels effets.
Les détails de chacune de ces expériences sont donnés dans la section suivante. Ces deux ex-
périences sont en présence d’une couche limite neutre. Les résultats seront comparés en termes de
vitesse moyenne et de turbulence.
On retrouve de nombreuses études similaires dans la littérature. Cependant, la plupart de ces

études utilisent le modèle de turbulence k − ε avec des conditions aux limites issues de profils analy-
tiques portant sur la vitesse et la turbulence, telle que l’étude de Castro et al. (2003) ou celle de Balogh
et al. (2012) qui compare les performances des deux codes CFD Fluent et OpenFOAM. La présente
étude est différente dans le sens où les profils d’entrée sont issus d’un code CFD 1D qui utilise un
forçage par l’écoulement géostrophique. De plus, on note aussi que plusieurs études en présence de
collines 2D ou 3D ont été effectuées avec le modèle de turbulence LES (telle que celle de Cao et al.,
2012).
D’autre part, on souhaite également vérifier les performances d’un modèle diagnostique linéarisé
dans de telles simulations. En effet, bien que ces codes soient limités à des reliefs à pente faible, ils
sont généralement utilisés même en présence d’une topographie complexe. A travers ce travail de
comparaison avec les résultats de l’expérience et du code CFD, on vise une étude des limitations des
codes linéarisés en fonction de la complexité du terrain. De plus, cette comparaison mettra ainsi en
évidence le gain de précision en utilisant les codes CFD par rapport aux modèles linéarisés.
Le modèle linéarisé choisi sera le code Flowstar, préprocesseur météo du code de dispersion
ADMS. C’est un modèle analytique basé sur la théorie développée par Jackson et Hunt (1975) et
Hunt et al. (1988), qui repose sur le fait que différents processus influencent la dynamique de l’écou-
lement suivant des couches bien distinctes, et qui dépendent de la hauteur par rapport au sol.
12.1.3 Présentation des expériences en soufflerie
On présente dans cette section les caractéristiques de modélisation de la surface du sol et de

l’écoulement de chacune des expériences considérées.
L’expérience RUSHIL
L’expérience RUSHIL, effectuée par Khurshudyan et al. (1981) et l’EPA (Environmental Protec-
tion Agency), est une expérience menée en soufflerie en présence d’une couche limite neutre. Trois
collines 2D et symétriques ont été considérées, avec des rapports de hauteur sur longueur h/L diffé-
rents (au sens du graphique 11.4).
La hauteur, les longueurs et la rugosité de chacune des 3 collines sont exprimées dans le tableau
12.1, où les dimensions ont été multipliées par un facteur 103 afin de correspondre, pour souci de
clarté, à des collines réelles (tel que celles simulées sous Fluent et Flowstar). Leur forme est donnée
par une expression paramétrique, mais cette forme peut être facilement approchée par une expression
sinusoïdale.
Nom h (m) L (m) h/L z0 (m)

RUSHIL H8 117 1872 0, 0625 0, 157
RUSHIL H5 117 1170 0, 1 0, 157
RUSHIL H3 117 702 0, 166 0, 157
TABLE 12.1 – Récapitulatif des caractéristiques des trois collines RUSHIL. Les dimensions ont été
multipliées par un facteur103 .
Les caractéristiques de l’écoulement sont telles que :
– La vitesse de frottement au sol est u∗ = 0, 178 m.s−1.

– La vitesse au sommet de la CL est u∞ = 4 m.s−1 .
L’expérience Almeida et al. (1993)
L’expérience de Almeida et al. (1993), que l’on appellera Almeida dans la suite de cette étude,
considère deux cas de configurations :
– Le premier cas est en présence d’une seule colline 2D.

– Le second cas considère plusieurs collines consécutives 2D, conduisant ainsi à la création de
vallées.
L’expérience est en présence de conditions atmosphériques neutres. Toutes les collines ont la
même forme, donnée par un polynôme de quatrième ordre, et approximable par une forme sinusoïdale.
En raison de leurs fortes pentes (h/L = 0, 259), de vastes régions de recirculation de l’écoulement ont
été observées en aval de la colline isolée, ainsi que des collines consécutives. Les caractéristiques des
collines (dimensions, longueur de rugosité) sont exprimés dans le tableau 12.2.
Nom h (m) L (m) h/L z0 (m)

Almeida 280 1080 0, 259 0, 015
TABLE 12.2 – Récapitulatif des caractéristiques des collines Almeida. Les dimensions ont été multi-
pliées par un facteur104 .
Les caractéristiques de l’écoulement sont telles que :
– La vitesse de frottement au sol est u∗ = 0, 079 m.s−1

– La vitesse au sommet de la CL est u∞ = 2, 147 m.s−1
12.1.4 Paramétrisation des codes de calcul
Le code CFD Fluent
Le graphique 12.2 montre le domaine de calcul 2D considéré sous Fluent, avec les conditions aux
limites correspondantes. Les méthodes numériques de résolution choisies sont :
– Solveur stationnaire.
– Schéma de discrétisation spatiale de 1er ordre (upwind).
– Schéma de résolution numérique SIMPLE.
Les deux modèles de turbulence utilisés dans le cadre de ce travail de thèse (k − ε et Ri j − ε ) seront
considérés.
Les échelles turbulentes de l’expérience étant limitées aux dimensions de la soufflerie, les niveaux
de turbulence sont donc plus faibles que ceux rencontrés dans l’atmosphère. Par conséquent, on choisit
d’utiliser des constantes de type standard (tableaux 4.1 et 4.2), avec une constante Cµ = 0, 09 qui
permet d’atteindre des niveaux de turbulence rencontrés en laboratoire.
F IGURE 12.2 – Représentation schématique du domaine de calcul 2D sous Fluent.
Les profils d’entrée sont fournis grâce au modèle 1D (avec les deux modèles de turbulence k − ε
et Ri j − ε ).
Cette étude étant en condition neutre, l’angle de déphasage entre l’écoulement au sommet de la
CLA et celui au sol est de l’ordre de 10o (cf. sections 8.3.1 et 9.3.1) : la valeur de cet angle est
donc assez faible pour que l’on puisse négliger le vrillage de l’écoulement (i.e. l’effet Ekman). Par
conséquent, on choisit d’utiliser la norme de la vitesse issue du modèle 1D comme données d’entrée
du domaine 2D. De plus, les informations sur le champ turbulent (k ou tenseur de Reynolds, ε ) sont
aussi fournis par le modèle 1D.
On spécifie les valeurs de rugosité z0 , pour chaque colline, tel qu’affichées sur les tableaux 12.1
et 12.2. La latitude est de 45o . De plus, les données du modèle 1D se rapprochent le plus des profils
expérimentaux en amont des collines pour des valeurs du vent géostrophique :
– Ug = 3, 5 m.s−1 pour l’expérience RUSHIL.

– Ug = 2 m.s−1 pour l’expérience d’Almeida.
Ainsi, voit-t-on sur les graphiques 12.3 qu’on reproduit bien le profil expérimental de vitesse (en
amont des collines) avec le modèle 1D.
De plus, le graphique 12.4 montre que le profil d’ECT issu du modèle 1D, avec notamment un
Cµ = 0, 09, approxime bien le profil de l’expérience Almeida (aucune d’information portant sur l’ECT
ne figure dans l’expérience de RUSHIL). Ceci corrobore le fait d’utiliser des constantes standards.
F IGURE 12.3 – Profil de vitesse en entrée de domaine de calcul : RUSHIL (à gauche) et Almeida (à
droite).
F IGURE 12.4 – Profil d’ECT en entrée de domaine de calcul de l’expérience Almeida.
Le code diagnostique Flowstar
Sous Flowstar, on spécifie directement les valeurs des profils expérimentaux de vitesse et de
d’ECT, ainsi que la rugosité z0 .
12.2 Le cas des collines RUSHIL

12.2.1 Introduction
Les collines RUSHIL sont moyennement rugueuses (z0 = 0, 157 m) et à pentes plutôt douces, dont
les rapports h/L varient entre ∼ 0, 06 et 0, 17. Par conséquent, un décollement de l’écoulement et une
zone de recirculation ont été observés uniquement dans le cas de la colline H3 (pente de 0, 17). Dans
la présente étude, on ne s’intéresse qu’au comportement spécifique de l’écoulement, notamment en
terme d’accélération causée par la présence de collines. Les zones de recirculation seront étudiées
plus en détails dans la section concernant l’expérience d’Almeida.
On introduit un nouveau terme important : le speed-up. Ce terme quantifie le degré d’accélération

relative de l’écoulement au sommet de la colline par rapport à l’écoulement amont, tel qu’affiché sur
le graphique 12.5. Il est défini par :
U p (z) −U0 (z)

△S(z) = (12.1)
U0 (z)
avec U0 étant la vitesse en amont de la colline et U p celle à son sommet (graphique 12.5). Dans le
reste de cette étude, les résultats seront exprimés en termes de speed-up. On note que z est calculé par
rapport au sol.
F IGURE 12.5 – Représentation schématique de la notion de speed-up.
12.2.2 Résultats en termes de speed-up
Le graphique 12.6 montre une comparaison de profils de speed-up issus de Fluent, de Flowstar et
de l’expérience. Dans le cas de la colline à la pente la plus douce (H8, avec h/L ∼ 0, 063), les deux
modèles surestiment le profil expérimental de speed-up, mais les résultats sont meilleurs avec Fluent.
D’autre part, le maximum de speed-up observé au cours de l’expérience se trouve à 25 m au dessus
du sol : ceci est approximativement la hauteur prévue par Fluent, alors que Flowstar prédit que le
maximum se situe au niveau du sol. Bien que la plage de validité de Flowstar inclut généralement
des collines dont la pente va jusqu’à un rapport h/L = 0, 167, on démontre à travers ce travail que
la colline H8 induit des erreurs considérables dans ce cas (colline à pente douce mais relativement
rugueuse, avec z0 = 0, 157 m).

Pour les collines à pentes fortes (H5 et H3), Fluent approxime bien les résultats de l’expérience.
On note que les résultats des deux modèles de turbulence (k − ε et Ri j − ε ) sont quasi-identiques : le
champ moyen est bien reproduit par ces deux modèles de turbulence.
En ce qui concerne Flowstar, ce modèle surestime l’accélération dans les trois cas. On note aussi
que cette surestimation augmente quand la pente de la colline augmente.
Dans l’ensemble, cette étude a mis en évidence la capacité de la méthodologie CFD à simuler
correctement l’effet du speed-up, lorsque les collines sont à pentes faibles mais rugueuses, mais aussi
quand elles sont à pentes fortes. D’autre part, les résultats de Flowstar ne sont pas satisfaisants dans
ces cas, et des limitations ont ainsi été identifiées.
F IGURE 12.6 – Profils de speed-up pour les trois collines.

