Rapport de Stage Ing Enieur Mod Elisation M Et Eorologique Pour L' Eolien

Rapport de stage Ingénieur
Modélisation météorologique pour l’éolien
Florian Lemarié
INSA Rouen
1er octobre 2004

1
Remerciements
Avant toute chose je tiens à remercier les personnes suivantes pour leur ac-
tive participation au cours de mon stage :
Monsieur Eric Blayo (Maı̂tre de conférences en mathématiques appliquées)

pour m’avoir proposé ce sujet de stage extrèmement intéressant et enrichissant
ainsi que pour son suivi.
Je souhaite ensuite remercier tout particulièrement mon maı̂tre de stage,

Monsieur Laurent Debreu (Chargé de Recherche INRIA) dont la grande com-
pétence scientifique et sympathie ont permis le bon déroulement du stage et
motivé mon implication dans le projet.
Un grand merci aussi à Monsieur Cyril Mazauric (ingénieur de recherche

CNRS), Mademoiselle Céline Robert et Messieurs Marc Honnorat et William
Castaings, tous trois actuellement en thèse au LMC, qui ont été d’une grande
aide pour mon adaptation de par leur gentillesse et générosité.
2
3
Table des matières
1 Cadre du projet 8
1.1 La société Boralex . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 INRIA Rhône-Alpes . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Sujet du stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 La modélisation météorologique et le modèle numérique MM5 12

2.1 Les méthodes numériques de prévision . . . . . . . . . . . . . . . 12
2.2 Présentation du modèle MM5 . . . . . . . . . . . . . . . . . . . . 13
2.3 Théorie mathématique . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Mise en oeuvre de MM5 20

3.1 Les modules de MM5 . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Emboı̂tement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Assimilation de données . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Autres modèles existant . . . . . . . . . . . . . . . . . . . . . . . 33
4 L’application à l’éolien 38
4.1 Les vents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2 Potentiel éolien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 Application 46
5.1 Mise en place du modèle . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Données météorologiques de la simulation . . . . . . . . . . . . . 49
5.3 Evaluation des simulations . . . . . . . . . . . . . . . . . . . . . . 50
5.4 Amélioration des résultats . . . . . . . . . . . . . . . . . . . . . . 55
I Annexe 70
4
5
Introduction
A l’heure où certaines énergies fossiles comme le charbon ou le pétrole voient

approcher l’échéance de leur épuisement, et où des préoccupations telles que le
respect de l’environnement (émission de gaz à effet de serre, déchets...), mais
aussi la constante augmentation des besoins énergétiques sont omniprésentes,
une diversification des modes de production d’électricité semble indispensable.
Une énergie disponible considérable et non négligeable provient du vent. Par
conséquent, il semble que l’énergie éolienne soit une perspective intéressante
dans la sphère des nouvelles énergies.
Dans ce domaine, la France accuse un retard certain avec une lourde dépen-
dance vis à vis du nucléaire ( 75% de sa production d’électricité). L’éolien quant
à lui s’affirme au sein de la production mondiale comme l’une des énergies renou-
velables les plus prometteuses même s’il éprouve des difficultés à s’intégrer dans
le paysage énergétique français. En effet, la France dispose d’un des plus gros
gisements éoliens d’Europe et pourtant n’a que 20 MW de puissance installée.
Les objectifs fixés par la directive européenne de décembre 2000, à savoir 21%
d’électricité (( verte )) à l’horizon 2010 (15% en France actuellement ) peuvent être
un moteur pour l’éolien en France. A ce sujet, on peut estimer que l’éolien , grâce
au soutien de l’Etat (obligation de rachat de l’électricité éolienne), devrait re-
présenter à peu près 70% de la puissance verte manquant à la France. C’est donc
tout naturellement l’aspect environnemental qui va, conjointement à l’économie,
peser lourd sur les choix à venir. De plus, actuellement les contraintes environne-
mentales s’atténuent peu à peu grâce à une meilleure gestion de l’encombrement
et des nuisances sonores.
Dans un premier temps la contrainte principale est de bien situer les régions
propices à l’installation d’éoliennes. Pour cela de nombreuses études sont menées
pour essayer de simuler au mieux le potentiel éolien d’un site donné. C’est cette
étape qui constitue la base de ce stage. L’augmentation constante des puissances
de calculs disponibles a permis une grande amélioration des modèles météorolo-
giques permettant de simuler l’évolution de l’atmosphère et pouvant ainsi être
utilisés comme outil de diagnostique pour l’éolien. Parmis ces modèles se trouve
MM5 (Mesoscale Model version 5) qui est un modèle méso-échelle permettant
de prédire la circulation atmosphèrique. Le travail principal va ainsi être d’uti-
liser ce modèle pour réaliser une simulation météorologique en axant l’étude sur
une zone d’intérêt (la région Rhône-Alpes en l’occurence) et donc pouvoir tirer
des conclusions sur la rentabilité de l’installation d’une ferme éolienne à un lieu
donné.
Ce rapport est construit en plusieurs parties, dans un premier temps une
rapide présentation du cadre du projet de recherche entre la société Boralex et
l’INRIA Rhône-Alpes, puis une présentation du cadre mathématique du mo-
6
dèle météorologique utilisé, à savoir MM5. Il est intéressant ensuite de prendre
connaissance des différents modules composant le modèle, avant d’établir la
mise en place de celui-ci pour arriver aux résultats désirés incluant une partie
indispensable d’exploitation des résultats pour tirer des premières conclusions.
7
Chapitre 1
Cadre du projet
Le sujet de ce stage est issu d’un contrat de recherche entre la société

Boralex et l’INRIA Rhône-Alpes. Ces deux composantes sont présentées
rapidement dans ce premier chapitre.
Sommaire
1.1 La société Boralex . . . . . . . . . . . . . . . . . . . . 8
1.1.1 Présentation générale . . . . . . . . . . . . . . . . . 8
1.1.2 L’énergie éolienne . . . . . . . . . . . . . . . . . . . 9
1.2 INRIA Rhône-Alpes . . . . . . . . . . . . . . . . . . . 10
1.3 Sujet du stage . . . . . . . . . . . . . . . . . . . . . . 11
1.1 La société Boralex

1.1.1 Présentation générale
Boralex est l’un des plus importants producteurs privés d’électricité au Ca-
nada et le plus important producteur d’électricité à base de résidus de bois en
Amérique du Nord.
Site Web : http ://www.boralex.com
La société est spécialisée dans la gestion, le financement, le réaménagement et
la construction de centrales. Son expertise se développe sur quatre types de pro-
duction :
Énergie à base de résidu de bois : Ce secteur comprend huit centrales

d’une capacité de 264MW dont six appartiennent à Boralex et sont situées dans
le Nord-est des États-Unis, les deux autres sont gérées par un Fonds commun
(le ”Fonds”) de plusieurs entreprises.
1. Boralex Ashland Inc.
2. Boralex Athens Energy Inc.
3. Boralex Chateaugay Inc.
4. Boralex Fort Fairfield Inc.
8
5. Boralex Livermore Falls Inc.
6. Boralex Stratton Energy Inc.
7. Centrale de Senneterre
8. Centrale de Dolbeau
Energie alimentée au gaz naturel : Boralex possède et exploite une centrale
de 14 MW à Blendecques dans le nord de la France, et gère dans le cadre du
Fonds la seule centrale de cogénération au gaz naturel en exploitation au Québec.
1. Centrale de Kingsey Falls
2. Boralex Blendecques S.A.
Energie hydroélectrique : Boralex gère neuf centrales au Québec et aux
États-Unis pour le Fonds.
1. Centrale d’East Angus
2. Centrale d’Huntingville
3. Centrale de Forestville
4. Centrale de Rimouski.
5. Centrale de Beauport
6. Centrale de Saint-Lambert
7. Centrale de Buckingham
8. Cascades Energy Thorndike Inc.
9. Forces motrices du Joudron S.A.
Énergie éolienne : afin de privilégier la production d’énergie renouvelable, Bo-
ralex possède et exploite pour l’instant dix éoliennes, d’une capacité totale de
8MW, à Avignonet-Lauragais en France grâce à une participation majoritaire
dans la société française Seris Eole SAS.
Boralex exploite et possède une vingtaine de centrales au Québec, aux États-

Unis et en France d’une capacité de près de 252MW, ainsi qu’un centre de tri de
bois urbain à Montréal. La société emploie plus de 240 personnes et concentre
ses activités sur l’énergie renouvelable et l’énergie verte.
1.1.2 L’énergie éolienne

En 2002, profitant de la nouvelle réglementation concernant ce type de pro-
duction d’électricité en France, Boralex a aménagé une première ferme éolienne
à Avignonet-Lauragais, une petite ville du sud-ouest de la France, située à 40
kilomètres de Toulouse, puis une deuxième en 2003, à Chépy, dans le départe-
ment de la Somme.
Quant à la Ferme éolienne de Chépy S.A.S., elle comprend deux éoliennes
(( Enercon )) de 65 mètres de haut et des pales de 70 mètres de diamètre,
pour une capacité installée de 4MW et une production totale annuelle de 9,5
GWh. La réalisation de ce projet nécessitera un investissement d’environ 5 mil-
lions d’euros une fois complétée.
La première, Séris Eole S.A.S., est composée de dix éoliennes ”Nordex” de 50
mètres de haut (70 mètres avec les pales) qui fournissent chacune 800 kW en
provenance du vent. Ce mouvement est transmis à la nacelle qui comporte une
9
boı̂te de vitesse et une turbine qui fonctionnera à 1 500 tours par minute. La
production totale annuelle de 20 GWh correspond à l’alimentation d’une popu-
lation d’environ 10 000 habitants.
La totalité de la production d’électricité de ces deux sites est vendue à Électri-
cité de France (EDF) en vertu d’un contrat à long terme d’une durée de 15 ans.
Cette incursion dans le domaine éolien permet à Boralex de diversifier ses sources
de production, de poursuivre son développement en France ainsi que son expan-
sion dans des marchés déréglementés ou en voie de l’être.
C’est dans le cadre d’un contrat de recherche entre Boralex et l’INRIA que
ce sujet de stage prend place.
1.2 INRIA Rhône-Alpes

L’INRIA (Institut National de Recherche en Informatique et Automatique)
est un établissement public à caractère scientifique et technologique qui mène
des recherches avancées dans le domaine des sciences et technologies de l’in-
formation et de la communication. Globalement l’INRIA comprend 6 unités
de recherche (Lorraine, Rhône-Alpes, Futurs, Rocquencourt, Rennes et Sophia-
Antipolis) formant des équipes autonomes développant des projets de recherche
communs avec les universités, les grandes écoles et les organismes de recherche.
Les activités de l’unité de recherche INRIA Rhône-Alpes mobilisent plus de 330
personnes, dont 220 chercheurs, géographiquement réparties sur trois sites : le
site de l’INRIA à Montbonnot, le campus universitaire de Grenoble et l’Ecole
Normale Supérieure de Lyon. L’INRIA Rhône-Alpes dénombre actuellement 21
équipes de recherche. Leurs thématiques sont regroupées selon cinq pôles de
recherche prioritaires :
1. Systèmes communicants Systèmes distribués et architectures réparties,
réseaux et télécommunicants, systèmes embarqués et mobilité, architecture
et compilation.
2. Systèmes cognitifs Images et vidéo, données multi-media, synthèse d’images
et réalité virtuelle.
3. Systèmes symboliques Structures algébriques et géométriques, algo-
rithmes, organisation des contenus et de la langue.
4. Systèmes numériques Automatique et systèmes complexes, grilles et
calcul haute-performance, optimisation et problèmes inverses en stochas-
tique ou en grande dimension, modélisation, simulation et analyse numé-
rique.
5. Systèmes biologiques Modélisation et simulation pour la biologie et la
médecine.
Dans la partie systèmes numériques se trouve le projet IDOPT qui a pour but
l’identification et l’optimisation de systèmes en physique et en environnement.
La connaissance que l’on a d’un système physique repose :
– d’une part, sur un modèle direct basé sur un corpus d’équations aux déri-
vées partielles non-linéaires, issues de lois de comportement ou de lois de
conservation et comportant parfois des termes mal connus voire aléatoires ;
– d’autre part, sur des observations partielles de ce système.
10
L’objectif du projet est la mise au point d’outils mathématiques et algorith-
miques destinés à :
– identifier ces systèmes physiques, c’est-à-dire reconstituer l’état du système
ou certains de ses paramètres à partir d’observations ;
– optimiser ces systèmes, c’est-à-dire agir sur des degrés de liberté afin de
réaliser un objectif déterminé.
IDOPT est un projet commun avec le CNRS, l’INPG et l’Université Joseph Fou-
rier. Le stage se déroulera donc au sein de ce projet et sera effectué à l’IMAG (
Institut de Mathématiques Appliquées de Grenoble ) au Laboratoire de Modé-
lisation et Calcul (LMC).
1.3 Sujet du stage

Le sujet du stage consiste à réaliser une modélisation météorologique pour
l’éolien. Il s’agit d’entreprendre à l’aide du modèle MM5 une modélisation nu-
mérique d’un site géographique situé en Rhône-Alpes et envisagé pour l’implan-
tation d’une ferme d’éolienne. Les étapes successives seront la mise en place du
modèle, la récupération des données topographiques et conditions aux limites,
et la réalisation de diagnostics des résultats.
11
Chapitre 2
La modélisation
météorologique et le modèle
numérique MM5
Il est ici question de décrire le modèle numérique utilisé pour la simulation.

