Recherche pour PM2,5

Le développement de plus en plus rapide des technologies de vol autonome attire l'attention de nombreux secteurs économiques mais également de divers domaines scientifiques. La diversité des drones aériens associée au faible encombrement et faible poids des capteurs pour la mesure de qualité de l'air laisse envisager des applications comme par exemple la possibilité d'instrumenter des zones difficiles d'accès avec des instruments classiques et/ou de réaliser des profils verticaux de concentration des principaux polluants en zones urbaines et rurale dans les 200 premiers mètres d’altitudes où les régimes chimiques varient très fortement à cause des processus de dispersion (très influencés par la rugosité du terrain) et d’émissions. Cependant, l'utilisation de capteurs pour la mesure de qualité de l'air en mobilité, de plus soumis à des changements rapides de niveaux de concentrations et de conditions climatiques, mérite d'être évaluée sur le plan métrologique. Ainsi, l'Ineris a réalisé une première étude de faisabilité de ce type de couplage pour la mesure des particules, portant sur l’évaluation de l’impact d'un drone multirotor sur la mesure des capteurs PM, via l’influence de la distance entre le drone et les systèmes capteurs. Pour ce faire, le choix a été fait de prendre comme référence des mesures effectuées au moyen d'un compteur optique FIDAS. Ce dernier a été installé sur une Plateforme Elévatrice Mobile de Personnes (PEMP) de 18 mètres, en prenant soin d'installer les capteurs de PM à bas cout au même niveau que la tête de prélèvement du FIDAS. Le choix d'installer les capteurs et l'instrument de référence sur la même plateforme a été fait afin de faire varier, d’une part la distance entre une source de PM et les systèmes de mesure et d’autre part, la distance entre les systèmes de mesure et le drone. Les résultats obtenus lors de cette étude ont montré la possible influence du drone multirotor sur une mesure effectuée à l'aide de capteurs. Si la comparaison des concentrations mesurées par capteurs et par FIDAS sur des niveaux de concentrations faibles en PM (air ambiant, PM1 et PM2,5 3 et PM10 3) n’a pas mis en évidence d’impact du drone multirotor (ratio mesure capteur/FIDAS non affecté par la distance du drone), cette même comparaison à des concentrations plus élevées (50 µg/m3 en moyenne) a mis en évidence, un impact de la distance du drone multirotor par rapport aux capteurs. Ainsi, une distance minimale à respecter de 2 m entre les capteurs et le drone multirotor a été estimée sur la base des essais menés.     Coupling drones/sensors: feasibility study for an application to air quality monitoring   The fast development of autonomous flight technologies is attracting the attention of many economic sectors but also of various scientific fields. The diversity of unmanned aerial vehicles (UAV commonly named drone) associated with the small size and low weight of sensors for air quality monitoring suggests applications such as the possibility of instrumenting hard-to-reach areas with conventional instruments and/or of carrying out vertical concentration profiles of the main pollutants in urban and rural areas in the first 200 metres of altitude where chemical regimes vary very strongly due to dispersion processes (highly influenced by the roughness of the terrain) and emissions. However, the use of sensors to measure air quality in mobility, which are also subject to rapid changes in concentration levels and climatic conditions, need to be evaluated from a metrological point of view. Thus, Ineris carried out a first feasibility study of this type of coupling for PM measurement, focused on the evaluation of the impact of a multi-rotor UAV on the measurement of PM sensors, via the influence of the distance between the UAV and the sensor systems. To do this, the choice was made to use measurements taken using a FIDAS optical counter as a reference. The latter was installed on an 18-metre Mobile Elevating People Platform (MEWP), taking care to install the low-cost PM sensors at the same level as the FIDAS sampling head. The choice to install the sensors and the reference instrument on the same platform was made in order to vary the distance between a PM source and the measurement systems on one hand, and the distance between the measurement systems and the UAV on the other. The results of this study showed the possible influence of the multi-rotor UAV on a sensor-based measurement. While the comparison of concentrations measured by the sensors and by the FIDAS on low PM concentrations (ambient air, PM1 and PM2.5 3 and PM10 3) did not showed any significant impact of the multi-rotor UAV (sensor/FIDAS measurement ratio not affected by the distance of the UAV), this same comparison at higher concentrations (50 µg/m3 on average) revealed an impact of the distance of the multi-rotor UAV from the sensors. Thus, a minimum distance of 2 m between the sensors and the multi-rotor UAV was estimated based on this first feasibility study.