12.2.3 Étude de sensibilité vis-à-vis de la rugosité
On effectue à présent un test de sensibilité des deux codes en changeant la longueur de rugosité
pour la colline à la pente la plus douce (H8). En plus de la valeur initiale de z0 prise dans l’expérience,
on considère trois autres cas de valeurs, allant du terrain lisse au rugueux (z0 = 0, 005 m, 0, 25 m et
0, 5 m).
La figure 12.7 montre que, d’après Fluent (et les deux modèles de turbulences considérés), l’aug-
mentation de la rugosité s’accompagne d’une augmentation de la hauteur du maximum de speed-up.
De plus, ce maximum de speed-up diminue en valeur, au fur et à mesure que la valeur de z0 augmente.
On remarque également que les profils de speed-up issus des deux modèles de turbulence peuvent
éventuellement correspondre aux données expérimentales si une valeur de z0 est choisie entre 0, 25 m
et 0, 5 m.
F IGURE 12.7 – Étude de sensibilité des deux codes vis-à-vis de la longueur de rugosité z0 pour la
colline H8.
D’autre part, Flowstar prévoit un maximum de speed-up situé au niveau du sol pour l’ensemble
des valeurs de z0 . En fait, il semble n’y avoir aucune sensibilité à la valeur de z0 quand le terrain
devient rugueux (pas de changement noté pour z0 variant entre 0, 157 m et 0, 5 m). Par conséquent, une
limitation du code Flowstar a ainsi été identifiée.
12.3 Le cas des collines Almeida et al. (1993)

12.3.1 Introduction
Les collines 2D de l’expérience d’Almeida sont à pentes assez fortes (h/L ∼ 0, 26). Dans ce cas,
on s’intéresse non seulement aux résultats de simulations des deux modèles en termes de champ de
vitesse et de turbulence, mais aussi en termes de recirculation de l’écoulement en aval du sommet.
En effet, la zone de recirculation est particulièrement importante à simuler, notamment pour des ap-
plications de dispersion de polluants. Comme le montre le graphique 12.8, un panache émis dans une
telle zone aura tendance à être rabattu, induisant des taux de pollution largement supérieurs à ceux
rencontrés en absence de recirculation. La simulation de tels effets est donc capitale pour ce type
d’application.
F IGURE 12.8 – Représentation schématique du comportement d’un panache émis dans une zone de
recirculation de l’écoulement.
Il est donc non seulement important de caractériser le champ de vitesse et de turbulence dans de
telles régions, mais aussi d’estimer les dimensions de la zone à recirculation (en termes de hauteur
verticale et d’extension horizontale). La méthodologie de comparaison des deux codes avec l’expé-
rience sera ainsi mise en œuvre dans cette optique.
12.3.2 Résultats en présence de la colline isolée
Les profils de vitesse et d’ECT sont comparés en deux positions : en amont du sommet (x =
0, 315L) et en aval (x = 0, 963L), tel qu’affiché par le graphique 12.9.
F IGURE 12.9 – Représentation schématique de l’emplacement des profils de comparaison du cas de

la colline isolée.
Profils de vitesse
Le graphique 12.10 affiche les profils verticaux de vitesse horizontale moyenne. En amont (à
x = 0, 315L), il y a un très bon accord entre Fluent (k − ε et Ri j − ε ) et les mesures expérimentales.
Au contraire, Flowstar n’arrive pas à simuler l’effet du ralentissement de l’écoulement dû à la forte
pente de la colline.
En aval du sommet, le meilleur accord avec les résultats de l’expérience est affiché par le modèle
Ri j − ε . Fluent et l’expérience prédisent une vitesse négative dont l’épaisseur verticale est importante :
la zone de recirculation, à x = 0, 963L, s’étend jusqu’à une hauteur de ∼ 0, 3h pour le modèle k − ε ,
∼ 0, 43h pour le modèle Ri j − ε , et ∼ 0, 51h d’après l’expérience. En ce qui concerne Flowstar, ce
code ne calcule une vitesse négative qu’à z < 6 m. Il est par conséquent inadapté pour de tels reliefs.
D’autre part, la longueur maximale de cette zone est, elle-aussi, mieux prédite par le modèle
Ri j − ε : elle est d’environ 1L pour ce dernier, alors qu’elle est d’environ 1, 22L d’après l’expérience
mais de 0, 69L pour le modèle k − ε (tableau 12.2). Par conséquent, au vu de la complexité du terrain
dans notre cas, il y a un réel gain de précision en utilisant le modèle Ri j − ε .
F IGURE 12.10 – Profils de vitesse horizontale adimensionnée, pris en deux positions : en amont du
sommet (x = 0, 315L) et en aval du sommet (x = 0, 963L).
Expérience Fluent k − ε Fluent Ri j − ε Flowstar

Hauteur 0, 51h 0, 30h 0, 43h X
Longueur 1, 22L 0, 69L 1, 00L X
TABLE 12.3 – Récapitulatif des dimensions de la zone de recirculation (la hauteur est calculée à
x = 0, 963L).
Profils d’ECT
Le graphique 12.11 montre les différences d’ECT entres les modèles Fluent et Flowstar et les
résultats expérimentaux : ces différences sont non négligeables. Cependant, en aval de la colline,
bien que les taux d’ECT affichées par les deux modèles k − ε et Ri j − ε soient inférieurs à ceux de
l’expérience, les altitudes du maximum d’ECT sont quasi-équivalentes. Ceci est dû à la simulation
de la recirculation faite par Fluent. Cet effet n’est pas simulé par Flowstar, qui calcule un maximum
d’ECT près du sol.
F IGURE 12.11 – Profils d’ECT adimensionnée pris à deux endroits : en amont du sommet (x =
0, 315L) et en aval du sommet (x = 0, 936L).
12.3.3 Résultats en présences de collines consécutives
On s’intéresse dans ce cas à la comparaison des résultats de vitesse et d’ECT dans la zone de
vallées (figure 12.12). Les profils de comparaison sont affichés à x = 0, 963L et x = 1, 188L (graphique
12.12).
F IGURE 12.12 – Représentation schématique de l’emplacement des profils de comparaison du cas des
collines consécutives.
Champ moyen
A x = 0, 963L, les résultats en termes de vitesse moyenne et de hauteur de zone de recirculation

sont similaires à ceux du cas de la colline isolée : les meilleurs résultats sont notés avec le modèle
Ri j − ε , mais ceux du modèle k − ε sont également satisfaisants.
La région de recirculation s’étend presque sur l’ensemble de la région de la vallée entre les deux
collines d’après Fluent, comme le montre le graphique 12.14. Ceci est également le cas d’après l’ex-
périence (cf. Almeida et al., 1993). Au contraire, Flowstar ne parvient pas à simuler l’effet de la
recirculation dans la vallée. En effet, comme le montre le graphique 12.13, le profil de vitesse de
Flowstar en début de montée (x = 1, 188L) est quasi-équivalent à celui de la colline isolée (vue pré-
cédemment, à x = 0, 315L) : par conséquent, l’effet de la colline précédente n’influe que très peu sur
l’écoulement simulé par ce code.
F IGURE 12.13 – Profils de vitesse horizontale adimensionnée, pris à deux endroits en zone de vallée :
en descente (x = 0, 397L), et en montée (x = 0, 782L).
F IGURE 12.14 – Lignes de courant avec Fluent, coloriées par la norme de la vitesse : k − ε (à gauche)
et Ri j − ε (à droite).
Dans l’ensemble, les résultats obtenus avec Fluent pour la vitesse moyenne sont très satisfaisants.
On note aussi que le modèle Ri j − ε permet une reproduction plus précise du champ moyen que le
modèle k − ε , la pente des collines étant forte.
Profils d’ECT
Les taux d’ECT calculés par les deux codes sont, d’une manière équivalente à la colline isolée,
inférieurs à ceux de l’expérience. Toutefois, les résultats sont plus satisfaisants avec Fluent qu’avec
Flowstar, en termes de valeurs et de l’altitude du maximum d’ECT.
F IGURE 12.15 – Profils d’ECT adimensionnée, pris à deux endroits en zone de vallée : en descente
(x = 0, 397L), et en montée (x = 0, 782L).
12.3.4 Conclusion
La présente étude a démontré qu’en présence de collines à fortes pentes, les codes CFD per-
mettent une bonne simulation du champ moyen de l’écoulement (en comparaison avec les résultats
expérimentaux). Aussi, l’effet de décélération en montée, et le décollage en aval du sommet ont-ils
été bien simulés par le code CFD. De plus, cette étude a montré que les deux modèles de turbulence
permettent de simuler correctement la zone de recirculation. Toutefois, le modèle Ri j − ε permet une
meilleure description de l’écoulement dans cette zone. D’autre part, les résultats avec Flowstar ne
sont pas satisfaisants et montrent les limites de l’utilisation de ce modèle sur de tels reliefs.
En ce concerne la turbulence, les résultats en termes d’ECT issus de Fluent ont été meilleurs que
ceux issus de Flowstar, mais des différences non négligeables ont été notées en comparaison avec
l’expérience.
Conclusion de la quatrième partie
Dans cette partie, on a présenté des études qui ont porté sur la simulation CFD (code Fluent)
de l’écoulement atmosphérique en présence de cas tests de forçage 2D au sol. Ces études, qui ont
concerné un cas académique et un cas de mesures en soufflerie, ont permis d’atteindre trois objectifs :
– Elles ont permis une description de l’écoulement en présence de forçages de nature et de ca-
ractéristiques différents. Dans cette optique, la prise en compte de forçages périodiques 2D
(topographique, thermique et rugueux) ont permis de montrer que la hauteur de pénétration
verticale de la perturbation, causée par la présence du forçage, était proportionnelle à son ex-
tension horizontale. Par conséquent, ce résultat intéressant trouve sont utilité dans des questions
pragmatiques : il permet de fournir des informations sur la hauteur maximale du domaine de
calcul et la résolution horizontale du maillage, en fonction de la nature du sol terrestre.
– Ces études ont également permis la vérification de la méthodologie CFD dans la prédiction
correcte de la structure verticale de la CLA en présence des forçages périodiques 2D. En effet,
les résultats de comparaison avec des résultats analytiques simples, découlant d’observations et
de travaux théoriques, ont montré que les tendances prédites par ces deux méthodologies étaient
très similaires. Ceci a, par conséquent, permis de valider l’approche CFD sur de tels cas.
– D’autre part, la deuxième étude a porté sur la vérification de la capacité de la méthodologie

CFD « 1D-3D » à prédire des écoulements complexes en présence de collines rugueuses ou
abruptes, ou de vallées. L’analyse, et la comparaison avec des résultats de mesures en soufflerie,
ont démontré que la méthodologie CFD permet une bonne simulation des caractéristiques de
l’écoulement en terme de vitesse moyenne et de zones de recirculation. Les résultats concernant
la turbulence sont plus partagés : alors que des différences non négligeables sont notées en
termes de valeurs d’ECT, la structure verticale de la turbulence est identique à celle mesurée
en soufflerie. Aussi, cette étude a-t-elle montré la supériorité du modèle Ri j − ε dans les cas les
plus complexes, mais les résultats du modèle k− ε sont globalement satisfaisants. Finalement, la
comparaison avec un modèle diagnostique linéarisé (Flowstar) a permis d’identifier les limites
de ce modèle en termes de pente et de rugosité de colline (pas de simulation de la zone de
recirculation dans le cas de la colline raide, et faible sensibilité vis-à-vis d’une augmentation de
la rugosité de colline).
Cinquième partie
Méthodologies de réduction du temps de

calcul CFD
13 ÉTUDE DES CALCULS CFD PARTIELLEMENT CONVERGÉS 221
13 Étude des calculs CFD partiellement convergés
Introduction : On s’intéresse dans ce chapitre au développement d’une méthodologie qui permet

une réduction du temps de calcul des codes CFD. Dans cette optique, l’idée de l’utilisation de calculs
CFD partiellement convergés est explorée dans ce chapitre. La méthodologie proposée est testée sur
plusieurs cas tests (collines 2D, 3D, forçages thermiques, rugueux), afin de dégager des tendances
pour une utilisation pratique.
13.1 Présentation de la méthodologie

13.1.1 Introduction : position de la problématique
La partie 4 a présenté une démonstration des bonnes performances des codes CFD (en l’occur-
rence Fluent) dans la simulation de cas de forçages complexes au sol. Le chapitre 12 a également
mis en évidence la supériorité de ces codes par rapport aux modèles diagnostiques linéarisés lors de
simulations de collines et de vallées à pente ou à rugosité fortes. L’utilisation des codes CFD permet
de fournir des résultats précis dans des cas très complexes. Revers de la médaille, ces codes sont
très consommateurs en temps CPU. En effet, ils reposent sur des solveurs itératifs, qui permettent de
fournir une solution numérique aux équations de Navier-Stokes. Ceci n’est pas le cas des modèles
diagnostiques, qui fournissent une solution quasi-instantanée, car ils sont basés sur des équations
analytiques.
L’utilisation d’un modèle d’écoulement atmosphérique, dans une optique de couplage avec un
code de dispersion atmosphérique de polluants à des fins industrielles (surveillance de sites indus-
triels, études d’impact, études de risques, etc.), requiert des temps de simulation relativement faibles,
de l’ordre de quelques minutes. Or dès lors que le sol devient complexe (présences de collines, val-
lées, bâtiments, végétation, etc.), il y a nécessité d’utiliser un modèle atmosphérique précis, ce qui
induit inexorablement un temps de calcul long. Ce point constitue la présente problématique.
13.1.2 Démarche et objectifs de l’étude
Dans la présente étude, on s’intéresse à la recherche d’un modèle capable de fournir une solution
avec :
– Un temps de calcul dont l’ordre de grandeur est jugé convenable pour des applications indus-
trielles.
– Une précision du résultat adaptée pour de telles applications.
Nous avons vu dans la partie 4 qu’une augmentation de la précision du résultat va de pair avec une
augmentation du temps de calcul CPU. Par conséquent, l’objectif sera de rechercher un compromis
optimal entre un résultat précis et un résultat rapide en temps CPU.
La méthodologie choisie consiste en la recherche d’une réduction du temps de calcul des codes
CFD. En fait, ceci reviendrait, en quelque sorte, à trouver un état médian entre les modèles diagnos-
tiques et les codes CFD. La qualité du résultat final du code CFD se verrait inévitablement dégradée
en conséquence, mais la précision voulue sera gardée suffisamment fine afin de simuler les effets lo-
caux importants (zones de recirculation, terrain rugueux, etc.). Le graphique 13.1 montre de façon
schématique la méthodologie en question.
On présente dans la section suivante les différents moyens de réduction du temps de calcul CFD,
ainsi que le choix de la méthodologie adoptée. Ensuite, on présente l’étude de l’influence de cette
réduction sur la dégradation du résultat final, ainsi qu’une quantification de l’erreur induite en consé-
quence. Les cas tests incluront la colline 2D à pente forte de l’expérience d’Almeida, vue dans le
chapitre 12. Le critère de précision se focalisera notamment sur la simulation adéquate de la zone de
recirculation en aval de la colline Almeida.
F IGURE 13.1 – Schéma explicatif de la méthodologie choisie pour une simulation à la fois rapide et
précise.
13.1.3 Les différentes méthodes de réduction du temps CPU
Tout calcul CFD dépend d’un certain nombre de paramètres physiques et numériques figurant
dans le code et que l’utilisateur doit choisir. Un grand nombre de ces paramètres influe sur le temps
de calcul final de façon plus ou moins forte. Parmi ces paramètres, on trouve :
1. Les équations et paramètres physiques à résoudre : suivant le type et et le nombre d’équa-