L’introduction est composée de deux parties, dans un premier temps une vue
générale de la modèlisation dans le domaine météorologique puis une
présentation plus spécifique au modéle utilisé, MM5.
Sommaire
2.1 Les méthodes numériques de prévision . . . . . . . 12
2.2 Présentation du modèle MM5 . . . . . . . . . . . . . 13
2.3 Théorie mathématique . . . . . . . . . . . . . . . . . 14
2.3.1 Équations de prévision . . . . . . . . . . . . . . . . . 14
2.3.2 Différenciation spatiale . . . . . . . . . . . . . . . . . 17
2.3.3 Différenciation temporelle . . . . . . . . . . . . . . . 17
2.3.4 Calcul des conditions aux bords . . . . . . . . . . . . 19
2.3.5 Assimilation de données . . . . . . . . . . . . . . . . 19
2.1 Les méthodes numériques de prévision

Dans le domaine de la météorologie moderne, les méthodes empiriques ont été
remplacées par des méthodes numériques de prévision objective. Elles consistent
à appliquer les équations de la mécanique des fluides et de la thermodynamique
à l’atmosphère.
Dans un premier temps les modèles utilisés étaient des modèles bidimensionelles
qui ne prenaient pas en compte l’accélération verticale dans l’atmosphère. Mais
les insuffisances de tels modèles ont amené les météorologues à utiliser des sché-
mas de calcul dans lesquels la prise en considération des profils verticaux de vent
et de température permet d’accéder aux champs des vitesses verticales, dont on
sait qu’elles sont étroitement liées à la formation des nuages et des précipita-
tions.
12
Dans la majeure partie des cas ces modèles utilisent un système de six équa-
tions d’évolution pour prévoir six paramètres : les trois composantes du vent, la
température, la pression et une variable définissant le taux d’humidité. Typique-
ment les équations utilisées sont les équations de Navier-Stokes pour le champ
de vent, l’équation de la thermodynamique (premier principe de conservation de
l’énergie) pour le champ de température, l’équation de continuité pour le champ
de pression et la quantité de vapeur d’eau, ces équations contiennent des termes
permettant de prendre en compte les effets de la force de Coriolis.
2.2 Présentation du modèle MM5

Le modèle méso-echelle MM5 est un modéle conçu par la Pennsylvania State
University (PSU) et le National Center for Atmospheric Research (NCAR) pour
la prévision et la simulation de la circulation atmosphérique. Le site internet de
MM5 est à l’adresse :
http://www.mmm.ucar.edu/mm5/mm5-home.html
MM5 est basé sur des équations de prévision pour les composantes 3D du
vent, la température, le rapport de mélange de la vapeur d’eau et la pression
atmosphérique. Ces équations sont un ensemble d’équations différentielles expri-
mant la vitesse d’évolution de variables atmosphériques par rapport au temps,
et que l’on résout pour prédire l’évolution temporelle du système.
Plus spécifiquement MM5 est un modèle 3D non hydrostatique en coordon-

née verticale σ.
L’hypothèse hydrostatique correspond au fait de négliger l’accélération dans

les équations de conservation de la quantité de mouvement sur la verticale.
L’équation de conservation est donnée par :
Dw ∂p
+ = −ρg
Dt ∂z
Dans le cas de l’hypothése hydrostatique, on élimine le terme Dw Dt (w étant la
composante verticale du vent) et on obtient ainsi un équilibre hydrostatique
entre gravité et gradient de pression. La force associée à l’accélération verticale
ne peut être négligeable que pour des phénomènes à grande échelle. Une consé-
quence de ce constat est que les modèles numériques qui étudient, en météoro-
logie, des phénomènes de convection tels que les orages sont obligatoirement des
modèles non hydrostatiques, car l’échelle de tels phénomènes est relativement
réduite et les accélérations verticales qu’ils développent sont trop importantes
pour accepter l’hypothèse hydrostatique. C’est en ce sens qu’un modèle non-
hydrostatique était indispensable pour notre étude.
Les coordonnées verticales σ correspondent à un type de coordonnées per-

mettant d’épouserau mieux la topographie du domaine d’étude. Ceci assurant
une meilleure précision verticale dans les zones d’intérêts.
13
Le modèle propose la possibilité de zoomer sur certaines zones de la grille de
calcul en augmentant la résolution spatiale dans la zone considérée. Il va donc y
avoir un emboı̂tement entre une grille dite ”grossière” de résolution relativement
faible puis des grilles dites fines à plus haute résolution. L’emboı̂tement peut se
faire avec une interaction passive (”one-way”) ou active (”two-way”), cette in-
teraction définissant la manière avec laquelle la grille mère et la grille fille vont
échanger des informations. Ce sujet sera traité dans la section 3.2.
Un des autres principaux atouts de MM5 est de même une méthode d’assi-
milation de données (Four Dimensional Data Assimilation FDDA).
Avant de passer aux modules du modèle, l’approche mathématique va être

étudiée.
2.3 Théorie mathématique

Comme mentionné précédemment, le modèle est basé sur six équations de
prévisions afin d’étudier l’évolution de six paramètres, la température, la pres-
sion, le taux d’humidité et les composantes horizontales et verticales du vent.
Ensuite des méthodes de différences finies sont utilisées pour l’intégration spa-
tiale et temporelle. Enfin nous verrons les méthodes utilisées pour le calcul des
conditions aux bords et pour l’assimilation de données.
2.3.1 Équations de prévision

Etat de référence et coordonnée verticale
Pour le modèle non-hydrostatique, on définit tout d’abord un état de réfé-
rence constant ainsi que les perturbations à partir de celui-ci :
 0
 p(x, y, z, t) = p0 (z) + p (x, y, z, t)
0
T (x, y, z, t) = T0 (z) + T (x, y, z, t)
 0
ρ(x, y, z, t) = ρ0 (z) + ρ (x, y, z, t)
0
p0 définissant la pression de référence et p la pression de perturbation.
A partir de cette pression de référence, on définit la coordonnée σ verticale :

p0 − ptop
σ=
ps − ptop
où ps et ptop sont respectivement les pressions à la surface et au sommet du

modèle pour l’état de référence. La pression totale à un point de la grille est
donc donnée par : 0
p = p∗ σ + ptop + p
avec p∗ (x, y) = ps (x, y) - ptop .
A partir de la définition de la coordonnée verticale, il est possible de formuler

les équations de prévisions dans le système de coordonnées (x,y,σ).
14
Équation pour la pression
L’équation de prévision pour la pression découle de la première loi de la
thermodynamique et de l’équation de continuité.
0
∂p 0 γp Q̇ T0
− ρ0 gw + γp∇.V = −V.∇p + + Dθ (2.1)
∂t T cp θ0
Il convient d’expliquer les différents termes de cette équation :
– Signification des termes :
0
p : pression de perturbation, en Pa
p : pression, en Pa
ρ0 : densité de l’air dans l’état de référence
cp : capacité calorique à pression constante, en J/K
cv : capacité ; calorique à volume constant, en J/K
γ : rapport cp sur cv
Q : chaleur ajoutée au système, en J
T : température, en K
T0 : température de l’état de référence
θ0 : différence angulaire entre l’axe des y de la grille et le vrai nord
w : composante verticale du vent
– Le terme de divergence ∇.V vaut dans le système de coordonnées (x,y,σ) :

∂ u mσ ∂p∗ ∂u ∂ v mσ ∂p∗ ∂v ρ0 g ∂w
∇.V = m2 − ∗ + m2 − ∗ − ∗
∂x m p ∂x ∂σ ∂y m p ∂y ∂σ p ∂σ
(2.2)
0
de même V.∇p terme d’advection peut être exprimé par :
∂A ∂A ∂A
V.∇A ≡ mu + mv + σ̇ (2.3)
∂x ∂y ∂σ
Pour exprimer explicitement σ̇= dσ dt présent dans l’équation précédente, il

faut effectuer plusieurs étapes :
1. Changement de coordonnées de (x,y,z) en (x,y,σ) :
∂ ∂ ∂z ∂
→ − (2.4)
∂x z ∂x σ ∂x σ ∂z
avec
−dp0 p∗ dσ + σdp∗ 0
p0 = p − p = p∗ σ + pt

dz = =− (2.5)
ρ0 g ρ0 g
ceci donne ∂ ∂ σ ∂p∗ ∂
→ − ∗ (2.6)
∂x z ∂x σ p ∂x ∂σ
2. Obtention de σ̇ en partant de la définition de σ défini par la pression
de référence.
p0 − ptop
σ= (2.7)
p∗
d’où
dσ 1 dp0 (p0 − ptop ) dp∗
σ̇ = = ∗ − (2.8)
dt p dt (p∗ )2 dt
15
En prenant en compte le fait que p0 ne dépend que de z et que p∗
dépend de x et y on obtient finalement
ρ0 g σ ∂p∗ ∂p∗
σ̇ = − w − u + v (2.9)
p∗ p∗ ∂x ∂y
Équation de la composante verticale du vent
0 0 0 0
∂w ρ0 g ∂p gp p0 T gRd p u2 + v 2
− + = −V.∇w+g − +e(u cosα−v sinα)+ +Dw
∂t ρ p∗ ∂σ γp p T0 cp p rearth
(2.10)
Équation de la composante u du vent
0 0
∂u m ∂p σ ∂p∗ ∂p ∂m ∂m u w
+ − ∗ = −V.∇u+v f +u −v −e w cosα− +Du
∂t ρ ∂x p ∂x ∂σ ∂y ∂x rearth
(2.11)
Équation de la composante v du vent
0 0
∂v m ∂p σ ∂p∗ ∂p ∂m ∂m v w
+ − ∗ = −V.∇v−u f +u −v −e wsinα− +Dv
∂t ρ ∂y p ∂y ∂σ ∂y ∂x rearth
(2.12)
Équation pour la température
0
∂T 1 ∂p 0
Q̇ T0
= −V.∇T + + V.∇p − ρ0 gw + + Dθ (2.13)
∂t ρcp ∂t cp θ0
Commentaires
Les équations (2.10) à (2.12) comportent des termes (eu et ew), habituelle-
ment négligés, représentant les composantes de la force de Coriolis où e=2Ωcosλ,
α=φ-φc avec λ la latitude, φ la longitude et φc la longitude centrale. La force
de Coriolis est une loi de la cinématique, dont l’énoncé est le suivant : toute
particule en mouvement dans l’hémisphère nord est déviée vers sa droite (vers
sa gauche, dans l’hémisphère sud). Son action est prépondérante dans l’étude
des vents. En fait, cette force est négligeable dans la plupart des cas, mais de-
vient très importante dans certains phénomènes, dont fait partie le déplacement
des masses d’air : le vent météorologique (en raison de la réunion des facteurs
d’influence de la force de Coriolis : faible masse des particules, grande échelle
de mouvement). De plus, plus le déplacement est rapide, plus la déviation de
Coriolis engendrée est importante.
16
UV
gh
h g hghghg
gh ef
f e fefefe
ef cd
d c dcdcdc
cd ab
b a bababa
ab V U VUVUVU
UV IJ
J I

JIJIJI
IJ
(IMAX,1) (IMAX,JMAX)
ijii jijjii
j j
klkk lkllkk
l l
mnmm nmnnmm
n n
opoo poppoo
p p
WXWW XWXXWW
X X
KKK LLKKK
L
L
LL áâáá âáââáá
â â Calcul des températures
Calcul de u et v
uv
v u ststs tstss " $
wx
x w xwxwxw
wx u vvuvu °¯°
uv ª©ª© t ÂÂÁ t
¾½¾½ r
qr q rqrqrq
qr ! YZ
!Z Y !"! ZYZYZY
YZ # MN
#N M #$# NMNMNM
MN
¯® ¬«¬« ÁÄÄÃÃ ÆÅÆÅ ¿¿ÀÀ¿È
¿
® Ç
ÇÌ ÇÈÇ

yzyy %&&% zyzzyy
z z { +,,+¢ |{|{|{ ±²²± ´
|{|
|{ ¶µ¶µ ~
¸·¸ ~
}} 1221 ~}~}
} Î ~}
~ ÉÊÊÉ
ÒÑÒ
ËÌË
ÖÕÖ
3 443

Ø×Ø
5 [[ 6565 \[\\[[
[\
5\ \ 7 OOO 7887 PPOOO
7P P
PP
¡¡¢ ¤ ³³³´³ ·¼ ÍÎÍÐ ÑÔ ÕÚ ×Ü
£
£ £¤£ ¹ºº¹ »¼» ÏÐÏ ÓÔÓ ÙÚÙ ÛÜÛ
('('

-.- ¥¦¥
. ¦ ¨§¨§
:
9:9
ÞÝÞÝ àßàß
=>=
> ]^
^ B
] ABA ^]^]^]
]^ QR
R D
Q CDC RQRQRQ
QR

* 0 < ?@@? __ EFFE `_``__ SS H

)*)

/0/

;<;

_`
` `
T S GHG TSSTTS
TT
(1,JMAX)
(1,1)
Fig. 2.1 – Grille d’Arakawa de type B (avec raffinement)
Les termes u ∂m ∂m
∂y , v ∂x et rearth représentent les effets de courbure de la terre
avec m le facteur d’échelle de la carte. En effet, nous devons considérer la projec-
tion de la terre qui est sphérique sur un plan. Ce facteur correspond au rapport
entre la distance entre deux points sur la projection par la distance réelle entre
ces deux points. La distance entre deux points doit être divisée par le facteur
d’échelle pour que les distances sur le plan de projection soient ajustées pour
tenir compte de la courbure de la terre.
2.3.2 Différenciation spatiale

Le modèle est discrétisé spatialement sur une grille de type B dans la classifi-
cation d’Arakawa. Le modèle utilise un schéma centré d’ordre 2 pour l’advection
horizontale et le gradient de pression, sur la grille de type B. Le schéma pour
l’advection verticale est aussi d’ordre 2 permettant un traitement plus précis
des couches pour la grille verticale.
2.3.3 Différenciation temporelle

Pour le modèle non-hydrostatique, un schéma de séparation du temps est ap-
pliqué pour augmenter l’efficacité. Pour les équations, un schéma saute-mouton
(leapfrog) de second ordre est utilisé, cependant certain termes sont traités à
l’aide d’un schéma différent. Les équations (2.14) à (2.17) contiennent des termes
à gauche qui sont des ”termes rapides” qui sont responsables des ondes sonores
(perturbation dans la pression, la contrainte, le déplacement ou la vitesse des
particules) celles-ci doivent être calculées avec un pas de temps plus petit. Les
équations vont être formulées de la manière suivante :
0 0
∂u m ∂p σ ∂p∗ ∂p
+ − ∗ = Su (2.14)
∂t ρ ∂x p ∂x ∂σ
17
Pas de temps n
T, termes d’advection et de diffusion
saute−mouton
∆t ∆t
n−1 n n+1
∆τ petits pas de temps
u,v,w,p’
Fig. 2.2 – description des pas de temps
0 0
∂v m ∂p σ ∂p∗ ∂p
+ − ∗ = Sv (2.15)
∂t ρ ∂y p ∂y ∂σ
0 0
∂w ρ0 g ∂p gp
− + = Sw (2.16)
∂t ρ p∗ ∂σ γp
0
" 0 0
#
∂p ∂u σ ∂p ∂u ∂v σ ∂p ∂v ρ0 gγp ∂w
+ mγp − ∗ + − ∗ − − ρ0 gw = Sp0
∂t ∂x p ∂x ∂σ ∂y p ∂y ∂σ p∗ σ
(2.17)
où les termes S contiennent l’advection, la diffusion, la flottabilité et la force
de Coriolis. Ces termes sont gardés constants pendant les pas de temps inter-
médiaires.
Schéma de résolution des pas intermédiaires

Pour certains termes le pas de temps du modèle est trop important pour
assurer la stabilité, et ceux-ci doivent être calculés avec un pas plus petit. Ceci
est entre autre valable pour les termes d’ondes sonores. Lorsque le pas de temps
est découpé, certaines variables et tendances sont par le fait mises à jour plus
0
fréquement. Les ondes sonores u,v,w et p doivent être mis à jour à chaque petit
pas de temps pendant que les termes à droite sont maintenus constants. Ty-
piquement il y a 4 petits pas de temps entre n-1 et n+1, après lesquels u,v,w
0
et p sont mis à jour (cf figure 2.2). La méthode de résolution suit le schéma
semi-implicite de Klemp et Wilhelmson (1978) pour les petits pas.
De plus une technique d’atténuation de la divergence de Skamarock et Klemp

