24/06/2025 09:00

24/06/2025 09:00

12/06/2025 09:00

27/06/2023 11:00

The work presented on this poster is the very beginning of the research I will be carrying out during my PhD thesis on the Gulf Stream separation. We present here some ideas to draw a mathematical formalism to study this oceanography problem.

23/06/2023 14:00

Stuart Piketh, Professeur à l’Université de North-West en Afrique du Sud et invité à l’IPSL en 2023, est spécialiste des questions de pollution atmosphérique (émission, transport et impact).

23/06/2023 12:00

Dennis Kreith est doctorant en géophysique à l’université de Braunshweig.

De nombreuses personnes étant exposées à de fortes concentrations de polluants atmosphériques en milieu urbain, il est important d’en comprendre les sources et les processus de formation. La modélisation est un outil efficace pour cela. Cette thèse porte sur la compréhension par modélisation des processus physiques et chimiques influençant la qualité de l’air intérieur et extérieur à l’échelle locale.

Dans un premier temps, la qualité de l’air dans une rue urbaine est modélisée avec l’outil de mécanique des fluides numérique (CFD) code_saturne, couplé au module de chimie atmosphérique et de dynamique des aérosols SSH-aerosol. La rue canyon est modélisée en 2D, et l’étude porte sur une période de 12 heures. Les concentrations simulées de NO₂ et de PM₁₀ se comparent bien aux mesures expérimentales lorsque la chimie atmosphérique et la dynamique des aérosols sont prises en compte. Cependant, la concentration de carbone suie est sous-estimée, probablement en partie à cause de la sous-estimation des émissions hors échappement. Les concentrations des composés secondaires des particules sont fortement influencées par la dynamique des aérosols. Notamment, l’ammoniac émis par le trafic favorise la formation de particules inorganiques et organiques hydrophiles.

Dans un second temps, pour étudier l’impact des arbres dans la rue, des arbres sont ajoutés dans la rue canyon 2D. L’impact aérodynamique des couronnes d’arbres augmente significativement la concentration des polluants émis par le trafic. Le dépôt sec sur les surfaces des feuilles n’est important que pour les composés très solubles comme HNO₃ou peu volatils. Les émissions de composés organiques volatils (COV) par les arbres influencent peu la formation des condensables, sauf en cas de vent faible. Néanmoins, la production de certains composés organiques extrêmement peu volatils par autoxidation est élevée, ce qui pourrait favoriser la formation de particules ultrafines.

Finalement, la qualité de l’air intérieur dans un stade fermé est étudiée à l’aide d’un modèle 0D (H²I). Le taux d’échange intérieur-extérieur et le facteur de filtration du modèle sont déterminés à partir des concentrations de carbone suie mesurées à l’intérieur et à l’extérieur en utilisant une transformation de Fourier. Les variations temporelles des concentrations d’O₃ et de NOx en air intérieur sont correctement simulées, mais les concentrations de NO sont sur-estimées et celles d’O₃ de NO₂ sous-estimées. Des tests de sensibilité sont effectués afin de déterminer les paramètres physiques prégnants du modèle qui pilotent ces concentrations. L’impact des réactions de surface est limité, car le ratio entre la surface et le volume du stade est faible comparé à des environnements intérieurs plus petits. La prise en compte des COV favorise la conversion du NO en NO₂ et réduit la sous-estimation du NO₂. La photolyse influence aussi fortement les concentrations, avec un fort impact du vitrage.

Résumé

Les aérosols organiques secondaires (AOS) affectent la qualité de l’air, le climat et la santé humaine. Dans la troposphère, les composés organiques volatils (COV) peuvent subir une chimie multigénérationnelle, et leurs produits d’oxydation se condenser sur les particules existantes pour former des AOS.

Ainsi, leur formation implique de nombreuses réactions et espèces, et dépend des conditions environnementales. Notre compréhension actuelle de la formation des AOS peut être décrite par des mécanismes chimiques détaillés (par exemple, le Master Chemical Mechanism (MCM) et le Peroxy Radical Autoxidation Mechanism (PRAM)). Cependant, en raison de limitations en temps de calcul, les modèles de chimie-transport (MCT) ne peuvent pas les utiliser directement. Ils utilisent plutôt des mécanismes implicites avec seulement quelques espèces modèles et réactions.

Ces mécanismes implicites sont généralement construits à partir de mesures en chambre et peuvent ne pas avoir la complexité nécessaire pour simuler avec précision les concentrations en aérosols organiques. Généralement, on estime que les concentrations d’AOS diminueront en raison des réglementations sur les émissions, en particulier dans les zones rurales et périurbaines où les concentrations d’oxydants devraient diminuer.

Cependant, certaines études suggèrent que la réduction des émissions anthropiques, en particulier des oxydes d’azote (NOx), peut ne pas conduire à une diminution efficace des concentrations d’AOS mais peut même les augmenter. Avec des mécanismes implicites d’AOS hautement simplifiés, cette interaction complexe entre la réduction des émissions et la formation d’AOS pourrait ne pas être simulée de manière fiable dans les MTC. Pour améliorer la formation des AOS dans les MTC, le GENerator of Reduced Organic Aerosol Mechanisms (GENOA) a été développé. GENOA réduit les mécanismes chimiques détaillés en mécanismes d’AOS semi-explicites qui sont suffisamment petits pour être utilisés dans les MCT.

