Recherche pour INERIS

La note "Suivi d’équivalence des systèmes de mesures automatiques (AMS) PM" rend compte des résultats du suivi d’équivalence des AMS PM en PM10 et et PM2,5 obtenus lors des campagnes réalisées en 2015. Ces campagnes ont été menées en collaboration avec Air Lorraine, AIRPARIF, ATMO Auvergne et ATMO Champagne-Ardenne selon les préconisations de la norme prEN 16450. Les résultats obtenus confortent ceux présentés dans la synthèse des campagnes réalisées entre 2011 et 2014 par le LCSQA en collaboration avec les AASQA volontaires.

Note technique portant sur la Caractérisation chimique des HAP (hydrocarbures aromatiques polycycliques) et de leurs dérivés nitres et oxygénés (nitro-HAP et oxy-HAP) lors de l’épisode de pollution particulaire de mars 2014. Une caractérisation chimique approfondie des échantillons de filtres relatifs à l’épisode de pollution aux PM de 2014 vis-à-vis des hydrocarbures aromatiques polycycliques (HAP) et de leurs dérivés nitrés et oxygénés, pour des sites localisés en différents points du territoire français, a été réalisée afin d’évaluer l’impact sanitaire des PM et les sources primaires/secondaires des nitro-HAP et oxy-HAP au cours de cette période de pic de pollution. Les résultats obtenus ne permettent pas d’établir un lien direct entre les évolutions temporelles des concentrations totales des nitro-HAP, oxy-HAP et la composition chimique des PM, et notamment la formation secondaire d’espèces inorganiques explicitant la majeure partie du pic de pollution particulaire observé en cette période. Par manque de données toxicologiques disponibles, notamment pour les oxy- et nitro-HAP potentiellement d’origine secondaire, il est difficile d’établir un lien direct entre les concentrations toxiques équivalentes associées à ces substances toxiques et l’augmentation des concentrations en PM en lien avec la formation de nitrate et/ou sulfate d’ammonium par des processus photochimiques. Les résultats d’analyse de ratio caractéristique d’évaluation de l’origine primaire/secondaire des nitro-HAP ont cependant permis de mettre en évidence que la période de fin d’hiver-début printemps, avec des conditions photo-oxydantes propices et des émissions primaires toujours importantes (chauffage résidentiel) de composés organiques volatils ou semi-volatils précurseurs (dont HAP), est favorable à la formation secondaire de nitro-HAP et certainement d’aérosol organique secondaire (AOS).

Le LCSQA assure chaque année une assistance technique et méthodologique relative au traitement statistique et géostatistique des données et à l’élaboration de cartographies. Cette assistance a été également étendue à la modélisation de la dispersion à l’échelle urbaine, qui joue un rôle croissant dans la production de cartographies. La présente note synthétise les actions réalisées en 2015 dans ces différents domaines pour le compte des AASQA. Ces actions se sont principalement déroulées sous forme d’échanges téléphoniques et de sessions de formation. Parmi les tâches effectuées en 2015, on relèvera plus particulièrement l’organisation d’une nouvelle session de formation sur l’application de la géostatistique et la réalisation de cartes avec le logiciel R ainsi qu’un appui technique auprès d’Atmosf’air Bourgogne concernant l’échantillonnage spatial et le krigeage.

