<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
  <channel>
    <title>roses de pollution</title>
    <link>https://www.peren-revues.fr/pollutionatmospherique/1755</link>
    <description>Entrées d’index</description>
    <language>fr</language>
    <ttl>0</ttl>
    <item>
      <title>Développement d’une méthodologie sources-récepteurs pour la caractérisation des sources des COV dans l’air ambiant</title>
      <link>https://www.peren-revues.fr/pollutionatmospherique/1579</link>
      <description>Depuis 2001, en France, une surveillance continue d’une trentaine d’hydrocarbures non méthaniques (HCNM), principaux composés organiques volatils précurseurs de l’ozone, est conduite dans certaines grandes agglomérations. L’importance des données recueillies et leur exploitation doit permettre à terme d’établir un bilan qualitatif et quantitatif détaillé des sources d’hydrocarbures nécessaire à la mise en place des stratégies de régulation des émissions et à l’évaluation a posteriori des actions conduites. Ce travail a pour but de présenter les fondements et les apports d’une méthodologie originale dite sources-récepteurs dans la caractérisation des sources des HCNM au travers de différents cas d’étude. Il s’agit d’une approche statistique et diagnostique, adaptable et transposable en tout site, et qui intègre la dynamique spatio-temporelle des émissions. Les méthodes de recherche et d‘identification des sources combinent des approches complémentaires descriptives ou plus complexes : 1) approche univariée au travers de l’analyse des séries chronologiques et des roses de concentrations, 2) approche bivariée au travers d’une analyse graphique des rapports et d’une caractérisation de la distribution des nuages de points pour une paire de composés donnée, 3) approches multivariées avec des analyses en composantes principales sur des bases de temps judicieusement choisies. Un modèle de régression linéaire simple permet finalement d’estimer les contributions des sources tant dans leur évolution temporelle que spatiale et leur hiérarchisation. Since 2001, in France, a continuous monitoring of about thirty ozone precursor non-methane hydrocarbons (NMHC) is led in some urban areas. The automated system for NMHC monitoring consists of subambient preconcentration on a cooled multisorbent trap followed by thermal desorption and bidimensional Gas Chromatography/Flame Ionisation Detection analysis. The great number of data collected and their exploitation should provide a qualitative and quantitative assessment of hydrocarbon sources. This should help in the definition of relevant strategies of emission regulation as stated by the European Directive relative to ozone in ambient air (2002/3/EC). The purpose of this work is to present the bases and the contributions of an original methodology known as source-receptor in the characterization of NMHC sources. It is a statistical and diagnostic approach, adaptable and transposable in all urban sites, which integrates the spatial and temporal dynamics of the emissions. The methods for source identification combine descriptive or more complex complementary approaches: 1) univariate approach through the analysis of NMHC time series and concentration roses, 2) bivariate approach through a Graphical Ratio Analysis and a characterization of scatterplot distributions of hydrocarbon pairs, 3) multivariate approach with Principal Component Analyses on various time basis. A linear regression model is finally developped to estimate the spatial and temporal source contributions. Apart from vehicle exhaust emissions, sources of interest are: combustion and fossil fuel-related activities, petrol and/or solvent evaporation, the double anthropogenic and biogenic origin of isoprene and other industrial activities depending on local parameters. </description>
      <pubDate>lun., 27 mai 2013 15:12:04 +0200</pubDate>
      <lastBuildDate>mar., 17 nov. 2015 13:32:30 +0100</lastBuildDate>
      <guid isPermaLink="true">https://www.peren-revues.fr/pollutionatmospherique/1579</guid>
    </item>
  </channel>
</rss>