Introduction

La gestion des pollutions de nature anthropique fait maintenant l'objet d'un dispositif législatif en France. Ce dispositif pose « le principe de l'information immédiate du public, non seulement en cas de dépassement des normes de qualité de l'air, mais également en cas de risque de dépassement ». Si le premier principe peut d'ores et déjà être assuré par les différents réseaux, la prévision des risques de dépassement est encore à l'état de projet de recherche. C'est donc l'objectif principal de recherche actuel.

En tant que géographe, cet objectif est, plus particulièrement, d'analyser la répartition spatiale de cette pollution en fonction des paramètres météorologiques afin de mettre en évidence des comportements représentatifs. Le site laboratoire retenu est celui de l'agglomération de Caen. Sur ce site, le réseau le mieux équipé est celui voué à l'étude de l'acidité forte. Lui seul présente un nombre de capteurs suffisant pour envisager une analyse spatiale de la répartition de la pollution. C'est ce polluant que l'on étudiera plus spécifiquement, même s'il s'agit d'une pollution moins importante de nos jours. Plus que son analyse, c'est la méthode permettant une étude spatiale qui nous intéresse. Cette analyse portera sur six années de relevés horaires de 1988 à 1993. On ne retiendra, en définitive que les périodes hivernales, les plus facilement associables à une pollution par l'acidité forte.

Cet intervalle apparait suffisant pour modéliser les phénomènes. Les années 94 et 95 serviront de validation des modèles développés. L'année butoir de 95 est fatale pour toutes autres expérimentations, le réseau de l'ESPAC ayant depuis connu de fortes modifications.

1. Le réseau laboratoire retenu et ses enjeux

1.1 Présentation du réseau

Le réseau de capteurs est géré par l'association pour l'Etude, la Surveillance et la prévention de la Pollution Atmosphérique dans l'Agglomération de Caen (ESPAC). Le réseau comprenait en 1995 10 stations automatiques de mesures des polluants chimiques et particulaires et deux stations météorologiques qui se répartissaient comme suit :

Différents capteurs météorologiques sont disposés au sein de ce réseau :

• à Blainville (mesure de la température, du vent (vitesse et direction)),

• à Hérouville (mesure de la température, du vent (vitesse et direction)),

• au centre-ville (mesure de la température de la pression et de l'hygrométrie).

La direction du vent est enregistrée en continu par interrogation régulière du capteur et calcul de la moyenne à un pas quart horaire et horaire. Une valeur de 0 équivaut à une valeur de 360 et désigne un secteur Nord. Une valeur de 90 désigne un vent de secteur Est et ainsi de suite. On considère toujours le sens d'où vient le vent. Ce paramètre sera considéré comme une variable quantitative.

L'étude spatiale envisagée nécessite une cartographie spécifique permettant de visualiser la distribution spatiale du polluant en fonction des paramètres météorologiques en présence.

Tableau I. Implantation des stations de mesure à Caen en 1995.
Air pollution monitoring in Caen in 1995.

Stations	Sites	Mesures
1	CAEN-OUEST, Centre socioculturel du Chemin Vert	AF.PS
3	GIBERVILLE, Mairie	AF.PS
4	HÉROUVILLE 1, Ecole St Michel	AF.PS
5	MONDEVILLE, station de pompage	AF
6	HÉROUVILLE, 1010, bd des Belles Portes	VV.DV.T
7	CAEN CENTRE VILLE, Tour Leroy	AF.PS.NO.NO2.SO2.O3.CO.T.BAR.HYG
9	RANVILLE, Presbytère	AF.PS
11	COLOMBELLES, Stade municipal	AF.PS
14	BLAINVILLE-SUR-ORNE, Bains Douches	AF
15	BLAINVILLE Météo	VV.DV.T
17	OUISTREHAM Plage	SO2

AF : Acidité Forte – PS : Poussières en Suspension
BAR : Pression atmosphérique – VV : Vitesse du vent
NO : Monoxyde d'azote – CO : Monoxyde de carbone
DV : Direction du vent - NO₂ : Dioxyde d'azote
SO₂ : Dioxyde de soufre – T : Température
O3 : Ozone – HYG : Hygrométrie

1.2. Les méthodes mises en œuvre

Ces méthodes sont en fait de deux natures bien distinctes correspondantes à deux objectifs particuliers : modéliser les phénomènes et développer un outil cartographique approprié.

La modélisation passe classiquement par l'étude des relations entre paramètres météorologiques et niveau de concentration. Les études en la matière reviennent sur des notions largement éprouvées en confirmant l'influence de la vitesse et de la direction des vents (fig. 1).