Ce rapport est destiné à dresser le bilan des travaux réalisés en 2012 et 2013 sur la caractérisation des sécheurs échantillon des analyseurs d’oxydes d’azote et sur l’étude du comportement de ces sécheurs en présence de NO humide, qui impacte directement les concentrations mesurées. En effet, suite à l’observation à de multiples reprises de comportements anormaux de quelques analyseurs d’oxydes d’azote lors des campagnes d’intercomparaison des moyens mobiles, l’influence du sécheur échantillon a été avancée comme explication. Les travaux, commencés en 2011, avaient montré que l’efficacité d’un sécheur neuf n’était pas forcément liée à son âge. Les travaux réalisés en 2012 avaient comme objectif la caractérisation de sécheurs (neufs et âge indéterminé) sur de l’air zéro à différents taux d’humidité mais lors des essais, un comportement inattendu a été observé : les sécheurs installés sur un analyseur équipé d’une boucle de retard présentaient un taux d’humidité systématiquement supérieur à celui que donnait le même sécheur installé dans un autre analyseur, sans boucle de retard. Du fait de ces résultats, des investigations supplémentaires ont été menées afin de mieux comprendre les phénomènes observés. Ainsi, ces travaux ont été poursuivis en 2013 sur les mêmes appareils (analyseurs et sécheurs) mais avec des oxydes d’azote à différents taux d’humidité. Le phénomène observé en 2012 sur l’analyseur équipé d’une boucle de retard n’a pas été identifié lors de ces essais. Des trois types d’analyseurs testés, seul l’analyseur TEI 42C a donné une efficacité de séchage performante de l’ordre de 90% (7 sécheurs sur 8 testés donnaient une humidité inférieure à 10% en sortie) alors que les deux autres analyseurs (TEI 42i et TEI 42i BR) confirment les résultats de 2012 à savoir une efficacité de l’ordre de 70%, ce que, le fournisseur des appareils, contacté sur ce sujet, n’explique pas (les analyseurs de type C et i ont le même circuit fluidique). Les écarts relatifs sur la mesure du NO en matrice gaz sec et gaz humide ont bien mis en évidence l’importance du rôle du sécheur sur la mesure du NO. Ces écarts sont d’autant plus élevés que la concentration en NO est importante. Ainsi, l’efficacité des sécheurs n’est pas constante sans pour autant qu’on puisse l’expliquer. Les AASQA qui procèdent au contrôle des sécheurs ont, elles aussi, mis en évidence des problèmes d’efficacité pouvant interférer sur le bon fonctionnement de l’appareil (appareil ne répondant plus au critère d’interférence de l’humidité). Pour palier ceci, une méthodologie visant à tester l’efficacité des sécheurs a été proposée par le LCSQA, basée sur l’essai d’interférence de l’humidité de la norme NF EN 14211 « Méthode normalisée pour le mesurage de la concentration en dioxyde d’azote et monoxyde d’azote par chimiluminescence ». En 2016, le programme de travail du LCSQA prévoit de réaliser un retour d’expérience sur ce sujet auprès des AASQA qui réalisent des contrôles de leurs sécheurs afin de faire un bilan sur le parc français et d’harmoniser les pratiques.

