Search

International audience; En cas de rejet accidentel de radionucléides dans l'atmosphère, l'utilisation d'émulateurs permet d'obtenir rapidement des résultats utiles à la prise de décision. Cependant, ces prédictions sont complexes et l'utilisation de méthodes mathématiques avancées est nécessaire.

International audience; Simulations of the atmospheric dispersion of radionuclides involve large uncertainties originating from the limited knowledge of meteorological input data, composition, amount and timing of emissions, and some model parameters. The estimation of these uncertainties is an essential complement to modeling for decision making in case of an accidental release. We have studied the relative influence of a set of uncertain inputs on several outputs from the Eulerian model Polyphemus/Polair3D on the Fukushima case. We chose to use the variance-based sensitivity analysis method of Sobol'. This method requires a large number of model evaluations which was not achievable directly due to the high computational cost of Polyphemus/Polair3D. To circumvent this issue, we built a mathematical approximation of the model using Gaussian process emulation. We observed that aggregated outputs are mainly driven by the amount of emitted radionuclides, while local outputs are mostly sensitive to wind perturbations. The release height is notably influential, but only in the vicinity of the source. Finally, averaging either spatially or temporally tends to cancel out interactions between uncertain inputs.

On March 11, 2011, the Tohoku earthquake generated a huge tsunami that ravaged the Pacific coast of Japan, leading to the Fukushima Daiichi nuclear power plant (NPP) accident. Three cores out of the six Fukushima Daiichi nuclear reactors melted, resulting in the release of huge amounts of radionuclides into the atmosphere. Two years after the accident, many uncertainties remain, which prevent us from reaching a full understanding of the accident. This article presents the approach carried out during the accident and afterwards, to improve our understanding of the events and environmental consequences. We trace the time evolution of the radioactivity released to the atmosphere, its subsequent dispersion simulated by models, and we compare the results to actual measurements. Four main release periods are highlighted. The first event had limited consequences to the north of the NPP along the coast; the second had no impact on Japanese territory because the plumes traveled toward the Pacific Ocean; the third was responsible for a significant and long-term impact, especially northwest of the NPP; and the last had consequences of lesser impact on the Tokyo area. The source term, i.e. the release rate of each radionuclide, is still highly uncertain. To improve it, a new method based on inverse modeling techniques and involving the use of gamma dose rate measurements has been developed. The method proved to be efficient and reliable when applied to the Fukushima accident. The inverted source term allowed identifying the main contamination events and helped to improve the model-to-data comparisons. An important outcome on this study is that the method proved to be perfectly suited to crisis management. It should contribute to improve the emergency response of the crisis center in case of a nuclear accident., Le 11 mars 2011, le tremblement de terre du Tohoku a déclenché un tsunami qui a dévasté la côte Pacifique du Japon et engendré l'accident nucléaire de la centrale de Fukushima Daiichi. Trois des cœurs des six réacteurs ont fusionné, entraînant d'importants rejets radioactifs. Deux ans après l'accident de Fukushima, de nombreuses incertitudes demeurent et limitent encore la connaissance de l'événement. L'article présente d'abord l'approche menée dès le début de l'accident pour comprendre son déroulement. Le transport des rejets atmosphériques est simulé et les résultats sont comparés aux observations. Quatre phases principales de rejet ont été identifiées. Deux d'entre elles n'ont pas eu de conséquences importantes sur le sol japonais puisque le panache radioactif est parti vers l'océan. Une troisième phase de rejet a causé la contamination principale au nord-ouest de l'installation nucléaire. La dernière phase de rejet a contribué à la contamination des sols au sud de l'installation et, plus particulièrement, de la région de Tokyo. De nombreuses incertitudes caractérisent encore le terme source de l'accident. Une nouvelle méthode basée sur la modélisation inverse et l'utilisation des mesures de débit de dose a été développée. Les résultats très prometteurs montrent comment la démarche mise en œuvre permet d'améliorer l'estimation du terme source. L'approche développée est parfaitement adaptée à une utilisation opérationnelle et devrait contribuer à améliorer la réponse de l'Institut de Radioprotection et de Sûreté Nucléaire en cas d'accident nucléaire.

