Prévision de la qualité de l'air

  • Prévision déterministe des pics d’ozone
  • Prévision statistique des pics d’ozone
  • Synthèse et comparaison des approches statistiques et déterministes durant l’été 2004
  • Validation et évaluation des incertitudes
    		•
    Prévision de la qualité de l'air
    Les deux AASQA de la région PACA (Atmo PACA et Airfobep) et Air Languedoc-Roussillon disposent aujourd’hui de deux types d’approches mathématiques pour prévoir la qualité de l’air : la méthode déterministe et la méthode statistique . Ces deux méthodes fournissent tous les jours les prévisions brutes consultables sur ce site, ainsi que les prévisions expertisées consultables sur le site des AASQA (www.atmopaca.org, www.airfobep.org et www.air-lr.asso.fr).

    :: Prévision déterministe des pics d’ozone

    Depuis juin 2003, en collaboration avec ACRI-ST (www.acri-st.fr), le Laboratoire de Météorologie Dynamique (LMD, CNRS, Paris) et le Laboratoire Inter-universitaire des Systèmes Atmosphériques (LISA, CNRS, Créteil), Atmo PACA développe un système déterministe de simulation et de prévision utilisant des données environnementales et météorologiques pour prévoir la qualité de l’air pour le lendemain et le surlendemain.

    Le cadastre des émissions fournit les flux de polluant. Le système calcule le transport physico-chimique des polluants en tenant compte des conditions météorologiques (vent, température, nébulosité…) et de la réactivité chimique des polluants pendant leurs transports.

    Le système est composé de deux moteurs de calcul :

    • un modèle météorologique méso-échelle, MM5 (www.mmm.ucar.edu/mm5). Il prévoit et simule l’ensemble des paramètres météorologiques nécessaires au calcul de la chimie atmosphérique.

    • un modèle de chimie-transport : CHIMERE (http://euler.lmd.polytechnique.fr/chimere/). Il prévoit et simule la distribution spatiale des polluants à partir du modèle météo MM5.

      Les données aux limites des régions PACA et Languedoc-Roussillon sont de deux types ;  météorologiques et chimiques :

      Météorologie: les données utilisées sont téléchargées chaque jour à partir du site américain NCEP : www.ncep.noaa.gov.

      Chimie : les données utilisées proviennent de la plateforme PREV’AIR  et sont téléchargées chaque matin (www.prevair.org/fr). En cas de dysfonctionnement, MOZART est utilisé en solution de secours.



    Schéma descriptif du système
    Chaque matin la prévision est calculée et les résultats sont disponibles à 9h, heure locale. Les résultats sont notamment consultables sous forme de cartes des maxima d’ozone et de dioxyde d’azote pour le jour même
    (jour J), le lendemain (jour J+1) et le surlendemain (jour J+2).

    La prévision pour la journée en cours, le lendemain et le surlendemain, des risques de dépassement des niveaux réglementaires en ozone est quotidiennement diffusée à 11 heures sur les Bouches-du-Rhône, le Var, le Vaucluse, les Alpes de Haute Provence et les Alpes-Maritimes. Cette information est actualisée à 17h pour le lendemain.
    Les 3 domaines imbriqués de modélisation de l’ozone en PACA





    :: Prévision statistique des pics d’ozone


    Depuis 1998, Atmo PACA (ex-Airmaraix) a mis en opérationnel, en collaboration avec l'université de la Méditerranée (Luminy), un modèle statistique de prévision de la qualité de l'air: le modèle CART (Classification And Regression Tree - Arbre de classification et de régression).

    Ce modèle s'appuie sur des prédicteurs environnementaux tels que les facteurs météorologiques observés et prévus sur plusieurs stations météo (envoyés quotidiennement par Météo France) mais aussi sur des paramètres construits à partir des niveaux de pollution.

    Ces techniques de modélisation sont non linéaires et non paramétriques. Les variables explicatives sont aussi bien quantitatives que qualitatives.

    La visualisation du modèle à l'aide d'un arbre binaire (cf. ci-dessous) met en évidence les variables explicatives actives de la variable à prévoir.