L'analyse en composantes principales, appliquée à la matrice de corrélation initiale, démontre que le système évolue par rapport à des conditions météorologiques spécifiques. La différenciation la plus marquante s'opère entre acidité forte d'une part et vitesse, direction du vent puis température d'autre part. Ainsi lorsque l'acidité forte sera importante, les autres paramètres seront faibles (températures tendant vers 0 °C voire négatives, vent tendant vers 0 m/sde secteur nord à nord est). La relation acidité forte / pression est différente puisque ces deux paramètres sont situés du même côté du premier axe factoriel. De fortes concentrations en acidité forte seront donc synonymes de fortes pressions barométriques.

Figure 1. Analyse en composantes principales du phénomène lié à l'acidité forte.
Principals components analysis about acid pollution.

La synthèse de ces informations peut alors s'opérer par modélisation. Les deux principales approches retenues sont respectivement :

• L'approche numérique, basée sur des considérations mathématiques La variable à expliquer est alors la concentration du polluant considéré, les variables explicatives étant constituées des paramètres météorologiques ainsi que de la composante nycthémérale. Nous appliquerons à ce stade la technique de la régression multidimensionnelle. Les effets de seuil inhérents au phénomène seront intégrés par détermination de limites internes. Une pondération par les gradients à 3h sera opérée. Au final, on obtient une équation de régression non linéaire qui se détermine comme suit :

Régression Non Linéaire avec limites internes et pondération par les gradients à 3 h
Step17 Variable T16 Entered  R-square= 0.80943879
	DF	Sum of Squares	Mean Square	F	Prob > F
Regression	15	25349842,24	1689989,4825271	453,08	0,0001
Error	1600	5967957,7565888	3729,97359787
Total	1615	31317799.994495
Variable	Parameter Estimate	Standard Error	Type II Sum of Squares	F	Prob > F
T3	-0.02851880	0.00631319	76115.05654604	20.41	0.0001
T4	-4.37109394	0.79152878	113750.31780011	30.50	0.0001
T5	0.55465325	0.12637496	71850.00415822	19.26	0.0001
T6	-0.48593392	0.09465735	98299.54829879	26.35	0.0001
T10	1.20229764	0.29223505	63134 .26732943	16.93	0.0001
T14	-4.52116904	l.43708875	36918.16162426	9.90	0.0017
T15	-0.47138472	0.11552425	62102.69520234	16.65	0.0001
T16	0.51265683	0.22175631	19934.58919004	5.34	0.0209
VV1	-6.28791819	0.93200403	169178.98958139	45.52	0.0001
VV2	0.32751242	0.10462575	36549.72577258	9.80	0.0018
DV1	-0.23076876	0.01923031	537139.61980139	144.01	0.0001
DV4	0. 00077901	0.00007859	366463.53141954	98.25	0.0001
BAR3	0.00000013	0.00000000	3610294 .9637884	967.91	0.0001
BAR4	-0.03468292	0.00280141	571719.26212046	153.28	0.0001
BAR9	0.00170461	0.00054319	36732.23183163	9.85	0.0017

Bounds on condition number: 61502.07, 1289726
All variables left in the model are significant at the 0.1500 level.
No other variable met the 0.1500 significance level for entry into the model.
­ 
Les variables retenues sont des variables complexes qui intègrent les différents seuils déterminés. Ceci permet au modèle de réagir en fonction de la valeur effectivement soumise. Prenons l'exemple de la variable T4. Elle ne sera activée que si la température est inférieure à 0 °C et si l'on se trouve en condition nocturne. T4 correspondra alors à la valeur de la température élevée au carré. L'intégration des différentes variables s'opère de manière incrémentale automatique. Un test permet d'intégrer ou de rejeter cette variable. Le résultat optimisé est l'équation décrite ci-dessus.

Figure 2. Equation de régression non linéaire.
Non linear regression equation.

Traitement réalisé sous SAS par TROUVÉ M.

­ 

Cependant, cette approche numérique n'est envisageable qu'à une échelle globale sur l'agglomération. La dimension spatiale échappe au raisonnement. Il fallait donc envisager un autre mode opératoire : la modélisation analogique.

• L'approche analogique repose sur la sélection d'analogues dans la base de données historiques. Cette sélection s'opère sur l'ambiance météorologique, combinaison de paramètres météorologiques élémentaires. On dispose alors d'un outil qui met en évidence les contrastes de localisation des différentes concentrations.

