5.4 R´ esultats des simulations SIRANE de r´ ef´ erence
5.4.3 Comparaison des performances statistiques relatives aux simulations SIRANE
L’objectif de cette sous-section est de comparer les performances statistiques des simulations SIRANE sur les cas d’´etude 2008 et 2014. Cette comparaison porte uniquement sur les capteurs communs aux deux cas d’´etude. Les concentrations moyennes mesur´ees ´etant diff´erentes pour les deux cas d’´etude, la comparaison est effectu´ee uniquement avec des indices statistiques adimension-n´es : le biais fractionnel (FB), l’erreur quadratique normalis´ee (NMSE) et le coefficient de corr´elation (r). Le facteur 2 n’est pas utilis´e afin d’all´eger la comparaison.
Les performances statistiques pour les cas d’´etude 2008 et 2014 relatifs aux PM10sont indiqu´ees sur le tableau 5.8. Les biais fractionnels sont n´egatifs (ou nuls) pour l’ensemble des capteurs pour les deux ann´ees. Ils sont relativement du mˆeme ordre de grandeur pour les deux ann´ees hormis pour les stations Grandcl´ement (GC) et Lyon p´eriph´erique (LP). De mˆeme, les NMSE et les coefficients de corr´elation sont globalement comparables pour les deux cas d’´etude. Pour les deux ann´ees, les meilleurs r´esultats sont associ´es aux stations de type fond. De mˆeme, les plus mauvais r´esultats sont obtenus pour les stations de type trafic.
80 CHAPITRE 5. SIMULATIONS SIRANE DE R ´EF ´ERENCE Type Capteur cm [µg.m −3] cp [µg.m−3] FB NMSE r 2008 2014 2008 2014 2008 2014 2008 2014 2008 2014 Trafic A7 42.34 29.66 42.37 32.11 0.00 -0.08 0.28 0.17 0.65 0.75 GC 36.19 22.11 36.79 34.48 -0.02 -0.44 0.25 0.45 0.80 0.66 LP 35.83 25.66 36.22 32.78 -0.01 -0.24 0.18 0.22 0.78 0.77 Urbain LC 28.42 20.84 40.39 34.85 -0.35 -0.50 0.33 0.49 0.78 0.74 VeV 27.03 20.66 33.44 25.77 -0.21 -0.22 0.17 0.17 0.87 0.85 Industrie FEY 28.86 22.70 29.75 25.37 -0.03 -0.11 0.17 0.15 0.82 0.81 STF 27.51 22.49 32.38 28.71 -0.16 -0.24 0.18 0.21 0.82 0.80 Fond COT 23.77 19.77 26.79 23.21 -0.12 -0.16 0.10 0.12 0.91 0.88 GEN 25.02 20.98 31.10 26.53 -0.22 -0.23 0.15 0.16 0.90 0.87 STE 23.5 19.71 26.19 22.28 -0.11 -0.12 0.02 0.03 0.99 0.98 TER 26.61 21.25 29.3 24.51 -0.10 -0.14 0.16 0.14 0.85 0.84 Moyenne 29.55 22.35 33.16 28.24 -0.12 -0.23 0.18 0.21 0.83 0.81
Table 5.8 – Performances statistiques associ´ees aux simulations SIRANE sur les cas d’´etude 2008 et 2014 relatifs aux PM10(cm: concentration moyenne mesur´ee, cp : concentration moyenne mod´elis´ee, FB : biais fractionnel, NMSE : erreur quadratique normalis´ee, r : coefficient de corr´elation, les valeurs en rouge ne v´erifient pas les crit`eres de qualit´e : |Bias| ≤ 0.33 cm, |FB| ≤ 0.67, RMSE ≤ cm, NMSE ≤ 6, r ≥ 0.60, FAC2 ≥ 0.30) Type Capteur cm [µg.m −3] cp [µg.m−3] FB NMSE r 2008 2014 2008 2014 2008 2014 2008 2014 2008 2014 Trafic A7 79.05 71.81 67.67 47.78 0.16 0.40 0.31 0.59 0.60 0.50 GC 47.06 42.59 40.16 44.99 0.16 -0.05 0.33 0.27 0.65 0.66 LP 50.67 53.53 50.05 43.73 0.01 0.20 0.26 0.37 0.63 0.63 Urbain GER 38.08 35.81 36.25 29.48 0.05 0.19 0.25 0.32 0.67 0.62 LC 37.95 29.52 43.29 40.07 -0.13 -0.30 0.24 0.41 0.65 0.60 STJ 36.78 29.57 40.18 36.21 -0.09 -0.20 0.26 0.34 0.67 0.64 VeV 26.67 24.68 28.11 22.21 -0.05 0.11 0.26 0.40 0.74 0.72 Industrie FEY 33.84 25.25 31.84 24.33 0.06 0.04 0.30 0.43 0.59 0.55 STF 35.35 29.72 33.24 29.84 0.06 0.00 0.30 0.30 0.71 0.65 Fond COT 23.26 18.24 22.23 17.65 0.05 0.03 0.25 0.32 0.79 0.78 GEN 33.36 29.45 32.04 27.66 0.04 0.06 0.23 0.29 0.71 0.66 STE 17.78 13.71 19.99 17.82 -0.12 -0.26 0.06 0.19 0.96 0.92 TER 29.41 22.87 25.13 20.51 0.16 0.11 0.34 0.42 0.64 0.65 Moyenne 37.64 32.83 36.17 30.94 0.03 0.02 0.26 0.36 0.69 0.66
Table 5.9 – Performances statistiques associ´ees aux simulations SIRANE sur les cas d’´etude 2008 et 2014 relatifs au NO2 (cm : concentration moyenne mesur´ee, cp : concentration moyenne mod´elis´ee, FB : biais fractionnel, NMSE : erreur quadratique normalis´ee, r : coefficient de corr´elation, les valeurs en rouge ne v´erifient pas les crit`eres de qualit´e : |Bias| ≤ 0.33 cm, |FB| ≤ 0.67, RMSE ≤ cm, NMSE ≤ 6, r ≥ 0.60, FAC2 ≥ 0.30)
