Recherche pour PM10

Cette étude a permis d’établir les cartographies de 2008 à 2010 de la contribution des HAP aux PM (PM10 et PM2.5). Bien qu’il ne s’agisse pas d’une exigence réglementaire, on observe de nombreuses zones « blanches » quant à une surveillance combinée des HAP et PM, et notamment des PM2.5, alors qu’elle serait d’un intérêt majeur en termes d’évaluation de l’impact sanitaire des particules. En effet, même si les concentrations en particules sont à priori faibles, leur composition chimique (par exemple, la concentration en HAP) peut avoir un rôle déterminant dans leur potentiel toxique. Les contributions des HAP aux PM les plus fortes sont globalement observées sur les sites industriels et sont similaires pour les autres typologies de sites (urbains, trafics, ruraux, périurbains). Les ratios B[a]P/PM10 et B[a]P/PM2.5 les plus importants sont observés notamment en Rhône-Alpes tous types de sites confondus. Les variations des contributions hivernales et estivales sont moins marquées sur les sites industriels et trafic, et plus importantes sur les sites urbains, ruraux et périurbains. Ces résultats mettent en avant l’influence importante de la source résidentielle liée au chauffage, et en particulier au chauffage au bois, sur la contribution des HAP aux PM et donc sur la toxicité des PM en hiver. Si les corrélations des concentrations en HAP et des PM sont évidentes sur les sites trafic (notamment avec les PM2.5) (r² > 0,7), montrant que la source majoritaire des HAP particulaires semble essentiellement liée au trafic sur ces sites, elles sont un peu plus faibles sur les sites urbains, ruraux et périurbains (0,4 L’étude des tendances à long terme montre une évolution significative à la baisse (-30 à -50 %) de la contribution du B[a]P aux PM10 sur les deux sites urbains du Nord Pas de Calais depuis 6 à 8 ans, sur 2 des 3 sites urbains de Rhône-Alpes (Grenoble-Les Frênes et Lyon Centre, 5 à 6 ans) et sur seulement 1 seul des 4 sites urbains de l’Île-de-France (Vitry sur Seine, 8 ans). Sur le site trafic de l’Ile de France (Périphérique Auteuil) cette tendance est aussi clairement à la baisse (-50 % entre 1998 et 2010). Comme pour les sites urbains de Rhône-Alpes et d’Île-de-France pour lesquels aucune évolution significative n’est mise en évidence, la contribution des HAP aux PM sur un site industriel en Rhône-Alpes (Vénissieux Village) est restée constante sur ces 5 ou 12 années (selon les sites, données de 1998 à 2010). Ces résultats montrent que même si les émissions globales de HAP ont continué à diminuer en France sur ces 12 dernières années, leur contribution à la masse des particules sur la moitié des sites retenus pour cette étude, a peu évolué. Le potentiel toxique (cancérigène) des particules lié aux HAP n’a pas évolué mais surtout il n’a pas baissé malgré la mise en place des politiques de gestion de qualité de l’air et les avancées technologiques des processus et traitements des combustions ayant eu lieu dans le même temps.

Le rapport « Utilisation des données de micro-capteurs pour la modélisation et la cartographie de la qualité de l’air » synthétise l’état d’avancement des travaux du LCSQA, qui s’inscrivent dans la feuille de route du GT micro-capteurs et de la CS modélisation, et portent sur l’utilisation des données de micro-capteurs pour la modélisation et la cartographie de la qualité de l’air. Elle s’appuie sur l’analyse bibliographique livrée en septembre 2018 et les récents développements réalisés en collaboration avec des AASQA, des startups et des laboratoires de recherche. Parmi les récents travaux de cartographie avec les données de micro-capteurs, deux catégories de méthodes susceptibles de se recouper ou d’être combinées émergent : les méthodes statistiques spécifiques (Land Use Regression, agrégation spatiale, et apprentissage statistique) et l’interpolation géostatistique par krigeage. Les développements du LCSQA s’appuient sur cette dernière (krigeage en dérive externe) pour fusionner les observations de micro-capteurs fixes et mobiles avec les données modélisées afin d’estimer des concentrations de polluants à l’échelle urbaine. L’approche est testée à Nantes à partir d’observations de PM10 fournies par AtmoTrack. Un prétraitement est réalisé sur les données brutes pour éliminer les valeurs aberrantes et corriger le biais sur la variation journalière des concentrations de fond. La variabilité et l’incertitude de mesure sont considérées dans le krigeage afin de pondérer l’importance des observations dans l’estimation. Les micro-capteurs mobiles offrent une densité d’échantillonnage jamais atteinte par les moyens de mesure traditionnels. Une plus grande maîtrise des incertitudes de mesure apparaît comme une condition nécessaire pour en tirer le meilleur profit dans la cartographie de la qualité de l’air.   Use of low-cost sensor observations for air quality modelling and mapping The report “Use of low-cost sensor observations for air quality modelling and mapping” summarizes the progress of the LCSQA work on the use of low-cost sensor observations for air quality modelling and mapping at the urban scale. This is part of the road map of the low-cost sensor working group and the modelling scientific commission. This work is based on the bibliographic analysis which has been published in September 2018 and on the new developments in collaboration with several AASQAs, startups and research laboratories. Among the recent studies that use low-cost sensor observations for air quality mapping, two categories of methods emerge: specific statistical approaches (Land Use Regression model, spatial aggregation, and machine learning) and geostatistical interpolation via kriging. LCSQA developments are based on the latter (kriging with an external drift) to combine the low-cost sensor observations and the dispersion model calculations to estimate pollutant concentrations at the urban scale. The approach is tested in Nantes using PM10 observations provided by AtmoTrack sensors. A preprocessing is applied on raw data to remove outliers and to correct the bias related to the daily variation of the background concentrations. The variability and the measurement uncertainty are considered in kriging to weight the observations in the estimation. Mobile low-cost sensors provide a unique sampling coverage in space and time compared to regulatory measurements. A better control of measurement uncertainty seems to be a necessary condition to get the most out of these new observations for air quality mapping.