Recherche pour INERIS

Le prélèvement et l’analyse de substances phytosanitaires dans le milieu atmosphérique font l’objet de sous-traitance analytique des échantillons recueillis à des laboratoires d’analyse indépendants respectant les modalités décrites dans la norme NF X 43 059. Etant donné la diversité et l’évolution constante des substances recherchées, un essai d’intercomparaison analytique a été organisé par le LCSQA/INERIS. Cette intercomparaison fait partie des actions soutenues par Ecophyto. Son financement a été assuré par le MEEM (programme LCSQA) et l’ONEMA (plan Ecophyto). Sept laboratoires ont répondu favorablement à l’appel à participation. Les 27 substances à analyser ont été sélectionnées à partir du croisement de la liste socle d’Ecophyto et des substances recherchées actuellement par une majorité d’AASQA. Les matériaux d’essai destinés aux laboratoires ont été conditionnés et dopés par l’INERIS. Ils comprenaient 3 matrices : ¨       Matrice PUF propre ¨       Matrice PUF chargé en polluants atmosphériques ¨       Matrice PUF/résine XAD2 propre. Ainsi que les séries suivantes : ¨       Série C0 : blancs. ¨       Série C1 : dopage de l’ensemble des substances sur mousses propres à une concentration basse (inférieure au µg/substance en moyenne). ¨       Série C2 : dopage de l’ensemble des substances sur mousses contaminées à une concentration haute (de l’ordre du µg/substance en moyenne). ¨       Série C3 : dopage de la moitié des substances sur mousses propres à une concentration basse (inférieure au µg/substance en moyenne). ¨       Série C4 : dopage de la moitié des substances sur mousses contaminées à une concentration haute (de l’ordre du µg/substance en moyenne). ¨       Série C5 : dopage de l’ensemble des substances sur résine XAD2 à une concentration haute (de l’ordre du µg/substance en moyenne et du mg pour le folpel). Cet exercice a permis de mettre en évidence l’état de l’art au niveau du traitement analytique des échantillons de pesticides dans l’air ambiant. Il repose sur un faible nombre de participants mais qui disposent tous d’équipements analytiques similaires. La forte disparité observée dans les résultats nous interpelle dans la mesure où elle conduit à un risque élevé d’ « effet laboratoire » ou de distorsion lors de la communication des résultats selon le laboratoire en charge des échantillons. On notera toutefois que quelques laboratoires se détachent des autres par leurs meilleurs résultats. Il appartient donc aux autres laboratoires de tirer les enseignements de cet exercice et d ‘améliorer leurs pratiques.

Ce rapport présente les résultats des mesures de PM10 et PM2,5 réalisées entre 2019 et 2021 en collaboration avec ATMO Grand Est, Atmo Réunion, Atmo Occitanie, Atmo Haut-de-France, Atmo Auvergne-Rhône-Alpes et AtmoSud dans le cadre du suivi de l’adéquation des analyseurs automatiques des PM à la méthode de référence demandé par l’arrêté du 16 Avril 2021  relatif au dispositif national de surveillance de la qualité de l'air ambiant et en accord avec les préconisations de la norme NF EN 16450 encadrant l’utilisation des analyseurs automatiques de PM. Ces résultats s’inscrivent dans la suite des études menées depuis 2013 et sont en accord avec les conclusions du bilan réglementaire réalisé sur la période entre 2016 et 2019.     Verification of suitability of automatic measurement system of PM by ongoing comparisons with the reference method 2019-2021  This report presents the results of PM10 and PM2.5 measurements carried out between 2019 and 2021 in collaboration with ATMO Grand Est, Atmo Réunion, Atmo Occitanie, Atmo Haut-de-France, Atmo Auvergne-Rhône-Alpes and AtmoSud as part of the monitoring of the adequacy of automatic measurement systems of PM to the reference method required by the decree of 16 April 2021 on the national ambient air quality monitoring network and in accordance with the recommendations of the EN standard governing the use of automatic PM analysers. These results are in line with the studies carried out since 2013 and are consistent with the conclusions of the regulatory review carried out between 2016 and 2019.  

