Dans ce chapitre, nous avons appliqué l'inversion statistique contrainte par la méthode traceur à deux types de sites réels a n d'estimer leurs émissions de méthane : une exploitation agricole et une installation de distribution de gaz. Pour chacun de ces deux sites, la nouvelle méthode nous a permis de donner une estimation robuste des émissions totales de méthane que l'on a pu comparer avec celle obtenue avec la méthode traceur traditionnelle. Pour ces deux applications, comme pour les cas académiques étudiés précédemment, nous avons utilisé des OSSEs a n de pointer les risques d'erreur sur les estimations totales avec la méthode traceur classique du fait de la mauvaise colocalisation de la source de traceur. L'inversion statistique paramétrée avec les données du gaz traceur permet de prendre en compte la position du traceur par rapport aux sources de méthane et d'éviter ces risques d'erreur.
Nous avons également essayé d'estimer séparément les émissions des diérentes sources de méthane présentes au sein de chacun des sites. En ce qui concerne la ferme de Grignon, l'inversion statistique nous a permis d'obtenir des estimations des émissions des principaux groupes de sources de méthane et l'analyse des corrélations sur les incertitudes a posteriori entre les diérentes sources nous a permis de diagnostiquer les sources que le système avait du mal à séparer. Pour l'installation de distribution de gaz, les conditions météorologiques durant notre campagne de mesures n'étaient pas adaptées à l'estimation
séparées des émissions des diérentes sources puisque, dans ces conditions, les panaches d'émission de chacune des sources se superposaient fortement les uns aux autres rendant leur séparation par le système très di cile. La forme des pro ls de concentrations mesurées lors des traversées du panache d'émission peut nous renseigner sur la capacité de notre méthode à donner des estimations séparées de diérentes sources du site : lorsque le pro l de concentrations présente une forme particulière, comme pour la ferme de Grignon ou avec plusieurs pics de concentrations par exemple, l'inversion statistique contrainte par la méthode traceur peut permettre d'estimer les émissions de diérentes parties du site. En revanche, si le pro l de concentrations présente une forme de gaussienne comme pour l'installation de distribution de gaz, l'estimation des émissions provenant de diérentes zones du site va être compliquée.
Nous avons également montré que les estimations a priori des diérentes sources utilisées dans l'inversion statistique in uençaient très peu l'estimation a posteriori des émissions totales mais qu'elles étaient très importantes pour l'estimation séparée des émissions des diérentes sources, cette dernière restant délicate et également très tributaires des conditions d'expérience (direction et vitesse du vent). Nous avons également testé diérentes méthodes de calcul de l'erreur liée au modèle et aux mesures : une erreur moyenne pour les diérentes sections de chaque traversée, une erreur spéci que à chaque section ou encore l'erreur maximale des diérentes traversées selon le site étudié. Nous avons ainsi pu montrer que l'utilisation d'une erreur spéci que à chaque section permettait d'obtenir des concentrations modélisées plus proches des concentrations mesurées au niveau des extrémités des panaches contrairement à l'erreur moyenne étant donné que l'erreur associée à ces section du panache est généralement plus faibles. En revanche l'utilisation de l'erreur moyenne aux diérentes sections permet de mieux représenter les maxima de concentrations mesurés et donne de meilleurs résultats sur l'ensemble des traversées. L'erreur maximale a quant à elle été utilisée pour relâcher la contrainte sur le système lorsque le modèle ne permettait pas de représenter correctement le panache mesuré.
Dans le chapitre suivant, nous allons nous intéresser plus particulièrement à un autre secteur responsable des émissions de méthane anthropiques, le secteur des déchets. Nous utiliserons diérentes méthodes d'estimation des émissions de méthane en fonction des contraintes de chaque site.
Chapitre 3. Deux applications des méthodes d'estimation des émissions de méthane
(a) Estimations des ux d'émissions de méthane a priori et a posteriori de la ferme de Grignon
(b) Traversée 10 simulée avec une classe
de stabilité C (c) Traversée 6 simulée avec une classede stabilité D
Figure 3.5 Résultats obtenus avec INV-homog pour la ferme de Grignon. (a) Estimation des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources mais également pour les émissions totales du site. (b) et (c) Exemple de vecteurs d'observation et de pro ls de concentrations obtenus grâce aux estimations a priori (bleu) et a posteriori (vert) des ux avec le modèle gaussien comparés aux concentrations mesurées pour deux traversées, la traversée 10 pour laquelle la classe de stabilité C a été sélectionnée et la traversée 6 avec une classe D.
(a) Estimations des ux d'émissions de méthane a priori et a posteriori de la ferme de Grignon
(b) Traversée 10 simulée avec une classe
de stabilité C (c) Traversée 6 simulée avec une classede stabilité D
Figure 3.6 Résultats obtenus avec INV-invent pour la ferme de Grignon. (a) Estimation des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources mais également pour les émissions totales du site. (b) et (c) Exemple de vecteurs d'observations et de pro ls de concentrations obtenus grâce aux estimations a priori (bleu) et a posteriori (vert) des ux avec le modèle gaussien comparés aux concentrations mesurées pour deux traversées, la traversée 10 pour laquelle la classe de stabilité C a été sélectionnée et la traversée 6 avec une classe D.