    Arbre de régression à 6 feuilles

     
    La racine (haut de l'arbre), où se situent toutes les observations de la base de données, est divisée selon un critère statistique en deux classes représentées par une variable et un seuil sur cette variable. Ces classes sont les nœuds de l'arbre ; sur chacun de ces nœuds, la même procédure de division binaire est appliquée et conduit à d'autres divisions. A chacun de ces nœuds on trouve le nombre d'observations correspondant à la division effectuée et une moyenne des maximums d'ozone sur ces observations.

    Grâce à une règle d'arrêt de la procédure, on obtient un arbre terminal avec un nombre de feuilles (nœuds extrêmes de l'arbre) qui n'est pas trop grand.

    Les arbres sont préconstruits pour chaque polluant à prévoir et par station de mesure. En entrant les paramètres du jour dans le modèle, on suit un cheminement particulier de l'arbre et on "tombe" dans une feuille dont la moyenne des observations est la valeur prévue pour le polluant considéré sur la station correspondante.

    Ce modèle permet donc de prévoir le maximum d’ozone journalier par station de mesures.

    Des études statistiques sur le meilleur choix des paramètres d'entrée du modèle ont été effectuées pour aboutir à une prévision de qualité.

    Aujourd'hui, le modèle est utilisé au sein d'Air Alpes Méditerranée pour fournir les prévisions à 11h00 pour le lendemain sur le risque de dépasser les niveaux réglementaires en ozone par département sur la région PACA.

    Les prévisions annoncées s'appuient sur les résultats bruts du modèle statistique mais aussi sur les sorties de modèles déterministes complémentaires et enfin sur une expertise humaine fondée sur les grands systèmes directionnels de déplacement des masses d'air pollué.
    :: Synthèse et comparaison des approches statistiques et déterministes durant l’été 2004 :
    Depuis 2004, les deux approches statistique et déterministe sont combinées pour fournir la meilleure information possible au prévisionniste qui valide chaque prévision en fonction de sa propre expérience.

    Les graphes ci-dessous présentent une comparaison des résultats « expertisés » par le prévisionniste (combinaison des prévisions brutes statistiques et déterministes + validation) et ceux obtenus directement par les approches statistiques et déterministes.

    On constate que la combinaison des deux sources de résultats suivie de la validation permet d’améliorer les résultats et de fournir des prévisions de qualité. Sur le Var et les Alpes Maritimes les prévisions brutes restent à améliorer.

    Qualité de la prévision en fonction des outils
    		 


    :: Validation et évaluation des incertitudes
    Validation de l’Inventaire des émissions :

    Les incertitudes sur l’évaluation des émissions sont complexes à estimer et peuvent être importantes pour certains composés. Actuellement, un certain nombre de programmes de recherche visent à les estimer. Cependant l’utilisation de ces données au travers des outils de modélisation constitue déjà un élément de validation en terme de :

    • Cohérence des résultats obtenus pour les outils de prévision,
    • Gain de précision apporté par l’utilisation d’un inventaire à l’échelle régionale sur les résultats obtenus dans l’exercice d’intercomparaison des modèles du programme ESCOMPTE.

    Enfin, la comparaison des résultats avec d’autres sources de donnée (européennes, nationales …) et l’analyse des écarts fournit également un élément important de validation.
    L’exercice de modélisation ESCOMPTE
     
    L’exercice de modélisation ESCOMPTE est un des trois volets du programme scientifique international ESCOMPTE (campagne de mesures, inventaire des émissions, exercice d’intercomparaison). Il consiste à réunir un grand nombre de laboratoires et de modèles (18, dont celui d'AIRES : CHIMERE-ACRI dans le graphe ci-dessous) autour d’un même exercice : simuler quatre Périodes d’Observations Intensives (POI) et les comparer avec les observations relevées pendant la campagne de mesures.
    Exemple d’évaluation des incertitudes : 18 profils temporels simulés et comparés aux observations pendant la POI2b (21 au 26 juin 2001) Station Aix Platanes.

    Calculs d’indicateurs statistiques  :

    Le système AIRES dispose d’un module opérationnel et automatique de calcul d’indicateurs statistiques (biais normalisé, corrélation, erreur absolue, RMSE, NMSE …). Il permet d’appréhender les incertitudes du système et fournit à l’utilisateur une aide technique importante dans la comparaison mesures/modèles.

    Ci dessous, à titre d'exemple, deux graphiques d'indicateurs de qualité du modèle : comparaison mesure/modèle et calcul de biais aux différentes échéances.