5.5. CONCLUSION 81
Les performances statistiques pour les cas d’´etude 2008 et 2014 relatifs au NO2 sont indiqu´ees sur le tableau 5.9. Les biais fractionnels sont relativement du mˆeme ordre de grandeur pour les deux ann´ees except´e pour les stations A7 sud lyonnais (A7), Lyon p´eriph´erique (LP) et Lyon centre (LC). Les NMSE et les coefficients de corr´elation sont aussi globalement comparables pour les deux cas d’´etude. A l’instar des PM10, les meilleurs r´esultats et les plus mauvais r´esultats pour les deux ann´ees sont respectivement associ´es aux stations de type fond et aux stations de type trafic.
5.5 Conclusion
Deux cas d’´etude distincts sont utilis´es pour analyser les approches de mod´elisation multi-´
echelles et d’assimilation de donn´ees `a l’´echelle urbaine. Les deux cas d’´etude consistent `a estimer les concentrations moyennes horaires de PM10 et de NO2 sur l’agglom´eration lyonnaise. Le cas d’´etude associ´e `a l’analyse des m´ethodes d’assimilation de donn´ees est relatif `a l’ann´ee 2008. Celui associ´e `
a l’´etude de la mod´elisation multi-´echelles est relatif `a l’ann´ee 2014. Une simulation SIRANE a ´et´e r´ealis´ee pour chaque cas d’´etude. Les comparaisons mod`ele-mesure indiquent que les performances statistiques des simulations sont globalement comparables pour les deux cas d’´etude. Pour les deux cas d’´etude, les r´esultats relatifs au NO2 sont moins bons que ceux associ´es aux PM10. De mˆeme, les meilleurs r´esultats sont associ´es aux stations de type fond. A l’inverse les plus mauvais r´esultats sont relatifs aux stations de type trafic. Globalement, les r´esultats sont satisfaisants pour la grande majorit´e des capteurs. Les r´esultats de ces simulations constituent les r´esultats de r´ef´erence pour les deux cas d’´etude. L’apport des diff´erentes approches ´etudi´ees dans ce projet de recherche sera ´
Chapitre 6
Evaluation de la contribution des
sources
Pour d´evelopper des strat´egies efficaces d’am´elioration de la qualit´e de l’air, il est important de pouvoir ´evaluer la contribution `a la pollution atmosph´erique des sources d’´emissions. L’´evaluation peut par exemple porter sur la contribution des diff´erents types de source (par exemple les ´emissions du trafic, de l’industrie, de l’agriculture ou du r´esidentiel-tertiaire) (Wagstrom et al., 2008 ; Yim et al., 2010;Cho et al., 2012;Grewe et al., 2012;Kwok et al., 2013), sur la contribution des sources situ´ees dans diff´erentes zones g´eographiques (par exemple les ´emissions des diff´erentes r´egions de France) (Ying et Kleeman, 2006;Yarwood et al., 2007;Wang et al., 2009;Cho et al., 2012) ou bien encore sur la contribution des ´emissions qui se produisent `a diff´erentes p´eriodes temporelles (par exemple la contribution des ´emissions associ´ees aux mois d’hiver vis-`a-vis de la moyenne annuelle des concentrations). Connaˆıtre la contribution des sources permet notamment de d´eterminer les plus grands contributeurs `a la pollution atmosph´erique. Ce type d’information est utile pour d´efinir les actions les plus pertinentes `a mener pour r´eduire les niveaux de pollution dans l’air. L’´evaluation de la contribution des sources peut ´egalement ˆetre utile dans une d´emarche d’am´elioration des r´esultats fournis par les mod`eles de qualit´e de l’air (chapitre 11).
Dans ce chapitre, nous exposons les approches actuellement utilis´ees pour estimer la contribution des sources (section 6.1). Nous abordons ´egalement la probl´ematique associ´ee `a l’estimation de la contribution des sources pour des esp`eces r´eactives (section 6.2). De mˆeme, nous d´ecrivons le module source apportionment d´edi´e `a l’´evaluation de la contribution des sources et d´evelopp´e pour le mod`ele SIRANE dans le cadre de cette th`ese (section 6.3). Enfin, nous pr´esentons une application effectu´ee avec ce module (section 6.4).
84 CHAPITRE 6. EVALUATION DE LA CONTRIBUTION DES SOURCES