Добірка наукової літератури з теми "Pollution atmosphérique – Prévision"

Les aérosols (particules fines en suspension dans l’air) constituent un enjeu important pour l’étude de l’atmosphère : ils ont des conséquences sanitaires néfastes, modifient la visibilité et ont sur le bilan radiatif des effets directs (absorption/réfraction de la lumière), semi directs (modification du profil vertical de température) et indirects (impacts sur la formation des nuages en tant que noyaux de condensation). Leur modélisation est particulièrement complexe, aussi bien physiquement que numériquement. La concentration massique en particules dont le diamètre est inférieur à 10 µm (PM10 -Particule Matter) mesurée par les réseaux de surveillance de la qualité de l’air est un des éléments objectifs d’évaluation de la pollution atmosphérique particulaire. Ces mesures ponctuelles présentent l’avantage de donner des profils horaires de concentrations massiques pour les lieux où elles sont implantées. Par contre, elles ne permettent pas d’accéder aux répartitions spatiales des différents polluants. L’emploi des mesures satellitaires d’épaisseur optique en aérosols (AOT) peut s’avérer une bonne alternative, cependant la relation permettant de retrouver les concentrations massiques en (PM10) au sol à partir des mesures optiques est loin d’être simple. Cette thèse vise à établir la relation liant la concentration massique à 2 mètres du sol des particules fines (PM10) à l’épaisseur optique. L’objectif recherché est d’utiliser à terme cette relation pour tirer profit du potentiel de l’observation satellitaire en matière de cartographie de la pollution particulaire. Nous proposons une méthodologie d’analyse et de prévision de la pollution particulaire à partir de la télédétection, du modèle de chimie-transport CHIMERE et du modèle météorologique MM5. Elle est basée sur une approche statistique (réseaux de neurones) et permet d’établir une classification en types de temps (à partir des variables météorologiques) pour lesquels on peut déterminer plus facilement la relation PM10-AOT. Les types de temps permettent également de définir des indices de pollution générique, et une prévision largement satisfaisante des concentrations massiques des PM10 à partir des mesures d’épaisseurs optique. Notre modèle de prévision a été validé sur cinq années de mesures in situ et l’apport de l’information AOT satellitaire par type de temps est clairement montré
We present a methodology for retrieving atmospheric particulate matter (PM10) from sun-sky photometer measurements (AOT). As PM10 are “surface parameters” and AOT are “integrated parameters”, the last and containing or not the first one, one needs to use a “functional relationship” between the two parameters. As these two parameters depend on atmospheric structure and meteorological parameters, we tried here to initiate a statistical approach, classified the meteorological situations in weather types using a neuronal classifier (Self organizing Map). For each weather type, a simple relationship can be estimated. We applied this methodology to the Lille region (France) for the summer 2003-2007. The good performances of the method led us to envisage the possibility of measuring the PM10 from satellite observations

Les Modèles de Chimie-Transport (CTM) simulent aujourd'hui de façon assez réaliste les concentrations des espèces responsables de la pollution photochimique estivale. Cependant, la complexité des phénomènes mis en jeu et la variabilité spatiale et temporelle des émissions de polluants sont telles que, quel que soit le modèle utilisé, il est impossible de reproduire parfaitement ces concentrations. Lorsqu'un paramètre interne ou d'entrée du modèle est mal décrit une erreur importante peut etre observée certains jours. Le modèle CHIMERE est un CTM couvrant la majeur partie de l'Europe avec une résolution d'une cinquantaine de kilomètres. Il offre la possibilité de zoomer et de simuler de façon plus détaillée les concentrations des polluants sur des régions clefs, telles que l'Ile-de-France et la région de Berre et de Marseille.

