Recherche pour INERIS

Ce rapport présente les campagnes de mesure de PM10 et PM2,5 réalisées entre fin 2021 et début 2024 en collaboration avec ATMO Grand Est, AtmoSud, Atmo Normandie, et Qualitair Corse, dans le cadre du suivi de l’adéquation des analyseurs automatiques des PM à la méthode de référence demandé par de l’arrêté du 16 avril 2021 relatif au dispositif national de surveillance de la qualité de l'air ambiant. Cette action est réalisée en accord avec les préconisations de la norme NF EN 16450 encadrant l’utilisation des analyseurs automatiques de PM.  Check of suitability of automatic measurement system of PM by ongoing comparisons with the reference methodThis report presents the PM10 and PM2.5 measurement campaigns carried out between 2021 and 2024 in collaboration with ATMO Grand Est, AtmoSud, Atmo Normandie, and Qualitair Corse, as part of monitoring the suitability of automatic PM analyzers to the reference method required by the decree of April 16th 2021 relating to the national ambient air quality monitoring system and in accordance with the recommendations of standard NF EN 16450 governing the use of automatic PM analyzers.

 Un exercice d’intercomparaison (Intercomparaison - rapport final, 2025) de modélisations urbaines piloté par le LCSQA s’est déroulé de juin 2020 à Juin 2023. Il a impliqué l’ensemble des AASQA sur un jeu de données de la ville d’Anvers en Belgique, site choisi pour son emplacement indépendant des domaines des participants et pour la disponibilité de données bien documentées par le VITO. Un atelier de restitution de l’exercice a fourni l’occasion de présenter l’ensemble des résultats de l’exercice, il a également laissé une part importante aux discussions très constructives entre les participants en vue de répondre au besoin d’’harmonisation. Le résultat des discussions a donné lieu à la rédaction de recommandations par les participants concernant les hypothèses de configuration des modélisations à fine échelle concernant la mise en œuvre des nouvelles versions de modèles, les conditions aux limites de fond, les configurations des modèles SIRANE et ADMS URBAN, les émissions (spatialisation et temporisation), la météorologie et la chimie.Cette liste a pu être discutée et étoffée dans le courant de l’année 2024 via des réunions dédiées entre le LCSQA et les participants à l’exercice. Dans l’objectif de l’amélioration continue de la qualité des modélisations, elle sera mise à jour régulièrement afin de tenir compte de l’évolution des techniques de modélisations et des hypothèses à prendre en compte dans les modèles. A ce titre, cette note technique constitue donc un document de référence pour les AASQA qui est intégré dans le référentiel technique national. Technical recommendations for urban modelingAn urban modeling intercomparison exercise, coordinated by LCSQA, was conducted from June 2020 to June 2023. It involved all AASQAs and was based on a dataset from the city of Antwerp, Belgium—a location selected for its neutrality with respect to the participants and the availability of well-documented data provided by VITO. The results workshop held at the end of the exercise served as a platform for presenting the full set of outcomes and fostering constructive discussions among participants, aimed at addressing the need for harmonization.These discussions led to the development of a set of recommendations concerning configuration assumptions for high-resolution modeling. Topics included the implementation of new model versions, background boundary conditions, configurations of SIRANE and ADMS-Urban models, emissions (spatial and temporal allocation), meteorology, and atmospheric chemistry.This list of recommendations was further reviewed and expanded during 2024 through dedicated meetings between LCSQA and the participants. It will be regularly updated to reflect advances in modeling techniques and evolving assumptions, with the goal of continuously improving modeling quality. As such, this technical note serves as a reference document for AASQAs and is integrated into the national technical framework.