tions à résoudre, le temps CPU n’est pas le même.
2. Le maillage du domaine de calcul : le temps de calcul CPU est directement proportionnel aux
nombre de mailles du domaine de calcul.
3. L’initialisation du domaine de calcul : plus l’initialisation du domaine est proche de la solu-

tion finale, plus la convergence sera rapide. Plusieurs méthodes d’initialisation existent. La plus
simple consiste en une initialisation grâce à une estimation initiale. Cette méthode est la plus
couteuse en temps CPU. L’initialisation grâce aux profils d’entrées est une méthode qui permet
de réduire considérablement le temps CPU.
4. Les schémas numériques de résolution : suivant le type de schéma numérique, qui peut être
plus ou moins adapté à l’étude en question, la rapidité de la convergence sera différente.
5. Le degré de convergence de l’étude : plus le critère de convergence est sévère, plus le calcul
est long.
13.1.4 Parallélisation du calcul
En plus des paramètres cités ci-dessus, les techniques de parallélisation du calcul permettent aussi
de réduire significativement le temps de calcul, grâce à des architectures multi-coeur et/ou multi-
processeur. Ce sont des techniques très intéressantes, surtout en ce qui concerne les simulations
CFD. Cependant, on s’intéresse dans cette étude aux paramètres intrinsèques aux codes de calcul
qui peuvent influer sur le temps de calcul, et non à ceux qui concernent la machine de calcul. Par
conséquent, la présente étude ne concernera donc pas les effets de parallélisation.
13.1.5 Présentation de la méthodologie
Tout utilisateur CFD est relativement conscient de l’impact des quatre premiers paramètres cités
dans la section 13.1.3 sur le temps de calcul CPU. Au contraire, le dernier paramètre est plus subtil
car la définition même d’un état convergé s’avère très complexe. En effet, la convergence d’un calcul
ne semble pas présenter de caractère universel, mais son comportement dépend de chaque simulation,
c’est-à-dire qu’elle doit être jugée au cas par cas.
En fait, la convergence est généralement jugée par les utilisateurs des codes CFD en observant le
comportement de différents paramètres en fonction des itérations du processus de calcul. Ces para-
mètres incluent généralement des paramètres physiques tels que la vitesse, la turbulence, le débit sur
une section, etc. De plus, certains codes, tel que Fluent, permettent également de suivre le processus
d’évolution des résidus du calcul (dont la définition est donnée plus loin). Plus précisément, un calcul
est généralement jugé convergé si la valeur du paramètre observé ne varie plus en fonction du nombre
d’itérations.
Dans cette étude, on s’intéressera donc à la possibilité de l’utilisation des calculs partiellement
convergés comme moyen de réduction du temps de calcul CFD. Cette idée découle du fait que le
processus de convergence n’est pas linéaire : il est généralement plus rapide au début, et plus long à la
fin. En effet, la phase finale de la convergence est longue et n’apporterait que très peu sur la précision
finale de l’écoulement.
Avant d’explorer et de démontrer le point évoqué ci-dessus, il est nécessaire de fournir tout
d’abord un choix de définition approfondi pour la convergence.
Choix de définition des résidus
L’équation de Navier-Stokes, exprimée dans une formulation de volumes finis pour une variable
φ quelconque dans une cellule P, est donnée par :
aP φP = ∑ acv φcv + b (13.1)

cv
avec aP et φ p respectivement le coefficient et les valeurs de la variable au centre de la cellule, acv

et φcv aux cellules voisines, et b le terme source.
Dans le cas d’un solveur de pression, les résidus R sont définis comme le déséquilibre entre le
membre de gauche et le membre de droite de la relation 14.1, et sommé sur toutes les cellules du
domaine de calcul (cf. la documentation des codes CFD Fluent et OpenFOAM, et d’après Jasak et
Gosman, 2001) :

Rφ = ∑ ∑ acv φcv + b − aP φP
(13.2)
cellules cv
On préfère généralement travailler avec des résidus adimensionnés, tel que :
∑cellules |∑cv acv φcv + b − aP φP |

Rφ = (13.3)
∑cellules |∑cv aP φP |
Choix du critère de convergence
Il est communément admis par la communauté CFD qu’un calcul est convergé lorsque les résidus
deviennent très faibles, ou dès lors que ces résidus atteignent un plateau inférieur, tel qu’affiché sur le
graphique 13.2.
Ce graphique nous montre les résidus atteignant des valeurs minimales très faibles (de l’ordre
de 10−15 ), mais d’autres cas peuvent comprendre une solution convergée avec des résidus minimaux
atteignant un plateau à seulement 10−3 .
En fait, les utilisateurs CFD rechercheront de préférence l’atteinte d’un tel plateau (stabilisation
des résidus en fonction d’un certain nombre d’itérations), plutôt que dans la recherche de valeurs
minimales pour les résidus.
Afin que l’étude garde un caractère général, cette dernière définition sera choisie comme critère
de convergence pour un calcul donné. On garde toutefois à l’esprit que cette définition n’est en aucun
cas exhaustive, ni unique.
F IGURE 13.2 – Exemple du suivi de l’évolution des résidus en fonction du nombre d’itérations pour
un cas de simulation (présence d’une colline, modèle k − ε ).
Paramètres utiles
On définit le temps CPU de convergence d’une simulation donnée comme le temps nécessaire aux
résidus pour atteindre le plateau inférieur, tel que décrit ci-dessus. Cet état convergé sera référencé
par le symbole ∞. On introduit un nouveau paramètre τi , défini comme le ratio entre le temps CPU à
un instant donné, et celui nécessaire pour atteindre la convergence :
tempsCPU
τi = (13.4)
tempsCPU∞
On introduit également le concept d’erreur, défini comme la différence entre la valeur d’une va-
riable quelconque φ (vitesse, ECT, température,....) à un instant τi quelconque, et sa valeur à τi = 1
(état convergé). On a :
|φτ − φτ =1 |
Erreurτ = (13.5)
φτ =1
13.2 Résultats et validation sur le cas de la colline Almeida

13.2.1 Présentation du cas d’étude
On souhaite examiner le processus de convergence en présence d’une topographie plutôt com-

plexe. Pour ce faire, on considère le cas de la colline Almeida isolée du chapitre 12. Ainsi, cette étude
constituera-t-elle un exemple illustratif d’un cas de configuration donné. Une étude de sensibilité
plus systématique, vis-à-vis des différents paramètres qui peuvent influer sur le résultat d’une étude à
convergence partielle, sera effectuée dans la section suivante.
Le code CFD Fluent sera utilisé, avec les modèles de turbulence k − ε et Ri j − ε . Le domaine de
calcul et les conditions aux limites seront prises identiques à celles de le chapitre 12 (cf. graphique
12.2). En ce qui concerne les paramètres qui peuvent influer sur le temps CPU, on note que :
– Les équations résolues porteront sur la conservation de la masse, la vitesse, la dissipation ε

et l’ECT (éventuellement les termes du tenseur de Reynolds dans le cas du modèle Ri j − ε ).
L’équation de l’énergie ne sera pas résolue.
– Le domaine est 2D.
– Le nombre de mailles du domaine sera de 12000, mais une étude de sensibilité sur le nombre
et la forme du maillage sera effectuée par la suite.
– L’initialisation se fera par la spécification d’une valeur moyenne prise sur le profil d’entrée (en
l’occurrence sur la vitesse et la turbulence). Le domaine de calcul peut être initialisé par le profil
d’entrée, mais ceci ne sera pas utilisé afin que l’étude reste dans un contexte général.
– Les méthodes de résolution du code CFD seront celles prises par défaut : solveur de pression,
schémas de résolution de type SIMPLE et une discrétisation spatiale du 1er ordre.
13.2.2 Caractéristiques du processus de convergence
Le graphique 13.3 montre l’évolution en fonction du paramètre temporel τi des résidus adimen-
sionnés. Ces résidus atteignent un plateau inférieur, avec des résidus assez faibles (de l’ordre de 10−14
à 10−17 ).
Comme le montre le graphique 13.4, les premières itérations sont les plus coûteuses en temps
CPU. En fait, la première itération est presque aussi couteuse que les 5 suivantes et les 20 d’après.
Finalement, le temps CPU par itération se stabilise très vite à une valeur constante (de l’ordre de 15%
par rapport à la première itération).
Ce résultat est intéressant, car on pourrait s’attendre à ce que plus la géométrie du domaine de
calcul est complexe, plus le nombre d’itérations se verrait augmenté, éliminant par conséquence l’effet
coûteux des premières itérations.
F IGURE 13.3 – Processus de convergence pour le cas de la colline 2D Almeida avec le modèle k − ε .
F IGURE 13.4 – Processus de convergence pour le cas de la colline 2D Almeida : temps CPU par
itération, en fonction du nombre d’itérations, adimensionné par la valeur à la 1ère itération.
13.2.3 Évolution de l’erreur au cours de la convergence
Pour étudier le comportement des différentes variables (telles que la vitesse moyenne et l’ECT
k) en fonction du paramètre temporel τi , on s’intéresse à l’évolution de ces variables à des endroits
que l’on juge importants. En effet, c’est à ces endroits que le calcul sera, a priori, le plus difficile à
converger et les résidus les plus forts.
On choisit deux emplacements auxquels le comportement de l’écoulement semble a priori com-

