Dans le cadre du projet sudoe EUBURN (WP2.2), deux chercheurs du Center for sci-tech Research in EArth sysTem and Energy (CREATE) de l’Université d’Évora ont rejoint l’équipe Dynamique du Laboratoire d’Aérologie (LAERO) à l’Université de Toulouse pour des séjours de recherche.
Marion Ranaivombola a effectué un séjour post-doctoral de 14 mois (2025–2026), consacré au développement d’un module d’émission de flux chimiques dans le modèle atmosphérique Meso-NH couplé au modèle de feu ForeFire. Ces travaux visent à comprendre et modéliser le transport et les transformations chimiques rapides des gaz et aérosols de combustion dans les panaches des feux de forêt. Dans cette dynamique, le chercheur Flavio Couto a également effectué une mobilité de trois semaines en octobre 2026, venant renforcer les échanges et les travaux scientifiques menés entre les deux laboratoires.
Ces visites ont mené à des progrès significatifs sur l’utilisation de modèles couplés pour représenter les fronts et les émissions chimiques de feux de forêts et leurs transformations hétérogènes dans le panache de pollution, depuis l’échelle locale en LES à l’échelle régionale.
Ces travaux s’appuient sur l’étude du feu de Sigean (26 juillet 2025, Aude, France), documenté par des observations aéroportées réalisées à bord de l’ATR 42 de SAFIRE lors de la campagne SILEX du projet EUBURN.
Les premières simulations du feu de Sigean montrent des résultats encourageants concernant la propagation du feu et la dynamique du panache. Elles permettent de reproduire la dispersion horizontale et verticale du monoxyde de carbone (CO). La confrontation aux mesures aéroportées de la campagne SILEX constitue une étape importante pour évaluer et améliorer la représentation des émissions et de leur transport atmosphérique.
Cette visite a permis d’apporter des informations pour le projet exploratoire MeteoFire 1.0 actuellement en cours de développement à CREATE – Université d’Évora. Ce projet est axé sur l’identification et la caractérisation des risques d’incendies de forêt à l’aide de différentes sources de données et méthodologies, y compris la modélisation atmosphérique à haute résolution, l’apprentissage automatique et l’intelligence artificielle.