 Ce guide fait partie du référentiel technique national, conformément à l'arrêté du 16 avril 2021 relatif au dispositif national de surveillance de la qualité de l'air. Il a été présenté en CPS (comité de pilotage de la surveillance) du 30 septembre 2025 et validé le 18 décembre 2025.Mise en application : 31 mars 2026 Un exercice d’intercomparaison (Intercomparaison - rapport final, 2025) de modélisations urbaines piloté par le LCSQA s’est déroulé de juin 2020 à juin 2023. Il a impliqué l’ensemble des AASQA sur un jeu de données de la ville d’Anvers en Belgique, site choisi pour son emplacement indépendant des domaines des participants et pour la disponibilité de données bien documentées par le VITO. Un atelier de restitution de l’exercice a fourni l’occasion de présenter l’ensemble des résultats de l’exercice, il a également laissé une part importante aux discussions très constructives entre les participants en vue de répondre au besoin d’’harmonisation. Le résultat des discussions a donné lieu à la rédaction de recommandations par les participants concernant les hypothèses de configuration des modélisations à fine échelle, la mise en œuvre des nouvelles versions de modèles, les conditions aux limites de fond, les configurations des modèles SIRANE et ADMS URBAN, les émissions (spatialisation et temporisation), la météorologie et la chimie. Cette liste a pu être discutée et étoffée dans le courant de l’année 2024 via des réunions dédiées entre le LCSQA et les participants à l’exercice constituant à ce jour un guide de mise en œuvre des outils de modélisation urbaine. Dans l’objectif de l’amélioration continue de la qualité des modélisations, ce guide sera mis à jour régulièrement afin de tenir compte de l’évolution des techniques de modélisations, des outil associés et des hypothèses à prendre en compte dans les modèles. A ce titre, ce guide constitue donc un document de référence pour les AASQA et est intégré dans le référentiel technique national. 

Le dispositif national de surveillance de la qualité de l’air s’est équipé depuis 2022 d’analyseurs automatiques de métaux. Dans ce contexte, le LCSQA accompagne le déploiement de ces instruments, en travaillant à la mise en place de méthodes de validation des données et à une harmonisation au niveau national des mesures et des pratiques des Associations agréées de surveillance de la qualité de l’air (AASQA). Dans ce cadre, une campagne de mesures comparatives d’un mois a été réalisée entre deux analyseurs d’éléments-traces métalliques dans les aérosols par fluorescence X (Xact625i Cooper) et un prélèvement sur filtre selon la méthode de référence. Cette campagne a été réalisée à Strasbourg par l’IMT Nord Europe, Atmo Grand Est et l’Ineris et avait pour but d’évaluer la performance de l’Xact625i dans des conditions de faibles concentrations en éléments-traces métalliques. Les résultats montrent que pour les éléments Ag, Bi, Cd, Co, Cs, Hg, La, Mo, Ni, Pd, Sb, Sn et Tl, les concentrations étaient trop basses pour être détectées convenablement. Les mesures des éléments Cu, Mn, Pb, Rb, Se, Sr et V concordent avec la méthode de référence, tandis que celles d'Al, As, Ba, Ca, Cr, Fe, K, Si, Ti et Zn demandent plus de précautions lors de l’interprétation. En outre, les éléments Br et Cl montrent une bonne répétabilité entre les Xact625i, mais n’ont pas été comparés aux filtres car ils ne sont pas quantifiables par spectrométrie de masse par plasma à couplage inductif (ICP-MS). Les écarts observés pour As et Zn pourraient indiquer une contamination de la bande de prélèvement, ce qui nécessiterait des analyses ICP-MS complémentaires. La poursuite des échanges dans le groupe utilisateurs (GU « Fluo X ») et la rédaction d’un guide technique, déjà amorcée à l’échelle européenne, dans le cadre du projet européen RI URBANS, sont recommandées pour harmoniser les pratiques.      

Ce rapport présente les performances des prévisions nationales opérées dans le cadre de la plateforme Prév’air (www.prevair.org) pour l’année 2024. L’objectif est de montrer des éléments d’appréciation de la qualité de la production Prév’air. Ce rapport traite successivement de l’évaluation des prévisions des concentrations des quatre polluants O3, PM10, PM2,5 et NO2 fournis quotidiennement par le système Prév’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 agréées de surveillance de la qualité de l’air) et géré par le LCSQA.Une attention particulière est portée à l’évaluation des performances de Prév’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 2024 (avril à septembre). Les autres polluants (PM10, PM2,5, NO2) sont évalués sur l’ensemble de l’année 2024.L’année 2024 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 Prév’air et sur les prévisions avec adaptation statistique, qui visent à corriger les biais systématiques du modèle brut par un processus d’apprentissage historique. Cette prévision corrigée statistiquement sert généralement de référence à l’expertise de l’équipe Prév’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.Les prévisions Prév’air pour les DROM des Caraïbes ont également été évaluées, ainsi que les prévisions sur les DROM de l’océan Indien.Au regard des objectifs de qualité à atteindre sur l’O3 et le PM10, les résultats fournis par Prév’air en 2024 sont, à l’image de l’année précédente, très satisfaisants. Sur l’ensemble des régions étudiées (13 métropolitaines et 5 DROM), 85% des objectifs de qualité définis dans le référentiel technique national sont atteints. Ce pourcentage monte même à 97% en excluant les DROM, ces derniers ne disposant pas encore en opérationnel du traitement par adaptation statistique qui permet dans la plupart des cas une amélioration significative des scores. Ces 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. Cependant, bien que les objectifs de qualité soient toujours atteints, on observe une légère baisse de performance de l’adaptation statistique par rapport à l’année précédente, particulièrement pour les PM10. Les prévisions brutes rencontrent plus de difficultés à satisfaire les objectifs de qualité, notamment dans les DROM, et là aussi une baisse modérée de performance est observée