  Référentiel technique national 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 ambiant. Il a été approuvé en CPS (comité de pilotage de la surveillance) du 24 septembre 2020. Mise en application : 1er janvier 2021     Ce document participe à la mise à jour du guide sur la validation et l’agrégation des données (ADEME, 2003). Ce dernier est désormais séparé en deux parties, l’une sur l’agrégation des données et l’autre sur la validation des données. La partie consacrée à l’agrégation des données a fait l’objet de travaux spécifiques en 2013/2014 et est actuellement abordée dans un document spécifique . La partie portant sur la validation des données est quant à elle divisée en deux sous-parties : •           L’une traitée en 2014-2015 dans le cadre d’un groupe de travail organisé au sein de la Commission de Suivi « Mesures automatiques » et qui porte sur la validation des données de mesures automatiques  ; •           L’autre traitée dans le cadre d’un groupe de travail organisé au sein de la Commission de Suivi « Benzène, HAP et métaux lourds » et qui porte sur la validation des données de mesures à analyse différée des polluants HAP, benzène, métaux lourds, NO2, et la spéciation des PM2.5 ; ces travaux font l’objet du présent document. Note : compte-tenu du constat actuel de l’absence de surveillance du mercure dans les dépôts en France, ce polluant n’est pas repris dans ce guide. Sa mesure dans les dépôts doit donc se conformer aux termes de la norme NF EN 15853 (Qualité de l’air ambiant – Méthode normalisée pour la détermination des dépôts de mercure). L’objectif principal de ce guide est de fournir aux acteurs de la qualité de l’air les informations nécessaires pour la validation et l’expertise des données issues de mesures à analyse différée afin de garantir le niveau de qualité souhaité ou exigé des informations produites par les Associations Agréées de la Surveillance de la Qualité de l’Air (AASQA) et d’harmoniser les pratiques au niveau national. Il explicite les prérequis et les connaissances que doivent maîtriser les personnes habilitées pour pouvoir effectuer la validation et l’expertise des données. Il détaille les différentes étapes du processus de validation et d’expertise. A partir de ces éléments généraux, ce guide décline également les règles et critères de validation et d’expertise applicables aux différents types de polluants à analyse différée couverts par la réglementation en vigueur.

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.

La note synthétise les travaux récents du LCSQA en matière de modélisation géostatistique. Elle aborde des points de méthodologie et fournit des scores de performance des méthodes développées. Un modèle de cokrigeage pour la cartographie des PM10 et des PM2.5 a été ainsi mis au point. Il permet à la fois d’améliorer la précision des cartographies de PM2.5 et la cohérence entre les estimations de PM2.5 et de PM10. Un lissage a été également introduit dans le krigeage afin d’améliorer la continuité des cartes dans les zones peu contraintes par les stations de mesure. Ces travaux sont destinés à être implantés de manière opérationnelle dans le système PREV’AIR pour améliorer la qualité de la production quotidienne de cartographies de la qualité de l’air pour le jour d’avant. Ils participent donc à la démarche d’assurance qualité du système national de prévision et de cartographie de la qualité de l’air, pour une plus grande précision et une plus grande fiabilité des informations diffusées auprès du Ministère, des AASQA et du grand public. Ces travaux ont été conduits à l’initiative du LCSQA. Certains d’entre eux ont fait l’objet d’échanges techniques avec le Centre de Géosciences de l’Ecole des Mines de Paris, dans le cadre d’une convention de collaboration scientifique avec l’INERIS.

Ce rapport présente la mise en œuvre de la modélisation sur des épisodes identifiés dans le rapport DRC-09-103337-10781A afin de mieux comprendre les aptitudes et lacunes des modèles. Les épisodes de l’année 2008 et janvier 2009 ont été simulés avec le modèle de qualité de l’air CHIMERE. Ainsi, les analyses du dispositif CARA ont permis de montrer que : a) Les concentrations en sulfates sont globalement sous-estimées par le modèle CHIMERE surtout durant l’été, b) Les concentrations en nitrate et l’ammonium sont correctement simulées mais semblent parfois surestimées, c) Les concentrations en matière organique sont nettement sous-estimées essentiellement l’hiver d) Les concentrations en carbone élémentaire sont légèrement sous-estimées e) Les « autres » espèces sont largement sous-estimées par le modèle La sous-estimation de la production de sulfate provient essentiellement d’une sous-production par chimie gazeuse l’été. Concernant le point c), la sous-estimation chronique du modèle pourrait être liée à une source manquante ou mal redistribuée temporellement comme la combustion du bois. Les « autres » espèces pourraient être mal représentées dans les inventaires utilisées, il s’agirait de particules primaires non carbonées émises par les activités humaines. En 2010 certains des épisodes de 2009 seront à nouveau étudiés en considérant les aspects météorologie et émissions. Avant de régler le problème des émissions, un travail sur les simulations météorologiques sera réalisé et seulement ensuite, un travail sur les émissions sera effectué pour mieux caler les émissions de combustion de bois et suivre la part de ces émissions dans le bilan des particules prélevées et analysées. Un travail particulier sur les profils temporels d’émission sera réalisé en collaboration avec les AASQA. Bien que l’essentiel du travail soit réalisé sur des échantillons typiques de certaines régions, ce travail devra être extrapolable au plan national. Une évolution du système de mesure et d’analyse CARA sera envisagée dans le sens suivant: - Mesures des couples Nitrate/Acide nitrique et Ammonium/Ammoniaque en gardant une veille sur les mesures de concentrations de ces espèces ; - Avoir un ou deux points de mesures avec à la fois des analyses sur filtre des PM2,5 et des PM10 en privilégiant un site de fond suburbain voire rural, ceci permettant de voir si la sous-estimation des composés « autres » existe aussi dans la fraction fine des PM ; - Avoir un site de mesures permettant d’évaluer les concentrations de fond de poussières naturelles, ce site devrait être situé près des zones de terres arables.