plexe : au sommet de la colline, à 10 m du sol (point 1) et en zone de recirculation, à z = h/2 (point
2). Le choix de l’emplacement de ces deux points-clés sera validé par la suite.
F IGURE 13.5 – Emplacement des deux points de contrôle du domaine de calcul.
Évolution de l’erreur aux points de contrôle
Le graphique 13.6 montre l’évolution de l’erreur (par rapport à la solution convergée) aux 2 points
de contrôle. L’erreur de vitesse et d’ECT faiblit rapidement et devient inférieure à 10% pour τi =
0, 1, et ceci pour les deux modèles de turbulence k − ε et Ri j − ε . Pour τi > 0, 15, l’erreur devient
rapidement négligeable (< 1%).
Cette première étude a ainsi mis en évidence la différence non négligeable entre l’ordre de gran-
deur du temps d’établissement des variables physiques (vitesse, ECT), situés à des endroits com-
plexes, et celui des résidus (l’atteinte du plateau inférieur).
F IGURE 13.6 – Évolution temporelle de l’erreur aux points de contrôle considérés : modèles k − ε (à
gauche) et Ri j − ε (à droite).
Évolution des profils de vitesse
L’évolution des profils de vitesse horizontale situés dans la zone de recirculation (à z = L) et pris à
différentes valeurs de τ , est tracée sur le graphique 13.6. Les résultats deviennent satisfaisants à partir
de τi = 0, 05 pour les deux modèles de turbulence, en comparaison avec les données expérimentales.
On remarque notamment que même les profils à τi = 0, 01 sont relativement bons, et sont de toute
façon plus conformes aux résultats expérimentaux que ceux issus du modèle diagnostique Flowstar
(graphique 13.7). Les résultats à τi = 0, 01 sont encore plus intéressants avec le modèle Ri j − ε qui
calcule une hauteur de recirculation (vitesse négative) de l’ordre de 80 m à τi = 0, 01, alors qu’elle
est de 130 m pour τi = 1 et de 140 m d’après l’expérience. Ainsi, les résultats à τi = 0, 01 sont-ils
sensiblement meilleurs que ceux du modèle diagnostique Flowstar, car ce dernier ne permet pas le
calcul d’une recirculation au delà de z ∼ 6 m (graphique 12.10).
F IGURE 13.7 – Évolution temporelle des profils de vitesse horizontale dans la zone de recirculation,
et comparaison avec les résultats expérimentaux : modèles k − ε (à gauche) et Ri j − ε (à droite).
Résultats en terme de zones de recirculation
Les figures 13.8 et 13.9 permettent une visualisation qualitative des résultats à τi = 0, 05 et à
τi = 1 : on affiche les lignes de courant en présence de la colline respectivement pour les modèles
k − ε et Ri j − ε . On remarque notamment le développement de la zone de recirculation en son aval
suivant chaque cas.
Pour les deux modèles de turbulence, les résultats à τi = 0, 05 sont quasi-identiques à ceux de l’état
convergé. Par conséquent, cette solution est intéressante car elle permet une simulation adéquate en
termes de zone de recirculation.
F IGURE 13.8 – Lignes de courant avec le modèle k − ε , coloriées par la norme de la vitesse : τi = 0, 05
(à gauche) et τi = 1(à droite).
F IGURE 13.9 – Lignes de courant avec le modèle Ri j − ε , coloriées par la norme de la vitesse :
τi = 0, 05 (à gauche) et τi = 1 (à droite).
Évolution des profils d’ECT
En ce qui concerne la turbulence, le même comportement est noté pour l’ECT, comme le montre
le graphique 13.10. En effet, le modèle s’établit rapidement, à partir de τi > 0, 05, ceci étant le cas
pour les deux modèles de turbulence. Cependant, contrairement aux profils de vitesse moyenne, la
différence entre les profils Fluent à τi = 0, 01 et τi = 0, 05 n’est pas négligeable dans ce cas. Par
conséquent, la solution à τ = 0, 05 est la plus intéressante.
13.2.4 Champ de l’erreur
On s’intéresse à présent à l’estimation de l’erreur d’une solution (à un τ donné, tel que défini par
la relation 13.5) par rapport à la solution convergée.
Les graphiques 13.11 à 13.13 montre les contours d’erreurs de U , k et ε à τi = 0, 1 pour les
deux modèles de turbulence. Ces contours permettront ainsi de localiser le maximum de l’erreur dans
l’ensemble du domaine de calcul.
F IGURE 13.10 – Évolution temporelle des profils d’ECT dans la zone de recirculation, et comparaison
avec les résultats expérimentaux : modèles k − ε (à gauche) et Ri j − ε (à droite).
En ce qui concerne la vitesse moyenne, on remarque sur le graphique 13.11 que les zones à erreur
maximale se situent en aval de la colline, surtout dans la zone de recirculation, et plus précisément
à l’endroit qui coïncide avec la fin de cette zone. En effet, ces zones de fortes erreurs correspondent
exactement aux régions à très faibles vitesses (< 0, 1m.s−1) : il y est donc facile d’atteindre des taux
d’erreurs forts. Si l’on exclue ce point, le champ d’erreur reste inférieur à 12% dans l’ensemble du
domaine de calcul.
On remarque également que l’erreur augmente vers l’aval, surtout en ce qui concerne les erreurs
de k et de ε (graphiques 13.12 et 13.13), mais elle reste globalement inférieure à 10% dans le domaine
de calcul.
F IGURE 13.11 – Contours d’erreur sur la vitesse (en norme) à τi = 0, 1, par rapport à la solution
convergée : modèles k − ε (à gauche) et Ri j − ε (à droite).
F IGURE 13.12 – Contours d’erreur sur l’ECT k à τi = 0, 1, par rapport à la solution convergée :
modèles k − ε (à gauche) et Ri j − ε (à droite).
F IGURE 13.13 – Contours d’erreur sur le taux dissipation turbulente ε à τi = 0, 1, par rapport à la
solution convergée : modèles k − ε (à gauche) et Ri j − ε (à droite).
13.3 Cas tests et études de sensibilité

13.3.1 Introduction
On souhaite vérifier à présent la validité de l’utilisation des solutions partiellement convergées

dans un contexte plus général. Pour ce faire, on effectue un test de sensibilité de cette méthodologie
vis-à-vis d’un certain nombre de paramètres de simulation :
– Paramètres concernant le domaine de calcul : on s’intéresse aux effets de la prise en compte

d’un domaine 3D, et du nombre de mailles du domaine de calcul.
– Paramètres physiques : on s’intéresse à la sensibilité de la méthodologie vis-à-vis de la com-
plexité du phénomène à simuler. Dans le cas d’un forçage topographique, on étudiera notam-
ment la sensibilité vis-à-vis de la pente du relief. De plus, on souhaite également vérifier le
comportement en présence de forçages au sol de type thermique ou rugueux.
Ces différents tests de sensibilité nous permettront ainsi de vérifier les performances en terme de
gain en temps de calcul suivant le type de simulation pris en compte.
Critère de précision
Afin de pouvoir comparer de façon simple les différentes configurations, on souhaite définir un
critère de précision, que l’on va juger satisfaisant. On raisonnera donc, par la suite, en termes de temps
CPU nécessaire pour atteindre ce critère de précision.
Pour le cas d’un écoulement en présence d’une colline, il nous semble judicieux de choisir,
quoique de façon purement arbitraire, une précision telle que l’on aie au maximum 1% d’erreur sur la
vitesse à son sommet, par rapport à la solution finale (point 1 sur le graphique 13.5). En effet, ce choix
est corroboré par le fait que, comme ce qui a été vu dans la section précédente, lorsque la solution à
un τ quelconque affichait des taux d’erreur faibles au sommet de la colline, ces taux étaient du même
ordre de grandeur dans le reste du domaine de calcul. En ce qui concerne les forçages thermique ou
rugueux, on choisit le milieu de la zone de forçage (à 10 m du sol) comme emplacement pour le critère
de convergence. On a donc le paramètre suivant :
tempsCPU (1% erreur)

τ1% = (13.6)
tempsCPU∞
Ainsi, les performances seront examinées suivant chaque cas test en évaluant le terme τ1% .
13.3.2 Cas tests avec une colline 3D
Par souci de simplicité, on choisit de garder les mêmes caractéristiques de forme pour la colline
Almeida (hauteur de 280 m et longueur de 1080 m), mais cette fois-ci avec une composante supplé-
mentaire (colline 3D). Le domaine de calcul, ainsi que les conditions à ses limites, sont affichés sur
le graphique 13.14. Le domaine fait 5 km × 5 km suivant l’horizontale, et 3km suivant la verticale.
Les conditions d’entrée et au sol seront gardées similaires à celles du cas 2D. Ceci sera également
le cas pour le choix de l’initialisation et les schémas de résolution. Afin d’éviter la redondance des
résultats, seul le modèle k − ε sera considéré dans cette étude, la section 13.2 ayant démontré que le
gain en temps de calcul, pour une configuration donnée, était approximativement le même pour les
deux modèles de turbulence. Seul un cas test, avec une comparaison entre les résultats issus des deux
modèles de turbulence (k − ε et Ri j − ε ), sera présenté.
F IGURE 13.14 – Domaine 3D avec une colline « Almeida » positionnée en son milieu.
Cas d’un maillage « type »
Tout d’abord, on souhaite étudier le cas d’un maillage « type » , c’est-à-dire un maillage structuré
et régulier, avec 100 × 100 mailles horizontalement (△x = △y = 50m) et 50 mailles verticalement
(première maille à 5m).
Le tableau 13.1 montre une comparaison des résultats en termes de τ1% entre la configuration 2D
et 3D :τ1% est légèrement supérieur dans le cas 3D mais on reste néanmoins dans les mêmes ordres
de grandeur. En ce qui concerne le temps de calcul, on voit qu’il faut environ ∼ 1 h pour une solution
convergée avec un ordinateur de bureau normal (dont les caractéristiques sont données en légende du
tableau 13.1), alors qu’il en faut seulement ∼ 6 min pour une solution à 1% d’erreur.
Cas 2D Cas 3D
Nombre de mailles 12000 1480000
τ1% 0, 059 0, 100
temps CPU (s) 264 3444
temps CPU àτ1% (s) 16, 1 344, 4
TABLE 13.1 – Caractéristiques temporelles de simulation pour deux cas (2D et 3D) avec le modèle
k − ε . Les temps de calcul affichés ont été calculés avec un processeur Intel Core i5 750 et une
mémoire RAM de 3GB, en mono-processeur et en mono-thread.
Le graphique 13.15 montre que les valeurs de la vitesse et les lignes de courant affichées par la
solution à 1% d’erreur (au sens vu précédemment) se rapprochent considérablement de celles de la
solution convergée. De plus, bien que moins prononcée que dans le cas 2D, la zone de recirculation
calculée à 1% d’erreur est très satisfaisante car elle quasi-similaire à celle prédite par la solution
convergée. En ce qui concerne le champ turbulent, les taux d’erreur progressent le long de l’écoule-
ment, et sont globalement acceptables dans l’ensemble du domaine (graphique 13.16).
F IGURE 13.15 – Lignes de courant : τ1% (à gauche) et τi = 1 (à droite).
F IGURE 13.16 – Contours d’erreur pour une solution à 1% d’erreur : ECT k (à gauche) et taux de
dissipation turbulente ε (à droite).
Ainsi, note-t-on des résultats globalement satisfaisants dans l’ensemble du domaine de calcul avec
une solution à τ1% .
Test de sensibilité vis-à-vis du maillage
On souhaite vérifier à présent la sensibilité vis-à-vis du nombre de mailles du domaine de calcul.

Comme le montre le tableau 13.2, le taux de τ1% est très dépendant du nombre de mailles, mais aucune
tendance claire ne semble se dégager quant à cette dépendance.
Néanmoins, on souhaite ainsi souligner le fait qu’il y a, dans une optique de réduction du temps
de calcul, un réel intérêt à étudier l’influence du nombre de mailles sur la convergence partielle.
Cas 1 Cas 2 Cas 3

Nombre de mailles 51900 265000 1480000
τ1% 0, 074 0, 039 0, 100
temps CPU (s) 42 636 3444
temps CPU àτ1% (s) 3, 1 24, 8 344, 4
TABLE 13.2 – Caractéristiques temporelles de simulation avec différents nombres de maillage, avec
le modèle k − ε (processeur Intel Core i5 750 et une mémoire RAM de 3GB, en mono-processeur et
en mono-thread).
Test de sensibilité vis-à-vis du rapport h/L
On s’intéresse dans cette section à l’effet de la complexité du terrain (en l’occurrence, du rapport
h/L) sur le gain en temps de calcul. Les résultats affichés sur le tableau 13.3 montre que l’on note
une légère tendance à l’augmentation de τ1% au fur et à mesure que h/L diminue. Cependant, si
l’on se compare aux tests de sensibilité du nombre de mailles du domaine, ou de l’influence de la
configuration 2D/3D, l’effet de la géométrie du sol a relativement peu d’influence sur le gain en
temps de calcul.
Bien que l’on garde le même maillage pour les 3 cas, on remarque que le temps de calcul global
est plus long pour les pentes les plus raides. En effet, il faut un nombre total d’itérations plus im-
portant pour les collines les plus abruptes (le temps CPU par itération étant le même pour les 3 cas).
Cette étude a finalement démontré qu’une simulation en présence d’un terrain plus complexe induira
inexorablement un temps de calcul plus long.
Cas 1 Cas 2 Cas 3