Dans le cadre de cette approche, un outil cartographique approprié doit donc être développé. Cet outil s'articule autour de deux notions simples :

- l'interpolation linéaire entre les différents points de mesure alignés sur un transect,

- le carroyage de l'information résultante.

L'interpolation permet de disposer d'informations relatives à chaque point de l'espace. A chaque maille du carroyage peut ainsi être associée une valeur de concentration, qui sera soit une valeur mesurée ou bien, une valeur calculée par interpolation.

Le carroyage, pour sa part, est une technique qui décompose l'espace d'étude en entités élémentaires. Un maillage kilométrique a été ici retenu. Cette unité est la mieux adaptée à l'espacement effectif des stations de mesures et à leur distribution spatiale.

La conjugaison de ces deux techniques permettra d'obtenir une représentation cartographique de la distribution spatiale du polluant considéré. Des données ponctuelles initiales, on passe donc à des données spatialisées.

Ces différentes approches, ainsi que les différentes techniques de cartographie permettent en fait de simuler les différents comportements du phénomène de pollution par l'acidité forte. Elles sont partie prenante du logiciel POLLU'AIR dont j'ai assuré le développement.

2. Potentialités du logiciel POLLU'AIR

2.1. Présentation des différentes fonctionnalités du logiciel

Concernant le module « modélisation et simulation » du logiciel POLLU'AIR, une première page (fig. 3) permet de sélectionner le type de modélisation que l'on souhaite effectuer. Ceci revient en fait à utiliser deux échelles différentes, à savoir une échelle globale dans le cadre d'une simulation numérique et une échelle spatiale dans le cadre d'une simulation analogique.

La sélection du premier item permet de calculer le niveau général de concentration sur l'agglomération. Pour ce faire, différentes boites de dialogues apparaissent successivement à l'écran afin de déterminer les valeurs désirées des différents paramètres météorologiques ainsi que les conditions nycthémérales. Le calcul est basé sur une équation de régression multidimensionnelle. Le résultat obtenu sera alors une estimation numérique de la concentration escomptée. On y associera la notion plus large d'indice de pollution en respect des limites communément admises par la plupart des réseaux français. Le résultat se présente comme indiqué en Figure 4.

28/02/1998
EVALUATION DES RISQUES
10 :8 :25 :

Ce programme permet d'alerter l'utilisateur des risques de pollution en prenant en considération les conditions météorologiques.

Deux traitements sont possibles :
Une estimation numérique (l)
Une estimation analogique (2)

Sélectionner l'item souhaité (l ou 2). (Q pour quitter)

Figure 3. Mise en œuvre des différentes prévisions au sein du logiciel POLLU'AIR.
Differents forecasts with POLLU'AIR software.

­ 

MODELISATION NUMERIQUE

Ce modèle est le fruit d'une régression non-linéaire multivariable.
La fonction développée est discontinue et n'exprime que 80.9 % du phénomène
Elle gère :
- les paramètres météorologiques
- les conditions nycthémérales

Les paramètres initiaux sont les suivants :
Température : -2.0 °C
Vitesse Vent : 2.0 m/s
Direction : 45.0 °
Pression : 1025.0 mb
Condition : diurne

Selon ces conditions, la concentration en A. F prévue est de 92.7 µg/m³
En terme de qualité de l'air, cette valeur détermine un sous-indice instantané de 5 sur une échelle de 10 soit un qualificatif de Moyen.

Tapez (I) pour impression et retour au menu
(R) pour relancer une simulation

Figure 4. Exemple de modélisation numérique sous POLLU'AIR.
Example of numeric modelling with POLLU'AIR software.

La sélection d'une modélisation analogique dans la page initiale permet en fait d'introduire la dimension spatiale de l'analyse. L'introduction des conditions initiales de l'analyse s'opère alors par le biais du masque de saisie (fig. 5).

Les différents paramètres saisis vont servir de référence pour la sélection d'analogues dans la base de données historiques. Les sorties, dans ce cas, différent de la précédente simulation. L'outil spécifique de cartographie mise en place prend alors le relais et propose une cartographie de la répartition spatiale de la pollution estimée.

2.2. Une prévision des niveaux de pollution

Les paramètres météorologiques sont considérés comme des révélateurs d'une ambiance météorologique spécifique. Par rapport au réseau, on utilisera la moyenne des différentes stations de mesures météorologiques. Cet artifice permet de considérer l'ambiance générale, en disposant de paramètres très facilement identifiables, en fin de compte des paramètres simples, susceptibles de faire l'objet d'une prévision météorologique. On introduit par ce biais la possibilité d'une connexion du modèle statistique avec un modèle météorologique, et donc l'opportunité d'une prévision effective des niveaux de concentration.

