Ice-covered runways increase accident risk by making surfaces slippery. In aviation, deicing runways is essential to ensure safe takeoffs and landings. However, excessive deicing chemical use raises environmental concerns. Developing a mathematical model can help to reduce chemical usage. Current 0D models primarily rely on constant empirical melting rates for road pavements, lacking the precision needed for runway conditions. This research presents a onedimensional model to estimate runway ice melting rates and surface temperatures based on deicer quantity and environmental conditions. The Runway Deicing model employs the twophase Stefan problem, modified to account for non-uniform deicer concentration, governed by Fick’s law for mass diffusion. The enthalpy method was adopted for phase change with variable melting temperatures, using a finite volume approach to solve the model explicitly. Verification was performed through comparison with the Neumann similarity solution, confirming the Runway Deicing Model’s accuracy in predicting temperature and melting front location. With deicers, the model predicted key parameters like surface temperature, melting front, and concentration gradients, verifying its performance by capturing expected behaviors like the temperature-concentration relationship according to the liquidus curve. Model validation was based on controlled ice melting experiments following AS6170 standards. Deicing solutions at -2°C and -10°C were applied to ice samples. At -2°C, the model’s temperature prediction error was 0.9% for KFO (Potassium formate) and 0.88% for KAC (Potassium acetate), with the mass prediction discrepancies of 15% for KFO and 11% for KAC at 5 minutes, stabilizing over time. At -10°C, temperature error was 1.2% for both deicers, with the mass errors of 11.8% for KFO and 16% for KAC. The parametric study examined the effects of variables such as the heat convection coefficient, initial deicer thickness, and melting temperature. Under runway-specific conditions, KAC achieved a higher melting rate than KFO across temperature scenarios. Additionally, reapplication frequency was tested and the results showed that larger, less frequent applications melted slightly more ice, enhancing deicing efficiency on runways.

Les pistes couvertes de glace augmentent le risque d'accidents en rendant les surfaces glissantes. Dans l'aviation, le dégivrage des pistes est essentiel pour garantir des décollages et des atterrissages en toute sécurité. Cependant, l'utilisation excessive de produits de dégivrage soulève des préoccupations environnementales. Développer un modèle mathématique peut aider à réduire l'utilisation de ces produits. Les modèles 0D actuels s'appuient principalement sur des taux de fonte empiriques constant pour les chaussées, manquant de précision pour prédire les conditions des pistes. Cette recherche présente un modèle unidimensionnel pour estimer les taux de fonte de la glace sur les pistes ainsi que les températures de surface, en fonction de la quantité de dégivrant et des conditions environnementales. Le modèle de dégivrage de piste se base sur le problème de Stefan à deux phases, modifié pour tenir compte de la concentration non uniforme de dégivrant, régie par la loi de Fick pour la diffusion de masse. La méthode de l'enthalpie a été adoptée pour le changement de phase avec des températures de fusion variables, en utilisant une approche par volumes finis pour résoudre le modèle de manière explicite. La vérification a été effectuée en comparant avec la solution de similarité de Neumann, confirmant les capacités du modèle de dégivrage de piste à prédire la température et la position du front de fusion. Avec les dégivrants, le modèle a prédit des paramètres clés comme la température de surface, le front de fusion et les gradients de concentration, vérifiant ainsi sa capacité à simuler des comportements attendus tels que la relation température-concentration selon la courbe du liquidus. La validation du modèle est basée sur des expériences de fonte de glace contrôlées suivant les normes AS6170, où des solutions de dégivrage à -2 °C et -10 °C ont été appliquées à des échantillons de glace. À -2 °C, l'erreur de prévision de la température du modèle était de 0,9 % pour le KFO (formate de potassium) et de 0,88 % pour le KAC (acétate de potassium), avec des écarts de prévision de masse fondue de 15 % pour le KFO et de 11 % pour le KAC après 5 minutes, se stabilisant au fil du temps. À -10 °C, l'erreur de température était de 1,2 % pour les deux dégivrants, avec des erreurs de masse fondue de 11,8 % pour le KFO et de 16 % pour le KAC. L'étude paramétrique a examiné les effets de variables telles que le coefficient de convection thermique, l'épaisseur initiale du dégivrant et la température de fusion. Dans des conditions spécifiques aux pistes, le KAC a obtenu un taux de fonte plus élevé que le KFO dans divers scénarios de température. De plus, la fréquence de réapplication a été testée est les résultats ont montré que des applications plus importantes mais moins fréquentes faisaient fondre légèrement plus de glace, améliorant l'efficacité du dégivrage sur les pistes.