https://www.peren-revues.fr/pollutionatmospherique/3336 Entrées d’index fr 0 https://www.peren-revues.fr/pollutionatmospherique/7149 L'objectif de ce papier est l’estimation des émissions des sources chroniques et connues par modélisation inverse. Le cas d'étude correspond à une zone industrielle située en banlieue parisienne, où il y a trois sources émettrices de quantités importantes de SO2. Premièrement, nous avons testé dans quelle mesure on pouvait résoudre ce problème en utilisant les capteurs du réseau de surveillance de la qualité de l'air existant dans la région (trois stations). Des mesures de paramètres météorologiques sont également disponibles dans le voisinage des sources. Le problème inverse a été abordé par minimisation de l'écart entre un modèle direct (le modèle gaussien de dispersion de Pasquill) et les mesures, en utilisant plusieurs techniques d'optimisation (algorithmes génétiques, Gauss-Newton...). Bien que dans certains cas de figure (récepteurs sous le vent des sources), l'ordre de grandeur des émissions soit bien restitué, parfois avec une erreur inférieure à 10 % pour au moins deux sources, d'autres configurations (direction du vent-positions des capteurs) ont conduit à un problème mal posé, qui ne permet pas d'estimer les émissions des sources, ces derniers cas correspondant à des situations météorologiques fréquentes. Cette constatation a mis en évidence la nécessité de concevoir un réseau de capteurs, optimisé pour estimer les sources pour les situations atmosphériques les plus fréquentes. La première étape de la conception du réseau a été la création des mesures semi-synthétiques aux capteurs fictifs répartis uniformément et en grand nombre sur toute la région autour des sources, à partir des données météorologiques réelles et des caractéristiques des sources (plage de variation des débits d'émission), en utilisant le modèle de Pasquill. Ensuite, on a procédé à la sélection des capteurs les plus « prometteurs » au sens de la précision d'estimation des émissions des sources, la méthode d'inversion étant celle testée dans le cas du réseau existant. La redondance a été réduite en utilisant des méthodes statistiques comme la classification ascendante hiérarchique ou l'analyse en composantes principales à noyaux. Au final, avec une dizaine de capteurs on arrive à obtenir des estimations parfaites des émissions des sources dans environ 70 % des cas étudiés. This paper focuses on the estimation of the emissions from known sources by inverse modeling. The study case corresponds to an industrial zone in Paris outskirts, where there are three important sources of SO2. First, we tested to what extent it was possible to solve this problem by using the 3 existing sensors of the existing air quality monitoring network in the area. Meteorological parameters in the sources neighbourhood are available from measurements. The inverse problem has been solved by coupling a direct diffusion model (Pasquillʼs Gaussian model) and the minimization of an error criterion, by several techniques (genetic algorithms, Gauss-Newton...). Good results are obtained when the monitoring stations are downwind from the sources, and in these cases, the order of magnitude of emissions is retrieved, sometimes with less than 10% error for at least two sources. Some configurations however lead to an ill-posed problem, where it is not possible to retrieve emissions and these cases correspond to frequent meteorological conditions. The latter situations reveal the need to conceive a specific network of sensors, taking into account the source locations and the most frequent weather patterns. The first stage of this network design consisted in simulating semi-synthetic measurements at virtual sensors, uniformly distributed and in large number over the region around the sources, using Pasquill's model applied to actual meteorological data and source emissions (generated from source characteristics). Then, a selection of the best sensors has been performed, according to their potential to retrieve the source emissions. The redundancy of the virtual sensors has been reduced using statistical methods such as hierarchical classification or kernel principal component analysis. By using about ten sensors, perfect estimations of source emissions are obtained in about 70% of the studied cases. mar., 14 mai 2024 13:36:37 +0200 mar., 14 mai 2024 13:36:45 +0200 https://www.peren-revues.fr/pollutionatmospherique/7149 https://www.peren-revues.fr/pollutionatmospherique/3329 Deux techniques multivariées, la classification ascendante hiérarchique et le graphique en étoile, ont été utilisées pour examiner les niveaux en NO et NO2 obtenus aux 14 stations du réseau de surveillance de la qualité de l’air de l’agglomération lilloise. Cette approche statistique a permis d'identifier, par la construction d'une classification, deux groupes homogènes de distribution de NO séparant les sites exposés à une pollution de proximité due aux transports de ceux non influencés par ce même type de pollution. Les distributions de NO2 se répartissent dans cette même analyse en trois classes, correspondant à des degrés différents d'exposition des stations vis-à-vis de la pollution de fond induite par les transports. Ce classement des stations obtenu par l'analyse des distributions de NO et de NO2 est globalement en accord avec nos connaissances sur l'environnement des sites de mesures. Il a permis de bien définir le type d'influence « transport » subi par les différentes stations du réseau et de reconsidérer, pour certaines d'entre elles, leurs objectifs de mesures. Avec l'appui d'un outil de prospection, tel qu'un laboratoire mobile, cette analyse par classification peut également servir de support à l'optimisation du dispositif de surveillance du réseau. Two multivariate analyses, hierarchical clustering analysis and star symbol plot, have been applied to examine the NO and NO2 levels on the fourteen stations of air quality network of Lille. Two groups of NO distributions have been identified by this statistical approach first group, the sites exposed to the pollution of proximity generated by the transports and second one, the sites non influenced by this same type of pollution. The NO distributions are divided among three classes, corresponding to three different degrees of exposure of stations beside the background pollution induced by the transports. This classification of stations obtained by the analysis of their NO and NO2 distributions are globally in agreement with our knowledges on the environment of sites. It has allowed to well define the type of "transport" influence undergone by the different stations and to reconsider, for some stations, their measurement target. With the support of a mobile laboratory, these analysis can be also useful to the optimization of network design. A method of optimization is proposed in this article. lun., 10 mars 2014 14:51:14 +0100 mar., 12 juil. 2016 11:36:01 +0200 https://www.peren-revues.fr/pollutionatmospherique/3329