Figure 5. Masque de saisie pour une modélisation analogique sous POLLU'AIR.
Data's input for an analogic modelling under POLLU'AIR.

Prenons un exemple : un temps de Sud-Ouest. Les paramètres météorologiques représentatifs sont repris dans le tableau III. Par modélisation numérique, on aboutit à une estimation de la concentration moyenne sur l'agglomération de 24,6 µg/m³. Par modélisation analogique, on aboutit à une concentration estimée de 25,44 µg/m³. La comparaison de ces simulations avec des valeurs réelles confirme la validité du modèle comme en atteste le tableau suivant :

Tableau II. Validation des modèles développés.
Devoloped model validation.

Jour et heure du relevé	Concentration moyenne en acidité forte (µg/m3)
23/01/1988 à 17h	23,5
21/01/1989 à 12h	15,9
10/01/1991 à 11h	23,1
09/02/1992 à 13h	23.0

De plus, par cette technique, on obtient une répartition spatiale de cette distribution (fig. 6).

On peut donc prétendre à une prévision spatiale des niveaux de concentration du polluant considéré.

2.3. Une analyse spatiale de la pollution

Cet outil de prévision peut être aussi considéré comme un outil de spatialisation. Deux exemples sont particulièrement parlants à cet égard

2.3.1. L'étude d'impact d'une source ponctuelle de pollution

Cette étude considère principalement l'axe du flux enregistré et se focalise sur les stations de Giberville, Colombelles et Mondeville. Les conclusions issues de la figure 7 sont reprises dans le tableau IV.

Ceci suppose une source d'émission placée au centre de ce dispositif. Lorsque l'on regarde la structure industrielle, on se rend compte que la maille centrale est le siège d'une usine métallurgique importante en activité au cours de la période d'étude (Société de Métallurgie Normande). Il y a donc transport de la pollution selon l'axe du flux. On peut par ailleurs quantifier cet apport qui est de l'ordre de 50 µg/m³.

Figure 6. Simulation de la distribution spatiale de la pollution acide et modélisation analogique.
Spatial distribution simulation and analogic modelling

­ 

Tableau III. Conditions météorologiques représentatives d'un temps de Sud-Ouest.
Meteorological conditions of South-East weather.

Température de l'air	Vitesse du vent	Direction d'où vient le vent	Pression atmosphérique	Hygrométrie	Conditions nycthémérales
10°C	5 m/s	225°	1 005 mb	75%	Diurnes

­ 

Tableau IV. Répartition de la pollution en fonction du flux général.
Pollution distribution versus general flow.

Type de temps	Répartition spatiale principale
Temps du Sud-Ouest	Nord-Est de l'agglomération
Temps du Nord-Ouest	Sud-Est de l'agglomération
Temps du Nord-Est	Sud-Ouest de l'agglomération

­ 

Figure 7. Estimation du panache polluant de la SMN en fonction du type de temps.
Pollutant wreath estimate of SMN versus weather.

2.3.2. L'observation de phénomènes micro météorologiques

La journée du 31 décembre 1988 sera le cadre de cette étude. Nous sommes alors en condition anticyclonique stable. Ces conditions favorisent l'expression de facteurs locaux.

On constate une sur-représentation de concentration au centre-ville. Ceci s'explique par la répartition des températures. Le centre est alors plus chaud que la périphérie. Nous sommes en présence d'un îlot de chaleur urbain. Cet îlot de chaleur génère des brises thermiques qui s'organisent de la périphérie vers le centre comme le suggère la figure 8.

Discussion et conclusion

La méthode développée permet une reconstitution spatiale du phénomène de pollution par l'acidité forte à l'échelle de l'agglomération caennaise. Cette méthode repose principalement sur le principe de l'étude analogique. La sélection d'analogues dans une base de données historiques permet de déterminer une situation « moyenne » de la pollution acide en fonction des conditions météorologiques en présence. Un outil cartographique approprié permet de visualiser cette répartition.

De par les concepts simples qu'elle utilise, elle apparaît exportable à d'autres champs d'étude.

Traitements réalisés sous POLLU'A IR par TROUVÉ M.

Figure 8. Influence de l'îlot de chaleur sur le phénomène de brise thermique.
Hot islet influence on thermic breeze phenomenon.

Par contre, des améliorations sont susceptibles d'être apportées. La plus immédiate est certainement l'intégration d'un modèle numérique de terrain permettant d'introduire l'interaction évidente de la topographie dans l'étude.