Corrélation « couleur des filtres / type de carbone »

Sur l’intégralité des essais du projet QUALICOMB, des filtres destinés à l’analyse OC/EC ont été prélevés. Ces nombreux filtres (88) ont subi deux analyses :

- analyse de la répartition OC/EC ;

- mesure de la couleur du filtre à l’aide d’un colorimètre (KONICA MINOLTA CR-400

et CR-410).

Le but de ces deux analyses était de vérifier si la détermination du ratio OC/EC pouvait être estimée avec une simple mesure de couleur (L, représentant la clarté ; a et b, représentant l’écart de la couleur par rapport à celle d'une surface grise de même clarté), et ainsi développer un protocole permettant cette mesure avec le plus de précision possible. Chaque filtre, dont le prélèvement était standardisé, a subi deux mesures de couleurs : au centre et sur un bord. La moyenne de ces deux mesures permettait d’obtenir une estimation de la couleur globale du filtre.

La première étape fut de déterminer s’il existait des corrélations directes entre L, a ou b et la teneur en OC ou EC. La Figure 3-42 présente la corrélation entre la mesure d’EC présent sur

le filtre (en µg.cm^-²) et le paramètre L de la mesure de la couleur.

Figure 3-42 : Evolution entre le taux d’EC présent par cm² de filtre et le paramètre L de la mesure de la couleur

En découle l’Équation 3-1, qui permet de déterminer avec une précision globale de 18% la teneur en EC.

𝐸𝐶𝑐𝑎𝑙𝑐𝑢𝑙é = 5 ∗ 10⁸∗ 𝐿^−4,715

Avec :

- ECcalculé : Taux d’EC sur le filtre en µg.cm-2 ;

- L : Valeur issue de la mesure de la couleur en L, a, b.

Équation 3-1 : Equation d’estimation de la teneur en EC d’un filtre via le paramètre L

Cette corrélation paraît plutôt logique puisque le paramètre L mesure l’obscurité du filtre et que l’EC a pour propriété d’être noir. Ainsi, seule la valeur d’OC manque encore pour une détermination du rapport OC/EC via la couleur.

Malheureusement, aucune mesure ne corrèle directement avec la teneur en OC du filtre. Mais, un assemblage spécifique de ces paramètres permet de trouver une équation avec un coefficient de corrélation acceptable. La Figure 3-43 présente cette corrélation. Le paramètre E est égal à la racine carrée de la somme des paramètres au carré L, a et b.

182

Figure 3-43 : Evolution du rapport entre la somme OC et EC et la racine carrée de a et b en fonction du paramètre E

Ainsi, l’Équation 3-2 a pu être définie et permet d’estimer la teneur en OC du filtre (en µg.cm

-2).

𝑂𝐶𝑐𝑎𝑙𝑐𝑢𝑙é = 𝑊 ∗ √(𝑎 + 𝑏)2− 𝐸𝐶𝑐𝑎𝑙𝑐𝑢𝑙é

Avec :

- OCcalculé : Taux d’OC sur le filtre ;

- ECcalculé : Valeur calculé de la teneur en EC du filtre selon l’Équation 3-1 en µg.cm-2 ;

- a et b : Valeur issue de la mesure de la couleur en L, a, b ;

- W=(OC+ECcalculé)/(racine((a+b)²))=3*109*E-5.134 (équation issue de la corrélation présentée en Figure 3-43.

Équation 3-2 : Equation d’estimation de la teneur en OC du filtre via un rapport de paramètre

Le rapport entre l’OC calculé et la somme de l’OC et de l’EC calculé permet donc d’obtenir un ratio estimé d’OC. Mais, certaines couleurs de filtre paraissent être plus variables que d’autres. Ainsi, une Analyse en Composantes Principales (ACP, méthode statistique permettant de réduire le nombre de variables) a été réalisée sur cet échantillon de filtres afin d’obtenir plusieurs familles de filtres (selon leur couleur). La Figure 3-44 présente le schéma selon les trois dimensions les plus caractéristiques des groupes de filtres. Ainsi, cinq familles bien distinctes apparaissent, ainsi que quelques points isolés formant une sixième famille (points bleus foncés).

Figure 3-44 : Résultats de l’ACP sous forme de schéma selon les trois dimensions les plus caractéristiques des filtres

183 Ainsi, une étude de précision basée sur l’écart entre le ratio OC/TC calculé et le ratio OC/TC mesuré sur chaque famille a pu être réalisée. La Figure 3-45 présente les résultats de cette étude de la précision sous forme de boîte à moustaches. Le premier point important qui ressort de cette figure est que l’erreur est centrée : cela permet d’être certain qu’aucune erreur systématique ne pollue les résultats. Au global, sur le total des échantillons, la précision est de plus ou moins 6%.

En revanche, chaque famille de filtres ne présente pas la même précision. Ainsi, les familles 4, 5 et 6 paraissent très précises, contrairement aux familles 1, 2 et 3. Pour apporter une réalité physique à ces familles, la famille 1 représente les filtres presque blancs. Etant donné que ces filtres ne contiennent presque pas d’OC et d’EC, la moindre erreur devient très importante. Au contraire, la famille 2 est plutôt composée de filtres noirs. Ils sont bien souvent surchargés. Le taux d’EC est facile à déterminer, mais cette surcharge camoufle l’OC. De plus, s’ajoute à l’erreur de l’estimation l’erreur de mesure elle-même. En effet, le chapitre 2 met en garde sur le fait qu’un filtre surchargé sera mal analysé. La famille 3 est quasi similaire à la famille 2, mais des tâches bleuâtres sont apparues sur le filtre. C’est donc pour les mêmes raisons que la famille 2 que l’estimation est mauvaise. Les trois autres familles représentent des filtres dont le prélèvement a été mieux maîtrisée et sont définies ainsi :

- famille 4 : brun clair ;

- famille 5 : brun foncé ;

- famille 6 ; gris.

Figure 3-45 : Précision de l’estimation selon les 6 familles de filtres

Ainsi, pour obtenir une estimation plus précise, le prélèvement doit être optimisé. Un système de pesée du filtre durant le prélèvement pourrait éviter les trois premières familles (sous charge et surcharge). Une évolution de ce moyen d’estimation pourrait être réalisée en créant des formules d’estimation pour chacune des familles de filtres. Ceci n’a pas été réalisé dans ce travail de thèse car le nombre de filtres est trop peu significatif (88 filtres répartis en 6 familles, soit en moyenne seulement 14 filtres par famille).

Cependant, cette technique semble prometteuse et pourrait être développée pour une estimation rapide de la composition en OC et en EC des particules.

184

3.3.6 Corrélation « qualité de combustion / teneur en Carbone