par rapport à 2023, surtout pour les PM10. Il conviendra de vérifier si cette tendance se confirme ou non dans les prochaines années. Pour les différents scores concernant les PM2,5 et NO2, polluants pour lesquels il n’y a pas d’objectif de qualité, une légère dégradation des indicateurs est également constatée par rapport à 2023, pour les deux modèles bruts et l’AS. Cette dernière permet cependant d’obtenir des performances améliorées par rapport aux modèles bruts. Ici aussi, il sera nécessaire de suivre l’évolution de cette tendance dans les années à venir.La composition chimique des particules (PM1) et de l’équivalent carbone noir prévus par Prév’air ont été évalués avec l’aide des données CARA. Les performances sont là aussi légèrement moins bonnes par rapport à l’année précédente et une observation sur le long terme sera requise pour confirmer ou non la continuité de cette dégradation.Enfin, pour la première fois en 2024, les performances de méthodes de post-traitement statistique, appelées Model Output Statistics (MOS) développées et mises en place dans Prév’air en juin 2023 pour le domaine Atlantique-ouest regroupant la Martinique, Guadeloupe et la Guyane, ont été étudiées et rapportées dans un chapitre à part, à titre probatoire pour cette année. De manière générale, l’apport des modèles de machine learning vis-à-vis du modèle brut de CHIMERE est bien marquée, avec une amélioration significative des scores pour les trois territoires.   ^Episode d’une durée prévue d’au moins 2 jours et concernant au moins 3 régions^Arrêté du 7 avril 2016 relatif au déclenchement des procédures préfectorales en cas d'épisodes de pollution de l'air ambiant^ https://www.lcsqa.org/fr/referentiel-technique-national^ Favez et al. Overview of the French Operational Network for In Situ Observation of PM Chemical Composition and Sources in Urban Environments (CARA Program). Atmosphere 2021, 12, 207. https://doi.org/10.3390/ atmos12020207 Performances of Prev’air in 2024 This report presents the performance in 2024 of the national forecasts carried out within the Prév’air platform (www.prevair.org). The objective is to assess the quality of Prév’air production. This report deals successively with the evaluation of the O3, PM10, PM2,5 et NO2 concentrations forecasts, daily provided by the Prév’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 (accredited air quality monitoring associations) and developed by the LCSQA.Particular attention is paid to the evaluation of Prév’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 2024 (April to September). The other pollutants (PM10, PM2,5, NO2) are assessed over the whole year 2024.Few persistent episodes of national scope were noted during 2024. The evaluation of these episodes is carried out both on Prév’air’s raw forecasts and on the statistical adaptation of CHIMERE which aims at correcting the systematic biases of the raw model through a historical learning process. This statistically corrected forecast generally serves as a reference to the expertise of the Prév’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.The Prév’air forecasts for the Caribbean DROMs have also been assessed, as well as the forecasts for the Indian Ocean overseas territories.Considering the quality objectives to be achieved for O₃ and PM10, the results provided by Prév’air in 2024 are, as in the previous year, very satisfactory. Across all the regions studied (13 metropolitan regions and 5 overseas regions), 85% of the quality objectives defined in the national technical reference framework are met. This percentage even rises to 97% when excluding the overseas regions (DROM), as these do not yet have the statistical adaptation treatment operationally available, which in most cases significantly improves the scores. The forecasts with statistical adaptation match the performance objectives and have, most of the time, made it possible to anticipate pollution episodes and identify the main affected areas. However, although the quality objectives are still met, a slight decline in the performance of statistical adaptation is observed compared with last year, particularly for PM10. The raw forecasts have more difficulty meeting the quality objectives, especially in the overseas departments and regions (DROM) and here also, a moderate decline in the performance of raw models compared with 2023 is observed, especially for PM10. It will be necessary to monitor whether this trend continues in the coming years.For the various scores concerning PM2,5 and NO2, pollutants for which there are no quality objectives, a slight deterioration in the indicators is observed compared with 2023, for the two raw models and the statistical adaptation. However, this latter approach still allows for improved performance compared to the raw models. Here as well, it will be necessary to check the evolution of this trend in the coming years.The chemical composition of particles (PM1) and elemental carbon forecast by Prév’air was evaluated using CARA data. Here again, performance is slightly worse compared to the previous year, and a long-term observation will be required to confirm whether this degradation continues or not.Finally, for the first time in 2024, the performance of statistical post-processing methods, known as Model Output Statistics (MOS), developed and implemented in Prév’air in June 2023 for the western Atlantic region covering Martinique, Guadeloupe, and French Guiana, was studied and reported in a separate chapter on a trial basis for this year. Overall, the contribution of machine learning models to the raw CHIMERE model is significant, with a marked improvement in scores for all three regions. ^An episode expected to last at least 2 days and affecting at least 3 regions^ Decree of 7 April 2016 relating to the triggering of prefectural procedures in the event of episodes of ambient air pollution^ https://www.lcsqa.org/fr/referentiel-technique-national^Favez et al. Overview of the French Operational Network for In Situ Observation of PM Chemical Composition and Sources in Urban Environments (CARA Program). Atmosphere 2021, 12, 207. https://doi.org/10.3390/ atmos12020207 .