Chapitre 3. Deux applications des méthodes d'estimation des émissions de méthane
(a) Flux a priori identiques pour toutes
les sources (b) Flux a priori basés sur les facteursd'émission du GIEC
Figure 3.7 Contribution des diérentes sources de méthane sur les vecteurs d'observation de chaque section pour la traversée 6 lors de l'inversion avec (a) INV-homog et (b) INV-invent. La première barre (bleu) représente les vecteurs d'observation modélisés avec les ux a priori, la deuxième colonne (blanc) présente les données basées sur les mesures, la troisième barre (vert) les vecteurs d'observation totaux avec les ux a posteriori et la quatrième colonne montre la répartition de ce dernier vecteur d'observation entre les diérentes sources de méthane de la ferme de Grignon, chaque couleur correspondant à une source.
(a) Estimations des ux d'émissions de méthane a priori et a posteriori de la ferme de Grignon
(b) Traversée 10 simulée avec une classe
de stabilité C (c) Traversée 6 simulée avec une classede stabilité D
Figure 3.8 Résultats obtenus avec INV-extrem pour la ferme de Grignon. (a) Estimation des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources mais également pour les émissions totales du site. (b) et (c) Exemple de vecteurs d'observations et de pro ls de concentrations obtenus grâce aux estimations a priori (bleu) et a posteriori (vert) des ux avec le modèle gaussien comparés aux concentrations mesurées pour deux traversées, la traversée 10 pour laquelle la classe de stabilité C a été sélectionnée et la traversée 6 avec une classe D.
Chapitre 3. Deux applications des méthodes d'estimation des émissions de méthane
Figure 3.9 Vue aérienne de l'installation de distribution de gaz sur laquelle sont représentées les principales sources de méthane.
(a) Émission 1 (b) Émission 2 (c) Émission 3
Figure 3.10 Concentrations en méthane et en acétylène mesurées lors des diérentes traversées du panache d'émission provenant du site de distribution de gaz pour les trois séries de mesures. Les traversées surlignées en bleu sont utilisées pour le calcul des émissions en méthane.
Figure 3.11 Fonctions de réponse des diérentes sources de méthane de l'installation de distribution de gaz avec le modèle gaussien. La courbe en pointillés correspond aux concentrations mesurées lors de la traversée 5 et les courbes en traits continus correspondent aux concentrations modélisées pour les diérentes sources du site avec un ux unitaire, les conditions météorologiques de la traversée 5 et la classe de stabilité sélectionnée grâce aux concentrations de traceur.
Chapitre 3. Deux applications des méthodes d'estimation des émissions de méthane
(a) Estimations des ux d'émissions de méthane a priori et a posteriori de l'installation de distribution de gaz
(b) Traversée 7 simulée avec une classe
de stabilité B (c) Traversée 1 simulée avec une classede stabilité C
Figure 3.12 Résultats obtenus avec INV-DIAL pour l'installation de distribution de gaz. (a) Estimation des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources mais également pour l'ensemble du site. (b) et (c) Exemple de vecteurs d'observations et de pro ls de concentrations obtenues grâce aux estimations a priori (bleu) et a priori (vert) des ux avec le modèle gaussien comparés aux concentrations mesurées pour deux traversées, la traversée 7 pour laquelle la classe de stabilité B a été sélectionnée et la traversée 1 avec une classe C.
(a) Estimations des ux d'émissions de méthane a priori et a posteriori de l'installation de distribution de gaz
(b) Traversée 7 simulée avec une classe
de stabilité B (c) Traversée 1 simulée avec une classede stabilité C
Figure 3.13 Résultats obtenus avec INV-homog pour l'installation de distribution de gaz. (a) Estima-tion des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources mais également pour l'ensemble du site. (b) et (c) Exemple de vecteurs d'observations et de de pro ls de concentrations obtenues grâce aux estimations a priori (bleu) et a posteriori (vert) des ux avec le modèle gaussien comparés aux concentrations mesurées pour deux traversées, la traversée 7 pour laquelle la classe de stabilité B a été sélectionnée et la traversée 1 avec une classe C.
Chapitre 3. Deux applications des méthodes d'estimation des émissions de méthane
(a) Flux a priori basés sur les
estimations du NPL (b) Flux a priori identiques pour toutesles sources
Figure 3.14 Estimation des ux de méthane a priori (bleu) et a posteriori (vert) pour les diérentes sources et pour l'ensemble du site. La troisième colonne représente l'in uence des diérentes parties des pro ls de concentrations sur les ux d'émissions obtenus grâce à l'inversion statistique pour chacune des deux inversions, chaque partie étant représentée par une couleur.