Development of a Coupled RANS-Stochastic Lagrangian Particle Model for Contrail Formation

L'impact environnemental de l'aviation reste une préoccupation majeure, d'autant plus que l'Organisation de l'aviation civile internationale (OACI) prévoit une augmentation de 34% du trafic aérien commercial d'ici 2029 par rapport aux niveaux de 2019. Un facteur clé de cet impact est la formation des traînées de condensation (contrails, contraction de condensation trails en anglais) et des nuages cirrus induits, qui augmentent la couverture nuageuse et constituent l'une des principales sources d'incertitude dans l'effet climatique de l'aviation, potentiellement plus importante que les émissions de CO2. Comprendre et prédire la formation de ces traînées est essentiel pour évaluer les stratégies d'atténuation possibles. Le régime de jet, qui constitue les premières secondes suivant l'échappement des moteurs et relie la conception de ces derniers à la caractérisation des particules de traînée initiales, est particulièrement pertinent pour les fabricants de moteurs d'avion et constitue le cœur de cette étude. En raison des coûts élevés et des risques associés aux tests expérimentaux en vol, les simulations numériques sont devenues l'outil principal pour étudier la formation des contrails. Les modèles traditionnels s'appuient sur des descriptions détaillées du champ d'écoulement, de la microphysique et des effets radiatifs, souvent à l'aide de méthodes coûteuses en ressources de calcul, comme les simulations des grandes échelles de turbulence (LES en anglais). Des approches plus récentes, basées sur les équations de Navier-Stokes moyennées (RANS), offrent une plus grande efficacité numérique, mais elles approximent la composition instantanée des gaz entourant les particules et l'influence de celle-ci sur les processus microphysiques en utilisant sa moyenne locale. Cette simplification pourrait négliger l'impact des fluctuations turbulentes, potentiellement cruciales pour une prédiction précise de la formation des traînées. Bien que l'ampleur de l'influence de ces fluctuations ne soit pas encore pleinement évaluée, ce manque de connaissance a motivé le développement d'un nouveau cadre qui, tout en maintenant l'efficacité numérique, capture les effets stochastiques de la turbulence sur la croissance des particules de glace. Ce travail propose un modèle hybride Stochastique Lagrangien-Eulérien, combinant le modèle simplifié de Langevin (SLM) pour les trajectoires turbulentes des particules couplé à un solveur eulérien des équations RANS ainsi qu'un modèle de turbulence pour les grandeurs moyennes du champ. Le processus de croissance des particules de glace est modélisé à l'aide d'un modèle simplifié de microphysique, où la composition instantanée est suivie le long des lignes de courant grâce au modèle d'échange par interaction avec la moyenne (IEM). Le cadre ainsi développé offre une description plus précise des effets de la turbulence sur la microphysique sans sacrifier l'efficacité numérique. Une simulation du jet d'un moteur CFM56-5B3 montre la capacité du modèle à considérer de manière réaliste les variations de trajectoire et de composition des particules. Les résultats mettent en évidence des différences significatives entre le modèle hybride et des versions intermédiaires de celui-ci, confirmant l'intérêt d'étudier les effets de la dispersion turbulente. La sensibilité du modèle à la température atmosphérique, à l'humidité relative sur glace et aux émissions de particules de suie a également été étudiée, montrant un comportement physique cohérent avec les effets attendus sur les traînées induites. Ces résultats établissent une base pour le développement de modèles hybrides Stochastiques Lagrangiens-Eulériens pour la formation des contrails, en soulignant l'importance de modéliser avec précision les effets de la turbulence et en suggérant des pistes d'amélioration pour les simulations futures. Les recherches à venir se concentreront sur l'incorporation d'une densité de particules variables, sur le raffinement de la microphysique et sur l'extension du modèle pour inclure des configurations complètes d'aéronefs ainsi qu'une meilleure évolutivité. Un domaine clé pour le développement futur sera l'amélioration du modèle Lagrangien des particules, en particulier du modèle de mélange et du taux de relaxation de la turbulence prédit par le modèle k-w SST. L'amélioration de ces aspects contribuera à accroître la précision et la fiabilité des résultats. À terme, cette approche pourrait améliorer significativement les cadres de simulation existants et fournir des évaluations plus précises de l'impact climatique de l'aviation.

Abstract

The environmental and climatic impact of aviation remains a significant concern, with the International Civil Aviation Organization (ICAO) projecting a 34% increase in commercial air traffic by 2029 compared to the levels of 2019. A key factor contributing to this impact is the formation of contrails and contrail-induced cirrus clouds, which increase cloud coverage and are considered one of the largest sources of uncertainty in the aviation climate effect, potentially surpassing CO2 emissions. Understanding and predicting contrail formation is essential for evaluating potential mitigation strategies. The jet regime, which occurs within seconds after engine exhaust and links engine design to early contrail particle formation, is particularly relevant for aircraft engine manufacturers and is the focus of this study. Given the high costs and risks associated with in-flight experimental tests, numerical simulations have become the primary tool for studying contrail formation. Traditional models rely on detailed descriptions of the flow field, microphysics, and radiative effects, often using computationally expensive methods such as LES. More recent approaches based on Reynolds-averaged Navier–Stokes (RANS) equations offer greater computational efficiency but approximate the instantaneous gas composition surrounding particles and their effects on microphysical processes using their averaged counterparts. This approximation may overlook the impact of turbulent fluctuations, which could be critical for accurate contrail formation predictions. Although the degree of influence of these fluctuations is not yet fully assessed, this knowledge gap has led to the development of a new framework that, while maintaining computational efficiency, captures the stochastic effects of turbulence on the growth of ice particles. This work introduces a hybrid Stochastic Lagrangian-Eulerian model, combining the Simplified Langevin Model for turbulence-induced particle trajectory variations with a RANS-based turbulence model to compute mean field quantities. The ice growth process is modeled using a simplified microphysical model, with instantaneous composition tracked along streamlines using the Interaction by Exchange with the Mean (IEM) mixing model. The resulting framework offers a more precise description of turbulence effects on microphysics without sacrificing computational efficiency. A simulation of a CFM56-5B3 plume demonstrates the model's ability to realistically represent particle trajectory and composition variations. The results highlight significant differences between the hybrid model and intermediate versions, reinforcing the value of studying turbulence dispersion effects. The model sensitivity to atmospheric temperature, relative humidity over ice, and soot particle emissions was also assessed, showing consistent physical behavior in line with expected contrail evolution patterns. These findings establish a baseline for developing hybrid Stochastic Lagrangian-Eulerian models for contrail formation, emphasizing the importance of accurately modeling turbulence effects and suggesting areas for improvement in future simulations. Future research will focus on incorporating varying particle density, refining microphysics, and extending the model to include full aircraft configurations and enhanced scalability. A key area for further development will involve refining the turbulence trajectory model, particularly the mixing model and the turbulence relaxation rate as predicted by the k-w SST model. Addressing these areas will improve the accuracy and reliability of the results. Ultimately, this approach has the potential to enhance current contrail simulation frameworks and provide more accurate assessments of the climatic impact of aviation.