Conformément aux Directives européennes sur la qualité de l’air et à leur transposition en droit français, les AASQA doivent caractériser les situations de dépassement de seuil dans les zones dont elles assurent la surveillance. Pour tout dépassement observé, il convient d’évaluer la surface en dépassement et d’estimer, selon le cas, la population exposée (seuil pour la protection de la santé) ou la superficie d’écosystème exposée (seuil pour la protection de la végétation). La caractérisation des situations de dépassement en milieu urbain fait l’objet du présent rapport. Elle nécessite de disposer d’une information précise sur la distribution spatiale des concentrations dans l’agglomération. La modélisation de la dispersion est de plus en plus utilisée par les AASQA afin d'obtenir une telle information. Néanmoins, pour limiter les temps de calcul, les données ne sont généralement pas modélisées sur des grilles régulières mais sur des maillages adaptés aux variations des concentrations (plus lâches en situation de fond, et resserrés à proximité des axes routiers). C'est pourquoi il est important de définir une méthode d'interpolation qui spatialise intégralement les données du modèle. L'interpolateur linéaire est largement utilisé. L'hypothèse de linéarité est arbitraire mais peut-être considérée comme valide, principalement à de faibles distances et lorsque les concentrations varient faiblement. Des interpolateurs plus sophistiqués existent. Le krigeage, méthode d’estimation géostatistique, tient compte de la covariance spatiale des concentrations et permet d'interpoler après définition d'un modèle de covariance et d'un voisinage de points à prendre en compte. Apparue plus récemment, la méthode fondée sur la triangulation de Delaunay consiste à parcourir les triangles définis par les points de sortie du modèle et à interpoler linéairement les concentrations le long des arêtes. Elle permet de construire des polygones dans lesquels les concentrations sont comprises entre deux valeurs. Afin d’être évalués et comparés, ces interpolateurs ont été appliqués à différents jeux de données de modélisation fournis par les AASQA. Ces données résultent de simulations effectuées sur les agglomérations de Bourges, Nantes, Niort, Orléans, Reims et Tours. Le NO2, polluant  pour lequel les données étaient les plus nombreuses, a été retenu pour cette analyse. Dans toutes les validations réalisées, l’interpolateur linéaire et l’interpolateur de Delaunay se révèlent les plus précis. Le krigeage ordinaire, dans son emploi usuel, est mal adapté à des données de typologie contrastée (fond/trafic) ; pour une utilisation appropriée, le modèle géostatistique doit être modifié, ce qui requiert des développements supplémentaires. Quelle que soit la méthode, la qualité de l’interpolation est liée à  l’organisation spatiale du maillage de modélisation qui, outre une couverture régulière des zones de fond, doit permettre une bonne représentation des gradients de concentration près des routes et doit donc s’adapter au comportement du polluant considéré dans l’espace, qui n’est évidemment pas le même s’il s’agit de NO2, d’O3 ou de particules. Dans les exemples étudiés, l’interpolation a été réalisée sans prise en compte des données de mesure. La deuxième partie du rapport offre un aperçu des méthodes qui existent en matière de correction des sorties de modèle par intégration des observations. Les méthodes dérivées de la géostatistique ainsi que les derniers travaux en matière d'assimilation de données en milieu urbain sont abordés sous forme de revue documentaire. Ces éléments pourront servir à la planification de travaux ultérieurs. La troisième partie du rapport est consacrée à l’estimation des zones en dépassement et des populations exposées. La sensibilité des résultats aux paramètres de l’estimation est examinée. Si le maillage d’interpolation a peu d’influence dans la gamme de résolution testée (1m, 5m ou 10m), le mode de croisement entre zones de dépassement et population spatialisée a un effet notable. Un croisement maille à maille, si la population est préalablement répartie sur le maillage d’interpolation, ou, ce qui revient au même, un croisement au prorata de la surface de bâtiment intersectée est recommandé. Les conclusions de ce travail seront reprises en 2016 dans une note de synthèse méthodologique et technique sur l’évaluation de la population et des écosystèmes exposés. Leur adaptation aux agglomérations et zones de grande taille sera examinée en 2016 avec les AASQA concernées.