Les simulations de ce modèle ont été compaés avec des observations de surface et des données aéroportées de la campagne d'Etude et Simulation de la QUalité de l'Air en Ile-de-France (ESQUIF) à l'échelle européenne et régionale. Cette comparaison a permis ainsi de quantifier l'erreur globale commise sur les concentrations d'ozone et de son précurseur, le dioxyde d'azote. Différentes méthodes (Interpolation Statistique, Krigeage) ont été testées et adaptées au cas de la pollution dans le but de corriger cette erreur. Elles ont été comparées et validées de manière objective. Il a été montré que la combinaison des observations de surface et des simulations du modèle permet d'obtenir efficacement des cartes tridimensionnelles (i.e. des analyses) de concentration des deux polluants, plus réalistes que les simulations brutes.

Les expériences menées depuis trois ans dans le cadre du projet PIONEER (Prévisibilité et Incertitude de l'Ozone à l'échelle Européenne et Régionale) montrent que l'erreur de prévision peut éventuellement se propager d'une région vers une autre. Les analyses des concentrations d'ozone, produites à l'échelle européenne ont été également utilisées pour réinitialiser le modèle de prévision. L'objectif était alors de savoir s'il est possible d'améliorer aussi les prévisions à court termes en utilisant de meilleurs états initiaux que les prévisions de la veille.

L’objectif de ces travaux de doctorat est de développer un modèle prédictif capable de prévoir correctement les concentrations en polluants du jour pour le lendemain en Corse. Nous nous sommes intéressés aux PM10 et à l’ozone, les deux polluants les plus problématiques sur l’île. Le modèle devait correspondre aux contraintes d’un usage opérationnel au sein d’une petite structure, comme Qualitair Corse, l’association locale de surveillance de la qualité de l’air.La prévision a été réalisée à l’aide de réseaux de neurones artificiels. Ces modèles statistiques offrent une grande précision tout en nécessitant peu de ressources informatiques. Nous avons choisi le Perceptron MultiCouche (PMC), avec en entrée à la fois des mesures de polluants, des mesures météorologiques, et des sorties de modèles de chimie-transport (CHIMERE via la plate-forme AIRES) et de modèles météorologiques (AROME).La configuration des PMC a été optimisée avant leur apprentissage automatique, en conformité avec le principe de parcimonie. Pour en améliorer les performances, une étude de sélection de variables a été au préalable menée. Nous avons comparé l’usage d’algorithmes génétiques, de recuits simulés et d’analyse en composantes principales afin d’optimiser le choix des variables d’entrées. L’élagage du PMC a été également mis en œuvre.Nous avons ensuite proposé un nouveau type de modèle hybride, combinaison d’un classifieur et de plusieurs PMC, chacun spécialisé sur un régime météorologique particulier. Ces modèles, qui demandent un large historique de données d’apprentissage, permettent d’améliorer la prévision des valeurs extrêmes et rares, correspondant aux pics de pollution. La classification non-supervisée a été menée avec des cartes auto-organisatrices couplées à l’algorithme des k-means, ainsi que par classification hiérarchique ascendante. L’analyse de sensibilité à été menée grâce à l’usage de courbes ROC.Afin de gérer les jeux de données utilisés, de mener les expérimentations de manière rigoureuse et de créer les modèles destinés à l’usage opérationnel, nous avons développé l’application « Aria Base », fonctionnant sous Matlab à l’aide de la Neural Network Toolbox.Nous avons également développé l’application « Aria Web » destinée à l’usage quotidien à Qualitair Corse. Elle est capable de mener automatiquement les prévisions par PMC et de synthétiser les différentes informations qui aident la prévision rendues disponibles sur internet par d’autres organismes
The objective of this doctoral work is to develop a forecasting model able to correctly predict next day pollutant concentrations in Corsica. We focused on PM10 and ozone, the two most problematic pollutants in the island. The model had to correspond to the constraints of an operational use in a small structure like Qualitair Corse, the local air quality monitoring association.The prediction was performed using artificial neural networks. These statistical models offer a great precision while requiring few computing resources. We chose the MultiLayer Perceptron (MLP), with input data coming from pollutants measurements, meteorological measurements, chemical transport model (CHIMERE via AIRES platform) and numerical weather prediction model (AROME).The configuration of the MLP was optimized prior to machine learning, in accordance with the principle of parsimony. To improve forecasting performances, we led a feature selection study. We compared the use of genetic algorithms, simulated annealing and principal component analysis to optimize the choice of input variables. The pruning of the MLP was also implemented.Then we proposed a new type of hybrid model, combination of a classification model and various MLPs, each specialized on a specific weather pattern. These models, which need large learning datasets, allow an improvement of the forecasting for extreme and rare values, corresponding to pollution peaks. We led unsupervised classification with self organizing maps coupled with k-means algorithm, and with hierarchical ascendant classification. Sensitivity analysis was led with ROC curves.We developed the application “Aria Base” running with Matlab and its Neural Network Toolbox, able to manage our datasets, to lead rigorously the experiments and to create operational models.We also developed the application “Aria Web” to be used daily by Qualitair Corse. It is able to lead automatically the prevision with MLP, and to synthesize forecasting information provided by other organizations and available on the Internet

