Search

On a site that is multi-influenced by urban and industrial emissions, the analysis of aerosol pollution, in the vicinity of sources, requires a multi-scale knowledge of atmospheric dynamics. A measurement campaign was developed in order to study the meteorological and micro-meteorological variability and the evolution of particles, in particular, submicronic evolution, during a one-year period.Oscillations of the aerosol concentration around the regional average were identified along the Dunkirk coastline, and were attributed to the local meteorological phenomena close to the industries. Recognition and machine learning methods using measurements by an ultrasonic anemometer and vertical wind profiles by a Doppler lidar, were implemented to define the variability of relevant phenomena in air pollution events : sea breeze, fog, front and storm. A six-years database analysis has highlighted a correlation between the annual sea breeze occurrence and the annual number of anticyclonic days. Furthermore, the annual fog frequency could be connected with the annual regional concentration of aerosols. Analysis of wind covariance revealed two contrasting situations, low-level and high-level turbulent fluxes. The fog and the sea breeze, with low-level fluxes, generate a high PM₁ pollution and are in favor of a high organic oxygenated aerosols concentration (secondary aerosols). High-level fluxes situations, favoring vertical exchanges, are associated with a large variability of sulfate aerosols. The long-term observation, made it possible to highlight the development of episodes of particulate pollution during local weather phenomena, owing to the local emissions, but also by taking into account the larger-scale pollution.; Sur un site multi-influencé par des émissions urbaines et industrielles, l'analyse de la pollution aux aérosols, au voisinage des sources, requiert une connaissance multi-échelles de la dynamique atmosphérique. une campagne de mesure a été développée afin d'étudier la variabilité météorologique et micro-météorologique et l'évolution des particules, en particulier, submicroniques, sur une durée d'une année. Des oscillations de la concentration en aérosols, autour de la moyenne régionale, ont été identifiées le long du littoral dunkerquois, et attribuées aux phénomènes météorologiques locaux à proximité des industries. Des méthodes de reconnaissance et d'apprentissage supervisé, faisant appel aux mesures par anémomètre ultrasonique et aux profils verticaux du vent par lidar Doppler, ont été mises en œuvre pour établir la variabilité de phénomènes pertinents dans les événements de pollution de l'air : brise de mer, brouillard, front et tempête. L'analyse d'une base de données de six ans a permis de montrer que l’occurrence annuelle des brises de mer est corrélée à celle du nombre de journées anticycloniques. Par ailleurs, la fréquence annuelle des brouillards pourrait être liée à la concentration annuelle régionale en aérosols. L'analyse des covariances du vent a révélé deux situations contrastées, à faible et à fort flux turbulents. Le brouillard et la brise de mer, de faible flux, génèrent une pollution élevée aux PM₁, et sont le siège d'une forte concentration en aérosols organiques oxygénés (aérosols secondaires). Les situations à fort flux, favorisant les échanges verticaux, sont associées à une forte variabilité des sulfates particulaires. L'observation de longue durée a permis de mettre en évidence la construction d'épisodes de pollution particulaire, au cours de séquences de phénomènes météorologiques locaux, du fait des sources locales, mais aussi par incorporation de la pollution à plus grande échelle.

