https://www.peren-revues.fr/pollutionatmospherique/882 Entrées d’index fr 0 https://www.peren-revues.fr/pollutionatmospherique/7144 Dans cette revue, nous discutons de progrès récents dans la modélisation inverse des sources de polluants atmosphériques, en particulier d’origine accidentelle, de l’échelle régionale à l’échelle continentale. Il s’agit typiquement de caractériser et d’estimer une source de pollution émanant d’un site industriel au moyen d’un modèle numérique de chimie-transport et de mesures de concentrations de ce polluant distribuées en espace et en temps. Le formalisme mathématique permettant d’unifier ces informations est celui de l’assimilation de données, qui offre un cadre bayésien. Nous montrons comment formuler mathématiquement un tel problème, puis comment le résoudre, notamment à l’aide de techniques non-paramétriques. Parce que la chimie associée à un tel évènement physique peut être souvent considérée linéaire à court terme, des méthodes mathématiques plus avancées peuvent être mises en œuvre avec des résultats mieux contraints. Au-delà de l’estimation des sources, la caractérisation des incertitudes liées à des estimations est ensuite discutée. Des exemples récents issus de la littérature sont donnés sur les cas d’ETEX, de l’accident de Tchernobyl, et de l’incident d’Algésiras. Enfin, nous décrivons l’impact des résolutions spatiale et temporelle de l’espace des paramètres sur la reconstruction de la source. Dns le contexte de la dispersion atmosphérique, l’estimation de la source peut en dépendre significativement. This review discusses recent progress of the inverse modelling of sources of atmospheric pollution, especially from accidental origin, from regional to continental scale, Typically, it amounts to estimate and characterize a pollution source from an industrial site, with a chemistry and transport model, and with measurements of centration of this pollutant distributed in space and time. The mathematical formalism that allows to fuse these sources of information is given by the Bayesian framework of data assimilation. We show how to define mathematically such a problem, then how to solve it, in particular thanks to non-parametrical methods. Because the chemistry of species related to such a dispersion event can often be considered linear in the short term, more advanced mathematical methods can be implemented with better results. Beyond the estimation of these sources, the computation of the uncertainties attached to this estimation is discussed. Recent examples from the literature are then presented: the ETEX case, the Chernobyl case, and the Algeciras case. Lastly, we describe the impact of the spatio-temporal resolution of the parameter space on the retrieval. In the atmospheric dispersion context, the estimation of the source can depend significantly on this choice. mar., 14 mai 2024 13:25:46 +0200 mar., 14 mai 2024 13:25:54 +0200 https://www.peren-revues.fr/pollutionatmospherique/7144 https://www.peren-revues.fr/pollutionatmospherique/873 Cet article propose un état de l'art sur la modélisation inverse basée sur l'utilisation des méthodes statistiques pour la prévision des concentrations des particules dans l'air. Ces outils mathématiques sont applicables aux séries temporelles de mesures fournies par les capteurs des réseaux de surveillance de la qualité de l'air pour faire des prévisions et envisager des éventuelles mesures d'urgence ; dans le domaine de l'air intérieur, leur utilisation sera d'autant plus précieuse que peu de modèles déterministes sont applicables à l'heure actuelle. Cet état d'art inclut d'abord les modèles linéaires, en mettant l'accent sur les modèles autorégressifs ; parmi les modèles non linéaires, les réseaux de neurones ont été beaucoup utilisés, et on trouve un nombre non négligeable d'applications différentes dans la littérature. On citera également l'utilisation plus originale des systèmes dynamiques basés sur la théorie du chaos ou du filtre de Kalman. Des résultats plus performants ont été obtenus par des modèles hybrides (en combinant plusieurs modèles) ou en appliquant un prétraitement aux données d'entrée. This paper is a review of the main mathematical methods applied for an inverse modelling of particulate matter concentrations. These mathematical tools can be applied to time series data provided by the air pollution monitoring networks in order to forecast the air pollutant concentration and help to take urgent decisions; indoor air quality forecast based on statistical modelling is a very important topic because there are very few applications in this field.The following models are reviewed: linear ones, and in particular autoregressive models, but also non linear models, especially the artificial neural networks, extensively applied in the literature. Some models originally applied for particulate matter concentrations forecast are the dynamic systems based on the chaos theory and the Kalman filter. Many authors concluded that best performance is obtained by hybrid modelling (combining several models) or applying a specific pre-processing to input data. mar., 09 avril 2013 13:33:21 +0200 lun., 22 mai 2017 15:10:17 +0200 https://www.peren-revues.fr/pollutionatmospherique/873 https://www.peren-revues.fr/pollutionatmospherique/1530 Le mercure, le plomb et le cadmium sont actuellement un objet de préoccupations pour les instances concernées par la pollution atmosphérique. La dénomination commune de « métaux lourds » cache en fait des comportements variables de ces composés dans l'atmosphère qui influencent fortement leur transfert vers les écosystèmes. La modélisation numérique de ces comportements doit permettre de mieux comprendre leur devenir, une attention particulière devant être portée aux processus de déposition. L'utilisation pertinente d'un modèle numérique ne peut se faire sans étudier sa sensibilité aux données et paramètres qu'il utilise. Des techniques ont été développées en ce sens puis appliquées au modèle de chimie-transport Polair3D. Elles permettent par ailleurs de mener à bien un travail de modélisation inverse. Since its adoption in 1979, the Convention on Long-Range Transboundary Air Pollution has addressed some of the major environmental problems of the UNECE region. In this framework the protocol on heavy metals, signed in 1998, gives first priority to lead (Pb), cadmium (Cd) and mercury (Hg). These heavy metals and their compounds are highly toxic substances, being likely to bio-accumulate in organisms. Understanding and modelling their transport and fate in the atmosphere allow to take more effective decision to reduce their impact on the ecosystems.Polair3D is a three-dimensional chemistry-transport model developed within the modelling system POLYPHEMUS at CEREA. It is designed to handle a wide range of applications from passive transport to photo-chemistry and aerosol modelling, and has been recently extended to deal with heavy metals at European scale. Removal processes have been carefully taken into account since deposition fluxes are more worrying than air concentrations.Most of the heavy metals in the atmosphere have a passive chemical behaviour but are carried by the aerosol phase. For this reason their rate of removal are linked to those of aerosol particles. Mercury differs because of its high saturated vapour pressure and mainly being found under gaseous elemental form. However it is essential to simulate mercury chemistry in gaseous and aqueous phases since oxidised mercury species represent the main part of the deposited mercury mass.Simulated air concentrations and deposition fluxes are evaluated by comparison to data of the EMEP measurement network. Sensitivity analysis has been performed using adjoint techniques. Such investigation being required to handle in a suitable way our developed model. Moreover, these techniques allow to carry out inverse modelling to improve boundary conditions which are crucial with a restricted area model. jeu., 23 mai 2013 10:20:12 +0200 mar., 27 oct. 2015 09:35:16 +0100 https://www.peren-revues.fr/pollutionatmospherique/1530