Rapport h/L 0, 050 0, 100 0, 259
τ1% 0, 121 0, 105 0, 100
temps CPU (s) 1937 2296 3444
temps CPU àτ1% (s) 234, 4 241, 1 344, 4
TABLE 13.3 – Caractéristiques temporelles de simulation avec différentes pentes de colline, avec le
modèle k − ε (processeur Intel Core i5 750 et une mémoire RAM de 3GB, en mono-processeur et en
mono-thread).
13.3.3 Exemple de résultats avec le modèle Ri j − ε
La comparaison du modèle k − ε avec les performances du modèle Ri j − ε , dans le cas de la colline

et du maillage initiaux (section 13.3.2), montre que les résultats sont très différents à la fois en termes
de τ1% et de temps CPU. Ce dernier est presque 6 fois supérieur dans le cas Ri j − ε . En effet, il faut non
seulement résoudre plus d’équations avec ce modèle (11 équations, contre 6 pour le modèle k − ε ),
mais le nombre d’itérations total pour atteindre la convergence est lui aussi supérieur (4400 itérations
pour Ri j − ε contre 1200 pour k − ε ). Cependant, on voit que τ1% dans le cas du modèle Ri j − ε est très
bas. Ceci permet d’atténuer considérablement le temps de calcul à τ1% : on a finalement une solution
du même temps CPU que celle du k − ε (∼ 5min).
En résumé, ce cas test a montré que le gain en temps de calcul, en utilisant les solutions partielle-
ment convergées, est très intéressant dans le cas du modèle Ri j − ε .
Modèle k − ε Modèle Ri j − ε
Nombre de mailles 1480000 1480000
τ1% 0, 100 0, 016
temps CPU (s) 3444 19810
temps CPU à τ1% (s) 344, 4 317, 0
TABLE 13.4 – Caractéristiques temporelles de simulation avec les deux modèles de turbulence k − ε
et Ri j − ε (processeur Intel Core i5 750 et une mémoire RAM de 3GB, en mono-processeur et en
mono-thread).
13.3.4 Cas de forçages rugueux ou thermique
Le gain en temps de calcul par une utilisation de solutions partiellement convergées, en présence
de forçages au sol de natures différentes, est étudiée dans cette section. Pour ce faire, on considère
deux cas d’étude distincts :
– Cas 1 : forçage rugueux avec un patch de 1km × 1km horizontalement. et avec une rugosité de
z0 = 0, 1m.
– Cas 2 : forçage thermique avec un patch de 1km × 1km horizontalement, et un flux de chaleur
de H0 = 50W /m2 .
Le graphique 13.18 montre la face inférieure du domaine de calcul (les deux patchs sont placés
au centre du domaine de calcul). Les conditions d’écoulement (profils d’entrée) sont strictement les
mêmes que lors des études dans les sections précédentes.
F IGURE 13.17 – Description des forçage rugueux (à gauche) et thermique (à droite) : face inférieure
du domaine de calcul.
Le tableau 13.4 montre une comparaison entre les résultats issus des trois types de forçage au
sol : on remarque que le taux τ1% est relativement constant suivant les trois cas. Ceci corrobore les
résultats de la section précédente : en effet, on peut conclure que la géométrie du sol (formes et types
des forçages au sol) influe peu sur le facteur τ1% , contrairement à des paramètres d’ordre numérique
tel que le maillage du domaine de calcul.
En terme de résultats de temps de calcul, il faut environ 2, 87s par itération pour les cas de forçages
topographique et rugueux, mais il faut environ 4, 21s par itération lors d’un forçage thermique car il
faut résoudre en plus une équation portant sur l’énergie. Cependant, le nombre d’itérations total dans
la cas du forçage thermique étant inférieur à celui du forçage topographique, le résultat final en terme
de temps CPU à τ1% est de l’ordre de 5min dans les deux cas.
Forçage topographique Forçage rugueux Forçage thermique

τ1% 0, 100 0, 109 0, 093
temps CPU (s) 3444 2124 3507
temps CPU àτ1% (s) 344, 4 231, 5 326, 1
TABLE 13.5 – Caractéristiques temporelles de simulation avec différents forçages avec le modèle k− ε
(processeur Intel Core i5 750 et une mémoire RAM de 3GB, en mono-processeur et en mono-thread).
13.3.5 Aspects pratiques de la méthodologie
La présente étude de sensibilité a démontré que la méthodologie de l’utilisation de calcul partiel-

lement convergés était intéressante dans la totalité des cas tests vus dans ce chapitre. En effet, sur
les différents cas de configurations testés, il a été noté qu’une simulation pour un taux τ entre 0, 05
et 0, 1 permettait d’avoir une solution très intéressante car le taux d’erreur par rapport à la solution
convergée était négligeable en ce qui concerne les champs moyen et turbulent. Par conséquent, cette
méthodologie permet d’économiser environ 85% à 90% du temps de calcul CPU, tout en gardant une
solution viable.
Cependant, la démarche de l’utilisation de solutions partiellement convergées a été construite

en relatif, i.e. par rapport à un temps total de convergence. Pour une utilisation pratique de cette
méthodologie, ceci n’est pas valable car il faudrait effectuer un calcul convergé au préalable afin
de pouvoir choisir, par exemple, la solution à τ = 0, 05 par la suite. En fait, afin de contourner ce
point, on préconise de suivre l’évolution de la convergence de grandeurs physiques de l’écoulement
à des endroits que l’on jugera comme important, plutôt que de suivre le processus de convergence
des résidus. En effet, la présente étude a ainsi démontré que l’établissement des grandeurs physiques,
même à des endroits complexes de l’écoulement, se faisait de façon beaucoup plus rapide que les
résidus.
Conclusion de la cinquième partie
La réduction du temps de calcul des codes CFD, par le biais de l’utilisation de calculs partielle-
ment convergés, a été explorée dans cette partie. Il a été préalablement nécessaire de choisir un critère
pour la définition d’un état convergé. Le critère choisi, majoritairement utilisé par la communauté
CFD, consiste en l’atteinte d’un plateau inférieur par les résidus du calcul, i.e. à une stabilisation à
des valeurs minimales en fonction du nombre d’itérations.
Tout d’abord, on a montré que la stabilisation du processus de convergence (en fonction du nombre
d’itérations), de grandeurs physiques telles que la vitesse moyenne et la turbulence, est plus rapide
que celle des résidus. On choisit de suivre ces grandeurs préférablement à des endroits où l’écoule-
ment semble être le plus complexe (sommet de colline, zone de recirculation,...). Ainsi, cette étude
a-t-elle démontré qu’on peut atteindre une solution à taux d’erreur minime, avec un temps CPU faible
par rapport à celui nécessaire pour atteindre la convergence. En effet, dans chacune des simulations,
on a noté que 5-10% du temps CPU total est nécessaire pour fournir une solution acceptable, même
dans les cas les plus complexes. De plus, on a noté que les solutions à 1% du temps CPU sont égale-
ment intéressantes car, bien que moins précises, présentent quand même un avantage sur les modèles
diagnostiques (notamment en ce qui concerne les zones de recirculation). Par conséquent, on dé-
montre ainsi qu’il y a un réel intérêt à suivre l’évolution des grandeurs physiques importantes à des
endroits-clés de l’écoulement.
Pour un calcul sur un ordinateur de bureau « normal », d’un écoulement à l’échelle locale, avec un
maillage « typique » (100 × 100 mailles horizontalement et 40 mailles verticalement), le temps CPU
passe de ∼ 1h à ∼ 5min pour une solution partiellement convergée, avec un taux d’erreur faible. Ce
temps CPU est adapté pour des applications pratiques et industrielles.
Finalement, l’étude de sensibilité a montré que le gain en temps de calcul dépend faiblement de
la nature de la physique à simuler (en l’occurrence le type et la nature du forçage au sol). En fait, ce
facteur dépend plutôt de l’aspect numérique de la simulation : les tests de sensibilité ont montré que
le maillage du domaine de calcul influe considérablement sur le gain en temps de calcul.
Conclusion générale et perspectives
CONCLUSION GÉNÉRALE ET PERSPECTIVES 243
Conclusions
Les différents travaux présentés dans ce mémoire, et effectués au cours de cette thèse, avaient
pour objectif de proposer une méthodologie et un savoir-faire pour la prédiction de l’écoulement
atmosphérique à l’échelle locale, avec une précision de l’ordre de l’hectomètre horizontalement.
Le développement de la méthodologie a tenu compte de deux contraintes majeures pour une utili-
sation pratique et opérationnelle dans le domaine de l’industrie. En effet, cette méthodologie doit être
capable de fournir une solution à la fois précise, surtout en présence d’une topographie complexe, et
rapide, fournissant une solution adaptée en un ordre de grandeur de quelques minutes tout au plus sur
une station de travail « normale ». Ainsi, le travail de recherche s’est-il effectué dans cette optique.
La simulation précise de l’écoulement à l’échelle locale ne peut se faire sans une modélisation
adéquate de trois paramètres essentiels : la structure verticale de la CLA, la turbulence atmosphérique,
et la représentation de la surface au sol. Aussi, a-t-on montré que parmi tous les modèles d’écoulement
qui pourraient être utilisés à l’échelle locale, les codes CFD sont les plus à même de permettre la
meilleure prise en compte des deux derniers points. En effet, ils permettent généralement le choix
d’une large gamme de modèles de turbulence, plus ou moins complets, ainsi que de nombreuses
options de maillage qui permettent une représentation très précise de la topographie.
Cependant, au jour d’aujourd’hui, l’utilisation des codes CFD à l’échelle locale présente quelques
inconvénients. En effet, la plupart des simulations CFD non académiques sont effectuées avec le mo-
dèle de turbulence RANS k − ε : ainsi, l’anisotropie de la turbulence n’y est-elle généralement pas
prise en compte. De plus, le problème des constantes empiriques figurant dans les équations de ces
modèles, et qui permettent de fixer le taux global de turbulence, reste ouvert. Finalement, les simula-
tions CFD sont généralement mises en œuvre pour des conditions aux limites qui sont spécifiées grâce
à des profils analytiques valables uniquement dans la CLS. Cette méthodologie, utilisée notamment
lors des travaux de thèse de Vendel (2011), ne permet pas de prendre en compte toute l’épaisseur de
la CLA, ce qui peut être limitant, notamment lors d’une atmosphère stable.
Le travaux de recherche dans le cadre de cette thèse ont donc porté essentiellement sur le points
suivants :
La modélisation de la turbulence atmosphérique
Cette étude a porté sur :
– La modélisation de l’anisotropie de la turbulence : ainsi, en plus du modèle de turbulence

RANS k − ε , on a choisit de prendre en compte le modèle RANS Ri j − ε car il permet de
résoudre l’ensemble des termes du tenseur de Reynolds. Par conséquent, l’anisotropie y est
modélisée de façon complète. De plus, nous avons montré l’intérêt de la prise en compte de la
modélisation de Gibson et Launder (1978) du terme de pression dans les équations du tenseur
de Reynolds.
– Les constantes empiriques de modèles de turbulence k − ε et Ri j − ε : les constantes stan-

