PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

La résolution des équations de Navier-Stokes marque le passage d’une physique des fluides analytique, limitée à des cas idéalisés, à une science computationnelle capable d’appréhender la complexité du réel. Historiquement, le rêve de Lewis Fry Richardson d’un “théâtre de calcul” pour la prévision météorologique est devenu la réalité des supercalculateurs modernes. Pour l’océanographie et la géophysique, cet enjeu est vital : il s’agit de décrypter les dynamiques turbulentes des courants marins, des vents ou des panaches volcaniques, des systèmes dont la complexité intrinsèque défie toute solution exacte, rendant l’approche numérique non pas une option, mais une nécessité ontologique.

II. Cartographie des Compétences et Transversalité

Cette unité d’enseignement forge une compétence pivot : la traduction d’un phénomène physique complexe en un modèle numérique robuste et solvable. Le traitement d’images satellitaires dépasse la simple analyse de pixels pour devenir une assimilation de données physiques (température de surface, hauteur des vagues) dans un modèle prédictif. L’évaluation des risques climatiques, comme les inondations côtières, repose directement sur la capacité à simuler la réponse de l’océan à des forçages externes. La modélisation de l’information géographique gagne ainsi une dimension dynamique, transformant les cartes statiques en écosystèmes numériques vivants, capables de prévoir l’évolution des ressources hydriques ou des zones littorales.

III. Alignement Stratégique avec les Réalités Opérationnelles

La maîtrise des solveurs de Navier-Stokes positionne l’ingénieur géophysicien et le modélisateur climatique au cœur des décisions stratégiques pour le développement durable en Afrique. Que ce soit pour optimiser l’emplacement de parcs éoliens offshore, prédire la dispersion de polluants dans le fleuve Congo, ou évaluer l’impact de la montée des eaux sur les ports de Matadi ou Banana, cette expertise est directement monnayable. L’expert en télédétection et le spécialiste SIG, armés de ces outils, peuvent fournir aux gouvernements et aux industries des diagnostics prédictifs d’une valeur inestimable, transformant des données brutes en aide à la décision pour la gestion des ressources naturelles et la prévention des catastrophes.

Chapitre I. Socle Mathématique et Physique pour la Mécanique des Fluides Numérique

I.1 Formalisme des Équations de Navier-Stokes

Issues des lois fondamentales de la conservation de la masse, de la quantité de mouvement et de l’énergie, les équations de Navier-Stokes constituent la pierre angulaire de la mécanique des fluides. Elles décrivent le champ de vitesse, la pression, la température et la densité d’un fluide en mouvement. Leur nature non-linéaire, incarnée par le terme d’advection, est la source principale de la complexité des écoulements, notamment du phénomène de turbulence, qui reste l’un des grands problèmes non résolus de la physique classique et justifie le recours massif à la simulation numérique.

I.2 Algèbre Linéaire et Systèmes surdimensionnés

La discrétisation spatiale et temporelle d’une équation aux dérivées partielles transforme le problème continu en un gigantesque système d’équations algébriques linéaires ou non-linéaires. La maîtrise des méthodes de résolution, directes (décomposition LU) ou itératives (Gauss-Seidel, gradient conjugué), est donc un prérequis absolu pour l’ingénieur numéricien. La structure des matrices résultantes, souvent creuses et de grande taille, dicte le choix de l’algorithme le plus efficace en termes de temps de calcul et de consommation mémoire, un enjeu critique pour les ressources de calcul disponibles.

I.3 Analyse de la Stabilité et de la Convergence des Schémas

Sous l’angle de la rigueur mathématique, un schéma numérique n’a de valeur que s’il est convergent, c’est-à-dire si sa solution tend vers la solution exacte de l’équation lorsque les pas de discrétisation tendent vers zéro. Le théorème de Lax-Richtmyer établit un lien fondamental entre cette convergence et la stabilité du schéma, qui doit garantir que les erreurs d’arrondi ne s’amplifient pas de manière catastrophique. L’analyse de von Neumann fournit un outil puissant pour étudier cette stabilité pour les équations linéaires, posant les bases de la fiabilité des simulations.