Les travaux presentes dans cette these se situent dans le domaine de l'identification de modeles flous. L'objectif vise est de developper une methodologie pour l'identification de modeles flous afin d'obtenir une representation simple et comprehensible du comportement d'un systeme reel. Cette methodologie est basee sur l'analyse de donnees d'entree et de sortie qui sont parfois incompletes, incertaines ou imprecises. La premiere etape de ce travail est la modelisation du systeme. Le manque de connaissances exactes sur le systeme et l'absence de theorie physique le decrivant font qu'il est difficile d'en construire un modele mathematique. De plus, le modele recherche doit etre comprehensible meme par une personne non experte dans le domaine de la logique floue, tout en permettant de representer le plus fidelement possible le comportement du systeme. En fonction de ces contraintes et parmi les moyens envisages pour modeliser de tels systemes, nous avons propose une methode basee sur la logique floue. La methodologie retenue et que nous avons amelioree se base sur le groupement par soustraction pour effectuer l'identification du modele flou. Ces ameliorations, principalement orientees dans le cadre de prevision de series chronologiques, ont ete obtenues en ajoutant une etape d'optimisation a l'algorithme du regroupement par soustraction et en ameliorant l'algorithme lui-meme. Afin de juger de l'acuite des modeles obtenus, nous avons defini des fonctions de cout sur ces modeles qui permettent d'etudier leurs performances et d'en selectionner les meilleurs. Cette methode a ete appliquee, a la prevision de la pollution atmospherique et a ete egalement mise en uvre dans divers probleme de classification. Les resultats obtenus permettent d'envisager que cette methode puisse s'appliquer a d'autres domaines.

Dans le but d'élaborer une méthodologie permettant la prévision des alertes de pollution atmosphérique et s'appuyant sur les données recueillies par un réseau de telle-mesures, on est amené à étudier un estimateur de la densité de probabilité base sur les directions révélatrices. La convergence de cet estimateur est étudiée, et un résultat de convergence uniforme presque-sure sous certaines hypothèses portant sur la densité à estimer est obtenu. L'écriture d'un programme réalisant cette méthode a permis son étude par simulation, puis son application aux données de pollution atmosphérique