The evolution of atmospheric pollutants depends on various processes which occur at multiple characteristic scales, such as emissions, meteorology, turbulence, chemical transformation and deposition. Representing all the time and spatial scales in an air quality model is, therefore, very difficult. Chemical-transport Eulerian models, which are generally used, have a typical resolution much coarser than the finest scales.. Thus, many processes are not well described by these models, which results in subgrid-scale variability. This thesis proposes a review of subgrid-scale processes and associated uncertainty, as well as two multiscale methods aimed at reducing this uncertainty : (1) coupling an Eulerian model with a local-scale Gaussian model, and (2)using statistical downscaling methods. (1) Model coupling : one aof the main subgrid-scale processes is emissions, especially point emissions (industry) and traffic. In particular, the characteristic spatial scale of a plume emitted by a chimmey is much smaller than the typical Eulerian grid resolution. The coupling method, called plume-in-grid model, uses a Gaussian puff model to better represent point emissions at local scale, coupled to an Eulerain model. The impact of this subgrid-scale treatment of emissions is evaluated at continental scale for passive tracers (ETEX-I et Tchernobyl), as well as for photochemistry at regional scale (Paris region). Several issues are addressed, especially the uncertainty due to local-scale parameterizations and the influence of the Eulerian grid resolution. (2) Statistical downscaling : this method aims at compensating the representativity error made by the model when forecasting concentrations at particular measurement stations. The representativity scale of these stations is, indeed, typically smaller than the Eulerian cell size, and concentrations at stations depend on many subgrid-scale phenomena (micrometeorology, topography…). Thus, using statistical relationships between the larg-scale variable (model output) and local-scale variable (concentrations observed at stations) allows to significantly reduce the forecast error. In addition, using ensemble simulations allows to better take into account the model error due to physical parameterizations. With this ensemble, several downscaling methods are implemented : simple and multiple linear regression, with or without preprocessing. The preprocessing methods include a classical principal component analysis, as well as another method called “principal fitted component”. Results are presented at European scale, for ozone peaks, and analyzed for several types of stations (rural, urban or periurban), L’évolution des polluants dans l’atmosphère dépend de phénomènes variés, tels que les émissions, la météorologie, la turbulence ou les transformations physico-chimiques, qui ont des échelles caractéristiques spatiales et temporelles très diverses. Il est très difficile, par conséquent, de représenter l’ensemble de ces échelles dans un modèle de qualité de l’air. Les modèles eulériens de chimie-transport, couramment utilisés, ont une résolution bien supérieure à la taille des plus petites échelles. Cette thèse propose une revue des processus physiques mal représentés par les modèles de qualité de l’air, et de la variabilité sous-maille qui en résulte. Parmi les méthodes possibles permettant de mieux prendre en compte les différentes échelles , deux approches ont été développées : le couplage entre un modèle local et un modèle eulérien, ainsi qu’une approche statistique de réduction d’échelle. (1) Couplage de modèles : l’une des principales causes de la variabilité sous-maille réside dans les émissions, qu’il s’agisse des émissions ponctuelles ou du trafic routier. En particulier, la taille caractéristique d’un panache émis par une cheminée très inférieure à l’échelle spatiale bien résolue par les modèles eulériens. Une première approche étudiée dans la thèse est un traitement sous maille des émissions ponctuelles, en couplant un modèle gaussien à bouffées pour l’échelle locale à un modèle eulérien (couplage appelé panache sous-maille). L’impact de ce traitement est évalué sur des cas de traceurs à l’échelle continentale (ETEX-I et Tchernobyl) ainsi que sur un cas de photochimie à l’échelle de la région parisienne. Différents aspects sont étudiés, notamment l’incertitude due aux paramétrisations du modèle local, ainsi que l’influence de la résolution du maillage eulérien. (2) Réduction d’échelle statistique : une seconde approche est présentée, basée sur des méthodes statistiques de réduction d’échelle. Il s’agit de corriger l’erreur de représentativité du modèle aux stations de mesures. En effet, l’échelle de représentativité d’une station de mesure est souvent inférieure à l’échelle traitée par le modèle (échelle d’une maille), et les concentrations à la station sont donc mal représentées par le modèle. En pratique, il s’agit d’utiliser des relations statistiques entre les concentrations dans les mailles du modèle et les concentrations aux stations de mesure, afin d’améliorer les prévisions aux stations. L’utilisation d’un ensemble de modèles permet de prendre en compte l’incertitude inhérente aux paramétrisations des modèles. Avec cet ensemble, différentes techniques sont utilisées, de la régression simple à la décomposition en composantes principales, ainsi qu’une technique nouvelle appelée « composantes principales ajustées ». Les résultats sont présentés pour l’ozone à l’échelle européenne, et analysés notamment en fonction du type de station concerné (rural, urbain ou périurbain)