dards, utilisés généralement dans ces deux modèles, ne permettent pas d’atteindre les niveaux
de turbulence observés dans l’atmosphère (notamment les niveaux préconisés par Panofsky et
Dutton, 1984). Ainsi, a-t-on montré que les constantes de Duynkerke (1988) permettent d’at-
teindre ces niveaux avec le modèle k − ε . De plus, en s’inspirant du travail de Duynkerke (1988)
et des niveaux de turbulence de Panofsky et Dutton (1984), nous avons développé un nouveau
jeu de constantes atmosphériques pour le modèle Ri j − ε . Finalement, dans une optique de déve-
loppement d’une approche plus générale pour les constantes empiriques, nous avons démontré
que les niveaux de turbulence sont proportionnels au temps d’intégration de la mesure. Pour ce
faire, nous avons proposé un modèle, basé sur les travaux théoriques de Kahn (1957), Shoji et
Stunkatani (1973) et Venkatram (1979), et capable de prédire les composantes turbulentes d’un
signal quelconque quel que soit le temps d’intégration de la mesure. Cette approche permet
ainsi de lever le problème de la discontinuité entre les constantes « standards » et les constantes
« atmosphériques ».
L’extension au dessus de la CLS : développement d’une nouvelle méthodologie
Afin de pouvoir prendre en compte la CLA sur toute son hauteur, nous avons introduit la métho-
dologie de simulation « CFD 1D-3D ». Cette méthodologie consiste en l’utilisation d’un code CFD
1D (assumant une homogénéité horizontale), et permettant de fournir les profils verticaux de don-
nées météorologiques qui seront utilisés par la suite comme conditions aux limites du domaine de
calcul d’un code CFD 3D. Par conséquent, l’utilisation de cette méthodologie a nécessité le déve-
loppement du modèle 1D dans le cadre de cette thèse. Le modèle développé permet notamment de
prendre en compte les trois paramètres importants que sont l’effet de la spirale d’Ekman (vrillage
de l’écoulement dans la couche d’Ekman), la turbulence atmosphérique (grâce aux deux modèles de
turbulence RANS k − ε et Ri j − ε ), et la stabilité atmosphérique. Ce modèle est basée sur l’hypothèse
que l’on puisse considérer les conditions thermiques comme figées, i.e. constantes dans le temps, sur
des échelles temporelles de l’ordre de l’heure (temps de réponse de la CLA).
Ensuite, on s’est intéressé à la validation du modèle 1D pour les deux modèles de turbulence.
Les performances du modèle 1D ont été comparées avec un grand nombre de résultats empiriques
et théoriques disponibles dans la littérature. Dans l’ensemble, ces comparaisons ont montré que le
modèle 1D affichaient des tendances très similaires à celles des résultats issus de la littérature. De
plus, nous avons noté sur ces cas de comparaison des résultats très proches entre les deux modèles
k − ε et Ri j − ε . Par conséquent, ce travail a permis de valider les jeux de constantes atmosphériques
pour ces deux modèles, à savoir celui de Duynkerke (1988) pour le modèle k − ε , ainsi que le nouveau
jeu de constantes, développé dans le cadre de ce travail de thèse, pour le modèle Ri j − ε .
Cette étude comparative avec les résultats issus de la littérature a montré que le modèle 1D permet
de bien représenter la structure verticale de la CLA, sur un grand nombre de configurations météorolo-
giques. De plus, on a noté une bonne sensibilité vis-à-vis des paramètres d’entrée (vent géostrophique,
latitude, longueurs de rugosité au sol et de Monin-Obukhov). Toutefois, des différences non négli-
geables avec les tendances des résultats de littérature ont été notées en ce qui concerne la turbulence
(profils d’ECT) dans les cas de conditions atmosphériques très instables. L’hypothèse de conditions
thermiques figées pourrait expliquer les différences notées sur ces cas.
Ensuite, le modèle 1D a été couplé avec un code CFD commercial (Fluent) afin de tester la per-
tinence de la méthodologie « CFD 1D-3D » dans son ensemble. Pour ce faire, nous avons étudié la
conservation des profils d’entrée issus du modèle 1D (vitesse, ECT et dissipation turbulente), dans le
cas d’un domaine 3D sur un sol plat et en absence de forçages au sol variables selon l’horizontale.
Ainsi, nous avons noté une bonne conservation des profils en sortie, avec des faibles taux de variation
entre l’entrée et la sortie (de l’ordre de 1 − 10%).
Application de la nouvelle méthodologie à des cas de forçages complexes au sol
Nous avons ensuite voulu étudier et valider le comportement de la méthodologie « CFD 1D-3D »
sur des cas de forçages plus ou moins complexes au sol.
Tout d’abord, nous avons étudié le comportement de l’écoulement atmosphérique avec un code
CFD (Fluent) en fonction de forçages périodiques, de différents types (topographique, thermique et
rugueux) et de différentes extensions horizontales. La comparaison du code CFD avec des résultats
analytiques issus de la littérature a montré que l’on observait les mêmes tendances dans les deux
cas, à savoir une dépendance quasi-linéaire de la hauteur de pénétration verticale de la perturbation
en fonction de l’extension horizontale du forçage. Ce résultat permet de valider l’usage des codes
CFD sur de tels cas de forçages. En plus, il permet d’émettre des conclusions quant au choix de la
résolution du maillage et de la hauteur du domaine de calcul en fonction du type de forçage au sol.
D’autre part, nous avons également appliqué la méthodologie « CFD 1D-3D » à des collines 2D
à pentes ou à rugosités fortes. La comparaison avec des mesures en soufflerie a montré que cette
méthodologie permettait une bonne description des caractéristiques de l’écoulement en présence de
ces collines, avec les deux modèles de turbulence k − ε et Ri j − ε . De plus, les résultats CFD ont été
très satisfaisants en termes de dimensions de la zone de recirculation observés en aval de la colline,
avec toutefois des performances meilleures pour le modèle Ri j − ε (notamment grâce à la simulation
de l’anisotropie de la turbulence dans de tels cas complexes).
L’ensemble de ce travail a ainsi permis de développer et de valider, en sol plat et en topographie

complexe, la méthodologie CFD permettant la simulation de l’écoulement atmosphérique à l’échelle
locale, et en prenant en compte la CLA sur toute sa hauteur.
Réduction du temps CPU des simulations CFD
Le temps de calcul d’une simulation CFD, généralement de l’ordre de plusieurs heures sur un
ordinateur de bureau « normal », n’est pas adapté pour une application de la méthodologie « CFD
1D-3D » à des fins pratiques ou industrielles. Dans cette optique, nous nous sommes intéressés à la
possibilité de l’utilisation de calculs partiellement convergés comme moyen de réduction du temps
de calcul CFD. Cette idée provient du fait que le processus de convergence n’est pas linéaire, et
qu’une proportion non négligeable du temps de calcul est utilisé pour un ajustement de la solution qui
n’apporte que très peu sur la précision finale.
Nous avons démontré, sur le cas d’un écoulement en présence d’une colline à pente forte, que l’on
atteint un taux d’erreur < 10% par rapport à la solution convergée avec un temps CPU de l’ordre de
5%−10% du temps nécessaire pour atteindre la convergence. L’étude a porté sur les valeurs de vitesse
et de turbulence (ECT), à des endroits de l’écoulement que l’on a jugé complexes (en l’occurrence
dans la zone de recirculation que se forme en aval de colline). De plus, des tests de sensibilité par
rapport à différents paramètres (nombre de mailles, domaine 2D ou 3D, pentes de colline, forçages
rugueux ou thermique) ont montré que l’on a atteint, sur l’ensemble de ces tests, une solution à
faible taux d’erreur pour des ordres de grandeur du temps CPU de l’ordre de 5% − 10% du temps de
convergence.
En résumé, on préconise, pour une utilisation pratique de cette méthodologie, de surveiller le

processus de convergence de variables telles que la vitesse et la turbulence à des endroits importants
du domaine de calcul, plutôt que de suivre l’évolution des résidus comme c’est habituellement le cas
lors des simulations CFD.
Perspectives
Bien que le travail de recherche dans ce travail de thèse ait permis de répondre aux objectifs
initiaux, plusieurs pistes d’amélioration et de vérification ont été notés au cours de cette thèse. Les
points ci-dessous constituent donc des perspectives pour des futurs travaux de recherche :
– L’étude du modèle de temps d’intégration sur toute la CLA. En effet, ce modèle a été validé
avec des mesures atmosphériques situés à 10 m, donc uniquement dans une zone très proche du
sol. Son application sur un domaine de calcul incluant la CLA sur toute son hauteur nécessite
donc une vérification de sa validité sur des mesures de profils verticaux de CLA.
– La validation de la méthodologie CFD « 1D-3D » sur une campagne de mesures atmosphé-

riques en présence d’un relief complexe. En effet, cette méthodologie n’a été validée qu’avec
des relations théoriques et empiriques (provenant de cas de mesures sur sol peu accidenté),
ainsi qu’avec des mesures en soufflerie en présence de collines 2D et en condition atmosphé-
rique neutre. Par conséquent, une validation supplémentaire de la méthodologie devra inclure
une colline 3D avec des mesures atmosphériques en conditions stratifiées, tel que lors de la
campagne de mesure de la colline d’Askervein (Taylor et Teunissen, 1982). De plus, l’analyse
sur des mesures de profils verticaux permettront d’étudier plus précisément la simulation de
l’effet de vrillage de l’écoulement dans la couche d’Ekman.
– L’étude plus approfondie de l’anisotropie de la turbulence avec le modèle Ri j − ε , notam-

ment en présence d’un relief complexe. Les études comparatives effectuées dans le cadre de
cette thèse ont porté sur les performances de ce modèle uniquement en termes de vitesse et
d’ECT. Par conséquent, une étude plus approfondie de la simulation des termes du tenseur de
Reynolds, idéalement avec des mesure atmosphériques en présence d’une colline 3D, et en
conditions stratifiées (tel qu’avec la campagne de mesures de la colline d’Askervein) , constitue
une perspective intéressante.
– L’étude plus approfondie des calculs partiellement convergés. En effet, en plus du cas test de
l’étude en présence d’une colline, il serait intéressant de tester le gain obtenu sur d’autres types
de configurations que celles vues dans ce rapport. On pourrait ainsi envisager d’étudier cette
méthodologie en présence de domaines plus complexes, de champ proche avec des obstacles au
sol, etc.
– Le couplage avec un modèle de dispersion atmosphérique de polluants (par exemple avec

un modèle de type Lagrangien). Cette étude permettrait de tirer profit des avancées effectuées
dans le cadre de cette thèse en ce qui concerne, par exemple, l’anisotropie ou le modèle du
temps d’intégration, et permettrait également d’autres types de comparaison et de validation.
Annexe
ANNEXES 251
Solutions analytiques de Martin (1981) en présence de forçages

thermiques
On explicite dans cette annexe les équations des solutions analytiques de Defant (1950) portant
sur les variables de vitesse (u, v, w), de pression p et de température θ , et qui figurent dans l’étude de
l’écoulement en présence de forçages thermiques inhomogènes dans l’étude de Martin (1981).
Dans Defant (1950), les termes dues à la turbulence sont supposés sous la forme :

∂ ′2 + ∂ ρ u′ w
ρre f ∂ x ρre f u = ηh u

 1

 ∂z re f


 ∂
∂

ρre f ∂ x ρre f u v + ∂ z ρre f v w = ηh v
 1 ′ ′ ′
(1)
∂ ′ w′ + ∂ ρ w′2

 1
ρ u = ηv u
 ρre f ∂ x ∂z
re f re f

 2
 ∂ ′ θ ′ + ∂ ρ u′ θ ∂ θ ∂ 2θ
 1
ρre f ∂ z ρ re f w ∂x re f = K θ ∂ x2
+ ∂ z2
Ensuite, une solution analytique des équations linéarisées de Navier-Stokes est recherchée sous la
forme de :


 u(x, z,t) = ue(z)eiω t sin (kx)


 iω t
 v(x, z,t) = ve(z)e sin (kx)

w(x, z,t) = w(z)e
e iω t sin (kx) (2)




 θ (x, z,t) = θe(z)eiω t sin (kx)


p(x, z,t) = p(z)eiω t sin (kx)
La substitution du système ci-dessous dans les équations de Navier-Stokes linéarisées (équations
11.14-11.18), avec les hypothèses de (1), donne :



 iω ue = − ρk0 pe + f ve− ηh ue




 iω ve = − f ue − ηh ve
d Pe
iω w
e = −ηv w
e + ρre1 f dz + γ θ
e (3)



 −Leu + ddzwe = 0



 iω θe = −weβ − Kθ k2 θe + Kθ ddzθ2
2e
Dans Martin (1981), une forme analytique pour les variables complexes variant suivant la verticale
u(z), ve(z), etc.) est fournie en utilisant le système ci-dessous et les conditions aux limites (relations
(e
11.19) :
1 rθmax
ue(z) = − (a exp (az) + b exp (−bz)) (4)
k b2 − a2
f 1 rθmax
ve(z) = − (a exp (az) + b exp (−bz)) (5)
iω + ηh k b2 − a2
ANNEXES 252
rθmax
e =−
w(z) (exp (az) − exp (−bz)) (6)
b2 − a2
b2 − s
θe(z) = θmax exp (−bz) + θmax 2 (exp (az) − exp (−bz)) (7)
b − a2
ρre f (iω + ηh )2 + f 2 rθmax