Ce rapport présente les performances des prévisions nationales opérées dans le cadre de la plateforme Prev’Air (www.prevair.org). L’objectif est de montrer des éléments d’appréciation de la qualité de la production Prev’air. Ce rapport traite successivement de l’évaluation des prévisions des concentrations des quatre polluants O3, NO2, PM10 et PM2.5, fournis quotidiennement par le système Prev’Air, du jour courant J jusqu’au J+3. L’estimation du comportement des outils est réalisée grâce à des indicateurs statistiques qui permettent de comparer les résultats de modélisation avec les observations validées de la base de données nationale GEOD’air, elle-même alimentée par les AASQA (associations de surveillance de la qualité de l’air) et développée par le LCSQA. Une attention particulière est portée à l’évaluation des performances de Prev’Air concernant la détection des seuils réglementaires. Cet exercice a pour objectif d’estimer l’aptitude des modèles à prévoir spécifiquement les épisodes de pollution. L’ozone est évalué sur les mois de l’été 2021 (avril à septembre). Les autres polluants (PM10, PM2.5, NO2) sont évalués sur l’ensemble de l’année 2021. L’année 2021 a connu peu d’épisodes de pollution persistants d’ampleur nationale. L’évaluation de ces épisodes est effectuée à la fois sur les prévisions brutes de Prev’Air et sur les calculs de l’adaptation statistique, qui visent à corriger les biais systématiques du modèle brut par un processus d’apprentissage historique. Les gains obtenus par le modèle statistique résident dans sa capacité à corriger les biais de représentativité du modèle brut. Cette prévision corrigée statistiquement sert généralement de référence à l’expertise de l’équipe Prev’air pour la communication en cas d’épisode de pollution de l’air, et sert également de base aux calculs du module AMU, qui vérifie les critères de l’arrêté mesure d’urgence[1]. Les prévisions Prev’Air pour les DROM des caraïbes ont également été évaluées et montrent des performances satisfaisantes. Dans l’ensemble, le comportement de Prev’Air est satisfaisant avec une bonne aptitude à respecter les objectifs de qualité définis dans le référentiel technique national[2] qui a établi ces valeurs cibles pour les différents scores ainsi que le contenu à faire figurer dans les rapports annuels d’évaluation des plateformes de prévisions constituant le dispositif national de surveillance de la qualité de l’air. Les prévisions avec adaptation statistique disponibles sur la métropole respectent les objectifs de performance et ont permis la plupart du temps d’anticiper l’occurrence des épisodes de pollution et d’identifier les principales zones affectées. Les prévisions brutes rencontrent plus de difficultés à satisfaire les objectifs de qualité, notamment dans les DROM. La composition des PM1 prévue par Prev’air a été évaluée avec l’aide des données CARA[3].  La part d’ammonium, de nitrates, de sulfates et de matière organique est relativement bien représentée dans la spéciation des PM1 prévue par le modèle CHIMERE. Une nette amélioration a pu être constatée pour le chlore avec la mise en place de la nouvelle version de CHIMERE en novembre 2021.   [1] Arrêté du 7 avril 2016 relatif au déclenchement des procédures préfectorales en cas d'épisodes de pollution de l'air ambiant [2] https://www.lcsqa.org/fr/referentiel-technique-national [3] Favez et al. (Atmosphere, 2021) CARA program     Performances of Prev’air in 2021   This report presents the performances of the national forecasts carried out within the Prev'Air platform (www.prevair.org). The objective is to assess the quality of Prev'air production. This report deals successively with the evaluation of the O3, NO2, PM10 and PM2.5 concentrations forecasts, daily provided by the Prev'Air system, from day D to D+3. The behavior of this system is estimated using conventional statistical indicators, which allow the modelling results to be compared with validated observations from the national GEOD'air database, itself fed by the AASQA (air quality monitoring associations) and developed by the LCSQA. Particular attention is paid to the evaluation of Prev'Air's forecasts regarding the detection of regulatory thresholds. The objective of this exercise is to estimate the capacity of the models to specifically anticipate pollution episodes. Ozone is evaluated over the summer months of 2021 (April to September). The other pollutants (PM10, PM2.5, NO2) are assessed over the whole year 2021. Few persistent episodes of national scope were noted during 2021. The evaluation of these episodes is carried out both on Prev'Air's raw forecasts and on the statistical adaptation of the Chimere which aims at correcting the systematic biases of the raw model through a historical learning process. The gains obtained by the statistical model lie in its ability to correct the representativeness bias of the raw model. This statistically corrected forecast generally serves as a reference to the expertise of the Prev'air team for communication in the event of an air pollution episode. It is also a base for the calculations of the AMU module, which checks the criteria of the emergency measure decree[1]. The Prev'air forecasts for the Caribbean DROMs have been assessed as well and show satisfactory performances. On the whole, the performance of Prev'Air is satisfactory with a good ability to meet the quality objectives defined in the national technical reference document[2] which established these target values for the different scores as well as the content to be included in the annual evaluation reports of the forecasting platforms involved in the national air quality monitoring system. The forecasts with statistical adaptation match the performance objectives and have mostly allowed to anticipate the occurrence of pollution episodes and to identify the main affected areas. Raw forecasts are less satisfactory to comply with the quality objective, particularly in the DROM. The composition of PM1 predicted by Prev’air was assessed using CARA[3] data. Ammonium, nitrates, sulphates and organic part are predicted relatively well by the CHIMERE model. An improvement has been noted for chlorine with the implementation of the new version of CHIMERE (v2020) in November 2021.   [1] Decree of 7 April 2016 relating to the triggering of prefectural procedures in the event of episodes of ambient air pollution [2] https://www.lcsqa.org/fr/referentiel-technique-national [3] Favez et al. (Atmosphere, 2021) CARA program).     .