Le glyphosate et ses métabolites (acide aminométhylphosphonique – AMPA – et glufosinate) font partie de la liste des substances cibles de la campagne nationale exploratoire sur les pesticides (CNEP) réalisée par l’Anses, le réseau des AASQA et l’Ineris en tant que membre du LCSQA, entre juin 2018 et juin 2019. Le laboratoire prestataire (IANESCO) pour les analyses des échantillons de la CNEP a rapporté des problèmes d’interférence sur la détection du glufosinate par chromatographie liquide couplée à un détecteur de fluorescence, impliquant de devoir augmenter la limite de quantification de ce composé. Ainsi, l’objectif de ces travaux était de tester une autre technique d’analyse basée sur la chromatographie liquide avec un couplage à un spectromètre de masse, en se basant sur les travaux du Laboratoire national de référence pour la surveillance des milieux aquatiques AQUAREF (fiche méthode MA-01 de 2008) et la norme NF ISO 16308. Les tests effectués sur la méthode développée en LC/MS/MS par le LCSQA-Ineris montrent que l’utilisation de la spectrométrie de masse permet de s’affranchir du problème d’interférence soulevé par le laboratoire IANESCO, et d’atteindre des LQ de 0,2 ng/mL pour le glufosinate et 2 ng/mL pour le glyphosate et l’AMPA. Les rendements d’extraction incluant l’étape de dérivation au FMOC sont satisfaisants pour l’AMPA et le glufosinate, supérieurs à 80%, tandis que celui du glyphosate est d’environ 60%. Selon les performances de la méthode d’analyse établies (LQ analytiques obtenues en LC/MS/MS et rendements d’extraction et de dérivation), les limites de quantification pour chacune des 3 substances sont inférieures à 0,4 ng/m3. Les résultats de l’étude de stabilité sur filtre quartz montrent pour le glyphosate et le glufosinate une légère perte pendant les 15 premiers jours de stockage à 4°C, autour de 15 %, puis une stabilisation jusqu’à la fin de l’étude à J60. Les résultats de l’AMPA montrent que ce composé est stable pendant les 60 jours de stockage à 4°C. La stabilité de l’AMPA et du glyphosate dans les extraits a été démontrée sur une période de 35 jours.       Abstract: Analysis of glyphosate, glufosinate and AMPA by LC/MS/MS Glyphosate and its metabolites (aminomethylphosphonic acid - AMPA - and glufosinate) are included in the list of targeted substances of the national exploratory campaign on pesticides (CNEP) carried out by Anses, the AASQA network and Ineris as a member of the LCSQA, between June 2018 and June 2019. The contractor laboratory (IANESCO) for the analysis of CNEP samples reported interference problems with the detection of glufosinate by liquid chromatography coupled with a fluorescence detector, implying the need to increase the quantification limit of this compound. Thus, the objective of this work was to test another analytical technique based on liquid chromatography coupled to a mass spectrometer, according to the work of the National Reference Laboratory for the monitoring of aquatic environments AQUAREF (MA-01 method sheet of 2008) and the NF ISO 16308 standard. Tests on the LC/MS/MS method developed by LCSQA-Ineris show that the use of mass spectrometry can overcome the problem of interference raised by the IANESCO laboratory and enable to achieve a LoQ of 0.2 ng/mL for glufosinate and 2 ng/mL for glyphosate and AMPA. Extraction yields including the FMOC derivatization step are suitable for AMPA and glufosinate, above 80%, while for glyphosate it’s around 60%. Based on the performance of the established analytical method (analytical LoQ obtained in LC/MS/MS and extraction and derivatization yields), the quantification limits for each of the 3 substances are less than 0,4 ng/m3. The results of the quartz filter stability study show a slight loss for glyphosate and glufosinate during the first 15 days of storage at 4°C, around 15%, and then values stabilize until the end of the study at J60. The results of the AMPA show that this compound is stable during the 60 days of storage at 4°C. The stability of AMPA and glyphosate in the extracts was demonstrated over a 35-day period.

