Cette thèse de doctorat, financée par le projet ANR RedLUM, en collaboration avec Inria Bordeaux, la Sant’Anna School of Advanced Studies, et les entreprises Scalian DS et Weather Measures, vise à développer un cadre de simulation efficace pour le contrôle du gel agricole à l'aide de tours à vent à l'échelle d'une parcelle agricole. Le doctorant travaillera avec les partenaires pour concevoir un modèle réduit pour simuler la dynamique des flux turbulents à haut Reynolds, souvent coûteux en termes de calculs.

L'objectif est de réduire la dimensionnalité des modèles en utilisant des techniques comme la décomposition orthogonale propre (POD) et la méthode de Galerkin pour approximativement simuler les dynamiques complexes des flux turbulents. Cependant, ces modèles souffrent d’une représentation insuffisante des champs de solutions, ce qui rend difficile une approximation précise des systèmes dynamiques. Pour surmonter ces défis, des approches basées sur des clôtures stochastiques sont utilisées pour modéliser la dynamique chaotique par des équations différentielles stochastiques. Les prévisions sont ensuite corrigées en temps réel grâce à un processus d'assimilation de données.

Le travail de doctorat implique le développement et la validation de ces techniques de réduction de dimension et d'assimilation de données pour des flux turbulents incompressibles en 3D, en traitant des données synthétiques et expérimentales. Le projet inclut également l'étude de conditions de turbulence inconnues et le développement de techniques de réduction hyper-efficaces pour gérer les termes non linéaires.