I.4 Application : Modélisation d’un Écoulement de Poiseuille en Conduite

Face aux défis de l’adduction d’eau potable dans les centres urbains africains en expansion, la modélisation des pertes de charge dans les canalisations est une application directe et cruciale. Ce sous-chapitre implémente un premier code (en Python) pour simuler un écoulement de Poiseuille, cas simple et laminaire. L’étudiant apprendra à imposer les conditions aux limites (adhérence à la paroi), à valider sa simulation par rapport à la solution analytique connue et à calculer des grandeurs d’ingénierie comme le débit et la perte de pression, un savoir-faire fondamental.

Chapitre II. Discrétisation par Différences Finies et Stabilité des Schémas

II.1 Fondements de l’Approximation par Différences Finies

Dérivée d’une simple expansion en série de Taylor, la méthode des différences finies constitue l’approche la plus intuitive pour remplacer les opérateurs de dérivation par des relations algébriques sur une grille de calcul. Ce sous-chapitre dissèque la construction des schémas décentrés (d’ordre 1), centrés (d’ordre 2) et d’ordres supérieurs pour les dérivées premières et secondes. La notion d’erreur de troncature est introduite comme mesure de la fidélité du schéma numérique par rapport à l’opérateur différentiel exact, quantifiant le compromis inhérent entre simplicité et précision.

II.2 Construction des Schémas Explicites et Implicites

Pivot de la résolution temporelle, le choix entre un schéma explicite et implicite conditionne radicalement la performance et la stabilité du calcul. Les schémas explicites (comme Euler avant) calculent l’état futur directement à partir de l’état présent, mais sont soumis à des contraintes de stabilité drastiques. À l’inverse, les schémas implicites (Euler arrière, Crank-Nicolson) requièrent la résolution d’un système d’équations à chaque pas de temps mais offrent une stabilité inconditionnelle, permettant des pas de temps beaucoup plus grands pour les phénomènes lents.

II.3 La Condition de Courant-Friedrichs-Lewy (CFL)

Critiquant l’instabilité des premières simulations météorologiques, la condition CFL énonce un principe physique fondamental : le domaine de dépendance numérique doit contenir le domaine de dépendance physique. En clair, l’information ne peut pas se propager numériquement plus vite sur la grille qu’elle ne le fait dans la réalité physique. Cette contrainte lie le pas de temps maximal à la taille des mailles de la grille et à la vitesse de propagation des ondes dans le système, devenant le principal goulot d’étranglement des schémas explicites.

II.4 Application : Simulation de la Diffusion de Salinité dans un Lac Côtier

Pour évaluer l’intrusion saline dans des écosystèmes fragiles comme la lagune de N’Ghembe au Gabon, un modèle de diffusion 1D est mis en place. L’étudiant utilisera un schéma explicite en temps et centré en espace pour résoudre l’équation de la chaleur/diffusion. Il observera numériquement l’effet de la condition CFL en faisant varier le pas de temps jusqu’à l’explosion de la solution, et comparera la performance (temps de calcul vs précision) avec une implémentation implicite, ancrant ainsi la théorie de la stabilité dans une problématique environnementale concrète.

Chapitre III. Méthodes des Volumes Finis pour les Lois de Conservation

III.1 Principe de la Formulation Intégrale et des Volumes de Contrôle

La méthode des volumes finis part de la forme intégrale des lois de conservation, ce qui lui confère un avantage majeur : la conservation parfaite de grandeurs comme la masse ou l’énergie au niveau discret. Au lieu de raisonner sur les nœuds d’une grille, l’approche se concentre sur des volumes de contrôle (cellules) et calcule les flux de grandeurs physiques à travers leurs faces. Cette philosophie est intrinsèquement plus robuste pour les écoulements présentant des discontinuités, comme les ondes de choc ou les fronts hydrauliques.

III.2 Calcul des Flux Numériques et Schémas de Reconstruction

Au cœur de la méthode se trouve l’estimation des flux aux interfaces entre les cellules. Les schémas simples comme les schémas centrés peuvent générer des oscillations non physiques. Pour y remédier, les schémas décentrés (upwind), comme celui de Godunov, introduisent une “dissipation numérique” en tenant compte du sens de propagation de l’information. Des techniques plus avancées comme les limiteurs de flux (MUSCL) permettent de construire des schémas d’ordre élevé tout en garantissant la non-apparition de nouvelles oscillations (propriété TVD).