  Référentiel technique national Ce document fait partie du référentiel technique national, conformément à l'arrêté du 16 avril 2021 relatif au dispositif national de surveillance de la qualité de l'air ambiant. Il a été approuvé en CPS (comité de pilotage de la surveillance) du 18 décembre 2025. Mise en application : 31 mars 2026     Ce document constitue la mise à jour du guide méthodologique LCSQA paru en 2020, relatif à l’utilisation de l’aéthalomètre multi-longueurs d’onde AE33 (ou AE36) fabriqué par « Magee Scientific » en air ambiant. Cet instrument permet la mesure des concentrations de carbone suie (ou Black Carbon, BC), émis par les sources de combustion. Cette version modifiée du guide porte sur la réorganisation et la vérification des différents chapitres de l’ancienne version. Elle inclut ensuite une évaluation des critères de traitement et de validation des données BC, ainsi que des aspects liés à leur acquisition. Enfin, le dernier chapitre, consacré à l’intégration des données dans les postes centraux, a également été mis à jour après concertation avec les Associations agréées de surveillance de la qualité de l’air (AASQA). Ce guide méthodologique ne constitue pas un mode opératoire ou un manuel d’utilisation. Le lecteur est invité à se reporter au manuel fourni par le distributeur pour les informations relatives au fonctionnement de l’instrument lui-même. Ce document s’attache à recenser les bonnes pratiques, les fréquences de maintenance, les différentes étapes inhérentes à la validation des données ainsi que les méthodes d’exploitation des données à travers notamment l’utilisation d’un modèle d’estimation des sources reliées aux combustions de biomasse ou de carburant fossile. Il a été rédigé sur la base des documents des constructeurs, des échanges avec le distributeur, de l’état de l’art scientifique. Il s’appuie aussi sur les retours d’expérience des utilisateurs des AASQA, émis lors des différentes réunions de travail animées par le LCSQA. Enfin, il intègre les retours des séminaires techniques à destination des AASQA, organisées conjointement avec le constructeur, le distributeur français et le LCSQA. Ce guide pour l’utilisation des AE33 pourra être remis à jour en fonction des retours d’expériences des utilisateurs, des préconisations du constructeur ou des avancées de l’état de l’art scientifique.   Abstract   This document is an updated version of the methodological guide from the Central Laboratory for Air Quality Monitoring (LCSQA) concerning the use of the multi-wavelength aethalometer AE33 (or AE36) manufactured by Magee Scientific for ambient air measurements. This instrument enables the measurement of black carbon (BC) concentrations, emitted by combustion sources. This revised version of the guide focuses on reorganizing and reviewing the various chapters of the previous edition. It also includes an assessment of the criteria for processing and validating BC data, as well as aspects related to data acquisition. Finally, the last chapter, dedicated to the integration of data into central databases, has also been updated following consultation with the accredited Air Quality Monitoring Associations (AASQA). This methodological guide is not an operating procedure or a user manual. Readers are encouraged to refer to the manual provided by the distributor for information regarding the operation of the instrument itself. This document aims to compile best practices, maintenance frequencies, the different steps involved in data validation, as well as methods for data analysis, notably through the use of a model that estimates contributions from biomass or fossil fuel combustion sources. It has been written based on manufacturer documentation, discussions with the distributor, and the scientific state of the art. It also draws on feedback from AASQA users gathered during various working meetings led by LCSQA. Lastly, it incorporates insights from technical seminars for the AASQA, jointly organized with the manufacturer, the French distributor, and the LCSQA. This guide for the use of AE33 instruments may be updated in the future based on user feedback, manufacturer recommendations, and advances in scientific knowledge.