Les mécanismes obtenus peuvent être personnalisés par les utilisateurs selon la précision souhaitée, et préservent les propriétés physico-chimiques des AOS. GENOA v1.0 a été appliqué au mécanisme de formation des AOS de sesquiterpène (SQT) à partir de MCM, résultant en un mécanisme dont la taille est réduite à moins de 2% de celle du MCM avec une erreur moyenne inférieure à 3%. Pour améliorer l’efficacité de la réduction et traiter les mécanismes de plusieurs précurseurs d’AOS simultanément, une approche de réduction parallèle est utilisée dans GENOA v2.0.

Pour les mécanismes (MCM + PRAM) de trois monoterpènes (MTs), le mécanisme global est ainsi réduit de 93% avec une erreur inférieure à 3%. Le mécanisme d’AOS biogénique généré par GENOA v2.0 (GBM), comprenant les schémas d’AOS pour MT et SQT, a ensuite été implémenté dans le MCT CHIMERE. Les concentrations simulées avec GBM sur l’Europe pendant l’été (juin-août, 2018) sont plus élevées que celles simulées avec le mécanisme implicite Hydrophilic/Hydrophobic Organics (H₂O), et les AOS sont plus oxydés.

Le mécanisme GBM améliore les comparaisons modèle/mesures pour les concentrations en aérosol organique. Avec une réduction de 50% des émissions anthropiques de NOx, le mécanisme GBM prédit une augmentation des AOS (6,5%) due à une augmentation des AOS provenant de MT (15%). Les réductions de NOx favorisent la formation de molécules hautement oxygénées (HOM) par auto-oxydation, entraînant une augmentation de la concentration en AOS provenant de MT.

La diminution des concentrations de NOx favorise également les voies chimiques entraînant une augmentation des concentrations d’AOS non-HOM provenant de MT. Dans l’ensemble, ce travail montre que les mécanismes détaillés d’AOS sont nécessaires aux MCT pour simuler les variations des concentrations d’AOS selon l’environnement physico-chimique, et pour évaluer avec précision l’impact de scénarios de réduction des émissions.

Summary

Secondary organic aerosols (SOAs) affect air quality, climate, and human health. In the troposphere, volatile organic compounds (VOCs) can undergo multi-generation chemistry, and their oxidation products can condense onto existing particles to form SOAs.

Consequently, SOA formation involves numerous reactions and species, depending on environmental conditions. Our up-to-date understanding of SOA formation can be described by detailed VOC mechanisms (e.g., the Master Chemical Mechanism (MCM) and the Peroxy Radical Autoxidation Mechanism (PRAM)). However, due to computational limitations, chemistry-transport models (CTMs) are unable to directly employ detailed SOA mechanisms but use rather implicit mechanisms with only a few model species and reactions. These implicit mechanisms are usually built from chamber measurements and may lack the necessary complexity to accurately represent the concentrations of organic particles.

Typically, SOA concentrations are predicted to decrease due to emission regulations, particularly in rural and peri-urban areas where oxidant concentrations are expected to decrease. However, some studies suggest that reducing anthropogenic emissions, especially nitrogen oxides (NOx), may not lead to an efficient decrease in SOA concentration but may even increase it. With highly simplified implicit SOA mechanisms, this complex interaction between emission reduction and SOA formations may not be reliably simulated in CTMs.

Therefore, there is a need to improve the representation of SOA formation in CTMs, especially for emission regulation evaluation. To address this issue, the GENerator of Reduced Organic Aerosol Mechanisms (GENOA) has been developed. GENOA reduces detailed chemical mechanisms into semi-explicit SOA mechanisms that are small enough to be used for regional CTM simulations. The obtained SOA mechanisms can be customized by users to the desired accuracy, and preserve the physicochemical properties of SOA. GENOA v1.0 was applied to the sesquiterpene (SQT) SOA formation mechanism from MCM, resulting in a reduced SOA mechanism within 2% of the MCM size and introducing an average error of less than 3%.

To improve the reduction efficiency and to process mechanisms of multiple SOA precursors simultaneously, a parallel reduction approach is employed in GENOA v2.0 GENOA v2.0 was applied to the mechanisms (MCM + PRAM) of three monoterpenes (MTs), where the mechanism is reduced up to 93% with an error of less than 3%. The GENOA-generated biogenic SOA mechanism (GBM), including MT and SQT SOA schemes trained with GENOA v2.0, was then implemented in the CTM model CHIMERE. Simulations with GBM over Europe during summer (June-August, 2018) estimate more oxidized OAs with higher concentration than those simulated with the implicit Hydrophilic/Hydrophobic Organics (H₂O) mechanism.

The GBM mechanism leads to an improvement of the model to measurement comparisons for organic aerosol concentrations. With a 50% reduction in NOx anthropogenic emissions, the GBM mechanism predicts an increase in total SOA (6.5%) due to an increase in MT SOA (15%). When NOx is reduced, the formation of highly oxygenated molecules (HOMs) by auto-oxidation is enhanced, leading to an increase in MT SOA concentration. The decrease of NOx concentrations also favors chemical pathways resulting in an increase of MT non-HOM concentrations.

Overall, this work shows that detailed SOA mechanisms are necessary for CTMs to preserve the variations in the physical-chemical environment of the SOA concentrations, and to accurately evaluate the impact of emission reduction scenarios.