(1992) est utilisée pour contrôler les ondes sonores se propageant horizontale-
ment.
Schéma leapfrog
Ce schéma est utilisé pour le calcul de la température (T) et de l’humidité
(q) ainsi que pour les termes ”lents” contenus dans les termes S des équations
(2.14) à (2.17).
18
De manière générale, dans le schéma de saute-mouton, les tendances au
temps n sont utilisées pour étager les variables du temps n-1 au temps n+1.
Ceci est utilisé pour la plupart des termes d’advection et de la force de Coriolis.
2.3.4 Calcul des conditions aux bords

Les conditions aux bords proviennent directement des données météorolo-
giques à grande échelle provenant des fichiers de réanalyses utilisés. Une tech-
nique de relaxation newtonienne ou ”nudging” est utilisée incluant des termes de
diffusion et de relaxation. Cette relaxation va diminuer linéairement en s’éloi-
gnant du bord. Typiquement elle va concerner les 4 lignes ou colonnes aux bords
du domaine de calcul en excluant la première colonne et ligne du domaine.
Considérons que MC (Model Calculated Tendency) correspond à la valeur dans
le modèle et que LS (Large Scale) correspond à la valeur de la variable α à
grande échelle on a :
∂α
= F (n)C1 (αLS − αM C ) − F (n)C2 ∆(αLS − αM C ) (2.18)
∂t n

avec F(n)= 5−n 3 n=2,3,4 et F(n)=0 n > 4
où C1 (constante de relaxation) et C2 (constante de diffusion) sont donnés par
1
C1 = (2.19)
20∆t
et
∆x2
C2 = (2.20)
50∆t
Le terme de diffusion permet de lisser les petites échelles de la solution qui sans
ce terme auraient tendance à s’accumuler sur les bords du domaine.
2.3.5 Assimilation de données

La méthode de relaxation Newtonienne ou ”nudging” permet de relaxer l’état
du modèle vers les données en ajoutant aux équations d’évolution des termes de
tendances basés sur la différence entre l’état du modèle et les données. La forme
générale de l’équation pour une variable α(x,t) s’écrit :
∂α
= F (α, x, t) + Gα .Wα .(α0 − α) (2.21)
∂t
F représentant les termes physiques d’advection, de Coriolis etc, α est une va-
riable du modéle qui est relaxée, Gα est le coefficient de relaxation pour la
variable α, la variation temporelle et spatiale est déterminée par la fonction 4D
W qui spécifie le poids horizontal, vertical et en temps appliqué aux analyses,
W=wxy wσ wt . Le terme Gα doit vérifier pour des conditions de stabilité numé-
1
rique, Gα < ∆t .
Ce chapitre a permis de voir la base du modèle utilisé. Il était utile dans le

sens où l’utilisateur doit fixer certaines constantes (notamment pour le nudging)
et donc avoir une connaissance de la méthode au préalable. Maintenant nous
pouvons étudier le modèle proprement dit en présentant les différents modules
le composant.
19
Chapitre 3
Mise en oeuvre de MM5
La réalisation d’une simulation à l’aide de MM5 se fait en plusieurs étapes

comme le montre la figure 3.1. Premièrement le module TERRAIN assure la
mise en place des domaines de calcul ainsi que des données topographiques et
de végétation correspondantes. Ensuite REGRID permet d’introduire des don-
nées météorologiques dans le modèle en les interpolant à ces domaines. A partir
de ces données, INTERPF créé les conditions initiales et aux bords permettant
d’initialiser la partie numérique du modèle, le module MM5.
La suite de ce chapitre va être consacrée à la description de ces différents

modules.
Sommaire
3.1 Les modules de MM5 . . . . . . . . . . . . . . . . . . 21
3.1.1 Terrain . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Regrid . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.3 Interpf . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.4 MM5 . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Emboı̂tement . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1 Emboı̂tement pour les données topographiques . . . 29
3.2.2 Initialisation de l’emboı̂tement . . . . . . . . . . . . 30
3.2.3 Nestdown . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Assimilation de données . . . . . . . . . . . . . . . . 31
3.3.1 Utilité de l’assimilation . . . . . . . . . . . . . . . . 32
3.3.2 Différentes méthodes . . . . . . . . . . . . . . . . . . 32
3.3.3 Activation de l’assimilation sous MM5 . . . . . . . . 32
3.4 Autres modèles existant . . . . . . . . . . . . . . . . 33
3.4.1 WASPS . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.2 MESOMAP . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.3 MESONH . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.4 WRF . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.5 CALMET . . . . . . . . . . . . . . . . . . . . . . . . 36
20
Programmes Entrées sorties procédé
Terrain données topo- topographie, végé- interpolation
graphiques et tation sur la grille spatiale et
définition de la de calcul lissage
grille de calcul
Regrid sorties de terrain, champs 2D et 3D en interpolation
données météorolo- niveaux de pression 2D, 3D
giques et définition sur la grille de cal-
des niveaux de pres- cul
sion
Interpf sorties de Regrid champs 2D et 3D interpolation
et définition des ni- en niveau σ pour les verticale et
veaux σ conditions initiales, correction
latérales et de sur- des champs
face de vent
MM5 sorties de Interpf et champs 2D et 3D si-
options de simula- mulés
tion
Fig. 3.1 – Fonctionnement global de MM5
3.1 Les modules de MM5

3.1.1 Terrain
Dans un premier temps il convient de définir la grille de calcul. Le pro-
gramme TERRAIN a pour fonction d’interpoler les données topographiques et
de végétation sur cette grille. Ce programme procède en trois étapes :
– Lecture des données topographiques et de végétation.

– Interpolation selon la latitude et la longitude de ces données sur la grille.
– Création des fichiers de sortie à savoir fichier de topographie, végétation
et autres données terrestres appliqués à la grille.
Domaine de calcul
Il faut pour l’utilisateur définir les caractéristiques du domaine sur lequel
les simulations seront ensuite effectuées. Pour définir le domaine, il faut fournir
au programme la latitude et longitude du point central de ce celui-ci ainsi que
le nombre de points du maillage en X et en Y et enfin la résolution voulue en
kilomètres de la grille, sur ce domaine, des données topographiques vont ensuite
être interpolées.
Les données topographiques

Le programme nécessite des données de topographie, végétation, eau, type
de sol. Toutes ces données sont disponibles à différentes résolutions, à savoir
21
1degré, 30,10,5 ou 2 min, et 30secondes. Des données globales sont disponibles
à l’USGS (US Geological Survey), elles sont téléchargeables sur :
ftp://ftp.ucar.edu/mesouser/MM5V3/TERRAIN_DATA
pour toutes les résolutions exceptée celle à 30 secondes. La base est constituée
par une carte topographique en 2 dimensions (courbes de niveau). Les courbes
de niveaux sont digitalisées afin d’obtenir un fichier de points comprenant les
paramètres topographiques suivants : longitude (X), latitude (Y), altitude (Z).
Ensuite, un traitement statistique permet de calculer les altitudes selon une
maille règulière.
La base de données GTOPO30 est un modèle numérique des différentes altitudes
de la Terre. Les données à 30 secondes sont disponibles sur :
ftp://edcftp.cr.usgs.gov/pub/data/gtopo30/global
Si on traduit en kilomètres la résolution horizontale de toutes ces données cela

correspond approximativement (à l’équateur) à :
1 degré 111km
30 minutes 56km
10 minutes 19km
5 minutes 9km
2 minutes 4km
30 secondes 0.9km
Paramètres du programme
Pour définir les caractéristiques du domaine d’étude il est nécessaire de fixer
certains paramètres ceux-ci se trouvent dans le fichier terrain.deck, les princi-
paux paramètres sont :
PHIC latitude du point central du domaine
XLONC longitude du point central
IPROJ type de projection : Lambert-conformal ou Mercator
DIS resolution de la grille (en km)
NTYPE Choix de résolution des données en entrée (1deg,
30,10,5 ou 2 min ou 30s)
Lorsque l’initialisation des domaines a été effectuée, il est possible de passer
au programme REGRID.
3.1.2 Regrid
Le programme REGRID a pour but la lecture de données météorologiques
(analyses ou prévisions) puis l’interpolation de celles-ci aux grilles définies par
TERRAIN. Cette tâche est divisée en deux parties :
– Lecture et interpolation des données météo d’entrée
– Interpolation des données sur la grille de calcul, les champs obtenus sont
en niveaux de pression
22
Les données météorologiques
Le programme peut lire différents formats de données dont GRIB, ON84
ou NCEP. Le format le plus courant est GRIB (GRIdded Binary format). Ces
fichiers sont séparés en plusieurs sections, les sections avant chaque enregis-
trement décrivent quelles données sont contenues dans l’enregistrement (para-
mètres, temps de début, temps de prévision, résolution de la grille etc ...) et
la dernière section contient les données binaires elles-mêmes. Les principales
données disponibles sont :
– réanalyses NCEP/NCAR (format NCEP)
– réanalyses ECMWF (format GRIB)
– prévisions NCEP AVN (format GRIB)
Les données de réanalyse sont des données obtenues à partir de modèles ayant
été lancés sur plusieurs années en mode assimilation de données. Des données
d’observations sont donc introduites au modèle. Suivant le type de simulation
que l’on souhaite effectuer, l’utilisation de certains types de données est préfé-
rable. Dans le cadre de simulations à long terme, notamment pour l’éolien, les
données de réanalyse sont très utiles. Par contre pour effectuer des prévisions,
les données AVN sont appropriées.
Réanalyses NCEP/NCAR
”NCEP/NCAR Reanalysis Project” est un projet commun entre les NCEP (Na-
tional Centers for Environmental Prediction) et le NCAR (National Center for
Atmospheric Research). Le but de ce projet était de fournir de nouvelles analyses
atmosphériques en utilisant les données historiques et ainsi produire l’analyse
de l’état de l’atmosphére actuelle. Ces données globales ont une résolution de
2.5 x 2.5 degrés, elles sont disponibles toutes les 6 heures depuis 1948. Pour en
savoir plus sur ces données :
http://dss.ucar.edu/pub/reanalysis/
Elles sont téléchargeables au format netcdf à l’adresse suivante :
http://www.cdc.noaa.gov/cdc/reanalysis/reanalysis.shtml
Réanalyses ECMWF
La réanalyse appelée ERA-40 a été effectuée par le European Centre for Medium-
Range Weather Forecasts (ECMWF) et couvre les années 1957 à 2001. Le
ECMWF avait déjà effectué une réanalyse qui couvrait la période 1979 à 1993,
le projet ERA-15, mais le projet ERA-40 est beaucoup plus complexe, puisqu’il
recouvre quarante années. De plus, ce projet est d’autant plus complexe qu’il
couvre des périodes où les avancées technologiques en matière d’observations
météorologiques ont été très importantes, notamment avec l’apparition et la
généralisation de l’utilisation des satellites. Comme précedemment les données
sont globales et disponibles à une résolution de 2.5 x 2.5 degrés toutes les 6
heures. Pour en savoir plus sur ces données :
http://www.ecmwf.int/products/data/archive/descriptions/e4/
Ces données sont téléchargeables à l’adresse :
http://data.ecmwf.int/data/d/era40_daily/
23
Prévisions NCEP AVN AVN est un modèle numérique de prévision qui
produit en temps réel des données de prévision jusqu’à 360 heures (15 jours).
Ces données sont accessibles à l’adresse suivante et leur résolution est de 1.0 x
1.0 degré :
ftp://ftpprd.ncep.noaa.gov/pub/data/nccf/com/avn/prod/
Comme mentionné précédemment, pour le sujet de stage il est préférable
d’utiliser des données de réanalyse, en effet la compréhension des phénomènes
passés permet notamment, par comparaison avec les simulations numériques,
d’améliorer les modèles de prévision utilisés en leur intégrant le maximum d’ob-
servations. Cela revient à utiliser le maximum de données disponibles pour mieux
décrire les phénomènes atmosphériques.
Il faut fournir au programme les paramètres suivants :
– Format des données en entrée (GRIB, ON84 ou NCEP)

– Choix de la Vtable (table contenant les champs météorologiques à extraire)
en fonction des données utilisées (AVN, ERA, ETA...)
– Date et heure de début de l’analyse et Date et heure de fin
– Intervalle de temps entre chaque fichier de données en entrée
A cette étape, les données météorologiques ont étés interpolées sur les grilles
de calcul, le module suivant, INTERPF va effectuer l’initialisation du modèle.
3.1.3 Interpf
Ce programme prend les niveaux de pression des champs météo produits par
REGRID, et les niveaux sigmas définis par l’utilisateur, et interpole les données
de niveaux de pression aux niveaux sigma. Une fois cette interpolation réalisée,
il fournit les conditions initiales, aux bords et au niveau du sol pour le modèle.
Ce processus se fait en plusieurs étapes :
– Interpolation des variables des niveaux de pression aux niveaux σ hydro-
statiques
– Déplacement de la divergence moyenne pour limiter les bruits contenus
dans les données.
– Calcul de l’état de référence
– Initialisation du modèle non hydrostatique
Interpolation verticale hydrostatique

Nous allons voir maintenant comment passer des niveaux de pressions aux
niveaux σ. Ce processus nécessite seulement une interpolation. Etant donné que
la coordonnée σ est définie pour être contenue entre le maximum et le minimum
de pression, aucune extrapolation n’est nécessaire. L’interpolation verticale uti-
lise typiquement des techniques linéaires en pression.
La pression hydrostatique est définie par : Pijk = σk .Pij∗ +Ptop
avec σ la coordonnée verticale 1D valant 1 au sol et 0 au sommet du modèle ;
Ptop la pression constante au sommet du modèle ;
et P ∗ est la différence entre la pression au sol et la pression constante Ptop du
24
Pa , αa
Pσ, α σ
Pb , αb
Fig. 3.2 – profil vertical d’une surface σ avec les couches isobares entourantes.
Le point représente l’endroit sur la surface σ où une interpolation est requise.
sommet du modèle. Supposons vouloir déterminer la valeur d’un champ α du

modèle à un niveau σ, notons ασ cette valeur.
L’interpolation est linéaire donc :
Pσ − PA ασ − αPA
=
PB − Pσ αPB − ασ
ceci donne :
αPA (PB − Pσ ) + αPB (Pσ − PA )
ασ =
PB − PA
Correction des données

Déplacer la divergence moyenne permet au modèle de débuter avec une plus
petite quantité de bruit au niveau des conditions initiales par rapport au bruit
contenu dans les analyses. On cherche à éliminer le maximum de parasites pour
construire l’état initial. Les différentes étapes du processus sont :
1. Pondération de la pression par u et v à chaque niveau σ
P Uijk = Pij∗ .uijk , P Vijk = Pij∗ .vijk (3.1)
2. Moyenne verticale :
X X
Uintegij = P Uijk .∆σk , Vintegij = P Vijk .∆σk (3.2)
k k
3. Divergence de la pression pondérée par le vent moyennée verticalement, m

étant le facteur d’échelle aux croix (mX ) et aux points (mD ) de la grille
de calcul (cf chapitre précédent).
∂ ∆(U
Uintegij integij /mD ) ∆(Vintegij /mD )
DIVij = ∂x
∂ . DIVij = m2X +
∂y Vintegij ∆x ∆y
(3.3)
25
4. résolution du potentiel de vitesse avec des conditions aux bords fixées
(χij ≡ 0)
∇2 χij = DIVij (3.4)
5. composantes divergentes moyennes de vent
mD ∆χ
UDIVij = (3.5)
p∗ ∆x
mD ∆χ
VDIVij = (3.6)
p∗ ∆y
6. pondération verticale
wk = 2(1 − σk ) (3.7)
7. Composantes du vent corrigées
Ucorrectedij = uijk − UDIVij ∗ wk (3.8)
Vcorrectedij = vijk − VDIVij ∗ wk (3.9)
Calcul de l’état de référence

La coordonnée σ est une fonction de la pression de l’état de référence (en
mode non-hydrostatique), de la pression à la surface et de la pression sur le
couvercle du modèle. σ varie de 1 à la surface à 0 au sommet du modèle. Dans
le modèle non-hydrostatique, la pression, la température et la densité sont dé-
finies dans le cadre d’un état de référence. L’état de référence pour le modèle
MM5 est construit à partir de plusieurs constantes imposant la température et
la pression au niveau de la surface ainsi qu’un profil des températures.
Constantes :
– P00 : pression de référence au niveau de la mer, par défaut 100000Pa.

