Host laboratory: Atmospheric Transfers Modeling Section for Study of Accidents Consequences (BMCA)
Beginning of the thesis: October 2016
Student name: Ngoc Bao Tran LE
Subject description (in French)Les modèles de
dispersion atmosphérique à courte distance, pX, et à longue distance,
ldX, sont développés au BMCA et intégrés dans la plateforme C3X,
utilisée en crise pour évaluer les conséquences environnementales et
sanitaires d'un rejet accidentel de radionucléides dans l'atmosphère.
Les simulations contiennent des incertitudes dues aux modèles et aux
données d'entrées (le terme source et les données météorologiques). Il
est donc essentiel de comprendre, quantifier les incertitudes liées aux
simulations et de développer des outils et des méthodes permettant de
les prendre en compte dans les recommandations faites aux autorités lors
de situation de crise nucléaire et ainsi mieux protéger la population.
Actuellement,
les simulations sont réalisées de façon purement déterministe : les
données d'entrée ainsi que la configuration du modèle sont choisies, et
produisent un résultat unique. Les incertitudes peuvent être modélisées
par un ensemble de simulations, obtenues en perturbant les paramètres
incertains et en exploitant les prévisions d'ensemble météorologiques.
La
première étape de la modélisation des incertitudes consiste à perturber
les paramètres. Par exemple, pour un paramètre d'entrée qui suit la loi
normale, une même valeur sera rajoutée sur tout le champ. Pour un
paramètre de la loi log normale, une même valeur sera rajoutée sur tout
le logarithme du champ. Pour la météo, un membre est tiré de façon
aléatoire dans un ensemble météorologique. Une approche similaire peut
être appliquée au rejet en utilisant un ensemble de termes sources issus
de la littérature. Cela permet d'avoir un ensemble des entrées qui
couvre assez largement ce domaine.
L'étape suivante
est d'évaluer les sorties et effectuer les études de quantification
d'incertitudes. Avec cet ensemble d'entrée, il est possible de calculer
les variables de sortie et faire une comparaison aux
observations. Deux questions se posent : Comment le résultat va-t-il
répondre à un changement dans les variables d'entrée ? Comment peut-on
qualifier la qualité de notre ensemble ? La comparaison de l'ensemble de
simulations avec des observations permet d'évaluer la qualité de
l'ensemble, via des outils tels que les diagrammes de rang.
Cette
étude présente les simulations Monte Carlo sur le cas de l'accident de
Fukushima. Elle reprend les travaux de Périllat et al. (2017). Les
simulations de dispersion atmosphérique sont faites en utilisant la
prévision d'ensemble météorologique du centre européen (CEP) et une
prise en compte sommaire des incertitudes dues au modèle de dispersion
et aux émissions. L'ensemble de simulations est comparé aux observations
radiologiques d'activité volumique, de débit dose, et des mesures
aéroportées de dépôt recueillies sur le Japon.