Conformément aux Directives européennes sur la qualité de l’air et à leur transposition en droit français, les AASQA doivent caractériser les situations de dépassement de seuil dans les zones dont elles assurent la surveillance. Pour tout dépassement observé, il convient d’évaluer la surface en dépassement et d’estimer, selon le cas, la population exposée (seuil pour la protection de la santé) ou la superficie d’écosystème exposée (seuil pour la protection de la végétation). La caractérisation des situations de dépassement en milieu urbain fait l’objet du présent rapport. Elle nécessite de disposer d’une information précise sur la distribution spatiale des concentrations dans l’agglomération. La modélisation de la dispersion est de plus en plus utilisée par les AASQA afin d'obtenir une telle information. Néanmoins, pour limiter les temps de calcul, les données ne sont généralement pas modélisées sur des grilles régulières mais sur des maillages adaptés aux variations des concentrations (plus lâches en situation de fond, et resserrés à proximité des axes routiers). C'est pourquoi il est important de définir une méthode d'interpolation qui spatialise intégralement les données du modèle. L'interpolateur linéaire est largement utilisé. L'hypothèse de linéarité est arbitraire mais peut-être considérée comme valide, principalement à de faibles distances et lorsque les concentrations varient faiblement. Des interpolateurs plus sophistiqués existent. Le krigeage, méthode d’estimation géostatistique, tient compte de la covariance spatiale des concentrations et permet d'interpoler après définition d'un modèle de covariance et d'un voisinage de points à prendre en compte. Apparue plus récemment, la méthode fondée sur la triangulation de Delaunay consiste à parcourir les triangles définis par les points de sortie du modèle et à interpoler linéairement les concentrations le long des arêtes. Elle permet de construire des polygones dans lesquels les concentrations sont comprises entre deux valeurs. Afin d’être évalués et comparés, ces interpolateurs ont été appliqués à différents jeux de données de modélisation fournis par les AASQA. Ces données résultent de simulations effectuées sur les agglomérations de Bourges, Nantes, Niort, Orléans, Reims et Tours. Le NO2, polluant  pour lequel les données étaient les plus nombreuses, a été retenu pour cette analyse. Dans toutes les validations réalisées, l’interpolateur linéaire et l’interpolateur de Delaunay se révèlent les plus précis. Le krigeage ordinaire, dans son emploi usuel, est mal adapté à des données de typologie contrastée (fond/trafic) ; pour une utilisation appropriée, le modèle géostatistique doit être modifié, ce qui requiert des développements supplémentaires. Quelle que soit la méthode, la qualité de l’interpolation est liée à  l’organisation spatiale du maillage de modélisation qui, outre une couverture régulière des zones de fond, doit permettre une bonne représentation des gradients de concentration près des routes et doit donc s’adapter au comportement du polluant considéré dans l’espace, qui n’est évidemment pas le même s’il s’agit de NO2, d’O3 ou de particules. Dans les exemples étudiés, l’interpolation a été réalisée sans prise en compte des données de mesure. La deuxième partie du rapport offre un aperçu des méthodes qui existent en matière de correction des sorties de modèle par intégration des observations. Les méthodes dérivées de la géostatistique ainsi que les derniers travaux en matière d'assimilation de données en milieu urbain sont abordés sous forme de revue documentaire. Ces éléments pourront servir à la planification de travaux ultérieurs. La troisième partie du rapport est consacrée à l’estimation des zones en dépassement et des populations exposées. La sensibilité des résultats aux paramètres de l’estimation est examinée. Si le maillage d’interpolation a peu d’influence dans la gamme de résolution testée (1m, 5m ou 10m), le mode de croisement entre zones de dépassement et population spatialisée a un effet notable. Un croisement maille à maille, si la population est préalablement répartie sur le maillage d’interpolation, ou, ce qui revient au même, un croisement au prorata de la surface de bâtiment intersectée est recommandé. Les conclusions de ce travail seront reprises en 2016 dans une note de synthèse méthodologique et technique sur l’évaluation de la population et des écosystèmes exposés. Leur adaptation aux agglomérations et zones de grande taille sera examinée en 2016 avec les AASQA concernées. Télécharger l'annexe technique au rapport (parution 2016)

  Ce document fait partie du référentiel technique national, conformément à l'arrêté du 19 avril 2017 relatif au dispositif national de surveillance de la qualité de l'air.   Résumé du rapport : Lorsqu’à l’issue de l’évaluation préliminaire ou de la révision régulière de cette évaluation, les niveaux de concentration d’un polluant dans une zone administrative de surveillance sont classés comme étant inférieurs au seuil d’évaluation inférieur, les Directives 2008/50/CE et 2004/107/CE autorisent une surveillance par estimation objective. Le concept d’estimation objective n’est pas précisément défini dans la législation. Il sert à désigner différentes méthodes d’évaluation simplifiée de la qualité de l’air, fondées sur la mesure, le calcul, et/ou le jugement d’expert, et qui, par rapport à la mesure fixe et indicative ou à la modélisation, sont soumises à des exigences de qualité allégées. L’objectif de ces approches est de maintenir un suivi des concentrations et de leur évolution et de s’assurer que la classification de la zone reste valable. A partir d’une revue des pratiques en France et à l’étranger, plusieurs méthodes d’estimation objective sont proposées, avec pour chacune des recommandations d’usage. Elles reposent sur des approches variées telles que l’exploitation statistique ou géostatistique de données de campagnes, la connaissance des émissions, ou une évaluation simplifiée de la dispersion. Il ne s'agit pas dans ce rapport de prescrire une méthode unique, mais de plutôt définir un cadre minimal de pré-requis pour ce type de surveillance. Le document pourra évoluer en fonction de l’expérience acquise.