pe(z) = 2 (a exp (az) + b exp (−bz)) (8)
k (iω + ηh ) b2 − a2
avec :
(iω + ηh ) (iω + ηv )
η 2 = k2 (9)
(iω + ηh )2 + f 2
(iω + ηh )
r = −γ k2 (10)
(iω + ηh )2 + f 2
β
ε= (11)
Kθ
iω
s= + k2 (12)
Kθ
q
1 1
a = b = η2 + s ± (η 2 + s) − 4 (η 2 s − ε r)
2 2 2
(13)
2 2
On a :
( √
a = ± a2
√ (14)
b = ± b2
Finalement, afin d’éviter la division par 0 dans les relations 4 à 8, il faut que a et b soient de signes
opposés.
Bibliographie
Almeida, G.P., Durao, D.F. et Heitor, M.V., 1993, Wake Flows Behind Two-Dimensional Model Hills,
Experimental Thermal and Fluid Science, 1993, 87-101.
Anand M. S. et Pope, S. B., 1983, Diffusion Behind a Line Source in Grid Turbulence, in L. J. S.
Bradbury, F. Durst, B. E. Launder, F. W. Schmidt and J. H. Whitelaw (eds.), Turbulent Shear Flows,
4, 46-52.
Arya, S.P, 1977, Suggested Revisions to Certain Boundary Layer Parametrization Schemes Used in
Atmospheric Circulation Models, Monthly Weather Review, 105, 215-227.
Arya, S.P, 2000, Atmospheric Boundary Layers and Turbulence, Mesoscale Atmospheric Dispersion,
Boybeyi, Z., ed., WIT Press, Computational Mechanics Publications (in press).
Balogh, M, Parente, A. et Benocci, C., 2012, RANS Simulation of ABL Flow Over Complex Terrains
Applying an Enhanced k − ε Model and Wall Function Formulation : Implementation and Comparison
for Fluent and OpenFOAM, Journal of Wind Engineering and Industrial Aerodynamics, 104-106,
360-368.
Batchvarova, E. et Gryning, S.E., 1991, Applied Model for the Growth of the Daytime Mixed Layer,
Boundary-Layer Meteorology, 56, 261-274.
Blackadar, A.K., et Tennekes, H., 1968, Asymptotic Similarity in Neutral Barotropic Planetary Boun-
dary Layers, Journal of the Atmospheric Sciences, 25, 1015-1020.
Blechmann, A., Sorensen, N.N. et Johansen, J., 2007, Atmospheric Flow Over Terrain Using Hybrid
RANS/LES, In Proceedings of the European Wind Energy Conference, Milan, Italy.
Blocken, B., Carmeliet, J. et Stathopoulos, T., 2007, CFD Evaluation of Wind Speed Conditions in
Passages Between Parallel Buildings - Effect of Wall-Function Roughness Modifications For The
BIBLIOGRAPHIE 254
Atmospheric Boundary Layer Flow, Journal of Wind Engineering, 95, 941-962.
Bradshaw, P., Ferriss, D.H., et Atwell, N.P, 1967, Calculation of Boundary Layer Development Using
the Turbulent Energy Equation, Journal of Fluid Mechanics, 28, 593-616.
Brown, A.R., Hobson et J.M., Wood, N., 2000, Large-Eddy Simulation of Neutral Turbulent Flow
over Rough Sinusoidal Ridges, Boundary-Layer Meteorology, 98, 411-441.
Brutsaert, W., 1982, Evaporation Into the Atmosphere, Reidel, Dordrecht, 299.
Businger, J.A., Wyngaard, J.C., Izumi, Y., et Bradley, E.F., 1971, Flux-Profile Relationships in the
Atmosperic Surface Layer, Journal of the Atmospheric Sciences, 28, 181-189.
Cao, S., Wang, T., Ge, Y., et Tamura, Y., 2012, Numerical Study on Turbulent Boundary Layers Over
Two-Dimensional Hills - Effects of Surface Roughness and Slope, Journal of Wind Engineering and
Industrial Aerodynamics, 104-106, 342-349.
Carruthers, D.J. et Hunt., J.C.R., 1990, Fluid Mechanics of Airflow over Hills : Turbulence, Fluxes,
and Waves in the Boundary Layer, Atmospheric Processes Over Complex Terrain, 23, 83-103.
Caughey, S.J., et Palmer, S.G., 1979, Some Aspects of Turbulence Structure Through the Depth of the
Convective Boundary Layer, Quaterly Journal of the Royal Meteorological Society, 105, 811-827.
Carruthers, D.J. et Hunt., J.C.R., 1990, Fluid Mechanics of Airflow over Hills : Turbulence, Fluxes,
and Waves in the Boundary Layer, Atmospheric Processes over Complex Terrain, 23, 83-103.
Carpenter, P. et Locke, N., 2000, Investigation of Wind Speeds Over Multiple Two-Dimensional Hills,
Journal of Wind Engineering and Industrial Aerodynamics, 83, 109-120.
Castro, F.A., Palma, J.M.L.M et Silva Lopes, A., 2003a, Simulation of the Askervein Flow Part 1 :
Reynolds Averaged Navier-Stokes (k − ε Turbulence Model). Boundary-Layer Meteorology, 107/3,
501-530.
Champagne, H.H., Harris, V.G. et Corrsin, S., 1970, Experiments on Nearly Homogeneous Shear
Flow, Journal of Fluid Mechanics, 41, 81-141.
COST Action 710 - Final report, EUR 18195, Harmonisation of the Pre-Processing of Meteorological
Data for Atmospheric Dispersion Models.
Cousteix, J., 1989, Turbulence et couche limite, Cepadues Editions, Toulouse.

BIBLIOGRAPHIE 255
Daly, B.J. et Harlow, F.H., 1970, Transport Equations in Turbulence, Physics of Fluids, 13, 2634-2649.
Defant, F., 1950, Theorie der Land and Seewind, Arch. Metero. Geophys. Bioklimatol., Ser.A., 2,
404-425.
Doran, J.C., Shaw, W.J, et Hubbe, J.M., 1994, Boundary Layer Characteristics of Inhomogeneous
Surface Fluxes, American Meterological Society, 34, 559-571.
Dosio, A., Vila-Guerau de Arellano, J., Holtslag, A.M. et Builtjes, P.J.H., 2005, Relating Eulerian and
Lagrangian Statistics for the Turbulent Dispersion in the Atmospheric Convective Boundary Layer,
American Meteorological Society, 1175-1191.
Duynkerke, P.G., 1988, Application of the E-ε Turbulence Closure Model to the Neutral and Stable
Atmospheric Boundary Layer, Journal of the Atmospheric Sciences, 45(5), 865-880.
Ekman, V.W., 1905, On the Influence of the Earth’s Rotation on Ocean Currents, Arkiv. Mathamatik
Astron Fysik, Stockholm, 2 - 11, 1-52.
Elliott, W.P., 1958, The Growth of the Atmospheric Internal Boundary Layer, Trans. Americ. Geo-
phys. Union., 39, 1048-1054.
Fluent, 13.0, Theory Guide, Fluent Inc., ANSYS.
Freedman, F.R. et Jacobson, M.Z., 2003, Modification of the Standard E-equation for the Stable ABL
Through Enforced Consistency with Monin-Obukhov Similarity Theory, Boundary-Layer Meteoro-
logy, 106, 383-410.
Garratt, J.R., 1992, The Atmospheric Boundary Layer, Cambridge Univ. Press.
Garratt, J.R., et Francey, R.J., 1978, Bulk Characteristics of Heat Tranfer in the Unstable, Baroclinic
Atmospheric Boundary Layer, Boundary Layer Meteorology, 15, 399-421.
Gibson, M.M. et Launder, B.E., 1978, Ground Effects on Pressure Fluctuations in the Atmospheric
Boundary Layer, Journal of Fluid Mechanics, 86(3), 491-511.
Grimmond, C.S.B et Oke, T.R., 1999, Aerodynamic Properties of Urban Areas Derived From Analy-
sis of Surface Form, Journal of Applied Meteorology, 38, 1262-1292.
BIBLIOGRAPHIE 256
Gryning, S.E., Holtslag, A.A.M., Irwin, J.S., et Sivertsen , B., 1987, Applied Dispersion Modelling
Based on Meteorological Scaling Parameters, Atmospheric Environment, 21, 79-89.
Gryning, S.E., Batchvarova, E., Brummer, B., Jorgensen, H. et Larsen, S., 2007, On the Extension of
the Wind Profile over Homogeneous Terrain Beyond the Surface Boundary Layer, Boundary Layer
Meteorology, 124, 251-268.
Han, J., Arya, S.P., Shen, S., Lin, Y.L., 2000, An Estimation of Turbulent Kinetic Energy and Energy
Dissipation Rate Based on Atmospheric Boundary Layer Similarity Theory, North Carolina State
University, NASA-CR-2000-210298.
Hanna, S.R., 1981, Lagrangian and Eulerian Time-Scale Relations in the Daytime Boundary Layer,
Journal of Applied Meteorology, 20, 242-249.
Hanna, S.R., 1982, Applications in Air Pollution Modelling, Atmospheric Turbulence and Air Pollu-
tion Modelling , Reidel, Boston, M.A.
Hargreaves, D.L. et Wright, N.G., 2007, On the Use of the k − ε Model in Commercial CFD Soft-
ware to Model the Neutral Atmospheric Boundary Layer, Journal of Wind Engineering and Industrial
Aerodynamics, 95, 355-369.
Hess, G.D., 1973, On Rossby-Number Similarity Theory for a Baroclinic Planetary Boundary Layer,
Journal of the Atmospheric Sciences, 30, 1722-1723.
Hinze, J.O., 1959, Turbulence, McGraw-Hill, New York.
Hunt, J.C.R, Leibovich, S. et Richards, K.J., 1988, Turbulent Shear Flow Over Hills, Quaterly Journal
of the Royal Meteorological Society, 114, 1435-1470.
Hunt, J.C.R. et Snyder, W.H., 1980, Experiments on Stably and Neutrally Stratified Flow Over a
Model Three-Dimensional Hill, Journal of Fluid Mechanics, 96, 671-704.
Hunt, J.C.R, Holroyd, R.H. et Carruthers, D.J., 1988, Preparatory Studies for a Complex Dispersion
Model, CERC Report, HB9/88.
Jackson, P.S., Hunt, J.C.R., 1975, Turbulent wind flow over a low hill, Quaterly Journal of the Royal
Meteorological Society, 101, 929-955.
Jackson, N.A., 1976, The Propagation of Modified Flow Downstream of a Change in Roughness,
Quaterly Journal of the Royal Meteorological Society, 102, 924-933.
BIBLIOGRAPHIE 257
Jasak, H. et Gosman, A.D., 2001, Residual Error Estimate for the Finite Volume Method, International
Journal of Numerical Methods in Fluids, 39 (1-19).
Kaimal, J.C. et Finnigan, J.J., 1994, Atmospheric Boundary Layer Flows, Oxford University Press.
Kaimal, J.C., Wyngaard J.C., Haugen, D.A., Rote, O., Izumi, Y., Caughey, S.J., et Readings, C.J.,
1976, Turbulence Structure in the Convective Boundary Layer, Journal of Atmospheric Sciences, 33,
2152–2169.
Kahn, A., 1957, A Generalization of Average-Correlation Methods of Spectrum Analysis, Journal of

