https://www.peren-revues.fr/pollutionatmospherique/2758 Entrées d’index fr 0 https://www.peren-revues.fr/pollutionatmospherique/2757 La demande d'information du public ainsi que la législation existante impliquent que les organismes surveillant la qualité de l'air soient en mesure de produire rapidement des cartes précises des polluants. Les techniques classiques de cartographie ne suffisent plus. Les cartes qui en résultent sont souvent irréalistes et le choix de la méthode retenue pour les établir est fondé sur des critères subjectifs. L'algorithme géostatistique de cartographie est mieux adapté au problème car il permet de prendre en compte le comportement spatial spécifique du polluant grâce à une fonction de corrélation spatiale calculée à partir des concentrations observées aux stations. De plus, la corrélation entre le polluant et les variables auxiliaires (comme les émissions ou le trafic) peut être quantifiée et utilisée afin d'obtenir une carte plus représentative de la réalité. Après un bref rappel des concepts de base de la géostatistique, les deux applications pratiques présentées permettent d'apprécier l'intérêt de la géostatistique. Cette méthode est bien adaptée au problème de la surveillance de la qualité de l'air car elle permet d'obtenir des cartes représentatives du comportement spatial spécifique des polluants traités. Being able to provide a quick and accurate pollutant map from readings at isolated measurement stations is becoming more important today in light of the European norms on air quality and the public's demand to be informed. Commonly used algorithms, like spline or inverse distance based techniques, are quick but their accuracy remains to be determined for two reasons. Firstly, the choice of method is arbitrary. The method retained will be the one that produces the most satisfactory result according to the user's subjective perception. Secondly, none of these methods can take relevant auxiliary information (like meteorological data, traffic density or industrial emissions) into account, thus limiting the realism of the final map. The geostatistical mapping algorithm, called kriging, provides an answer to both these problems. This algorithm is based on the specific spatial behaviour of the mapped pollutant via a spatial correlation function calculated from the sample measurements. Because the form of this correlation function determines the shape of the final map, the geostatistical algorithm adapts itself directly to the spatial characteristics of the data, thus eliminating the need for a subjective evaluation. Doubly important, auxiliary information can also be incorporated in the final map by integrating any relationship (linear or non-linear) with the mapped pollutant into the kriging algorithm. The paper begins with a presentation of the concepts behind the geostatistical mapping algorithm. Two practical applications, mapping nitrogen dioxide over Rouen and benzene over Paris, are used to highlight the capacity of the geostatistical approach to produce quick and realistic maps that take traffic information and emissions into account when monitoring air quality in real time. mar., 04 mars 2014 12:11:39 +0100 ven., 29 janv. 2016 16:11:31 +0100 https://www.peren-revues.fr/pollutionatmospherique/2757