– Ts0 : température de référence au niveau de la mer, par défaut 275K.
– A : gradient de température de référence, par défaut 50.
– PT OP : pression de référence en haut du modèle, par défaut 10000Pa.
A partir de cette état de référence, on peut définir une hauteur z de référence
directement liée aux valeurs de σ à l’aide de plusieurs étapes on obtient :
h R ∗ A P 2 R ∗ T P0 i
0 s0
z=− ln + ln (3.10)
2g P00 g P00
avec P0 =Ps0 σ+Ptop où Ps0 =P0 (surface)-Ptop ce qui donne une hauteur (indé-
pendante du temps) à chaque surface σ, ainsi chaque localisation i,j,k est une
fonction d’un σ constant et de l’élévation du terrain.
26
Initialisation du modèle non hydrostatique
Comme mentionné en introduction, le programme va fournir les conditions
initiales du modèle. Interpf génére en premier un fichier d’entrée hydrostatique
sur les niveaux sigma hydrostatiques, qui est basé sur la pression à l’instant
traité et non la pression de référence. Dans le but d’initialiser les données pour
le modèle non-hydrostatique une petite interpolation verticale complémentaire
est effectuée pour passer aux niveaux sigma non-hydrostatiques. Ceci implique
tout d’abord de calculer la hauteur des niveaux hydrostatiques puis ensuite de
procéder à une interpolation linéaire de u,v,T et q sur les niveaux sigma, u et v
étant les composantes du vent, T la température et q le taux d’humidité.
Le programme INTERPF fournit les champs 3D dépendant du temps, à

savoir vents, humidité, température et pression, les frontières latérales de ces
champs 3D et les champs de température à la surface (température à la surface
de l’eau et de la terre). A l’aide de toutes ces données, la partie numérique peut
être initialisée.
3.1.4 MM5
Nous décrivons ici la partie numérique du modèle. Dans ce paragraphe nous
nous attacherons à décrire les paramètres du programme et les variables cal-
culées. MM5 posséde également un grand nombre d’options physiques qui sont
présentées en annexe.
Pour toute simulation outre les paramètres précédents, il faut initialiser des
variables plus ”basiques” à savoir le temps de simulation, la possibilité de redé-
marrer à partir des résultats d’une précédente simulation etc ... Les paramètres
suivants sont présents dans le fichier mm5.deck.
27
TIMAX durée totale de la simulation en minutes
TISTEP pas de temps pour le domaine grossier (typiquement 3*dx)
IFREST booléan déterminant si la simulation est un redémarrage à partir
de résultats d’une simulation précédente
IXTIMR temps du redémarage en minutes (mentionné à la fin du fichier de
diagnostique mm5.print.out de la première simulation)
IFSAVE booléan déterminant s’il faut créer un fichier de sauvegarde pour
ensuite pouvoir faire des redémarages à partir de ce fichier
SVLAST booléen valant TRUE si on veut sauvegarder seulement le der-
nier instant de la simulation dans le fichier de sauvegarde ou bien
FALSE pour faire plusieurs sauvegardes au cours de la simulation
SAVFRQ fréquence de sauvegarde des données en minutes (si SV-
LAST=FALSE)
TAPFRQ fréquence de sortie des résultats du modèle dans le fichier
MMOUT (en minutes)
BUFFRQ fréquence de séparation du fichier de sortie (possibilité d’avoir un
fichier différent pour chaque sortie du modèle) pris en compte si
supérieur à TAPFRQ
XSTNES temps d’initialisation de chaques domaines si on fait une simula-
tion sur plusieurs domaines en même temps.
XENNES temps de terminaison pour chaques domaines.
IACTIV en cas de redémarrage sert à mentionner si un domaine est actif
(=1) ou non (=0)
A partir du moment où tous les paramètres précédents ont été initialisés il est
possible de lancer des simulations qui vont aboutir à la création d’un fichier (au
format MM5) contenant l’état du modèle à la fréquence voulue choisie précé-
demment par l’utilisateur.
Variables calculées
Lors de la simulation, les variables suivantes sont calculées :
28
variable signification
tg température au sol (K)
rc précipitations convectives accumulées (cm)
rn précipitations non convectives accumulées (cm)
sst température au niveau de l’eau (K)
t2m température à 2m (K)
u10 composante u à 10m (m/s)
v10 composante v à 10m (m/s)
pslv pression au niveau de l’eau (mb)
pwat précipitations d’eau (cm)
clfrlo couverture nuageuse de basse altitude
clfrmi couverture nuageuse de moyenne altitude
clfrhi couverture nuageuse de haute altitude
u composante u du vent (m/s)
v composante v du vent (m/s)
w composante w du vent (m/s)
pp préssion de perturbation (Pa)
t température (K)
Outre les différents programmes que nous venons de présenter, certaines

notions sont importantes dans MM5. Il est nécessaire de bien comprendre la
notion d’emboı̂tement et d’assimilation de données.
3.2 Emboı̂tement
Cet aspect est très important lorsque l’on veut réaliser des simulations les
plus précises possibles en un lieu donné. La notion d’emboı̂tement est abordée
dans les modules TERRAIN et MM5.
3.2.1 Emboı̂tement pour les données topographiques

MM5 permet de créer des zooms sur des zones données d’une grille, en aug-
mentant la résolution spatiale sur ces zones, il va donc y avoir emboı̂tement de
deux grilles. Dans ce cas, il est possible de choisir un emboı̂tement dit ”two-way”
ou ”one-way”. En ”one-way” seul le domaine grossier peut affecter le domaine
plus fin. Les conditions limites du domaine fin sont dérivées de celles du domaine
grossier par interpolation. En ”two-way” les résultats sur le domaine fin peuvent
affecter la solution sur le domaine grossier, dans ce cas, l’interaction est totale
entre les différents domaines. Une procédure spécifique est utilisée pour assurer
la consistance entre chaque domaine au niveau des données topographiques. Le
programme procéde suivant les étapes suivantes :
1. Interpolation des données topographiques de la grille mère, à la grille fine.
2. Pour les lignes et colonnes 1 à 3 (two-way) ou 1 à 4 (one-way) le long de
la frontière du domaine, les valeurs sont remplacées par celles du domaine
parent.
3. Pour les lignes et colonnes 4 à 6 (two-way) ou 5 à 7 (one-way) mélange
des valeurs de la grille fine avec celles de la grille mère.
29
4. Ensuite dans le cas du ”two way” les valeurs intérieures au domaine fin
sont utilisées pour écraser celles du domaine grossier.
Domaine grossier
Remplacement des
Domaine fin valeurs par celles de
du domaine grossier
Mélange des valeurs

du domaine fin et du
domaine grossier
Pour initialiser les grilles fines dans TERRAIN, il faut mentionner les coordon-
nées du point en bas à gauche de la grille fille par rapport à la grille mère, puis
la résolution et le nombre de mailles en X et en Y.
Les paramètres suivants doivent être fixés pour chaque domaine de calcul.
MAXNES nombre de domaines de calcul
NESTIX dimension de la grille en Y
NESTJY dimension de la grille en X
NESTI coordonnée en Y du point inférieur gauche du do-
maine par rapport à la grille mère
NESTJ coordonnée en X du point inférieur gauche du do-
maine par rapport à la grille mère
NSTTYP Choix de l’emboı̂tement ”one way” ou ”two way”
3.2.2 Initialisation de l’emboı̂tement

Le choix entre un emboı̂tement ”two way” ou ”one way” est effectué aupara-
vant dans TERRAIN. Si l’option ”two way” est choisie il faut préciser l’option
d’initialisation (paramètre IOVERW présent dans mm5.deck) :
0 Interpolation : Toutes les informations incluant la topographie sont in-

terpolées à partir du domaine grossier pour commencer l’emboı̂tement. Ceci
peut être utilisé dans des cas où la topographie n’est pas essentielle comme par
exemple au dessus de l’eau ou des terrains très plats.
1 Fichier d’initialisation en entrée : Ce fichier est un fichier contenant les

conditions initiales pour la grille fine, comprenant des données météo et de to-
pographie à plus haute résolution et ainsi peut donner une plus grande précision
à l’analyse initiale.
2 Fichier de TERRAIN en entrée : Cela nécessite le fichier de TERRAIN

de la grille fine pour l’emboı̂tement. Les champs météo sont interpolés de la
grille grossière mais les données de terrain et végétation sont remplacées par
des champs de plus haute résolution provenant du fichier de TERRAIN. Ainsi
30
l’avantage est que cela permet un raffinement de la topographie.
Un autre paramètre (IFEED) permet de préciser la manière par laquelle une

grille fille va échanger les informations avec le domaine parent :
0 Pas de ”feedback”, similaire au ”one way” à une exception prète, les conditions
limites vont être mise à jour par le domaine parent à chaque pas de temps.
1 Moyenne pondérée à partir de 9 points. On utilise une moyenne pondérées des
points de la grille fine entourant un point du domaine parent.
2 Seuls les points coı̈ncident échangent des informations.
Concrétement un module complémentaire de MM5 permet de créer des don-

nées d’initialisation pour la grille fine à partir de données de simulation sur la
grille mère.
3.2.3 Nestdown
Ce programme va être utile pour générer des conditions initiales et aux bords
pour les grilles fines à partir des données de la simulation sur la grille grossière.
Des fichiers d’initialisation (identiques à ceux créé par INTERPF) vont pouvoir
être obtenus avec possibilité d’augmenter la résolution verticale.
Etapes de calcul
Le programme NESTDOWN interpole horizontalement les données en co-
ordonnées σ de la grille grossière sur la grille fine. Il est possible de modifier
le nombre de niveaux verticaux ou leur distribution dans l’espace dans le but
d’augmenter la résolution verticale en complément d’une grille horizontale plus
fine. Les données d’entrée sont en coordonnées σ à savoir les sorties du modèle
méso-échelle. Le programme utilise le fichier de TERRAIN pour la grille fine et
va procéder de la manière suivante :
– traitement du fichier de résultat sur la grille grossière ainsi que des données
de TERRAIN sur la grille fine.
– interpolation horizontale des données de la grille grossière sur la grille fine
pour les données 3D.
– interpolation horizontale des données 2D.
Un autre aspect très important dans MM5 et qui nous servira par la suite
est la notion d’assimilation de données.
3.3 Assimilation de données

Les méthodes d’assimilation de données sont des méthodes mathématiques
qui ont pour objectif de faire une utilisation optimale du couple modèle nu-
mérique, observations. Ainsi les équations du modèle assurent la consistence
dynamique pendant que les observations gardent le modèle près des conditions
réelles et masquent ainsi les erreurs.
MM5 utilise une méthode simple d’assimilation de données dite méthode de
relaxation Newtonienne appelée aussi technique de nudging.
31
3.3.1 Utilité de l’assimilation
Initialisation dynamique : l’assimilation de données est appliquée pen-
dant une période précédent la prévision pour laquelle des observations ou des
analyses existent. Ainsi lorsque la prévision débute l’assimilation de données est
stoppée.
Analyse dynamique : c’est la même chose que précédement, sauf que le

but est de produire une analyse consistante prenant en compte dynamiquement
l’équilibre fourni par le modèle et les observations introduites. Cette analyse
peut être utilisée pour initialiser les simulations à haute résolution.
3.3.2 Différentes méthodes

Il y a deux méthodes de nudging dans MM5, celles-ci peuvent être utilisée
individuellement ou combinée.
Nudging à partir d’analyses : des termes de relaxation sont ajoutés aux

équations de prévision, pour le vent, la température et l’humidité. Ces termes
relaxent les valeurs du modèle vers une analyse donnée. La technique est mise
en oeuvre par l’obtention d’analyses sur la grille du modèle pendant la période
d’assimilation, celles-ci sont fournies au modèle dans un fichier d’entrée. Le mo-
dèle interpole linéairement en temps les analyses pour déterminer la valeur vers
laquelle il relaxe sa solution. L’utilisateur choisit la valeur de la constante de
relaxation utilisée pour chaque variable (vent, température, etc...).
Nudging à partir d’observations : Cette méthode est utilisable dans le

cas où l’on dispose également d’observations. Elle utilise de même des termes de
relaxation, mais le terme de relaxation est basé sur l’erreur du modèle aux sta-
tions d’observations. La relaxation est ainsi pratiquée pour réduire cette erreur.
Chaque observation a un rayon d’influence, un intervalle de temps et une échelle
de temps de relaxation pour savoir où, quand et comment cette observation peut
affecter la solution du modèle. Typiquement un point du modèle peut être sous
l’influence de plusieurs observations dans ce cas leurs contributions sont pon-
dérées suivant la distance. Pour pouvoir mettre en oeuvre cette méthode un
fichier d’observations en entrée est nécessaire celui-ci listant chronologiquement
les positions 3D et les valeurs de chaque observation.
3.3.3 Activation de l’assimilation sous MM5

Dans le fichier mm5.deck deux variables nommées I4D et I4DI permettent
d’activer ou non l’assimilation de données. Pour chaque domaines I4D est mis à
1 pour un nudging d’analyse et à 0 sinon, de même pour I4DI pour le nudging
d’observation. Ensuite une fois que cette option est activée, pour les domaines
concernés il faut choisir les variables à assimiler ainsi que les coefficients de re-
laxation à appliquer à chacune de ces variables. Voici la liste des paramètres à
initialiser pour les deux types d’assimilations disponibles, avec les noms de ces
paramètres et leur signification.
32
analyse observation signification
FDASTA instant auquel on débute l’assimilation de données
FDAEND instant auquel l’assimilation prend fin
DIFTIM intervalle de temps entre deux fichiers d’analyse en
entrée
IWIND ISWIND activation (valeur 1) ou non (valeur 0) de l’assimila-
tion pour le champ de vent
GV GIV coefficients de nudging pour le champ de vent
ITEMP ISTEMP activation (valeur 1) ou non (valeur 0) de l’assimila-
tion pour le champ de température
GT GIT coefficients de nudging pour le champ de température
IMOIS ISMOIS activation (valeur 1) ou non (valeur 0) de l’assimila-
tion pour le champ d’humidité
GQ GIQ coefficients de nudging pour le champ d’humidité
IROT activation (valeur 1) ou non (valeur 0) de l’assimila-
tion pour le rotationnel du vent
GR coefficients de nudging pour le rotationnel
3.4 Autres modèles existant