Si la qualité de l’air s’est notablement améliorée depuis une vingtaine d’années en Europe en ce qui concerne les particules fines ou les oxydes d’azote (ainsi que les dépôts acidifiants), ce n’est pas le cas pour l’ozone. Les concentrations en moyenne annuelle sont plutôt à l’augmentation, surtout en ville. Et, alors que les valeurs les plus élevées (correspondant aux pics constatés pendant les épisodes estivaux) indiquent bien une baisse, celle-ci demeure limitée en regard de la baisse des émissions de précurseurs. L’ozone est un polluant exclusivement secondaire, c’est-à-dire formé à partir de précurseurs émis par les activités humaines. Sa formation est conditionnée par l’occurrence de conditions météorologique favorables. Les mécanismes photochimiques sous-jacents sont complexes et peuvent, en fonction des situations, conduire soit à la formation soit à la destruction d’ozone. Cette note présente différents éléments relatifs à l’évolution de l’ozone en réponse aux baisses d’émission de précurseurs. Dans une première partie une synthèse des tendances d’ozone en France et en Europe depuis une vingtaine d’années permet de souligner que si les concentrations augmentent en moyenne annuelle (surtout en ville), les pics ont été réduits. Cette réduction en termes d’intensité (de l’ordre de 2.5% entre 2005 et 2019 sur la France) est néanmoins assez faible en regard de la baisse des émissions de précurseurs (40% et 50% pour les émissions de COV et de NOx, respectivement). La deuxième partie est consacrée à l’évaluation prospective des réductions d’émission. En comparant la situation actuelle à l’horizon 2030, on confirme que les moyennes annuelles d’ozone risquent de continuer à augmenter, surtout sur la partie Nord de la France et ses grandes agglomérations. A l’inverse les pics devraient bien être réduits. Les études de cas consacrées aux épisodes ponctuels ayant eu lieu en 2019 et 2022 permettent d’illustrer la très forte variabilité de la réponse aux réductions d’émissions qui peuvent passer d’une augmentation à une baisse d’un jour à l’autre pour une ville donnée. Néanmoins, comme pour les projections de long terme, on souligne que le risque d’augmentation en réponse à une baisse de précurseur est limité aux régions les moins touchées par les pics ou les jours où ces pics sont moins intenses. Il n’en demeure pas moins que ce risque est réel et qu’il faut s’interroger sur les impacts potentiels de ces hausses des concentrations d’ozone en moyenne annuelle dans les zones densément peuplées, même si les réductions de précurseurs ont par ailleurs des effets bénéfiques pour l’atténuation des pics lors des épisodes. -*-*-*-*-*-*-*-*-*-*-*-**-*-*--*-*-*-*-*--*-*-*-*-*-*--*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*--*-*-*--*-*-*-*-*-*-*---*-**- Ozone air pollution : background elements on long term trends, intense episodes and efficiency of mitigation measures Air quality has notably improved in France over the past 20 years as far as particulate matter and nitrogen oxides are concerned. It is not quite the case for ozone where annual mean levels are increasing, and if decreases are noted for peak concentrations, those are not in line with the magnitude of reduction of ozone precursors. The present report reviews the recent findings related to ozone temporal trends in the past twenty years in France and in Europe and put these results in perspective with reported emission changes over that period. We also discuss the projected impact of emission reduction strategies, either for long term indicators, or for short term episodes. We highlight the potentially negative impact of emission reductions with projected increases of annual mean ozone in areas and for days where ozone is low. On the contrary, emission reductions are expected to efficiently reduce peak concentrations. We also note a very strong volatility while the sign of the response can change from one day to the next for a given location  

Ce rapport présente les performances des prévisions nationales opérées dans le cadre de la plateforme Prev’Air (www.prevair.org). L’objectif est de montrer en toute transparence des éléments d’appréciation de la qualité de la production Prev’air. Ce rapport traite successivement de l’évaluation des prévisions des concentrations des quatre polluants O3, NO2, PM10 et PM2.5, fournis quotidiennement par le système Prev’Air, du jour courant J jusqu’au J+3. L’estimation du comportement des outils est réalisée grâce à des indicateurs statistiques qui permettent de comparer les résultats de modélisation avec les observations validées de la base de données nationale GEOD’air, elle-même alimentée par les AASQA (associations de