De nos jours, les industries métallurgiques sont à l'origine de la majeure partie des émissions dans l'air de poussières contenant des métaux. Ces activités émettent de fines particules de PbSO₄, de ZnSO₄ et de CdSO₄ qui présentent un risque toxicologique par les voies respiratoires. La simulation en laboratoire dans une chambre d'aérosol en régime turbulent a permis de former des agrégats entre microparticules de MSO₄ (M=, Cd, Zn, Pb) et de CaCO₃ (calcite). Des microagrégats PbSO₄-CaCO₃ sont observés également dans la matière particulaire (PM₁₀ et PM_2.5) prélevée dans l'air au voisinage d'activités pyrométallurgiques. La morphologie et la chimie des agrégats MSO₄-CaCO₃ ont été étudiées par microimagerie de diffusion Raman, microscopie électronique environnementale (MEBE-EDS) et imagerie TOF-SIMS en fonction de l'humidité relative. Une sursaturation en H₂O vapeur provoque l'apparition mineure de très fines particules de CdCO₃ et de CaSO₄, 2H₂O sur l'agrégat CdSO₄, xH₂O (x= 8/3,1) représente la spéciation majeure de l'élément Cd dans l'agrégat. De même, l'humidité provoque l'apparition d'une fine couche de Zn₄(OH)₆SO₄, de Zn₅(OH)₆(C0₃)2 et de ZnSO₄, xH₂O (x= 7,1) à l'interface. Par contre dans les mêmes conditions, les agrégats PbSO₄-CaCO₃ conduisent rapidement à des fines particules de Pb₃(CO₃)₂(OH₂), de PbCO₃ et de CaSO₄, 2H₂O. Les spéciations de Cd, Zn et Pb dans les agrégats avec CaCO₃ sont interprétées en fonction des équilibres thermodynamiques et de la vitesse de dissolution de la calcite. Les spéciations de Cd, Zn et Pb dans les aérosols sont très différentes de celles qui résultent de la capture par la calcite des ions Cd²⁺, Zn²⁺ et Pb²⁺ en traces dans les eaux douce.

Cette étude est consacrée à la modélisation spatio-temporelle de la pollution atmosphérique urbaine en utilisant un ensemble de méthodes statistiques exploitant les mesures de concentrations de polluants (NO2, O3) fournies par un réseau de surveillance de la qualité de l'air (AIRPARIF). Le principal objectif visé est l'amélioration de la cartographie des champs de concentration de polluants (le domaine d'intérêt étant la région d'Île-de-France) en utilisant, d'une part, des méthodes d'interpolation basées sur la structure spatiale ou spatio-temporelle des observations (krigeage spatial ou spatio-temporel), et d'autre part, des algorithmes, prenant en compte les mesures, pour corriger les sorties d'un modèle déterministe (Filtre de Kalman d'Ensemble). Les résultats obtenus montrent que dans le cas du dioxyde d'azote la cartographie basée uniquement sur l'interpolation spatiale (le krigeage) conduit à des résultats satisfaisants, car la répartition spatiale des stations est bonne. En revanche, pour l'ozone, c'est l'assimilation séquentielle de données appliquée au modèle (CHIMERE) qui permet une meilleure reconstitution de la forme et de la position du panache pendant les épisodes de forte pollution analysés. En complément de la cartographie, un autre but de ce travail est d'effectuer localement la prévision des niveaux d'ozone sur un horizon de 24 heures. L'approche choisie est celle mettant en œuvre des méthodes de type réseaux neuronaux. Les résultats obtenus en appliquant deux types d'architectures neuronales indiquent une précision correcte surtout pour les 8 premières heures de l'horizon de prédiction