Outre MM5 de nombreux modèles existent et peuvent s’appliquer au do-
maine de l’èolien. Nous allons présenter par la suite quelques uns de ces modèles.
3.4.1 WASPS
Ce modèle intitulé Wind Atlas Analysis and Application Program, est déve-
loppé spécialement pour la réalisation des Atlas éoliens. Il a été mis au point par
le Laboratoire de l’énergie éolienne et physique de l’atmosphère ”Riso National
Laboratory, Roskilde, Danemark”. Ce logiciel fonctionne sur tout PC avec au
minimum Windows 98 (seconde édition). Les applications de ce logiciel sont les
suivantes :
– Production de fermes éoliennes
– Efficacité des fermes éoliennes
– Calcul de la production d’énergie
– Carte des vents
– Estimation du climat
– Génération d’Atlas éolien
– Analyse des données
Ces prédictions sont basées sur des données éoliennes mesurées à des stations,
dans une même région. Le programme comporte un modéle d’écoulement pour
terrains complexes et un modéle de changement de rugosité. Une résolution de
100m peut être obtenue pour la visualisation des résultats. Le logiciel Wasp
calcule, à partir des données introduites, une statistique de la vitesse et de la
répartition de la distribution du vent, de l’effet de l’obstacle et de la topographie
ainsi que des rendements énergétiques à l’emplacement choisi. Les résultats de
l’analyse de l’Atlas éolien régional se présentent sous forme de tableaux de para-
mètres de Weibull correspondant à 12 secteurs d’azimut standard, cinq hauteurs
entre 10 et 200 mètres et quatre types de rugosité.
Pour plus d’informations :
33
http://www.wasp.dk/
3.4.2 MESOMAP
Ce modèle comprend plusieurs composantes. Tout d’abord il y a le mo-
dèle météorologique MASS (Mesoscale Atmospheric Simulation System), puis
un modèle d’écoulement du vent (WindMap). MASS est un modèle numérique
similaire à MM5 commercialisé et développé par MESO Inc. Mass fonctionne
sur des résolutions d’environ 1 à 3 km. Windmap utilise le champ de vent pro-
duit par MASS comme une première approximation. Ceci permet d’atteindre
des résolutions de l’ordre de 100 à 200 mètres. Les données d’entrée du modèle
MASS sont les données de réanalyse NCEP/NCAR. La manière de procéder
est très proche de celle utilisée par MM5, tout d’abord il faut définir plusieurs
grilles de calcul autour de la zone d’intérêt. Typiquement la grille grossière fait
2000km de large avec une résolution de 30km. Il y a ensuite 2 ou 3 grilles fines,
par conséquent la résolution finale est de l’ordre de 1 à 3km. Les principales
erreurs de ce systéme proviennent du modèle d’écoulement de vent Windmap
par le fait que des données de végétation et de topographie sont très rares à une
résolution de 100 à 200m.
3.4.3 MESONH
Le système de simulation atmosphérique Meso-NH provient d’un travail
conjoint du Centre National de Recherches Météorologiques (Météo-France) et
du Laboratoire d’Aérologie (CNRS de Toulouse) . Celui-ci comprend plusieurs
éléments : un modéle numérique capable de simuler les mouvements atmosphé-
riques, des outils permettant de préparer les états initiaux. Méso-NH est un
modèle atmosphérique non hydrostatique couvrant une gamme d’échelles éten-
due (1 m à 100 km). Il est doté d’une représentation sophistiquée de la physique
et d’un module de chimie. Plusieurs organismes français et étrangers l’utilisent
désormais. Les applications potentielles de ce modèle de recherche sont nom-
breuses : exploitation de mesures passées ou futures, étude de processus, météo-
rologie urbaine, environnement, hydrologie, climatologie fine. Le successeur de
Meso-NH devrait être AROME (Application of Research to Operations at Me-
soscalE) qui est un modèle de prévision, non hydrostatique, à haute-résolution
avec un système d’assimilation de données qui sera appliqué officiellement en
2008.
3.4.4 WRF
Le développement du modèle WRF (Weather Research and Forecast) a débuté

récemment par la division météorologie du NCAR. Ce modèle a un fonctionne-
ment qui s’approche quelque peu de celui de MM5, il convient pour des appli-
cations méso-échelles. Tout comme MM5, ce logiciel est open source et est donc
disponible gratuitement. Comme représenté figure 2.1 WRF se décompose en
plusieurs programmes :
WRFSI qui est un programme d’initalisation qui permet de définir les domaines
de calcul, d’interpoler les données topographiques puis les données météo à ces
34
Fig. 3.3 – Schématisation de WRF
domaines.
3DVAR qui est un programme optionnel permettant d’ajouter des observations
aux champs interpolés créés par WRFSI.
WRF qui est constitué de plusieurs programmes d’initialisation pour les simula-
tions, d’un programme d’intégration numérique. Les principales caractéristiques
sont les suivantes :
– modèle non-hydrostatique (avec une option hydrostatique)
– termes prenant en compte la force de Coriolis et les effets de courbure de
la terre
– emboitement ”two-way” avec plusieurs niveaux de grilles
– emboitement ”one-way”
– coordonnée σ suivant la topographie
– possibilité de faire varier la résolution verticale avec l’altitude
– 3 types de projection (Mercator, Lambert, polaire)
– différenciation sur une grille d’Arakawa de type C (grille de type B pour
MM5 cf chapitre suivant)
– intégration temporelle avec un schéma de Runge-Kutta d’ordres 2 et 3
– schéma d’advection d’ordre 2 à 6 (horizontalement et verticalement)
– découpage du temps en petit pas de temps pour les ondes sonores (idem
pour MM5 cf chapitre suivant)
– petit pas horizontalement explicites et verticalement implicites
– option d’atténuation de la divergence
– options physiques pour la surface, les cumulus, la couche limite planétaire,
le rayonnement, la microphysique.
35
3.4.5 CALMET
De manière identique à l’association MASS-Windmap, MM5 peut être as-
socié à CALMET (Computer Aided Learning in Meteorology). Ce modèle de
diagnostic météorologique peut être utilisé pour générer des champs de vents
tridimensionnels sur un domaine de modélisation choisi. Ce modèle a été mis au
point aux Etats-Unis à la fin des années 80, et est actuellement disponible auprès
de EarthTech Inc. Dans notre cas, les champs de sortie de MM5 peuvent être uti-
lisés comme champs d’estimation initiale (”first guess”). Cette approche donne
une meilleure représentation de la structure verticale de l’atmosphère, et elle
permet au modèle CALMET d’intégrer certaines influences météorologiques qui
ne seraient autrement pas prises en compte. Cette méthode présente un grand
intéret dans des régions présentant une complexité topographique importante.
Le programme ne résout pas d’équations dynamiques particulières. Son rôle est
de recaler les champs dynamiques prévus par un modèle à une topographie à
très haute résolution en appliquant des principes de conservation.
Dans ce chapitre nous avons eu une vue globale des différents modules com-
posant le modèle MM5. Ceci a permis une première approche et était indis-
pensable pour pouvoir ensuite utiliser le modèle à bon escient. Maintenant, il
convient de prendre connaissance des spécificités d’une étude orientée vers l’éo-
lien. Le chapitre suivant va permettre une vue globale sur ce domaine.
36
37
Chapitre 4
L’application à l’éolien
Ce chapitre a pour but de présenter les différents éléments entrant en jeu

pour l’installation spécifique d’une ferme d’éoliennes. La question principale
qu’il faut se poser est : pourquoi un site est meilleur qu’un autre pour
l’implantation d’éoliennes ? Pour cela voici une petite description des vents
ainsi qu’une première approche pour déterminer le potentiel éolien d’un site
donné.
Sommaire
4.1 Les vents . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2 Potentiel éolien . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 La rose des vents . . . . . . . . . . . . . . . . . . . . 41
4.2.2 Spécificités géographiques . . . . . . . . . . . . . . . 42
4.2.3 Conditions d’exploitation d’un site . . . . . . . . . . 42
4.1 Les vents

La détermination des directions et de la puissance des vents joue un rôle
important lors de l’installation d’éoliennes, c’est pourquoi il semble important
d’étudier leur particularité.
On peut distinguer deux types de vents : les vents géostrophiques, aussi com-
munément appelés globaux, et les vents de surface. Les vents globaux sont le
produit d’écarts de température et des variations de pression qui en découlent.
Aussi la surface du sol n’influe que peu sur la direction et la vitesse de ces vents.
En effet, on considère que la force de frottement (dû à la rugosité du sol) est
nulle au dessus de 1500m. Par conséquent, on les trouve à des hauteurs supé-
rieures.
Les vents de surface oscillent entre le niveau du sol jusqu’à environ 100 m. Il
faut alors tenir compte de la rugosité du terrain et des obstacles naturels ou
artificiels qui peuvent freiner ces vents. Par ailleurs, à cause de la rotation de la
terre, les directions des vents près de la surface diffèrent également un peu de
celles des vents géostrophiques. De plus, la température de surface module la
force de frottement : Sur terre, la nuit on a un refroidissement dans les basses
couches par rayonnement, d’autant plus fort que le ciel est dégagé, donc cela
38
augmente la viscosité de l’air et produit un affaiblissement du vent la nuit.
En matière d’énergie éolienne, ce sont les vents de surface de par leur capacité
énergétique qui présentent le plus grand intérêt. Comme les vents de surfaces
circulent à basse altitude, le paysage sera très important. Comme indiqué dans
les figures ci-dessous, les obstacles présents dans le chemin de l’air, modifient
considérablement la forme et la répartition des intensités du flux d’air aux alen-
tours de ces objets. Ils peuvent prendre la forme d’une colline, d’un arbre ou
d’une maison. On estime que cette perturbation se fait sentir jusqu’à une alti-
tude de 1000 mètres. Evidemment, le flux d’air se modifie surtout entre 0 et 100
mètres, il n’est donc pas nécessaire de placer l’éolienne à une grande hauteur, le
gain en stabilité ne serait que faible.
Flux d’air aux alentours d’un obstacle, vu de profil
Flux d’air aux alentours d’un obstacle, vu de haut

On doit tenir compte également de l’influence horizontale de ces mêmes obs-
tacles. Par ailleurs, lorsque les constructeurs d’éoliennes ou les ingénieurs-conseil
font des estimations de la production d’énergie d’une éolienne, ils prennent nor-
malement en considération tous les obstacles se trouvant dans la direction des
vents dominants, à moins de 1 km de l’éolienne en question. Lorsqu’on dispose
plusieurs éoliennes proches l’une de l’autre, il faut tenir compte de ces pertur-
bations, au risque de perdre une part appréciable de la rentabilité du récepteur.
De plus, on s’est aperçu que la distance entre les éoliennes mises côte à côte est
importante aussi : elles sont également l’origine de perturbations transversales.
En général, on cherche à installer les éoliennes sur une colline ou une chaı̂ne de
hauteurs qui sont plus élevées que le paysage environnant. Si l’on rencontre sou-
vent des vitesses de vent accélérées sur les collines, c’est à cause de la différence
de pression existant à l’avant et à l’arrière de celles-ci. Ainsi, le vent se trouve
comprimé par la colline à la face exposée au vent, pour s’étendre ensuite, une
fois passé le sommet, vers la zone de basse pression du côté sous le vent de la
colline (effet Venturi).
4.2 Potentiel éolien

Une éolienne capte l’énergie cinétique du vent et la convertit en un couple
qui fait tourner les pales du rotor. Trois facteurs déterminent le rapport entre
l’énergie du vent et l’énergie mécanique récupérée par le rotor : la densité de l’air,
39
la surface balayée par le rotor et la vitesse du vent. L’énergie cinétique contenue
dans un objet en déplacement est proportionnelle à sa masse volumique (ou son
poids). Elle dépend donc de la densité de l’air , c’est à dire la masse de l’air par
unité de volume. Autrement dit, plus l’air est dense, plus la partie de l’énergie
récupérable par l’éolienne est importante. De même, l’air froid est plus dense
que l’air chaud, tout comme la densité de l’air est plus faible à des altitudes
élevées (dans les montagnes) à cause de la pression atmosphérique plus basse
qui y règne.
La vitesse moyenne du vent est le plus simple indicateur de la qualité des res-
sources éoliennes d’une région. C’est la moyenne des vitesses (vi ) générées par
le modèle à chacun des N instants de mesure.
N
1 X
< v >= vi
N i=1
La densité de puissance moyenne du vent est un facteur bien plus significatif
pour la qualité éolienne d’une zone, car il correspond comme expliqué précede-
ment à la faculté du vent à faire tourner les hélices de l’éolienne. Cette densité
dépend à la fois de la densité de l’air et du cube de la vitesse du vent.
N
1 X
< P >= ρi vi3
N i=1
Cette valeur s’exprime en Watts/m2 . La densité de l’air s’exprime à partir de

la température de l’air et de la pression. une éolienne capte l’énergie en freinant
le vent. Un doublement de la vitesse du vent entraı̂nera le passage de deux fois
plus de disques d’air à travers le rotor par seconde, chaque disque transportant
quatre fois plus d’énergie (seconde loi de Newton). Le graphe montre que, à
une vitesse de vent de 8 m/s, la puissance (quantité d’énergie par seconde) sera
de 314 Watts par mètre carré, si le vent souffle d’une direction perpendiculaire
à la surface balayée par le rotor. A 16 m/s, nous obtiendrons une puissance
augmentée de 8 fois, soit 2.509 W/m 2 .
40
Un autre type d’indicateur utilisé est la distribution de Weibull qui décrit
la distribution en fréquence de la vitesse du vent. On décrit normalement les
variations du vent sur un site donné en utilisant cette distribution dont un
exemple est présenté ci-dessous. Sur cet exemple, la vitesse moyenne du vent
est de 7 m/s, et la forme de la courbe est déterminée par ce qu’on appelle un
paramètre de forme égal à 2 (ce paramètre est généralement compris entre 1.5
et 3).
Le graphe ci-dessus représente une distribution de probabilité (distribution fré-

quentielle). La probabilité que le vent souffle à une vitesse quelconque (zéro
inclus) étant obligatoirement égale à 100 %, la zone au-dessous de la courbe
sera toujours de surface égale à 1. La distribution statistique des vitesses du
vent varie d’un endroit à l’autre vu qu’elle dépend des conditions climatiques
locales, du paysage et de la surface. La distribution de Weibull tend donc à va-
rier, tant en forme qu’en valeur moyenne. Dans le cas où le paramètre de forme
est égal à exactement 2, comme c’est le cas pour le graphe ci-dessus, on parle
d’une distribution de Rayleigh. Les fabricants fournissent souvent les calculs de
performance en utilisant cette distribution. La courbe de Weibull est donnée par
l’équation :
k v k−1 −( Cv )k
p(v) = e
C C
R
Le facteur C est choisi tel que p(v)dv=1 et sa valeur est souvent estimée par :
<v>≈ 0.90C.
4.2.1 La rose des vents