Kazanski, A.B., et Monin, A.S., 1961, On the Dynamical Interaction Between the Atmosphere and
the Earth’s Surface, Bull. Acad. Sci. USSR, Ser. Geopys, 5, 786-788.
Khurshudyan L.H, Snyder, W.H et Nekrasov, I.V., 1981, Flow and Dispersion of Pollutants over Two-
Dimensional Hills ; U.S. Env. Prot. Agcy., Report. No. EPA-600/4-81-067.
Launder, B.E., 1975, On the Effects of Gravitational Field on the Turbulent Transport of Heat and
Momentum, Journal of Fluid Mechanics, 67, 569-581.
Launder, B.E., 1989, Second-Moment Closure : Present... and Future ?, International Journal of Heat
and Fluid Flow, 10(4), 282-300.
Launder, B.E., Reece, G.J. et Rodi, W., 1975, Progress in the Development of a Reynolds-stress
Turbulence Closure, 1975, Journal of Fluid Mechanics, 68(3), 537-566.
Launder, B.E. et Spalding, D.B., 1972, Lectures on Mathematical Models of Turbulence, Academic
Press, London.
Lien, F.S. et Leschziner, M.A., 1994, Assessment of Turbulent Transport Models Including Non-
Linear RNG Eddy-Viscosity Formulation and Second-Moment Closure, Computers and Fluids. 23(8).
983–1004.
Lumley, J.L. et Khajeh-Nouri, B., 1974, Computational Modeling of Turbulent Transport, Advances
in Geophysics, 18A, Academic Press, 196-192.
Martin, C.L., 1981, Numerical Accuracy in a Mesoscale Meteorological Model, M.S. thesis, Univer-
sity of Virginia, Charlottesville, 86 pp.
BIBLIOGRAPHIE 258
Martin, C.L., et Pielke, R.A., 1983, The Adequacy of the Hydrostatic Assumption in Sea Breeze
Modeling over Flat Terrain, Journal of the Atmospheric Sciences, 74-76, 189-197.
Miller, C.A. et Davenport, A.G., 1998, Guidelines for the Calculation of Wind Speed-ups in Complex
Terrain, Journal of Wind Engineering and Industrial Aerodynamics, 74-76, 189-197.
Miyake, M., 1965, Transformation of the Atmospheric Boundary Layer Over Inhomogeneous Sur-
faces, Sci. Rep. 5R-6, University of Washington, Seattle.
Monin, A.S. et Obukhov, A.M., 1954, Basic Laws of Turbulent Mixing in the Atmosphere Near the
Ground, Tr. Akad. Nauk SSSR Geofiz. Inst., 24(151), 163-87.
Nappo, C.J. et Johansson, P.E., 1999, Summary of the Lovanger International Workshop on Tur-
bulence and Diffusion in the Stable Planetary Boundary Layer, Boundary-Layer Meteorology, 90,
345-374.
Nieuwstadt, F.T.M., et Tennekes, H., 1981, A Rate Equation for the Nocturnal Boundary Layer
Height, Journal for the Atmospheric Sciences, 38, 1418-1428.
Nieuwstadt, F.T.M., et van Hop, H., 1981, Atmospheric Turbulence and Air Pollution Modelling,
Atmospheric Sciences Library.
Ogura, Y. et Phillips, N.A., 1962, Scale Analysis of Deep and Shallow Convection in the Atmosphere,
Journal for the Atmospheric Sciences, 19, 173-179.
Paumier, J., Stinson, D., Kelly, T., Bollinger, C. et Irwin, J.S., 1986, MPDA-1.1 : a Meteorological
Processor for Diffusion Analysis, Report EPA/600/8/8-86/011, EPA, Research Triangle Park, NC.
Panofsky, H.A. et Dutton , J.A., 1984, Atmospheric Turbulence, Models and Methods for Engineering
Applications, John Wiley & Sons, New York.
Panofsky H.A., Tennekes, H., Lenschow, D.H., et Wyngaard, J.C., 1977, The Characteristics of Tur-
bulent Velocity Components in the Surface Layer Under Convective Conditions, Boundary-Layer
Pasquill, F., 1972, Some Aspects of Boundary-Layer Description, Quaterly Journal of Royal Meteo-
rological Society, Vol. 98, 469-494.
BIBLIOGRAPHIE 259
Pasquill, F. et Smith, F.B., 1983, Atmospheric Diffusion, Third Edition, Halsted Press (John Wiley
and sons).
Pielke, R.A., 1984, Mesoscale Meteorological Modeling, 1st Edition, Academic Press, New York.
Pontiggia, M., Derudi, M., Busini, V. et Rota, R., 2009, Hazardous Gas Dispersion : a CFD Model
Accounting for Atmospheric Stability Classes, Journal of Hazardous Material, 171, 739-747.
Plate, E.J., 1977, Aerodynamic Characteristics of Atmospheric Boundary Layers, U.S. Atomic Energy
Commission, Division of Technical Information, Oak Ridge, T.N., 190pp.
Prandtl, L., 1932, Meteorologische Anwendung der Stromungslehre, Arkiv. Beitr. Phys. Atm., 19,
188-202.
Queney, P., 1947, Theory of Perturbations in Stratified Currents With Applications to Air Flow Over
Mountain Barriers, Misc. Report No. 23, Departement of Meteorology, University of Chicago.
Rao, K.S. et Nappo, C.J., 1998, Turbulence and Dispersion in the Stable Atmospheric Boundary
Layer, Dynamics of the Atmospheric Flows : Atmospheric Transport and Diffusion processes, Singh,
M.P. et Ralan, S., eds., Computational Mechanics Publications, 39-91.
Riddle, A., Carruthers, D., Sharpe, D., McHugh, A. et Stocker, J., 2004, Comparison Between Fluent
and ADMS for Atmospheric Dispersion Modelling, Atmospheric Environnement, 38, 1029-1038.
Rodi, W., 1980, Turbulence Models and Their Application in Hydraulics, IAHR, P.O. Box 177, 2600
MH Delft, the Netherlands.
Rotta, J.C., 1951, Statische Theroie nicht-homogener Turbulenz., Arch. Phys, 129, 547-572.
Sawford, B. L. et Tivendale, C. M., 1992, Measurements of Concentration Statistics Downstream

of a Line Source in Grid Turbulence, Proc. 11th Australasian Fluid Mechanics Conf., Hobart, 1418,
945-948, University of Tasmania.
Sawford, B. L. et Borgas, M. S, 1994, On the Continuity of Stochastic Models for the Lagrangian
Velocity in Turbulence, Physica D 76, 297-311.
Segal, M. et Arritt, R.W., 1992, Nonclassical Mesoscale Circulations Caused by Surface Sensible
Heat-Flux Gradients, Bulletin American Meteorological Society, 73(10), 1593-1604.
BIBLIOGRAPHIE 260
Seibert, P., Beyrich, F., Gryning, S.E., Rasmussen, A.et Tercier, P., 1997, Mixing Height Determina-
tion for Dispersion Modelling, COST Action 710, Report of Working Group 2.
Shoji, J. et Tsunkatani, T., Statistical Model of Air Pollutant Concentration and Its Application to Air
Quality Standards, Atmospheric Environment, 7, 485-501.
Snyder, W.H., 1981, Guidelines for Fluid Modeling of Atmospheric Diffusion, EPA Report 600/8-81-
009, U.S. Environmental Protection Agency.
Sorbjan, Z., 1989, Structure of the Atmospheric Boundary Layer, Prentice Hall, N.J., 317.
Soulhac, L., Méjean, P., Perkins, R.J., 2002. Modélisation de la dispersion des émissions atmo-
sphériques d’un site industriel – Vers un guide de l’utilisateur. École Centrale de Lyon – Association
RECORD.
Stull, R.B., 1988, An Introduction to Boundary Layer Meteorology, Kluwer Academic Publishers.
Taylor, P.A. et Teunissen, H.W., 1988, Askervein ’82 : Report on the September/ October 1982 Ex-
periments to Study Boundary Layer Flow over Askervein, South Uist. Technical report MSRB-83-8,
Atmospheric Environnement Service, Downsview, Ontario.
Tennekes, C.L et Lumley, J.L., 1972, A First Course in Turbulence, M.I.T. Press, Cambridge, MA
Press, 300pp.
Thompson, D.J., 1987, Criteria for the Selection of Stochastic Models of Particle Trajectories in
Turbulent Flows, Journal of Fluid Mechanics, 180, 529-556.
Vendel, F., 2011, Modélisation de la dispersion atmosphérique en présence d’obtacles complexes :

application à l’étude de sites industriels,Thèse de doctorat, Ecole Centrale de Lyon.
Venkatram, A., 1977, A Model of Internal Boundary-Layer Development, Boundary Layer Meteoro-
logy, 11, 419-437.
Venkatram, A., 1979, The Expected Deviation of the Observed Concentrations from Predicted En-
semble Means, Atmospheric Environnment, 13, 1547-1549.
Walsmley, J.L, 1989, Internal Boundary Layer Formulae - a Comparison with Atmospheric Data,
Boundary-Layer Meteorology, 47, 251-262.
BIBLIOGRAPHIE 261
Weng, W., Taylor, P.A. et Walmsley, J.L., 2000, Guidelines for Airflow over Complex Terrain Model
Developments, Journal of Wind Engineering and Industrial Aerodynamics, 86, 169-186.
Wilson, D.J., 1995, Concentration Fluctuations and Averaging Time in Vapor Clouds, Center for
Chemical Process Safety of the American Institute of Chemical Engineers.
Wieringa, J., 1986, Roughness-Dependent Geographical Interpolation of Surface Wind Speed Ave-
rages, Quaterly Journal of the Royal Meteorological Society, 112, 867-889.
Wyngaard, J.C., Coté, O.R., et Rao, K.S., 1974, Modelling the Atmospheric Boundary Layer, Adv.
Geophys, 18A, 193-211.
Wyngaard, J.C., 1975, Modeling the Planetary Boundary Layer, Boundary Layer Meteorology, 9,
441-460.
Wyngaard, J.C., 2010, Turbulence in the Atmosphere, Cambridge Univ. Press.
Xu, D. et Taylor, P.A., 1997, On Turbulence Closure Constants for Atmospheric Boundary-Layer
Modelling : Neutral Stratification, Boundary-Layer Meteorology, 84, 267-287.
Zeman, O. et Tennekes, H., 1975, A Self-Contained Model for the Pressure Terms in the Turbulent
Stress Equations of the Neutral Atmospheric Boundary Layer, Journal of the Atmospheric Sciences,
32, 1808-1812.
Zilitinkevich, S.S., 1989, Velocity Profiles, the Resistance Law, and the Dissipation Rate of Mean
Flow Kinetic Energy in a Neutrally and Stably Stratified Planetary Boundary Layer, Boundary-Layer
Zilitinkevich, S.S., 1972, On the Determination of the Height of the Ekman Boundary Layer, Boundary-
Layer Meteorology, 3, 141-145.
Sites Internet
Doc. FLUENT 12.0 : http ://www1.ansys.com/customer/content/documentation/121/fluent/flth.pdfm
Doc. OpenFOAM : http ://openfoamwiki.net/index.php/Main_Page

TH T2430 Rsadek

Transféré par

Droits d'auteur :

Formats disponibles

TH T2430 Rsadek

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TH T2430 Rsadek

Transféré par

Droits d'auteur :

Formats disponibles

Thèse de doctorat

pour obtenir le titre de DOCTEUR

par Radi SADEK

Modélisation de l’écoulement atmosphérique

Soutenue publiquement le 30 mai 2013 devant la Commission d’Examen :

M. Bertrand Carissimo Rapporteur

M. Richard Perkins Directeur de thèse

M. Fabien Brocheton Examinateur

Je tiens également à remercier Massimo Maro, ingénieur de recherche de l’équipe environnement

De nombreuses applications pratiques ou industrielles, telles que l’étude de la dispersion atmo-

Table des matières

Liste des symboles 13

I La couche limite atmosphérique : généralités et modélisations 21

1 Caractéristiques générales de la couche limite atmosphérique 23

2 État de l’art de la modélisation de la CLA sur un sol plat 43

3 Présentation générale et démarche de l’étude 57

II Éléments de modélisation de la turbulence atmosphérique 67

4 Mise en équation de la turbulence atmosphérique 69

5 Travail sur les constantes des modèles de turbulence k − ε et Ri j − ε 79

6 Modélisation de l’effet du temps d’intégration sur les niveaux de turbulence 87

III Méthodologie de simulation de l’écoulement atmosphérique avec l’ap-

7 Introduction à l’approche de modélisation CFD 1D-3D 105

8 Simulation 1D de la CLA avec un modèle de turbulence k − ε 117

9 Simulation 1D de la CLA avec un modèle de turbulence Ri j − ε 137

10 Couplage avec un code CFD 3D commercial (Fluent) 157

IV Applicabilité de l’approche CFD à des cas de forçages complexes au sol173

11 Simulations académiques CFD en présence de forçages périodiques au sol 175

12 Simulations académiques CFD en présence de collines 2D 201

V Méthodologies de réduction du temps de calcul CFD 219

13 Étude des calculs CFD partiellement convergés 221

Conclusion générale et perspectives 241

α Déphasage de direction de l’écoulement entre le sommet

φ Valeur moyenne de la variable φ

Le progrès, l’évolution de la science, et le développement humain s’inscrivent dans une recherche

Le cadre de ce travail de thèse s’inscrit dans la recherche de la description de l’écoulement atmo-

Cette thèse se décompose en 5 parties distinctes. La partie 1 concerne la mise en équation de

Dans la partie 3, une nouvelle méthodologie de simulation CFD de l’écoulement atmosphérique,

Finalement, la partie 5 s’intéresse à l’optimisation de la nouvelle méthodologie du point de vue du

La couche limite atmosphérique : généralités

1 Caractéristiques générales de la couche limite atmosphérique

Introduction : Dans ce chapitre, on présente tout d’abord l’écoulement atmosphérique de façon

1.1 Généralités sur l’écoulement atmosphérique

F IGURE 1.1 – La structure verticale de l’atmosphère.

1.1.2 La circulation atmosphérique

– La couche limite atmosphérique (CLA) représente la couche la plus basse de la troposphère.

1.1.3 La couche limite atmosphérique

1.1.4 Échelles spatiales et temporelles de l’écoulement atmosphérique

Les différents phénomènes physiques qui caractérisent l’écoulement atmosphérique correspondent

1.1.5 Analyse statistique de l’écoulement atmosphérique

Dans le cas d’un écoulement turbulent stationnaire, il y a égalité de la moyenne temporelle et de

Ceci constitue la condition d’ergodicité (équivalence de la moyenne temporelle et de la moyenne

F IGURE 1.5 – Représentation schématique simplifiée d’une grandeur instantanée stationnaire en

avec les propriétés suivantes :

– La partie fluctuante vérifie que f ′ = 0.

On définit aussi les propriétés intéressantes suivantes :

Choix de l’approche statistique

1.2 La mise en équation de l’écoulement atmosphérique

– 1 équation de conservation de la masse (concernant la masse volumique ρ ).

L’équation de la conservation de la masse pour un fluide compressible s’écrit :

Bilan de la quantité de mouvement :