The evolution of atmospheric pollutants depends on various processes which occur at multiple characteristic scales, such as emissions, meteorology, turbulence, chemical transformation and deposition. Representing all the time and spatial scales in an air quality model is, therefore, very difficult. Chemical-transport Eulerian models, which are generally used, have a typical resolution much coarser than the finest scales.. Thus, many processes are not well described by these models, which results in subgrid-scale variability. This thesis proposes a review of subgrid-scale processes and associated uncertainty, as well as two multiscale methods aimed at reducing this uncertainty : (1) coupling an Eulerian model with a local-scale Gaussian model, and (2)using statistical downscaling methods. (1) Model coupling : one aof the main subgrid-scale processes is emissions, especially point emissions (industry) and traffic. In particular, the characteristic spatial scale of a plume emitted by a chimmey is much smaller than the typical Eulerian grid resolution. The coupling method, called plume-in-grid model, uses a Gaussian puff model to better represent point emissions at local scale, coupled to an Eulerain model. The impact of this subgrid-scale treatment of emissions is evaluated at continental scale for passive tracers (ETEX-I et Tchernobyl), as well as for photochemistry at regional scale (Paris region). Several issues are addressed, especially the uncertainty due to local-scale parameterizations and the influence of the Eulerian grid resolution. (2) Statistical downscaling : this method aims at compensating the representativity error made by the model when forecasting concentrations at particular measurement stations. The representativity scale of these stations is, indeed, typically smaller than the Eulerian cell size, and concentrations at stations depend on many subgrid-scale phenomena (micrometeorology, topography…). Thus, using statistical relationships between the larg-scale variable (model output) and local-scale variable (concentrations observed at stations) allows to significantly reduce the forecast error. In addition, using ensemble simulations allows to better take into account the model error due to physical parameterizations. With this ensemble, several downscaling methods are implemented : simple and multiple linear regression, with or without preprocessing. The preprocessing methods include a classical principal component analysis, as well as another method called “principal fitted component”. Results are presented at European scale, for ozone peaks, and analyzed for several types of stations (rural, urban or periurban), L’évolution des polluants dans l’atmosphère dépend de phénomènes variés, tels que les émissions, la météorologie, la turbulence ou les transformations physico-chimiques, qui ont des échelles caractéristiques spatiales et temporelles très diverses. Il est très difficile, par conséquent, de représenter l’ensemble de ces échelles dans un modèle de qualité de l’air. Les modèles eulériens de chimie-transport, couramment utilisés, ont une résolution bien supérieure à la taille des plus petites échelles. Cette thèse propose une revue des processus physiques mal représentés par les modèles de qualité de l’air, et de la variabilité sous-maille qui en résulte. Parmi les méthodes possibles permettant de mieux prendre en compte les différentes échelles , deux approches ont été développées : le couplage entre un modèle local et un modèle eulérien, ainsi qu’une approche statistique de réduction d’échelle. (1) Couplage de modèles : l’une des principales causes de la variabilité sous-maille réside dans les émissions, qu’il s’agisse des émissions ponctuelles ou du trafic routier. En particulier, la taille caractéristique d’un panache émis par une cheminée très inférieure à l’échelle spatiale bien résolue par les modèles eulériens. Une première approche étudiée dans la thèse est un traitement sous maille des émissions ponctuelles, en couplant un modèle gaussien à bouffées pour l’échelle locale à un modèle eulérien (couplage appelé panache sous-maille). L’impact de ce traitement est évalué sur des cas de traceurs à l’échelle continentale (ETEX-I et Tchernobyl) ainsi que sur un cas de photochimie à l’échelle de la région parisienne. Différents aspects sont étudiés, notamment l’incertitude due aux paramétrisations du modèle local, ainsi que l’influence de la résolution du maillage eulérien. (2) Réduction d’échelle statistique : une seconde approche est présentée, basée sur des méthodes statistiques de réduction d’échelle. Il s’agit de corriger l’erreur de représentativité du modèle aux stations de mesures. En effet, l’échelle de représentativité d’une station de mesure est souvent inférieure à l’échelle traitée par le modèle (échelle d’une maille), et les concentrations à la station sont donc mal représentées par le modèle. En pratique, il s’agit d’utiliser des relations statistiques entre les concentrations dans les mailles du modèle et les concentrations aux stations de mesure, afin d’améliorer les prévisions aux stations. L’utilisation d’un ensemble de modèles permet de prendre en compte l’incertitude inhérente aux paramétrisations des modèles. Avec cet ensemble, différentes techniques sont utilisées, de la régression simple à la décomposition en composantes principales, ainsi qu’une technique nouvelle appelée « composantes principales ajustées ». Les résultats sont présentés pour l’ozone à l’échelle européenne, et analysés notamment en fonction du type de station concerné (rural, urbain ou périurbain)