Les vents les plus forts soufflent en général en provenace d’une direction par-
ticulière. Afin de mieux se faire une idée de la distribution des vitesses et des
directions du vent, on peut construire une rose des vents à partir des observations
météorologiques faites dans une région donnée. La rose des vents correspond à
un compas. Elle se compose de plusieurs sections, l’horizon ayant été divisée
en 12 secteurs de 30degrés ceci étant le standard appliqué par l’Atlas Eolien
Européen. Le rayon de chacun des douze secteurs coniques indique la fréquence
relative de chaque direction du vent. La rose des vents nous indique les vitesses
relatives du vent soufflant dans des directions différentes. Chacun des trois types
de données a été multiplié un certain nombre de fois de sorte que le rayon de la
section la plus importante des douze correspond à celui du cercle concentrique
le plus grand. La rose des vents joue un rôle très important dans la localisation
de sites appropriés à l’installation d’éoliennes. Si une grande partie de l’énergie
contenue dans le vent provient d’une direction particulière, il faut chercher à
41
avoir aussi peu d’ obstacles et un terrain aussi peu perturbé que possible dans
cette direction. Cependant les régimes de vent ainsi que la capacité énergétique
tendent à varier d’une année à une autre (en général d’environ 10 % au maxi-
mum) - par conséquent, pour obtenir un résultat fiable, il vaut mieux baser ses
calculs sur des observations (ou une modélisation) faites sur plusieurs années,
c’est ce qui va être effectué en pratique.
4.2.2 Spécificités géographiques

Les régions montagneuses donnent naissance à beaucoup de phénomènes cli-
matologiques intéressants. La brise de vallée en est un exemple. Elle se produit
sur les versants exposés au sud dans l’hémisphère Nord (au nord dans l’hémi-
sphère Sud). Le réchauffement des versants et de l’air avoisinant font tomber
la densité de l’air. En conséquence, l’air commence à s’élever vers le sommet
de la montagne, produisant ce que l’on appelle une brise montante. La nuit,
le phénomène s’inverse et une brise descendante se produit. Si le creux d’une
vallée est en pente, on peut observer l’effet dit de canyon, les vents montant et
descendant le long des versants qui entourent la vallée. Les vents s’écoulant le
long des versants des montagnes peuvent être très violents. Comme exemple, on
peut citer le phénomène de Foehn que l’on trouve dans les Alpes. Ceci oblige à
faire des études à basse résolution car des phénomènes à échelle locale affectent
grandement le potentiel éolien d’un site donné. De même ceci justifie pleinement
l’utilisation d’un modèle non-hydrostatique.
4.2.3 Conditions d’exploitation d’un site

Nous présentons ici une classification grossière du potentiel éolien d’un site
en fonction de la vitesse des vents qui s’y exercent :
– 4,5 m/s : ceci correspond seulement à la vitesse d’amorçage, il faut ensuite
un minimum de vent pour qu’elle se mette à tourner.
– 6 m/s : c’est une vitesse moyenne des vents permettant d’exploiter sérieu-
sement une éolienne pour produire de l’énergie. Si la moyenne des vents
où vous projetez d’installer des éoliennes est plus basse, il n’est pas sûr
que l’opération soit rentable.
– 8 m/s : seuil idéal pour installer une éolienne.
– 15 m/s : un bon vent pour une éolienne, elle est ainsi en pleine production.
– 25 m/s : les petites éoliennes doivent être arrêtées car trop fragile. Les
plus grandes fonctionnent bien, mais les contrôles automatiques réduisent
sa capacité.
– 30 m/s : toutes les éoliennes sont arrêtées
42
Pour le moment il n’existe aucun systéme de classification standard pour les
ressources éoliennes. La classification la plus largement répandue est celle du
Laboratoire National des Energies Renouvelables (US NREL). Les vents sont
donnés à des altitudes de 30 et 65m qui correspondent approximativement aux
hauteurs des éoliennes.
Vitesse Potentiel convenance Vitesse convenance
à 65m à 65m pour de grandes à 30m pour de petites
(m/s) (Watts/m2 ) éoliennes (m/s) éoliennes
<5.5 <200 faible <4.0 faible
5.5-6.0 200-250 faible 4.0-4.5 faible
6.0-6.5 250-320 moyen 4.5-5.0 moyen
6.5-7.0 320-400 moyen 5.0-5.5 bon
7.0-7.5 400-500 bon 5.5-6.0 bon
7.5-8.0 500-600 bon 6.0-6.5 très bon
8.0-8.5 600-720 très bon 6.5-7.0 très bon
8.5-9.0 720-850 très bon 7.0-7.5 excellent
9.0-9.5 850-1000 excellent 7.5-8.0 excellent
>9.5 >1000 excellent >8.0 excellent
L’atlas éolien de l’Europe présenté figure 4.1 permet de se faire une première
idée globale des zones plus ou moins intéressantes de par leur potentiel éolien.
Ce chapitre a permis de prendre connaissance de phénomènes relativement

importants pour notre étude. Premièrement pour avoir des résultats fiables,
les simulations doivent être effectuées sur de longues périodes pour éliminer la
variabilité des vents d’une année sur l’autre. De même une étude locale à basse
résolution est indispensable pour ne pas omettre certains phénomènes éoliens
dans notre étude. Le chapitre suivant va décrire la stratégie de calcul utilisée
ainsi que les résultats obtenus.
43
source : http ://www.windpower.org
Terrains Terrains Au bord Mer ou- Collines
avec dégagés de mer verte
obstacle
Fig. 4.1 – Atlas éolien de l’Europe de l’Ouest
44
45
Chapitre 5
Application
Nous avons présenté dans les précédents chapitres les spécificités de la

modélisation à l’aide de MM5 et les contraintes imposées par une étude pour
l’éolien, nous passons ici à la partie simulation. Il s’agit dans un premier temps
de mettre en place toutes les composantes préalables à la simulation et d’avoir
tout les outils nécessaires pour exploiter les résultats. Dans un second temps il
s’agira d’observer les résultats pour ainsi définir la configuration du modèle qui
semble la plus adéquate pour notre étude.
Sommaire
5.1 Mise en place du modèle . . . . . . . . . . . . . . . . 46
5.1.1 Stratégie d’emboı̂tement . . . . . . . . . . . . . . . . 46
5.1.2 Temps de calculs . . . . . . . . . . . . . . . . . . . . 49
5.2 Données météorologiques de la simulation . . . . . 49
5.3 Evaluation des simulations . . . . . . . . . . . . . . . 50
5.4 Amélioration des résultats . . . . . . . . . . . . . . . 55
5.4.1 Tests de sensibilité . . . . . . . . . . . . . . . . . . . 55
5.4.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4.3 Perspectives . . . . . . . . . . . . . . . . . . . . . . . 62
5.1 Mise en place du modèle

Cette partie est consacrée à la mise en place du modèle, à savoir le choix
des données utilisées, le choix des domaines de calcul et de leur résolution ainsi
que celui des différents paramètres à initialiser. En plus de cela nous verrons le
mode opératoire utilisé pour gérer les simulations du fait des temps de calcul
relativement importants.
5.1.1 Stratégie d’emboı̂tement

Comme vu lors de la présentation du modèle, la première chose à faire est
de fixer les grilles sur lesquelles les calculs seront effectués. Il s’agit de choisir
géographiquement les lieux appropriés ensuite choisir la résolution de chaque
domaine puis trouver les données topographiques en rapport avec ces résolu-
tions.
46
Fig. 5.1 – Domaines de calcul
Emplacement géographique des domaines
Le projet vise à l’exploitation d’une ferme éolienne se situant dans la région

Rhône-Alpes. Etant donné le relief très marqué de cette région, une résolution
spatiale très élevée est nécessaire, nous utiliserons donc une stratégie d’emboı̂-
tement. Le domaine grossier, à plus basse résolution, doit recouvrir la France
puis la grille intermédiaire les Alpes françaises et enfin la grille de plus basse
résolution sera centrée sur la région grenobloise. La dimension de notre grille
grossière est de 1350km par 1350km, pour la grille intermédiaire approximati-
vement 350km par 450km puis la grille fine, 150 par 150km. Les domaines de
calcul sont représentés sur la figure 5.1 et leurs caractéristiques résumées dans
le tableau 5.1.
La visualisation au niveau rendu topographique avec les données de l’USGS
pour les deux premiers domaines et les données gtopo30 pour le domaine 3 est
représentée figure 5.2
Intéraction entre les grilles
Le modèle correspondant au domaine 1 recouvrant la France est tout d’abord

intégré indépendamment des autres domaines. Ce domaine va servir d’intermé-
diaire entre les données d’analyse et les sous-domaines. Cette intégration permet
de spécifier les conditions aux limites pour le domaine 2. Les domaines 2 et 3
sont intégrés simultanément en intéraction ”two-way”. Cette stratégie permettra
à terme, si nécessaire de déplacer les domaines 2 et 3 sans avoir à reproduire la
simulation sur le domaine1, comme cela aurait été le cas si l’on avait choisi une
interaction ”two-way” entre les domaines 1 et 2.
47
domaine 1 domaine 2
domaine 3
Fig. 5.2 – Rendu topographique des domaines de calcul
48
Domaine 1 dimension du domaine en x (en km) : 1350
dimension du domaine en y (en km) : 1350
nombre de points de calcul sur l’horizontale : 2500
résolution (en km) : 27
résolution des données topographiques : 10min≈19km
résolution des données topographiques : 5min≈9km
résolution des données topographiques : 30sec≈900m
Tab. 5.1 – Récapitulatif des caractéristiques des domaines de calcul
5.1.2 Temps de calculs

Pour des simulations longues durées (sur plusieurs années) comme celles qui
sont nécessaires dans notre cas, les temps de calcul deviennent relativement im-
portants. Au Laboratoire de Modélisation et Calcul les calculs ont été effectués
sur une station de travail équipée d’un processeur cadencé à 2.8GHz Pour une
année de simulation sur le domaine 1 qui compte 2500 noeuds et un pas de
temps de 80s, le temps nécessaire est de 60 heures. En se basant sur ce temps
de calcul on peut estimer les durées des calculs sur les sous-domaines :
Domaine nombre pas de niveaux temps de

de noeuds temps (en s) verticaux calcul estimé(en h)
1 2500 80 23 60
2 1924 27 17 102
3 2704 9 17 290
Il est ainsi indéniable qu’avec la puissance de calcul à disposition, le temps né-
cessaire pour effectuer des simulations sur plusieurs années est très long. Il faut
de même prendre en compte le fait que les résultats des simulations des années
précédentes sont indispensables pour lancer l’année suivante ce qui ne permet
pas de lancer plusieurs calculs simultanément. Cependant il faut relativiser cela,
en effet les calculs sont effectués sur une machine standard et sur un seul pro-
cesseur. Etant donné que MM5 est conçu pour pouvoir être exécuté en MPI ou
OpenMP des améliorations peuvent être apportées au niveau de ces temps de
calcul.
5.2 Données météorologiques de la simulation

Comme vu précédemment deux sources de fichiers de réanalyses sont dispo-
nibles, les données era40 de l’ECMWF et celles de l’NCEP. Pour comparer ces
données nous allons représenter sur des domaines identiques leur moyenne sur
49
l’année 1992 (cf figure 5.3). Les données affichées sont les données brutes à une
résolution de 2.5deg, ce qui explique l’effet très lissé des cartes.... Les résultats
obtenus sont quelque peu différents, la vitesse des vents est plus elevée dans les
données ncep.
5.3 Evaluation des simulations

La partie suivante va donc présenter les différentes représentations des ré-
sultats des simulations en orientant bien sûr cela vers une étude pour l’éolien.
Représentation des champs moyens

La première approche consiste à visualiser des champs moyens de vitesse
pour les√vents. Pour cela, il suffit à partir des composantes u et v de calculer la
norme u2 + v 2 puis ensuite de moyenner cette valeur sur une durée donnée.
Dans un premier temps des premiers simulations ont été effectués directe-
ment sur les trois domaines spécifiés précédemment. Les données d’entrée choi-
sies étant les données era40 de l’ECMWF. Des simulations années par années
ont été réalisées en mode assimilation de données à partir de ces réanalyses. En
effet un nudging d’analyse est utilisé sur tout le domaine avec les constantes
suivantes : 2.5E-4 pour u,v et T et 1.0E-5 pour q. Les options physiques du
modèle sont :
Option domaine 1 domaine 2 domaine 3

Schéma des cumulus Grell Grell aucun
Schéma de couche limite MRF MRF blackadar
Schéma microphysique Dudhia Dudhia Dudhia
Schéma de rayonnement rayonnement des nuages aucun aucun
Schéma de surface modèle de sol à 5 couches idem idem
Les résultats obtenus pour les domaines 1 et 2 sont représentés figure 5.4 et
5.5. Suite à l’observation des cartes de vents moyens obtenus certains aspects
ne sont pas satisfaisants. Le point retenant particulièrement l’attention est la
présence de vents très faibles dans la vallée du Rhône région plutôt réputée pour
abriter de forts vents. De même une zone de fort vent en réalité non existante
est apparue au nord du Luxembourg. Un autre fait marquant est un phénomène
”d’entassement” des vents sur le bord du domaine au niveai de la méditerranée.
Carte des potentiels éoliens

Dans un second temps, un critère plus puissant d’évaluation est le calcul du
potentiel éolien dont la définition est donnée dans la section 4.2. Ceci permet
d’obtenir des cartes de potentiels comme celle présente figure 5.5 qui représente
le potentiel moyen à 12h sur l’année 1992.
Nous avons vu que les visualisations permettent de se faire une idée glo-
bale, voyons maintenant comment évaluer localement en un point donné les
qualités d’un site.
50
Fig. 5.3 – Comparaison données brutes era40 et ncep (niveau de pression :
1000mb)
51
Fig. 5.4 – carte des vents moyens à 12h domaine 1(σ = 0.995)
Rose des vents

