À la frontière entre les continents et les océans, les marges continentales sont le siège de la grande majorité des apports de matière - dissoutes et solides, organiques et inorganiques - d'origine continentale vers l'océan. Elles sont aussi directement en contact avec les masses d'eau océaniques qui échangent de la matière et des éléments avec ces marges. L'érosion et le transport par les rivières étant une des sources essentielles des éléments chimiques à l'océan, la remise en suspension de matériel sédimenté et les forts mélanges d'eau favorisent les transferts de matière du continent vers l'océan. Le projet Amandes a pour objectif l'étude de ces échanges entre continents et océans, en étudiant le cas particulier du transport d'éléments en provenance des montagnes andines vers l'océan Atlantique par le système amazonien. Trois disciplines complémentaires - géochimie continentale et marine, océanographie physique et modélisation hydrodynamique (incluant l'assimilation de données) - sont associées pour atteindre ces objectifs. Parmi les modèles de la zone existants, aucun ne répond aux besoins du projet Amandes. Cette thèse a consisté à établir un nouveau modèle, qui permettra d'explorer en profondeur le problème du transport, c'est-à-dire le déplacement de toute la colonne d'eau et ce qu'elle contient, par exemple des sédiments. Cependant, établir un nouveau modèle hydrodynamique dans le but d'étudier le transport de matériaux par le fleuve Amazone dans l'océan Atlantique était un sujet trop ambitieux pour une seule thèse. En conséquence, nous nous sommes attachés à établir les bases d'un modèle qui sera étendu par la suite. Pour répondre à ses besoins de modélisation, le projet Amandes a opté pour le modèle à grilles non-structurées T-UGOm. L'avantage des grilles non-structurées est leur grande souplesse, qui leur permet de s'adapter finement aux spécificités géographiques de la zone modélisée. Dans le cas de l'estuaire de l'Amazone, où la géographie peut être complexe, cette particularité est un avantage critique. Pour appliquer T-UGOm au cas de l'Amazone, il a fallu préciser certains schémas numériques. Également, l'estuaire étant une zone de fortes marées, avec des fonds de faibles profondeurs sur de grandes étendues et soumise à de forts courants, le frottement de fond a une influence primordiale. Nous avons donc apporté un effort important pour affiner la prise en compte de ce frottement par le modèle. D'autre part, tant la faiblesse des fonds marin que la complexité de la géographie induisent également une forte influence du trait de côtes et de la bathymétrie. En conséquence, une part importante des efforts a été dédiée à établir un trait de côtes et une bathymétrie de la zone aussi précis que possible. La marée étant le phénomène hydrodynamique de plus forte amplitude dans la zone, nous nous sommes focalisés sur sa modélisation. Les développements évoqués précédemment ont permis, lorsque l'on compare notre meilleure solution de marée avec les données in situ et satellites, d'améliorer sensiblement la modélisation de la marée. En comparant notre meilleure solution avec celles déjà publiées, celle-ci est plus proche des données collectées. Ceci ouvre la voie à une modélisation hydrodynamique plus complète, en particulier du transport.

La simulation aux grandes échelles est devenue un outil d’analyse incontournable pour l’étude des écoulements turbulents dans des géométries complexes. Cependant, à cause de l’augmentation constante des ressources de calcul, le traitement des grandes quantités de données générées par les simulations hautement résolues est devenu un véritable défi qu’il n’est plus possible de relever avec des outils traditionnels. En mécanique des fluides numérique, cette problématique émergente soulève les mêmes questions que celles communément rencontrées en informatique avec des données massives. A ce sujet, certaines méthodes ont déjà été développées telles que le partitionnement et l’ordonnancement des données ou bien encore le traitement en parallèle mais restent insuffisantes pour les simulations numériques modernes. Ainsi, l’objectif de cette thèse est de proposer de nouveaux formalismes permettant de contourner le problème de volume de données en vue des futurs calculs exaflopiques que l’informatique devrait atteindre en 2020. A cette fin, une méthode massivement parallèle de co-traitement, adaptée au formalisme non-structuré, a été développée afin d’extraire les grandes structures des écoulements turbulents. Son principe consiste à introduire une série de grilles de plus en plus grossières réduisant ainsi la quantité de données à traiter tout en gardant intactes les structures cohérentes d’intérêt. Les données sont transférées d’une grille à une autre grâce à l’utilisation de filtres et de méthodes d’interpolation d’ordre élevé. L’efficacité de cette méthodologie a pu être démontrée en appliquant des techniques de décomposition modale lors de la simulation 3D d’une pale de turbine turbulente sur une grille de plusieurs milliards d’éléments. En outre, cette capacité à pouvoir gérer plusieurs niveaux de grilles au sein d’une simulation a été utilisée par la suite pour la mise en place de calculs basés sur une stratégie multi-niveaux. L’objectif de cette méthode est d’évaluer au cours du calcul les erreurs numériques et celles liées à la modélisation en simulant simultanément la même configuration pour deux résolutions différentes. Cette estimation de l’erreur est précieuse car elle permet de générer des grilles optimisées à travers la construction d’une mesure objective de la qualité des grilles. Ainsi, cette méthodologie de multi-résolution tente de limiter le coût de calcul de la simulation en minimisant les erreurs de modélisation en sous-maille, et a été appliquée avec succès à la simulation d’un écoulement turbulent autour d’un cylindre. / Large-Eddy Simulation (LES) has become a major tool for the analysis of highly turbulent flows in complex geometries. However, due to the steadily increase of computational resources, the amount of data generated by well-resolved numerical simulations is such that it has become very challenging to manage them with traditional data processing tools. In Computational Fluid Dynamics (CFD), this emerging problematic leads to the same "Big Data" challenges as in the computer science field. Some techniques have already been developed such as data partitioning and ordering or parallel processing but still remain insufficient for modern numerical simulations. Hence, the objective of this work is to propose new processing formalisms to circumvent the data volume issue for the future 2020 exa-scale computing objectives. To this aim, a massively parallel co-processing method, suited for complex geometries, was developed in order to extract large-scale features in turbulent flows. The principle of the method is to introduce a series of coarser nested grids to reduce the amount of data while keeping the large scales of interest. Data is transferred from one grid level to another using high-order filters and accurate interpolation techniques. This method enabled to apply modal decomposition techniques to a billion-cell LES of a 3D turbulent turbine blade, thus demonstrating its effectiveness. The capability of performing calculations on several embedded grid levels was then used to devise the multi-resolution LES (MR-LES). The aim of the method is to evaluate the modeling and numerical errors during an LES by conducting the same simulation on two different mesh resolutions, simultaneously. This error estimation is highly valuable as it allows to generate optimal grids through the building of an objective grid quality measure. MR-LES intents to limit the computational cost of the simulation while minimizing the sub-grid scale modeling errors. This novel framework was applied successfully to the simulation of a turbulent flow around a 3D cylinder.