III.3 Analyse des Discontinuités et Problèmes de Riemann

Le traitement des chocs et des fronts raides constitue le test ultime pour un solveur numérique. Le problème de Riemann, qui étudie l’évolution d’une discontinuité initiale, sert de brique de base pour de nombreux solveurs de flux sophistiqués. Comprendre sa structure de solution (ondes de choc, détentes de raréfaction, discontinuités de contact) est essentiel pour interpréter et valider les simulations d’écoulements compressibles ou d’hydraulique à surface libre, où de telles discontinuités sont omniprésentes et physiquement significatives.

III.4 Application : Modélisation d’une Rupture de Barrage sur un affluent du Fleuve Congo

Face au risque de rupture des barrages miniers ou hydroélectriques, la simulation de l’onde de crue est une compétence de sécurité civile vitale. Ce sous-chapitre guide l’étudiant dans la mise en œuvre d’un solveur de Saint-Venant 1D par volumes finis pour modéliser la propagation d’une onde de rupture. L’accent est mis sur la capacité du code à capturer le front d’onde abrupt sans oscillations et à conserver précisément le volume d’eau, fournissant un outil de première main pour cartographier les zones d’inondation potentielles en aval.

Chapitre IV. Modélisation des Écoulements Géophysiques et Océaniques

IV.1 Introduction des Forçages Géophysiques : Coriolis et Flottabilité

La dynamique des océans et de l’atmosphère est dominée par des forces qui sont négligeables à petite échelle : la force de Coriolis, due à la rotation de la Terre, et les forces de flottabilité, dues aux variations de densité (température, salinité). Ce sous-chapitre intègre ces termes sources dans les équations de Navier-Stokes. L’approximation de Boussinesq, qui ne considère les variations de densité que dans le terme de gravité, est introduite comme une simplification puissante et très utilisée en modélisation océanique et atmosphérique.

IV.2 Grilles Décalées (Staggered Grids) et Conditions aux Limites Océaniques

Pour éviter des modes de pression parasites et assurer un couplage robuste entre la vitesse et la pression, les modèles géophysiques utilisent massivement des grilles décalées (Arakawa C-grid). Les variables scalaires (pression, température) sont définies au centre des cellules, tandis que les composantes de la vitesse sont définies sur les faces. Ce chapitre détaille l’implémentation de cette technique et discute des conditions aux limites spécifiques : surface libre, frottement au fond (loi de Chézy), et conditions de frontières ouvertes pour les modèles régionaux.

IV.3 Limites de la Résolution et Paramétrisation Sous-Maille

Aucun modèle numérique ne pourra jamais résoudre toutes les échelles d’un écoulement turbulent, du bassin océanique au millimètre. Les modèles doivent donc paramétriser les effets des processus sous-maille, c’est-à-dire représenter leur influence moyenne sur les échelles résolues. Ce sous-chapitre critique les approches classiques de viscosité et de diffusivité turbulentes (modèles de Smagorinsky, k-epsilon), soulignant leur caractère empirique et leur impact déterminant sur les solutions à long terme des modèles climatiques et océaniques.

IV.4 Application : Simulation du Remontée d’eau (Upwelling) Côtier

Le phénomène d’upwelling, où des vents le long des côtes font remonter des eaux profondes, froides et riches en nutriments, est vital pour les pêcheries d’Afrique de l’Ouest. L’étudiant construira un modèle 2D idéalisé (coupe verticale) de la côte, en imposant une contrainte de vent à la surface. La simulation mettra en évidence la formation d’une cellule de circulation et la remontée des isothermes près de la côte, démontrant la capacité du modèle à capturer un processus océanographique de première importance socio-économique.

Chapitre V. Assimilation de Données Satellitaires dans les Modèles Numériques

V.1 Philosophie de l’Assimilation de Données : Fusionner Modèle et Observation

Un modèle numérique, aussi sophistiqué soit-il, n’est qu’une approximation de la réalité qui diverge inévitablement avec le temps. L’assimilation de données est l’ensemble des techniques mathématiques permettant de recaler la trajectoire du modèle en y injectant de l’information provenant d’observations réelles, souvent parcellaires et bruitées. Le but est de produire une reconstruction optimale de l’état du système (analyse), meilleure que ce que le modèle seul ou les observations seules pourraient fournir, en combinant leurs forces respectives.

