https://www.peren-revues.fr/pollutionatmospherique/1279 Entrées d’index fr 0 https://www.peren-revues.fr/pollutionatmospherique/2217 Le but de cet article est de répondre à la problématique suivante : comment effectuer des mesures durant l’année afin d’estimer au mieux la moyenne d’un polluant (typiquement le NO2) sans se contraindre d’un relevé permanent ? Nous nous appuyons sur la théorie des sondages pour proposer un protocole de mise en œuvre d’une campagne de mesures mobiles sur l’année selon la précision d’estimation souhaitée. Nous proposons alors différentes méthodes d’estimation de la moyenne annuelle du polluant et de son taux de dépassement de seuil. Ces estimations peuvent être effectuées uniquement à partir des mesures réalisées ou s’appuyer plus subtilement sur un site fixe auxiliaire supposé avoir un comportement assez proche. Dans tous les cas, nous calculons un intervalle de confiance autour de la valeur estimée avec un taux de confiance préalablement choisi. Cette méthode, pour son application, ne nécessite que les mesures du polluant sur le site à explorer grâce à des tubes passifs ou un camion-laboratoire. Aucune hypothèse sur le type de polluant ou sur le site à étudier n’est faite. In this paper we deal with the problem of moving measures. How can we estimate the annual average of a substance (e.g. NO2) only thanks to a few measures throughout the year? We present the random sampling theory which gives us a way to handle a sampling plan depending on the estimation accuracy that we wish to obtain. Then we estimate the annual average or the proportion of measures greater than a certain value, by different ways: either only thanks to the sample, or involving an auxiliary site. In every case, a confidence interval is implemented, whose confidence rate can be previously chosen. This method only requires the substance measures on the site, and no other hypothesis are done on the kind of substance or site we work with. mer., 24 juil. 2013 12:56:00 +0200 lun., 14 déc. 2015 15:10:40 +0100 https://www.peren-revues.fr/pollutionatmospherique/2217 https://www.peren-revues.fr/pollutionatmospherique/1265 La notion de représentativité est mentionnée dans de nombreux textes législatifs sur la qualité de l’air. Une définition de la représentativité spatiale d’une station de mesure de la pollution de l’air par le dioxyde d’azote est proposée et testée sur l’agglomération rouennaise pour l’année 2005. Partant d’une notion empirique – une station de mesure est représentative d’un point géographique si les concentrations en ces deux sites sont « suffisamment proches » – nous proposons une formalisation mathématique de la représentativité. La technique du krigeage permet de ramener le problème de la délimitation de la zone de représentativité d’une station à la majoration d’une somme de deux termes : le premier est l’écart entre la moyenne annuelle de la concentration mesurée à la station et son estimation par krigeage au point courant, le second fait intervenir l’écart-type de l’erreur d’estimation. La mise en œuvre pratique fournit la zone de représentativité de chaque station. Certaines de ces zones peuvent se chevaucher ; en tout point des zones de recouvrement, on détermine alors la station la plus représentative. Enfin, la notion de représentativité est examinée en relation avec la probabilité de dépassement d’un seuil fixé. The notion of representativeness is mentioned in many legislative texts on air quality monitoring. The work presented here aims at defining the spatial representativeness of a measurement station with regard to the annual average of NO2, and testing this definition at Rouen urban area for the year 2005.The work is carried out in the spatial probabilistic framework of geostatistics, which is well suited for such tasks. An intuitive definition of representativeness is written as follows : a measurement station is representative of a given geographical location if the concentrations at these sites are sufficiently similar. But pollution is only measured at the station, and remains unknown outside. The kriging technique gives an estimation of the pollution in each point and the standard deviation of the estimation error. Using these values, and a hypothesis of a normal-distributed-error, we can, for each station, select the points that satisfy the notion of representativeness. There will then be a good chance (at a fixed risk) that the concentrations within the “zone of representativeness” do not differ with more than a fixed deviation from the concentration measured at the station.The practical implementation of these theoretical definitions is to produce maps of areas representative of the stations. It is also possible to determine, for any point of a region, the most representative station and its associated deviation (by assigning an acceptable risk to it). Lastly, for each area, it is also possible to indicate the probabilities of overshooting a threshold. lun., 13 mai 2013 11:04:00 +0200 jeu., 05 nov. 2015 11:00:49 +0100 https://www.peren-revues.fr/pollutionatmospherique/1265