| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Praeses
| |
| Author
| |
| alternative label
| - Combinaison de mesures innovantes de concentration et d’un modèle de transport atmosphérique incluant un module urbain pour l’analyse des émissions de CO2 de la ville de Paris
|
| dc:subject
| - Ville
- Laser
- Villes
- Thèses et écrits académiques
- Inversion
- Gaz à effet de serre
- Dioxyde de carbone -- Dissertation universitaire
- Transport atmosphérique
- Air -- Qualité -- Paris (France)
- Atmosphère -- Sondages laser -- Paris (France)
- CO2 emissions
- GreenLITE™
|
| preferred label
| - Understanding how emissions and atmospheric transport control the variations of atmospheric CO2 in the Paris area, insights from laser-based measurements at city scale
|
| Language
| |
| Subject
| |
| dc:title
| - Understanding how emissions and atmospheric transport control the variations of atmospheric CO2 in the Paris area, insights from laser-based measurements at city scale
|
| Degree granting institution
| |
| Opponent
| |
| note
| - Récemment, plusieurs tentatives ont été faites afin de quantifier les émissions de CO2 à l'échelle de la ville et ainsi d’améliorer les inventaires existants. Les mesures de concentration de CO2 et autres gaz peuvent ainsi être utilisées dans une approche dite “descendante” afin de contraindre les inventaires d’émission qui sont traditionnellement construits via une approche dite “ascendante” à partir d’une quantification des activités.Dans le cadre de cette thèse, nous avons évalué le potentiel d’une nouvelle technique de surveillance du CO2, référencée sous le nom de sous le nom de GreenLite™ (Green Imaging Tomography Experiment). Le système a été déployé pendant un an dans la ville de Paris. Il permet une mesure en continu de la concentration le long de 30 segments horizontaux, proches de la surface. Il a donc une couverture spatiale beaucoup plus large que l'échantillonnage in situ traditionnel et apporte une information dont la représentativité spatiale est plus cohérente avec celle des modèles de transport atmosphérique à résolution à l'échelle kilométrique utilisés pour l'inversion atmosphérique à l'échelle de la ville.J’ai développé un outil de modélisation complet centré sur le modèle à haute résolution WRF avec un couplage (WRF-Chem), et en utilisant des inventaires d'émissions anthropique de CO2, des estimations des flux par la végétation et des conditions aux limites fournies par une simulation à grande échelle. Ce modèle permet d’interpréter les mesures.Le chapitre 1 est une large introduction au sujet tandis que les chapitres 2-4 sont construits autour de trois articles publiés dans la littérature scientifique.Le chapitre 2 évalue si le modèle WRF à une résolution spatiale de 3 km peut reproduire les champs météorologiques dans la région IdF mieux que ne le fait le modèle Européen CEPMMT à 16 km de résolution. Les comparaisons entre les analyses des deux modèles sont faites avec un focus sur trois variables atmosphériques (température de l'air, vent et hauteur de la couche limite) qui sont les plus pertinentes en ce qui concerne le transport du CO2 atmosphérique dans un environnement urbain. Les résultats ont permis de sélection une version du modèle et une option de nudging qui permet la meilleure adéquation entre les simulations numériques et les observations de terrain, et ces options sont utilisés dans la suite du travail.Le chapitre 3 vise à comprendre les variations temporelles et spatiales des concentrations de CO2 dans Paris et ses environs pendant la période de mesure du système GreenLITE™ (Sep 2015 à dec 2016). Les données permettent de démontrer qu’un schéma de canopée urbaine (BEP) est en bien meilleur accord avec la réalité, par rapport à l'autre (UCM), en particulier pendant l’hiver. Pendant cette période, le mélange vertical est réduit ce qui peut conduire à des accumulations du CO2 dans les basses couches de l’atmosphère, qui sont difficiles à modéliser. Cependant, les mesures GreenLITE™ montrent aussi un bruit important et des indications de biais, ce qui limite leur potentiel d’interprétation. De plus, les inadéquations entre modèles et observations dans ce chapitre soulignent clairement la difficulté de modélisation du CO2 dans les zones urbaines en raison des grandes incertitudes tant dans le transport atmosphérique que dans l'inventaire des émissions.Le chapitre 4 vise à étudier en détail les sources d'erreurs principales qui conduisent aux différences entre mesures et résultats de simulation en ce qui concerne le CO2 atmosphérique au-dessus de Paris. Ces sources d’erreur incluent les hypothèses sur les distributions des émissions anthropiques, le transport atmosphérique en particulier le mélange vertical, les flux de CO2 biogéniques, et les conditions aux limites du domaine de simulation.