V.2 Mécanismes du Filtrage de Kalman et de ses Variantes Ensemblistes

Le filtre de Kalman offre un cadre théorique optimal pour l’assimilation séquentielle dans le cas de systèmes linéaires et gaussiens. Pour les systèmes non-linéaires comme la dynamique des fluides, des extensions sont nécessaires. Ce sous-chapitre présente le principe du Filtre de Kalman d’Ensemble (EnKF), qui propage un ensemble de simulations pour estimer les matrices de covariance d’erreur de manière statistique, le rendant applicable aux modèles de très grande dimension comme ceux utilisés en océanographie ou en météorologie.

V.3 Défis Computationnels et Critiques des Systèmes d’Assimilation

La mise en œuvre d’un système d’assimilation est un défi technique majeur. La “malédiction de la dimensionnalité” rend le coût du filtrage de Kalman classique prohibitif, justifiant les approches ensemblistes. Cependant, celles-ci souffrent de problèmes d’échantillonnage (effondrement de l’ensemble, corrélations parasites) qui nécessitent des techniques de “localisation” et d'”inflation” de la covariance. La critique porte sur l’ajustement souvent empirique de ces nombreux paramètres, qui peuvent fortement influencer la qualité de l’analyse finale produite par le système.

V.4 Application : Correction d’un Modèle de Température de Surface du Lac Victoria

Le Lac Victoria est une ressource vitale dont la dynamique thermique influence la météo locale et la pêche. L’étudiant utilisera les sorties d’un modèle de circulation 3D simple du lac (le “modèle”) et des données de température de surface bruitées et partielles (les “observations”, simulant des données satellitaires). En appliquant un algorithme d’assimilation simplifié, il produira une carte de température de surface “analysée”, plus précise et complète que les deux sources d’information prises séparément, démontrant la plus-value opérationnelle de l’assimilation.

ANNEXES

A. Librairies Python (NumPy/SciPy) : La Forge Numérique du Géophysicien

NumPy et SciPy ne sont pas de simples librairies, mais l’arsenal fondamental de l’ingénieur modélisateur. NumPy fournit les structures de données (tableaux N-dimensionnels) et les opérations d’algèbre linéaire optimisées, constituant le socle sur lequel les grilles de calcul et les matrices de nos schémas sont construites. SciPy étend ces capacités avec des solveurs de systèmes linéaires creux, des routines d’intégration et des outils d’optimisation, permettant au géophysicien de traduire directement les équations du cours en un code performant et de résoudre efficacement les systèmes massifs issus de la discrétisation.

B. Logiciel de Visualisation ParaView : L’Œil du Modélisateur Climatique

Un modèle numérique génère des téraoctets de données brutes, inintelligibles en l’état. ParaView est un outil open-source de visualisation scientifique qui transforme cette masse de nombres en connaissance. Pour le modélisateur climatique, il permet de visualiser en 3D les champs de vitesse, de pression ou de température, de tracer des lignes de courant pour suivre les trajectoires de particules, de créer des coupes et des isosurfaces pour révéler les structures internes des tourbillons océaniques ou des cellules convectives. C’est l’outil indispensable pour déboguer, analyser et communiquer les résultats complexes d’une simulation.

C. Système d’Information Géographique QGIS : La Plateforme d’Intégration du Spécialiste SIG

QGIS est le pont entre le monde abstrait de la simulation numérique et le monde réel des enjeux territoriaux. Pour le spécialiste SIG, sa mission est d’intégrer les sorties du modèle de Navier-Stokes (ex: une carte de hauteur d’inondation, un champ de vitesse de courant) comme une nouvelle couche de données dynamiques. En la superposant aux couches existantes (cadastre, routes, zones agricoles, densité de population), il peut alors produire des cartes de risque, quantifier les impacts et proposer des scénarios d’aménagement, transformant une prédiction physique en un outil d’aide à la décision concret.

Lire aussi :

Cours de Algorithmique et Méthodes de programmation, licence-2, AMP1231

Cours de Aménagement des forêts privées et communautaires, master-2, AFC2231

Cours de Toxicologie agroenvironnementale, master-1, TAE2121

Cours de Assimilation des données, master-2, ASD2231

Cours de Administration de base de données, licence-4, ABD1471

Cours de Sciences humaines, master-2, SCH2142