On a site that is multi-influenced by urban and industrial emissions, the analysis of aerosol pollution, in the vicinity of sources, requires a multi-scale knowledge of atmospheric dynamics. A measurement campaign was developed in order to study the meteorological and micro-meteorological variability and the evolution of particles, in particular, submicronic evolution, during a one-year period.Oscillations of the aerosol concentration around the regional average were identified along the Dunkirk coastline, and were attributed to the local meteorological phenomena close to the industries. Recognition and machine learning methods using measurements by an ultrasonic anemometer and vertical wind profiles by a Doppler lidar, were implemented to define the variability of relevant phenomena in air pollution events : sea breeze, fog, front and storm. A six-years database analysis has highlighted a correlation between the annual sea breeze occurrence and the annual number of anticyclonic days. Furthermore, the annual fog frequency could be connected with the annual regional concentration of aerosols. Analysis of wind covariance revealed two contrasting situations, low-level and high-level turbulent fluxes. The fog and the sea breeze, with low-level fluxes, generate a high PM₁ pollution and are in favor of a high organic oxygenated aerosols concentration (secondary aerosols). High-level fluxes situations, favoring vertical exchanges, are associated with a large variability of sulfate aerosols. The long-term observation, made it possible to highlight the development of episodes of particulate pollution during local weather phenomena, owing to the local emissions, but also by taking into account the larger-scale pollution., Sur un site multi-influencé par des émissions urbaines et industrielles, l'analyse de la pollution aux aérosols, au voisinage des sources, requiert une connaissance multi-échelles de la dynamique atmosphérique. une campagne de mesure a été développée afin d'étudier la variabilité météorologique et micro-météorologique et l'évolution des particules, en particulier, submicroniques, sur une durée d'une année. Des oscillations de la concentration en aérosols, autour de la moyenne régionale, ont été identifiées le long du littoral dunkerquois, et attribuées aux phénomènes météorologiques locaux à proximité des industries. Des méthodes de reconnaissance et d'apprentissage supervisé, faisant appel aux mesures par anémomètre ultrasonique et aux profils verticaux du vent par lidar Doppler, ont été mises en œuvre pour établir la variabilité de phénomènes pertinents dans les événements de pollution de l'air : brise de mer, brouillard, front et tempête. L'analyse d'une base de données de six ans a permis de montrer que l’occurrence annuelle des brises de mer est corrélée à celle du nombre de journées anticycloniques. Par ailleurs, la fréquence annuelle des brouillards pourrait être liée à la concentration annuelle régionale en aérosols. L'analyse des covariances du vent a révélé deux situations contrastées, à faible et à fort flux turbulents. Le brouillard et la brise de mer, de faible flux, génèrent une pollution élevée aux PM₁, et sont le siège d'une forte concentration en aérosols organiques oxygénés (aérosols secondaires). Les situations à fort flux, favorisant les échanges verticaux, sont associées à une forte variabilité des sulfates particulaires. L'observation de longue durée a permis de mettre en évidence la construction d'épisodes de pollution particulaire, au cours de séquences de phénomènes météorologiques locaux, du fait des sources locales, mais aussi par incorporation de la pollution à plus grande échelle.

Our work aims to improve the turbulent phenomena detection and forecast in the atmospheric boundary layer. First, we suggest a new stochastic method to reconstruct locally the turbulent atmosphere. Particle systems are used to model the atmospheric flow and its internal variability. To update particles and lean the turbulent parameters 3D Doppler lidar measurements are used. Then, a new stochastic downscaling technic for sub-grid turbulence forecast is presented. From the grid point model Meso-NH, a sub-grid particle system is forced. Here, the particles evolve freely in the simulated domain. Our downscaling method allows to model sub-grid fields coherent with the grid point model. Next, we introduce the upscaling issue. The atmosphere reconstruction covers at best few cells of meteorological grid point models. The issue is to assimilate the reconstructed atmosphere in such models. Using the back and forth nudging algorithm, we explore the problems induced by the size of the observed domain. Finally we suggest a new way to use the back and forth nudging algorithm for parameter identification.; Ces travaux s'articulent autour de la détection et de la prévision des phénomènes turbulents dans la couche limite atmosphérique. Nous proposons tout d'abord une méthode stochastique innovante de reconstruction locale de l'atmosphère. Nous utilisons des systèmes de particules pour modéliser l'écoulement atmosphérique et sa variabilité interne. L'apprentissage des paramètres turbulents et la mise à jour des particules se font à l'aide d'observations mesurées par un lidar Doppler 3D. Nous présentons ensuite une nouvelle méthode de descente d'échelle stochastique pour la prévision de la turbulence sous-maille. A partir du modèle en points de grille Meso-NH, nous forçons un système de particules qui évolue à l'intérieur des mailles. Notre méthode de descente d'échelle permet de modéliser des champs sous-maille cohérents avec le modèle en points de grille. Dans un troisième et dernier temps nous introduisons les problèmes de remontée d'échelle. La reconstruction de l'atmosphère modélise la turbulence dans un volume restreint qui couvre au plus quelques mailles des modèles météorologiques en points de grille. L'objectif de la remontée d'échelle est de construire une méthode d'assimilation de l'atmosphère reconstruite. En utilisant l'algorithme de nudging direct et rétrograde, nous explorons les problèmes liés à la taille du domaine observé. Nous proposons finalement un algorithme de nudging avec apprentissage de paramètre, illustré sur un cas simple.