surveillance de la qualité de l’air) et développée par le LCSQA. Une attention particulière est portée à l’évaluation des performances de Prev’Air concernant la détection des seuils réglementaires. Cet exercice a pour objectif d’estimer l’aptitude des modèles à prévoir spécifiquement les épisodes de pollution. L’ozone est évalué sur les mois de l’été 2020 (avril à septembre). Les autres polluants (PM10, PM2.5, NO2) sont évalués sur l’ensemble de l’année 2020. L’année 2020 a été marquée par la crise Covid-19 et par les confinements que celle-ci a entraînés au sein des pays de l’Europe, perturbant ainsi les activités humaines habituelles et les émissions de polluants associées. Le système Prev’Air a cependant continué de produire des prévisions sur la base de ses émissions standard, donc sans modulation vis-à-vis de ces perturbations. Notons toutefois que le système Prev’Air bénéficie d’une approche de correction automatique statistique et géostatistique qui repose sur les observations en temps réel, permettant ainsi de prendre en compte indirectement l’effet des confinements. Une prévision opérationnelle complémentaire a été produite à partir de mars 2020, intégrant une estimation de baisse des émissions liée aux mesures de lutte contre la pandémie Covid[1], mais elle ne fait pas l’objet d’une évaluation dans le cadre de ce rapport. Peu d’épisodes persistants d’ampleur nationale ont été relevés sur les périodes étudiées : un pour l’ozone, du 6 au 12 août, et trois pour les PM10, du 21 au 26 janvier (avec dépassement du seuil d’alerte), du 27 au 28 mars, et du 22 au 27 novembre. L’évaluation de ces épisodes est effectuée à la fois sur les prévisions brutes de Prev’Air et sur les calculs de l’adaptation statistique, qui visent à corriger les biais systématiques du modèle brut par un processus d’apprentissage historique. Les gains obtenus par le modèle statistique résident dans sa capacité à corriger les biais de représentativité du modèle brut. Cette prévision corrigée statistiquement sert généralement de référence à l’expertise de l’équipe Prev’air pour la communication en cas d’épisode de pollution de l’air, et sert également de base aux calculs du module AMU, qui vérifie les critères de l’arrêté mesure d’urgence[2]. Les prévisions Prev’Air pour les DROM des caraïbes ont également été évaluées et montrent des performances satisfaisantes. Dans l’ensemble, le comportement de Prev’Air est satisfaisant avec une bonne aptitude à respecter les objectifs de qualité définis dans le référentiel technique national[3] qui a établi ces valeurs cibles pour les différents scores ainsi que le contenu à faire figurer dans les rapports annuels d’évaluation des plateformes de prévisions constituant le dispositif national de surveillance de la qualité de l’air. Les prévisions avec adaptation statistique disponibles sur la métropole respectent les objectifs de performance et ont permis la plupart du temps d’anticiper l’occurrence des épisodes de pollution et d’identifier les principales zones affectées. Les prévisions brutes rencontrent plus de difficultés à satisfaire les objectifs de qualité notamment dans les DROM. La composition des PM1 prévue par Prev’air a été évaluée pour la première fois avec l’aide des données CARA[4].  L’ammonium, les nitrates et les sulfates sont relativement bien prévus par le modèle CHIMERE. La partie organique est fortement sous-estimée. Quant au chlore, une nette amélioration devrait être constatée à partir de fin 2021 avec la mise en place de la nouvelle version de CHIMERE (v2020)   Performances of Prev’air in 2019   This report presents the performance of the national forecasts carried out within the Prev'Air platform (www.prevair.org). The objective is to assess the quality of Prev'air production. This report deals successively with the evaluation of the O3, NO2, PM10 and PM2.5 concentrations forecasts, daily provided by the Prev'Air system, from day D to D+3. The behavior of this system is estimated using conventional statistical indicators, which allow the modelling results to be compared with validated observations from the national GEOD'air database, itself fed by the AASQA (air quality monitoring associations) and developed by the LCSQA. Particular attention is paid to the evaluation of Prev'Air's forecasts regarding the detection of regulatory thresholds. The objective of this exercise is to estimate the capacity of the models to specifically anticipate pollution episodes. Ozone is evaluated over the summer months of 2020 (April to September). The other pollutants (PM10, PM2.5, NO2) are assessed over the whole year 2020. The year 2020 was affected by the Covid-19 crisis and by the lockdowns that occurred