Un script a été élaboré pour fournir pour un point défini par sa latitude et sa
longitude la rose des vents. Visuellement le résultat est représenté figure 5.6. Ces
pourcentages correspondent à la proportion de vent orienté dans la direction en
question et à l’intérieur même de ce pourcentage il y a la répartition en vitesse
des vents soufflant dans cette direction.
Un autre critère local est la courbe de Weibull définissant la répartition

en fréquence des vents.
Courbe de Weibull
k−1 −( v )k
A partir de l’équation p(v) = Ck Cv e C il est possible de tracer de
telle courbe. En pratique, à partir des résultats d’une simulation nous obtenons
la vitesse moyenne des vents en un point donné. Cette vitesse moyenne sert
ensuite à estimer le paramètre C.
La forme de ces courbes est une représentation théorique en fréquence des

vents et il convient de comparer cette courbe ”idéale” à ce qui est vraiment ob-
servé. La modélisation numérique effectuée nous permet d’avoir accés de manière
beaucoup plus compléte à la répartition en fréquence des vents. Ceci permet de
comparer l’histogramme des vents issus du modèle numérique à la courbe théo-
rique, comme le montre la figure 5.7 où sont représentés les courbes de Weibull
pour des différents paramètres k ainsi que la répartition obtenue sur une année
de simulation. Il est à noter que le paramètre k est choisi le plus souvent de ma-
52
Fig. 5.5 – carte des vents et du potentiel moyen à 12h, domaine 2 (σ = 0.994)
53
Fig. 5.6 – Exemple de rose des vents
Fig. 5.7 – Exemple de courbe de Weibull comparée aux données de la simulation
54
nière empirique, dans ce cas précis un paramètre k entre 2 et 2.5 correspondrait
le mieux. Cette comparaison nous permet d’affirmer qu’il ne faut en aucun cas
tirer de conclusions sur la potentialité d’un site à l’aide de ces courbes car elles
peuvent s’éloigner de la réalité.
Les premiers résultats obtenus ont révélés quelques incohérences comme

mentionné dans ce chapitre. Dans le but d’améliorer la cohérence des résultats,
il est intéressant de passer par une phase de tests. C’est ce qui va etre effectué
en pratique dans la partie suivante.
5.4 Amélioration des résultats

Des tests vont notament nous permettre d’observer les phénomènes à plus
grande échelle pour voir si un phénomène important n’est pas omis par la locali-
sation de nos domaines. En même temps cela permettra de vérifier la pertinence
de nos conditions imposées aux bords du domaine grossier. Mais en premier lieu
des tests vont être effectués sur les constantes utilisées pour l’assimilation de
données (constantes de nudging). A la vue des résultats, nous allons pouvoir
adopter une méthodologie de calcul.
5.4.1 Tests de sensibilité

Nous allons dans cette partie visualiser la sensibilité de la solution par rap-
port aux coefficients de nudging utilisés tant aux bords qu’au milieu du domaine.
Nous verrons de même le comportement du modèle lorsqu’on simule à une plus
grande échelle.
Recherche des meilleures constantes de nudging

Nudging d’analyse
Dans un premier temps nous allons comparer trois configurations possibles
pour les coefficients.
variable configuration 1 configuration 2 configuration 3
u,v 1.25E-4 2.5E-4 5.0E-4
t 1.25E-4 2.5E-4 5.0E-4
q 0.5E-5 1.0E-5 2.0E-5
Les résultats obtenus sur une simulation d’une année (1992) sont représentés
figure 5.8 qui comprend les trois champs correspondant aux trois configurations
et un champs complémentaire qui est le champs era40 interpolé vers lequel les
données sont rappelées. De manière générale et logiquement, plus les constantes
de nudging sont élevées, plus les données calculées ont tendances à être rappelées
vers les données d’entrée. Il semble que les résultats obtenus avec un faible
nudging soient plus satisfaisant et laissent une certaine liberté au modèle. Voyons
ce qu’il en est pour le nudging aux bords.
55
Fig. 5.8 – Différentes stratégies de nudging au milieu du domaine, en haut à
gauche les données era40 interpolées, en haut à droite avec un nudging divisé
par 2 par rapport à la carte en bas à droite et la carte en bas à gauche avec un
nudging multiplié par 2.
56
Nudging aux bords
Comme expliqué précédemment une technique de relaxation est aussi utilisée
pour la mise en oeuvre des conditions aux bords. Les deux coefficients utlisés
sont les termes de diffusion et de relaxation. Deux simulations ont été effectuées
avec des coefficients de nudging identiques (ceux de la configuration 2 vu pré-
cédemment) mais des termes de diffusion et de relaxation différents pour les
conditions aux bords.
terme configuration 1 configuration 2
1 dx2 1 dx2
diffusion 50 dt 500 dt
0.1 0.1
relaxation 2dt dt
La configuration 2 correspond à une diminution de la diffusion et à une augmen-

tation de la relaxation. A la vue des résultats (figure 5.9), les différences entre
ces deux configurations sont infimes. Ceci ne justifie en aucun cas la modifica-
tion de des constantes de diffusion et de relaxation par rapport à leurs valeurs
de départ.
Elargissement du domaine
Pour avoir une vue plus globale des phénomènes se déroulant, des simu-
lations sur une durée de six mois ont été effectuées sur un domaine couvrant
l’Europe. En tenant compte des conclusions des tests précédents, les coefficients
de nudging pour le milieu du domaine ont étés encore diminués. La figure 5.10
représente la carte des champs moyens des données era40 directement interpo-
lées sur notre domaine. La figure 5.11 représente les résultats obtenus sur le
même domaine avec de faibles constantes de nudging, à savoir 0.625E-4 pour le
vent et la température et 0.25E-5 pour l’humidité.
Les résultats confirment le fait que plus le nudging est faible plus l’intensité
des vents semble importante. De manière générale il vaut mieux dans ce cas
baisser les coefficients de nudging au maximum étant donné que nos données
d’analyse sont à une résolution très grossière et simulent des vents relativement
faibles. Donc si le rappel vers ses données est trop fort, cela peut engendrer des
incohérences dans les résultats d’une simulation.
5.4.2 Résultats
Suite à cette phase de tests, il est temps d’adopter une configuration finale
pour effectuer les simulations. Tout compte fait par rapport à la première option,
la différence entre la résolution des données et la résolution de la grille grossière
est trop importante (facteur 10) ce qui a conduit au choix d’un emboı̂tement à
4 domaines (cf figure 5.12). De plus, une zone de fort vent sur la méditerranée
qui est importante pour notre étude était auparavant trop proche du bord du
domaine, ce qui pouvait impliquer des problèmes pour bien simuler cette zone.
Avec une grille élargie, ce phénomène peut maintenant être mieux appréhendé.
De plus l’utilisation d’une grille supplémentaire couvrant l’Europe permettra

d’éviter le phénomène remarqué avec la stratégie d’emboı̂tement précédente à
57
Fig. 5.9 – Comparaison nudging aux bords, carte du haut avec la configuration
2 et celle du bas avec la configuration 1
58
Fig. 5.10 – Simulation de Janvier à Juin 1992 (données era40 interpolées)
Fig. 5.11 – Simulation de Janvier à Juin 1992 (constante de nudging : 6.25E-5

pour u,v et T)
59
Fig. 5.12 – Stratégie d’emboı̂tement à quatre domaines
savoir une accumulation des vents au bord du domaine couvrant la France. En

effet maintenant les conditions aux bords de ce domaine seront initialisées par
la grille intermédiaire et non plus directement par les données de réanalyse.
Les coefficients de nudging au bord sont conservés par contre pour le nudging
au milieu du domaine, les tests ont montrés que des valeurs de 6.25E-5 pour u,v
et T et de 2.5E-6 pour q donnent à première vue des résultats intéressants.
Les premiers résultats obtenus avec cette configuration sont représentés fi-
gure 5.13. Sur cette figure sont représentés les résultats sur la même période
d’étude (de janvier à juin 1992) à un niveau σ identique (0.995) obtenus avec
l’ancienne stratégie d’emboı̂tement (à 3 domaines) et ceux obtenus avec la stra-
tégie à quatre domaines.
Le fait de fixer les conditions limites à l’aide d’un domaine intermédiaire sur
l’Europe donne des résultats plus satisfaisants. Tout d’abord on obtient l’ap-
parition de vents plus violents symbolisant le mistral et la tramontane et les
zones d’incohérence au bord du domaine ont disparus. Le fait d’avoir laissé plus
de liberté au modèle en baissant le nudging a abouti sur des vents soufflant
plus fort. En effet étant donné que les vents sur les données era40 brutes sont
relativement faible, un nudging trop fort atténuerait trop l’intensité de ceux-ci.
Cette nouvelle configuration semble à première vue mieux convenir en terme
d’intensité des vents. On peut aussi réaliser une comparaison en terme de choix
d’interaction entre les différents domaines. Sur la figure 5.14 sont représentés
les résultats obtenus sur le domaine couvrant la France en utilisant dans un
premier cas un emboı̂tement ”one-way” avec la grille couvrant l’Europe et dans
60
Fig. 5.13 – Comparaison des simulations à l’aide de deux stratégies d’emboı̂-
tement différentes. La carte du haut a été obtenue avec un emboı̂tement à 3
domaines, celle du bas avec un emboı̂tement à 4 domaines (σ=0.995).
61
un second cas un emboı̂tement ”two-way”. Des différences sont essentiellement
visibles dans la partie basse du domaine surtout avec un accroissement fort de
la vitesse des vents sur la méditerrannée en ”two-way” (les deux cartes sont re-
présentées avec la même échelle de couleurs). On peut également comparer ces
résultats en terme de direction des vents. Cette comparaison est illustrée par la
figure 5.15. Il apparaı̂t que le choix du ”two-way” permet de mieux simuler les
échanges le long de la frontière (particulièrement la frontière sud du domaine).
Les mouvements, lorsque cette interaction est choisie, sont plus marqués no-
tament sur la méditerranée au nord de la Corse et le long de la cote espagnole.
Il est indéniable que les flux de sorties et d’entrées pour le domaine sont mieux
simulés dans ce cas. Etant donné que l’on a un phénomène de forte influence
proche de la frontière dans le cadre de notre étude, ceci justifierait l’utilisation
d’une interaction ”two-way”.
5.4.3 Perspectives
L’obtention de résultats semblant plus cohérents ne veut pas dire que la
configuration utilisée est la configuration optimale. Il n’y a pas eu pour l’instant
d’étude quant au choix des paramètres physiques pour la simulation. On peut
imaginer que ces paramètres ont une influence sur les résultats. De même au
sein des données de réanalyse (aussi bien NCEP que era40), les données de SST
(Sea Surface Temperature) ne sont pas présentes, les valeurs sont directement
calculées par le modèle. Ceci peut entraı̂ner des résultats irréalistes dans le
calcul de cette variable qui peuvent ensuite influencer la solution. Il reste donc
des améliorations à apporter au modèle.
62
Fig. 5.14 – Comparaison des simulations avec une interaction ”one-way” pour
la figure du haut et une interaction ”two-way” pour la figure du bas.
63
Fig. 5.15 – Comparaison des flux de vents avec une interaction ”one-way” pour
la figure du haut et une interaction ”two-way” pour la figure du bas.
64
65
Conclusion
Durant ce stage, la mise en oeuvre d’un modèle météorologique réaliste à

l’aide d’un modèle complexe a été réalisée. Ceci a été accompagné par la mise
en place de tests de sensibilité afin d’améliorer les premiers résultats obtenus.
En effet le domaine de la modélisation notament météorologique nécessite un
important travail en amont avant d’obtenir les résultats escomptés. Ce fait est
de plus amplifié lorsque cela s’accompagne par la découverte d’un modèle non
connu auparavant et dont les fonctionnalités sont nombreuses et complexes.
J’ai pu appréhender durant ce stage la difficulté et le travail à fournir avant

de pouvoir utiliser un modéle à bon escient sans omettre tel ou tel aspect sa-
chant que chaque détail a son importance.
La phase la plus primordiale et certainement une des plus intéressante est

celle de préparation qui consiste à effectuer des tests, quelle résolution choi-
sir, quelle stratégie d’emboı̂tement adopter, quelles données météorologiques
peuvent être utilisées.
Ce stage m’a permis de découvrir un domaine très intéressant et très enri-

chissant mais aussi très exigeant à partir du moment où les résultats peuvent
directement être comparés avec les observations effectivement réalisées, il faut
toujours aller plus loin pour se rapprocher le plus possible de la réalité.
Ces quatre mois ont été extrêmement instructifs et l’encadrement très com-
pétent ce qui fait que le bilan est très positif.
66
67
Bibliographie
[1] Laurent Menut. Installation de MM5 sous LINUX - Compilation avec le

compilateur IFC 7.0 d’INTEL .
http : //www.lisa.univ − paris12.f r/ menut/mm5/mm5if c.html.
[2] Matthew T. Johnson. Meteorological Modeling Protocol IDNR 2002 Annual
mm5 Application.
http : //www.iowadnr.com/air/prof /progdev/f iles/protocol.pdf
[3] Peter S. Dailey et John L. Keller. Modeling of extreme wind events using
mm5 : approach and verification.
http : //www.mmm.ucar.edu/mm5/workshop/ws02/Dailey.pdf
[4] Jimy Dudhia, Dave Gill, Kevin Manning, Wei Wang, et Cindy Bruyere
PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and
Users’Guide.
http : //www.mmm.ucar.edu/mm5/documents/tutorial−v3−notes.html
[5] Georg Grell, Jimy Dudhia, et David Stauffer. A Description of the
Fifth-Generation Penn State/NCAR Mesoscale Model (MM5). NCAR/TN-
398+STR.
[6] Michael Brower, J.W. Zack, B Bailey, M.N. Schwartz et D.L. Elliott. Me-
soscale Modeling as a Tool for Wind Resource Assessment and mapping.
http : //ams.conf ex.com/ams/pdf papers/72138.pdf
[7] Bryan Doty. The Grid Analysis and Display System GrADS.
f tp : //grads.iges.org/grads/beta/doc/gadoc151.pdf
[8] Danish Wind Industry Association. site sur l’énergie éolienne.
http : //www.windpower.org/f r/tour/wres/index.htm
[9] Yong Zheng et Qin Xu. A Numerical Simulation of the 7 May 1985 Me-
soscale Convective System. Monthly Weather Review : Vol. 123, No. 6, pp.
1781-1799.
[10] AMI Environmental (AMI). West Texas MM5 Weather Forecasts.
http : //www.amiace.com/mm5/tx/index.html
68
69
Première partie
Annexe
70
Options physiques
MM5 rend possible l’utilisation de différents schémas au niveau physique par
l’initialisation de nombreux paramètres. Les valeurs de ces paramètres peuvent
être modifiées dans le fichier configure.user du répertoire MM5.
Schéma d’un cumulus