Le chauffage au bois représente une part prépondérante des émissions du secteur résidentiel.Cette note présente les résultats d’un test réalisé avec le modèle de qualité de l’air CHIMERE à 4km de résolution pour montrer l’impact d’une augmentation des émissions en particules du chauffage au bois sur les concentrations en PM10. Ce test est réalisé sur trois mois d’hiver de janvier à mars 2010. Les résultats montrent clairement l’apport d’une augmentation des émissions sur les simulations des concentrations en particules permettant logiquement de débiaiser le modèle pendant l’hiver en dégradant très peu les corrélations spatio-temporelles. Ces corrélations sont même améliorées en Aquitaine. Le test valide l’hypothèse d’une sous-estimation des inventaires d’émissions issues des feux de bois mais n’explique pas totalement la forte sous-estimation hivernale.

  La réalisation de cartes analysées est un outil important dans le système de prévision national de la qualité de l'air PREV’AIR. Les observations du réseau de mesures et les sorties du modèle de chimie-transport CHIMERE sont intégrés par des méthodes géostatistiques afin de fournir les cartographies les plus vraisemblables possible de la qualité de l’air. Ces méthodes géostatistiques, couramment appelées krigeage, font intervenir des paramètres de voisinage qui peuvent modifier fortement l'aspect final des cartes. Dans cette courte note, nous discuterons des performances obtenues avec les différents voisinages de krigeage testés et des problèmes qui sont susceptibles d'en découler

Un premier exercice d’intercomparaison de modélisation a été mené en mode aveugle sur un quartier du centre ville de Reims par des AASQA volontaires. Cet exercice n’a malheureusement pas rencontré le succès escompté, ne suscitant qu’une participation limitée. Il a cependant permis d’initier les AASQA à ce type d’exercice ; il est donc attendu que les intercomparaisons futures rassemblent davantage de participants. Les conclusions de l’exercice montrent que de manière générale, peu de variabilité est constatée entre les différentes simulations, ce qui constitue le premier résultat de cette étude. Concernant le NO2, les modélisations montrent une sous-estimation systématique des concentrations mesurées. Les meilleures simulations ont été obtenues avec des données météorologiques complétées par des valeurs de nébulosité initialement manquantes ainsi qu’avec une reconstruction sur toute l’année de la pollution de fond à l’aide des stations existantes. Il y a peu de différences constatées entre les résultats fournis par ADMS URBAN et par SIRANE (version V2). Concernant les PM10, les modélisations montrent une sous-estimation moins importante que pour le NO2. Les biais constatés pour toutes les simulations sont faibles et l’indice de corrélation est élevé. La variabilité entre les modélisations est encore plus faible que pour le NO2. Les différences constatées entre les résultats fournis par ADMS URBAN et par SIRANE (version V2) sont également limitées. Les valeurs mesurées par le biais des échantillonneurs passifs en NO2 montrent des concentrations beaucoup plus fortes que celles indiquées par les résultats de modélisation. Le réajustement des valeurs mesurées aux tubes par l’erreur constatée au point du camion laboratoire ne permet pas d’expliquer des différences aussi importantes. L’intérêt d’une comparaison des résultats de modélisation aux valeurs mesurés par ce type de capteur est ici remis en question et appelle des approfondissements ultérieurs.