Suite à une requête de la Défense belge dans le cadre des applications CBRN (chimique, biologique, radiologique et nucléaire), l’objectif initial du travail était de simuler un cas CBRN réaliste a l’air libre (dispersion de particules après une explosion dans une ville), en appliquant la stabilisation Streamline-Upwind Petrov-Galerkin (SUPG) sur une méthode d’éléments finis (FEM), incluant une deuxième phase (particules). Pour cette simulation, les développements se font dans le code Coolfuid 3, un langage spécifique au domaine (DSL) écrit en C++. Cependant, les applications à l’air libre nécessitent de décrire correctement la couche limite atmosphérique (ABL). Cela n’a jamais été fait en utilisant des éléments finis stabilisés. Par conséquent, le défi de ce travail est de répondre à la question simple : Comment modéliser une ABL en s’appuyant sur la méthode de stabilisation SUPG. Afin de réduire le nombre d’éléments nécessaires pour une simulation résolvant toutes les échelles de turbulences jusqu’aux parois, l’ABL a été implémentée avec un modèle de paroi, puis vérifiée en 2D, tandis que quelques corrections (la résolution du maillage, la stabilité du profil de vitesse) ont également pu être menées. Néanmoins, l’implémentation 3D a révélé certaines oscillations parasites, laissant supposer à une origine numérique. Bien que la SUPG produise de la dissipation, cette dernière ne semble pas suffisante pour un écoulement à nombre de Reynolds aussi élevé. Par conséquent, pour ajouter de la dissipation, deux directions ont été suivies : Premièrement, une implémentation de l’évolution de la SUPG, la Méthode Variationnelle MultiScale (VMS), a été initiée. Cette dernière fournit un cadre combiné à la fois pour la stabilisation et la modélisation de la turbulence. Deuxièmement, deux formulations LES, connues pour leur comportement dissipatif, ont également été intégrées. Après avoir réduit les oscillations parasites, le profil de vitesse a été analysé. Finalement, pour permettre la comparaison avec un résultat DNS disponible, le nombre de Reynolds visqueux du domaine ABL a été réduit. Favorablement, et ceci également pour deux autres conditions, l’implémentation du modèle ABL a fourni des résultats se rapprochant le plus de la courbe DNS. En conclusion, nous avons déterminé deux méthodologies (LES et SUPG / VMS) qui ont le potentiel d’approcher l’écoulement ABL. La FEM stabilisée utilisant la SUPG a révélé qu’elle n’est actuellement pas encore suffisante pour éviter les oscillations parasites dans le cas d’un écoulement ABL. En revanche, la LES a fourni des résultats encourageants, ce qui prouve qu’un certain type de modèle de turbulence est indispensable. Cela souligne l’intérêt pour la méthode VMS, bien que celle-ci reste difficile à implémenter
In the context of a Chemical, Biological, Radiological, and Nuclear (CBRN) application for the Belgian Defense, the original objective of the work was to simulate a realistic open-air CBRN case (e.g. dispersion after an explosion of particles in a city), by applying the Streamline-Upwind Petrov-Galerkin (SUPG) stabilization on a nite element method (FEM), together with a second phase (i.e. particles). This would be done through the code Cool uid 3, a Domain Speci c Language (DSL) written in C++.However, open-air applications requires to describe the atmospheric bound-ary layer (ABL) correctly. This has never been done using stabilized FEM. Consequently, the challenge of this work is to answer the simple question: How to model an ABL taking advantage of the SUPG stabilization method.To reduce the number of elements produced by a wall-resolved simulation, the ABL was implemented with a wall model and veri ed in 2D, while a few corrections (e.g. grid scalability, stable velocity pro le) could also be adressed.However, the 3D implementation revealed spurious oscillations, suggesting a numerical origin. Although SUPG does provide dissipation, it seemed not su cient enough for such a high Reynolds ow. Consequently, two directions were followed to add numerical dissipation: Firstly, the implementation of an extended version of the SUPG, the Variational MultiScale method (VMS), was initiated. The latter provides a combined framework for stabilization and turbulence modeling. Secondly, two LES formulations, known for their dissipative behavior, were integrated.Having solved the spurious oscillations, the velocity pro le was analyzed. Eventually, the viscous Reynolds number for the ABL domain was reduced to enable the comparison with an available DNS result. Fortunately, rela-tive to the standard no-slip wall condition and to the friction velocity condi-tion, the wall model implementation provided the best result, although not matching.In conclusion, we ascertained two methodologies (LES and SUPG / VMS) that have the potential to approach the ABL ow. The stabilized FEM using SUPG revealed that it is currently not su cient to avoid spurious oscillations in the case of an ABL ow. In contrast, LES provided encouraging results for reduced Reynolds number, supporting that some kind of turbulence model is indispensable. This emphasizes that the implementation of VMS should be promising, although challenging