Explication des termes :
Le Courant ascendant est un courant atmosphérique dirigé du sol vers l’at-
mosphère, de vitesse et d’importance variables, par opposition au courant des-
cendant.
L’effet d’induction correspond à un effet de déplacement subi par des parti-
cules en suspension dans un courant gazeux. Ce déplacement peut engendrer un
phénomène d’entraı̂nement ou le contraire en cas de dèsinduction.
Et enfin la subsidence est un lent affaissement d’une masse d’air ; l’air en sub-
sidence se comprime et s’échauffe et sa stabilité augmente. Les cumulus ont la
particularité de se développer verticalement. La couche limite est une zone
dont certaines caractéristiques (par exemple, la température, la tension de va-
peur, la vitesse du vent) peuvent être affectées par la présence de la surface
terrestre.
Schéma d’un cumulus
desinduction
subsidence
courant
ascendant
induction
courant
descendant
couche limite
Paramètrisation des Cumulus

nom du paramètre MM5 : ICUPA
Valeurs possibles :
1 Aucune : On ne prévoit pas de paramètrisation, ceci est utilisé pour des
tailles de grilles inférieures à 10km.
2 Anthes Kuo : ce schéma est utile pour de plus grandes grilles de l’ordre de
30 km. Sa base consiste en la conservation de l’humidité, il a tendance à produire
beaucoup précipitations de convection (précipitation résultant du mouvement
vertical d’une masse d’air chargée d’humidité qui, en s’élevant, se refroidit et
71
permet à l’eau de se précipiter), et plutôt moins de précipitations à échelle locale.
Ce modèle spécifie un profil de chaleur (variation de la chaleur en fonction de
l’altitude).
3 Grell : modèle global, c’est à dire que c’est un modèle numérique simulant
la convection nuageuse dans un schéma à flux de masse, dans lequel tous les
types de nuages formant un système nuageux sont considérés comme un tout
donc comme un seul grand nuage. Il convient particulièrement pour des tailles
de grilles modérées (10 à 30km). Schéma simple avec des flux ascendants et
descendants et des régulations déterminant les profils de chaleur/humidité. Tend
à créer un équilibre entre les précipitations de convection et les autres types de
pluies.
4 Arakawa-Schubert : plutôt coûteux par rapport aux autres schémas,
convient pour des grilles de taille supérieure à 30km. En effet contrairement à
Grell ce modèle est à nuages multiples (par opposition au modèle global).
5 Fritsch-Chappell : ce schéma est basé sur la relaxation (Il y a relaxa-
tion lorsqu’un corps a été sous l’action d’une contrainte) d’un profil sous l’effet
des courants ascendants et descendants ainsi que des propriétés de subsidence
de certaines régions (l’air en subsidence se comprime et s’échauffe). Le taux
d’induction est fixé. Fritsch-Chappell est applicable à des échelles de 20-30km
à cause de l’approximation modèle global (un seul nuage) et de la subsidence
locale. Ce schéma prédit les propriétés des courants ascendants et descendants
ainsi que les précipitations et l’ennuagement.
6 Kain-Fritsch : similaire au modèle précédent, sauf que le taux d’induction
n’est pas fixe et est calculé par l’intermédiaire d’un schéma de ”brassage” des
nuages.
7 Betts-Miller : basé sur une régulation de la relaxation par un profil
thermodynamique de référence sur une période donnée. Ce modèle s’applique
à une résolution supérieure à 30km, très mauvais en cas de convection trop
importante.
8 Kain-Fritsch 2 : nouvelle version de Kain-Fritsch qui inclut une convec-
tion en surface c’est à dire une montée des masses d’air échauffées au contact
du sol.
Un paramètre complémentaire que l’on peut fixer est la présence ou non de
cumulus de basse altitude (paramètre ISHALLO). Ceci correspond à des nuages
n’engendrant pas de précipitations mais ayant une forte induction.
Paramètres de la couche limite planétaire

C’est la partie inférieure de l’atmosphère, dans laquelle les conditions météo-
rologiques sont influencées par la surface de la Terre. On définit la couche limite
planétaire d’une épaisseur de 600 à 800 mètres comme une zone dans laquelle le
mouvement de l’air est notablement affecté par le frottement de surface.
nom du paramètre MM5 : IBLTYP
Valeurs possibles :
0 Aucune : pas de couches de surface, irréaliste.
1 Schéma global : convient pour une résolution verticale grossière au ni-
veau de la couche limite. Posséde 2 régimes de stabilité.
2 Schéma Blackadar de haute résolution : convient pour des couches
limites de haute résolution, par exemple 5 couches dans les kilomètres les plus
72
proches de la surface. Posséde 4 régimes de stabilité, inclue une couche de mé-
lange de convection.
3 Schéma Burk-Thompson : valable pour toutes les résolutions. Prédit
l’énergie cinétique de turbulence pour la circulation verticale en se basant sur
les formules de Mellor-Yamada. Ce modèle a son propre schéma de prédiction
de la température au sol
4 Schéma Eta : similaire au schéma précédent. La seule différence consiste
en le fait que Eta utilise le schéma SLAB de MM5 pour prédire la température
au sol.
5 MRF : le modèle de surface continentale MRF du NCEP utilise un schéma
de sol à 2 couches. Ce modèle inclut, entre autres, l’hydrologie du sol. Pour la
diffusion verticale, un schéma implicite est utilisé pour permettre de plus long
pas de temps.
6 Schéma Gayno-Seaman : utilise de même la prédiction Mellor-Yamada
pour l’energie cinétique. Se distingue des schémas précédent par l’utilisation de
la température potentielle (température prise lorsque qu’un élément est amené
adiabatiquement à une pression donnée de 1000mb) de l’eau liquide comme une
variable conservative. Permet de mieux opérer en cas de conditions saturées c’est
à dire lorsque l’air contient le maximum de vapeur d’eau qu’il peut retenir à une
température et à une pression données.
7 Schéma Plein-Chang : dérivé du schéma Blackadar.
Schémas microphysiques
nom du paramètre MM5 : IMPHYS
Ces modèles permettent le suivi de l’évolution des propriétés physiques ou chi-
mique d’un système en mouvement. Appliqué à la stratosphère, on suit l’évo-
lution des propriétés chimiques et microphysiques au sein d’une parcelle d’air
suivant le champ de vent.
Valeurs possibles :
1 Sec : pas de prévision d’humidité, pas de vapeur d’eau
2 Précipitations stables : pas de précipitations de convection, pas d’éva-
poration des pluies ou de prévision de l’ennuagement.
3 Pluies chaudes : les bancs de nuages et de pluie sont prédits explici-
tement par l’intermédiaire de processus microphysiques. Pas de processus de
glacification.
4 Schéma de Dudhia : ajoute un processus de glacification. Pas d’eau
”super-refroidie” (Eau encore liquide à des températures inférieures à 0◦ C, et ce
jusqu’à -40◦ C) et fonte immédiate des neiges au dessous de l’isotherme 0◦ C.
5 Colonne mixte (Reisner 1) : ajoute l’eau ”super-refroidie” et permet
une lente fonte des neiges. Pas de prise en compte de la neige roulée (précipita-
tions sous forme de grains de glace). Ajout de mémoire pour les nuages, glaces
et neige.
6 Microphysique de Goddard : ajoute des équations de prédiction sup-
plémentaires pour la neige roulée et la grêle. Adapté aux modéles de simulation
de déplacement des nuages.
7 Reisner 2 : basé sur le modèle de phase mélangée (Reisner 1) mais ajoute
des équations de prédiction pour la neige roulée et la concentration de la glace.
Il est de même spécialement adapté pour les modèles de résolution de nuages.
73
Il est possible de faire appel à ce schéma moins fréquement qu’à chaque pas de
temps.
8 Microphysique de Schultz : schéma extrémement efficace et simplifié,
prévu pour s’exécuter rapidement et être facile à configurer pour des systémes
de prévisions en temps réel. Contient des processus pour la grêle et la glace.
Schémas de rayonnement
En météorologie on considère essentiellement le rayonnement solaire et le
rayonnement terrestre (émis par la terre et l’atmosphère).
nom du paramètre MM5 : IFRAD
valeurs possibles :
0 Aucun : pas de tendances moyenne applquées à la température de l’atmo-
sphère, irréaliste pour les simulations sur des temps longs.
1 Refroidissement simple : Le taux de refroidissement de l’atmosphère
dépend seulement de la température. Pas de cycle diurne ni d’interaction avec
les nuages.
2 Schéma de rayonnement des nuages : assez sophistiqué pour prendre
en compte les interactions à ondes longues et courtes avec les nuages ou le ciel
dégagé. En plus des tendances de la température atmosphérique, cela fournit
des flux de rayonnement à la surface.
3 Schéma de rayonnement CCM2 : bande spectrale multiple en ondes
courtes et grandes ondes. Ceci convient pour des grilles relativement grossières,
et plus précis pour de longues assimilations. Ce schéma fournit les flux de rayon-
nement à la surface.
4 Schéma grandes ondes RRTM : est combiné avec le schéma ondes
courtes de rayonnement des nuages. Ce schéma en grandes ondes est une nou-
velle méthode très précise et efficace proposée par AER Inc. C’est un Modéle de
Transfert Rapide du Rayonnement (RTTM) représentant les effets du spectre
d’absorption prenant en compte la vapeur d’eau, le CO2 et l’ozone. C’est im-
plémenté de manière à interagir avec les bancs de nuages et précipitations.
Schémas de surface
nom du paramètre MM5 : ISOIL
valeurs possibles :
Aucun : Pas de prédiction de température au sol, celle-ci est fixée, non
réaliste.
0 Schéma Blackadar : une seule couche et une température fixe au ni-
veau de la sous-couche. La température de la couche prend en compte le bilan
énergétique et les variations diurnes.
1 Modèle de sol à 5 couches : prévision de température dans des couches
à 1,2,4,8 et 16 cm avec une sous-couche fixe au dessous utilisant l’équation de
diffusion verticale. Ce modèle résolve verticalement les variations de température
diurnes permettant un calcul plus rapide de la température à la surface.
2 Le modèle de surface Noah : ce modèle est capable de prédire la tem-
pérature et l’humidité au sol sur 4 couches (10,30,60,100 cm), ainsi que l’écou-
lement à la surface et en sous-sol et l’échelle d’enneigement. Ce modèle utilise
la végétation et le type de sol pour appréhender l’évapotranspiration (somme
des quantités de vapeur d’eau évaporées par le sol et par les plantes). Pour
74
utiliser ce modèle cela nécessite en entrée des données à savoir des coefficients
correspondant à la faculté de rayonnement de la couche superficielle.
3 Le modéle de surface Pleim-Xiu : représente la température et l’humi-
dité au sol sur 2 couches (couche de surface à 1cm, et à 1m). Utilise les données
terrestres de TERRAIN pour raffiner les propriétés du sol et de la végétation
plutôt que d’utiliser un seul type dominant. Ce modèle a une option pour prévoir
l’évolution et le développement des plantes et des feuilles pour des simulations à
long terme. Est couplé avec le modéle de surface de Pleim-Chang (IBLTYP=7).
Paramètres divers
Modèle d’humidité au sol (paramètre : IMOIAV) : fait varier l’humidité
en fonction du temps, en particulier lors de précipitations ou d’évaporations.
L’humidité au sol peut être initialisée à partir du type de végétation et de la
saison (IMOIAV=1) ou par un fichier d’entrée contenant l’humidité du sol à
10cm (IMOIAV=2).
Modèle d’enneigement (IFSNOW) : lorsque ISOIL est différent de 2 ou 3,
ceci permet de déterminer comment l’enneigement est traité. IFSNOW=0 cor-
respond au fait que l’enneigement est ignoré. IFSNOW=1 utilise en entrée l’en-
neigement pour déterminer les propriétés de la surface comme l’albedo (Rapport
du rayonnement énergétique réfléchi par une surface, au rayonnement incident)
et l’humidité. Ceux-ci restent fixent pendant la simulation. L’option IFSNOW=2
permet de prédire l’enneigement en utilisant en entrée des données d’enneige-
ment mises à jour selon la chaleur et l’humidité.
Mode polaire (IPOLAR) : utilisé seulement pour des calculs sur des domaines
aux pôles.
Les effets des nuages sur le rayonnement sont pris en compte si ICLOUD=1.
75
Interaction entre les différents paramètres
désinduction des nuages

microphysique cumulus
effet
des reflexion et refraction
nuages des nuages
rayonnement couche limite

courant flux
descendant de
surface humidité
émission vent
température
albedo
surface
Fig. 16 – Interactions entre les paramètres
76

Rapport de Stage Ing Enieur Mod Elisation M Et Eorologique Pour L' Eolien

Transféré par

Droits d'auteur :

Formats disponibles

Rapport de Stage Ing Enieur Mod Elisation M Et Eorologique Pour L' Eolien

Transféré par

Informations du document

Titre original

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

Rapport de Stage Ing Enieur Mod Elisation M Et Eorologique Pour L' Eolien

Transféré par

Droits d'auteur :

Formats disponibles

Rapport de stage Ingénieur

Modélisation météorologique pour l’éolien

1er octobre 2004

Monsieur Eric Blayo (Maı̂tre de conférences en mathématiques appliquées)

Je souhaite ensuite remercier tout particulièrement mon maı̂tre de stage,

Un grand merci aussi à Monsieur Cyril Mazauric (ingénieur de recherche

2 La modélisation météorologique et le modèle numérique MM5 12

3 Mise en oeuvre de MM5 20

A l’heure où certaines énergies fossiles comme le charbon ou le pétrole voient

Le sujet de ce stage est issu d’un contrat de recherche entre la société

1.1 La société Boralex

Énergie à base de résidu de bois : Ce secteur comprend huit centrales

Boralex exploite et possède une vingtaine de centrales au Québec, aux États-

1.1.2 L’énergie éolienne

1.2 INRIA Rhône-Alpes

1.3 Sujet du stage

Il est ici question de décrire le modèle numérique utilisé pour la simulation.

2.1 Les méthodes numériques de prévision

2.2 Présentation du modèle MM5

Plus spécifiquement MM5 est un modèle 3D non hydrostatique en coordon-

L’hypothèse hydrostatique correspond au fait de négliger l’accélération dans

Les coordonnées verticales σ correspondent à un type de coordonnées per-

Avant de passer aux modules du modèle, l’approche mathématique va être

2.3 Théorie mathématique

2.3.1 Équations de prévision

A partir de cette pression de référence, on définit la coordonnée σ verticale :

où ps et ptop sont respectivement les pressions à la surface et au sommet du

A partir de la définition de la coordonnée verticale, il est possible de formuler

– Le terme de divergence ∇.V vaut dans le système de coordonnées (x,y,σ) :

Pour exprimer explicitement σ̇= dσ dt présent dans l’équation précédente, il

Équation de la composante verticale du vent

Équation de la composante u du vent

Équation de la composante v du vent

Équation pour la température

Fig. 2.1 – Grille d’Arakawa de type B (avec raffinement)

2.3.2 Différenciation spatiale

2.3.3 Différenciation temporelle

∆τ petits pas de temps

Fig. 2.2 – description des pas de temps

Schéma de résolution des pas intermédiaires

De plus une technique d’atténuation de la divergence de Skamarock et Klemp

2.3.4 Calcul des conditions aux bords

2.3.5 Assimilation de données

Ce chapitre a permis de voir la base du modèle utilisé. Il était utile dans le

Mise en oeuvre de MM5

La réalisation d’une simulation à l’aide de MM5 se fait en plusieurs étapes

La suite de ce chapitre va être consacrée à la description de ces différents

Fig. 3.1 – Fonctionnement global de MM5

3.1 Les modules de MM5

– Lecture des données topographiques et de végétation.

Les données topographiques

Si on traduit en kilomètres la résolution horizontale de toutes ces données cela

– Format des données en entrée (GRIB, ON84 ou NCEP)

Interpolation verticale hydrostatique

sommet du modèle. Supposons vouloir déterminer la valeur d’un champ α du

Correction des données

1. Pondération de la pression par u et v à chaque niveau σ

P Uijk = Pij∗ .uijk , P Vijk = Pij∗ .vijk (3.1)

3. Divergence de la pression pondérée par le vent moyennée verticalement, m