in European countries, thus disrupting the usual human activities and associated emissions of pollutants. However, the Prev'Air system continued to produce forecasts based on its standard emissions, without modulation regarding these disturbances. However, it should be noted that the Prev’Air system benefits from an automatic statistical and geostatistical correction approach based on real-time observations, thus making it possible to indirectly consider the effect of confinements. An additional operational forecast was produced starting from March 2020, implementing an estimation of the reduction in emissions due to measures taken against the Covid pandemic[1], but its assessment is not included in this report. Few persistent episodes of national scope were noted over the studied periods: one for ozone, from August 6 to 12, and three for PM10, from January 21 to 26 (with exceedances of the alert threshold), from March 27 to 28, and from November 22 to 27. The evaluation of these episodes is carried out both on Prev'Air's raw forecasts and on the statistical adaptation of the Chimere which aims at correcting the systematic biases of the raw model through a historical learning process. The gains obtained by the statistical model lie in its ability to correct the representativeness bias of the raw model. This statistically corrected forecast generally serves as a reference to the expertise of the Prev'air team for communication in the event of an air pollution episode. It is also a base for the calculations of the AMU module, which checks the criteria of the emergency measure decree[2]. The Prev'air forecasts for the Caribbean DROMs have been assessed as well and show satisfactory performances. On the whole, the performance of Prev'Air is satisfactory with a good ability to meet the quality objectives defined in the national technical reference document[3] which established these target values for the different scores as well as the content to be included in the annual evaluation reports of the forecasting platforms involved in the national air quality monitoring system. The forecasts with statistical adaptation match the performance objectives and have mostly allowed to anticipate the occurrence of pollution episodes and to identify the main affected areas. Raw forecasts are less satisfactory to comply with the quality objective, particularly in the DROM. The composition of PM1 predicted by Prev’air was assessed for the first-time using CARA[4] data. Ammonium, nitrates and sulphates are predicted relatively well by the CHIMERE model. The organic part is greatly underestimated. Concerning chlorine, an improvement should be noted from the end of 2021 with the implementation of the new version of CHIMERE (v2020).       [1]https://www.ineris.fr/fr/ineris/actualites/confinement-environnement-no… [2] Arrêté du 7 avril 2016 relatif au déclenchement des procédures préfectorales en cas d'épisodes de pollution de l'air ambiant [3] https://www.lcsqa.org/fr/referentiel-technique-national [4] Favez et al. (Atmosphere, 2021) CARA program   .

L’élaboration et l’évaluation des plans d’action visant à améliorer la qualité de l’air nécessitent l’identification et la quantification des principales sources d’émissions. Deux grands types de méthodologies sont alors principalement utilisées : celles se basant sur l’utilisation de modèles numériques permettant de simuler le devenir des polluants dans l’atmosphère à partir de cadastres d’émission, de la paramétrisation des conditions météorologiques et des processus physico-chimiques de (trans-)formation des PM ; celles se basant sur la mesure des propriétés physico-chimiques des particules sur un site récepteur (« modèles récepteurs »). Ces derniers rendent compte des situations réelles et sont aujourd’hui couramment utilisés au sein de la communauté scientifique et par les acteurs de la surveillance de la qualité de l’air. Un guide méthodologique pour leur mise en œuvre a été édité en 2014 et révisé en 2019 dans le cadre des travaux du forum Européen pour la modalisation de la qualité de l’air (FAIRMODE).[1] Le LCSQA/Ineris s’est fortement impliqué dans ces travaux, en collaboration avec le Joint Research Center. La présente note relie les différents chapitres du guide européen (indiqués en bleu) à certains des principaux points d’attention à considérer lors de la mise en œuvre de ce type outils statistiques, et en particulier de la Positive Matrix Factorization (PMF). Elle ne constitue donc pas un substitut à une lecture attentive et une application rigoureuse du guide européen.   [1] https://ec.europa.eu/jrc/en/publication/european-guide-air-pollution-source-apportionment-receptor-models