For a few years, a new wind measurement instrument has been competing with standard cup anemometers:​ wind LiDARs. Despite numerous advantages such as ease of deployment and the possibility to scan at multiple heights simultaneously, the performances of this instrument over complex terrain are still a matter of debate. This is mainly due to the flow homogeneity assumption made by the remote sensor which leads to a positive or a negative bias. The objective of this work was to implement a method to evaluate LiDAR bias over complex terrain using OpenFOAM. To accomplish this task, a CFD model capable of dealing with complex terrain and sparse forest was developed in OpenFOAM v1.7. A RANS approach coupled with a modified k-ε turbulence model accounting for extra turbulence generated by the forest was used. To estimate LiDAR bias, the method proposed by Bingöl et al. (2008) was implemented as a post-processing tool.

First, a simple verification of the model was carried out by modeling neutrally stratified boundary layer. Apart from the usual overshoot of k in the near-wall cells, results agreed well with analytical solutions. Then, the modifications brought to the solver to account for the effects of forest were validated. In order to do so, flow over and within a dense forest was modeled and results were compared to experimental data of Amiro (1990) and numerical results of Dalpé and Masson (2008). An innovative top boundary condition totally independent of the forest displacement height developed by Lussier-Clément (2012) was also validated. The experiment showed that, in the presence of forest, imposing fixed values for U, k and ε at the top of the domain is not appropriate. The LiDAR bias post-processing algorithm was also validated for flow over an isolated Gaussian hill. The effects of the scanning height as well as the slope of the hill were investigated. For terrain slopes ranging from ∼25% to ∼43%, LiDAR bias ranging from 2% up to 10% was observed. The generalization of the method for large areas revealed to be particulary useful at showing the extant of the bias.

Finally, a real case scenario was studied where a LiDAR was sited in the Gaspe peninsula on a complex and densely forested terrain. The assessment of the CFD model for this site firstly revealed the significant impact of both the location and nature of the inlet boundary condition. Then, the LiDAR bias was estimated with the help of OpenFOAM v1.7, MeteoDyn WT 4.0 and WAsP Engineering. Numerical results were compared to experimental data. Despite the presence of terrain complexity up to a distance of eight times the radius of the scanned disc around the remote sensor, very little error was observed, suggesting that the LiDAR is only affected by topographic variations closer to the scanned volume.

Depuis quelques années, un nouvel instrument de mesure du vent fait concurrence aux anémomètres à coupelles classiques:​ le LiDAR. Malgré plusieurs avantages tels que sa facilité à être déployé et sa capacité à mesurer la vitesse du vent à plusieurs hauteurs simultanément, les performances de celui-ci sur terrain complexe sont encore matière à débat. Ceci est principalement dû à l’hypothèse d’homogénéité de l’écoulement que fait le LiDAR pour évaluer la vitesse au centre du disque scanné. L’objectif de ce travail consistait à implanter une méthode pour évaluer le biais LiDAR en terrain complexe à l’aide d’OpenFOAM. Pour accomplir cette tâche, un modèle numérique capable de simuler la couche limite atmosphérique en terrain complexe recouvert de forêt a été mis en place dans OpenFOAM v1.7. Une approche RANS, jumelée à un modèle k-ε modifié qui prend en compte la turbulence générée par la forêt, a été utilisée. Pour estimer le biais du LiDAR, la méthode proposée par Bingöl et al. (2008) a également été mise en place et utilisée comme outil de post-traitement.

Dans le but de vérifier le modèle, une couche limite atmosphérique neutre et homogène a tout d’abord été simulée. Excepté une surestimation de k près de la paroi, les résultats furent concluant par rapport à la solution analytique. Par la suite, les modifications apportées dans le but de tenir compte des effets de la forêt ont été validées. Pour ce faire, l’écoulement à l’intérieur et au dessus d’une forêt dense a été simulé et les résultats furent comparés aux mesures expérimentales d’Amiro (1990) et aux résultats numériques de Dalpé and Masson (2008). De plus, une condition frontière dévelopée par Lussier-Clément (2012), indépendante de la hauteur de déplacement de la forêt, fut validée. L’expérience a également démontré que fixer des valeurs pour U, k et ε à la paroi supérieure en présence de forêt était inapproprié. L’outil de post-traitement mis en place fut également validé pour un écoulement au dessus d’une colline Gaussienne. Les effets de la hauteur de scan ainsi que de la pente de la colline furent investigués. Pour des pentes variant de ∼25% à ∼43%, un biais allant de 2% à 10% fut observé. La méthode fut également généralisée à la quasi totalité de la topographie, ce qui se révéla être un outil utile pour évaluer l’étendu du biais.

Finalement, un cas réél où un LiDAR situé sur un site complexe et recouvert de forêt a été étudié. L’évaluation du modèle numérique a d’abord révélé l’importance capitale de la position ainsi que de la nature de la condition frontière d’entrée. Ensuite, le biais LiDAR fut estimé à l’aide d’OpenFOAM v1.7, Meteodyn WT 4.0 and WAsP Engineering et le tout fut comparé à des mesures expérimentales. Malgré la présence de complexité topographique sur une distance de huit fois le rayon du disque scanné autour du LiDAR, très peu d’erreur fut observée, ce qui laisse envisager que le LiDAR n’est affecté que par la topographie très près du volume scanné.