- Cities play an important role in tackling climate change as they account for more than 70% of global anthropogenic CO2 emissions. In recent years, several efforts have attempted to quantify city-scale CO2 emissions and establish a high spatially and temporally resolved inventory for supporting urban emission mitigation strategies. The so-called \"top-down\" inverse estimation of CO2 emissions constrained by independent atmospheric observations could serve to evaluate the consistency of traditional \"bottom-up\" inventories. A novel CO2 monitoring technique, known as the Greenhouse gas Laser Imaging Tomography Experiment (GreenLITE™) trace gas measurement system, was deployed in central Paris for a 1-year monitoring of near-surface atmospheric CO2 concentrations along 30 horizontal chords. This system has a much wider spatial coverage than traditional in situ sampling and was expected to be more consistent with the spatial representativeness of the kilometer-scale resolution atmospheric transport models used for the city-scale atmospheric inversion.The primary objective of this thesis is to assess the potential contribution of this GreenLITE™ system, in addition to two urban and four peri-urban in situ CO2 measurement stations, for a better understanding of the spatiotemporal variations of CO2 concentrations within Paris and its vicinity. For this objective, I have developed a full modeling framework around the high-resolution Weather Research and Forecasting model (WRF) and its coupling with Chemistry (WRF-Chem), using CO2 emission inventories, estimates of the vegetation fluxes and boundary conditions provided by a large-scale simulation.Chapter 1 is a broad introduction to the subject while chapter 2-4 are built around three separate and publishable papers.Chapter 2 aims at evaluating whether the WRF model running at a 3-km horizontal resolution, with its various configurations, can reproduce the meteorological fields over the IdF region better than the 16-km resolution ECMWF global operational forecasts. The comparisons between WRF and ECMWF forecasts with respect to observations are carried out with a focus on three atmospheric variables (air temperature, wind and PBL height). The results of the sensitivity tests of different physics schemes and nudging options obtained in this chapter are used in subsequent research for the selection of appropriate WRF-Chem model setup in support of atmospheric CO2 transport modeling.Chapter 3 aims at understanding the spatiotemporal variations of CO2 concentrations within Paris and its vicinity during the 1-year GreenLITE™ operating period from September 2015 to December 2016. The analyses are based on CO2 data provided by GreenLITE™ together with six in situ stations and the 1 km-resolution WRF-Chem model coupled with two urban canopy schemes (Urban Canopy Model - UCM; Building Effect Parameterization - BEP). The GreenLITE™ data provide clear information that favors BEP over UCM in the description of vertical mixing and CO2 concentrations during the winter. However, there are indications of measurement noise in summer that limit the usefulness of the data. Furthermore, the model-observation mismatches clearly stress the difficulty of CO2 modeling within urban areas due to the large uncertainties both in the atmospheric transport and the emission inventory.Chapter 4 aims at investigating in detail the critical sources of errors that lead to the model-observation mismatches in the atmospheric CO2 modeling over Paris. These sources of misfit include uncertainties in the assumed distribution of anthropogenic emission, errors in the atmospheric transport, in biogenic CO2 fluxes and in CO2 boundary conditions at the edges of the atmospheric transport model domain. The lessons and insights from this chapter provide requirements and recommendations for the assimilation of CO2 measurements into the atmospheric inversion, when aiming at the quantification of CO2 emissions for the Paris region.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| Spatial Coverage
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
