Contributions de la géostatistique à l'amélioration de l'estimation de la qualité de l'air

Contributions of Geostatistics to improve the estimation in Air Quality

• Auteur / Autrice : Maxime Beauchamp
• Direction : Chantal de Fouquet
• Type : Thèse de doctorat
• Discipline(s) : Géosciences et géoingénierie
• Date : Soutenance le 10/12/2018
• Etablissement(s) : Paris Sciences et Lettres (ComUE)
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de géosciences (Fontainebleau, Seine et Marne)
• Partenaire(s) de recherche : Etablissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Gérard Biau
• Jury : Examinateurs / Examinatrices : Chantal de Fouquet, Laure Malherbe, Michel Bobbia
• Jury : Rapporteurs / Rapporteuses : Laurent Menut, Denis Allard

Mots clés

Mots clés contrôlés

Air -- Qualité -- Gestion

Géostatistique

Mots clés libres

Qualité de l'Air

Cartographie

Géostatistique

Air Quality

Mapping

Geostatistics

Résumé

Les méthodes géostatistiques sont couramment utilisées pour la cartographie de la qualité de l'air. En France, le système PREV'AIR diffuse depuis 2003 des prévisions quotidiennes à trois jours ainsi que des cartographies de qualité de l'air à l'échelle nationale et européenne. Ces cartographies sont construites par krigeage des observations en utilisant les sorties du modèle déterministe de chimie-transport CHIMERE en dérive externe. Dans ce domaine, de nombreuses questions et développements restent en suspens.La première partie de la thèse vise à améliorer les cartographies locales, nationales et européennes des principaux polluants réglementaires. En mode analyse (réalisation de cartographies à partir des observations passées, et donc connues), on revient sur l'utilisation des variables explicatives dans le krigeage : il s'agit de voir comment ces variables peuvent être intégrées à l'estimation pour la modélisation des non stationnarités et l’élaboration de cartographies de plus haute résolution spatiale que les simulations du modèle de chimie-transport. La réflexion porte sur la modélisation de la composante déterministe du processus stochastique, mais aussi sur la covariance du résidu. Une attention particulière est portée au réseau de mesures. L'utilisation des observations PM10 pour cartographier les PM2.5, dont le réseau de mesures est moins dense, est explorée. L'estimation dans les zones peu informées est également examinée. Enfin, une réflexion est menée sur l'extension de ces méthodes au mode prévision, afin d'améliorer le système PREV'AIR, qui dissocie les composantes temporelles et spatiales de la prévision. Après une revue des méthodes spatio-temporelles d'estimation, différentes méthodes sont évaluées.Dans la deuxième partie sont présentées des approximations pragmatiques permettant d'exploiter au mieux les cartographies produites quotidiennement ou ponctuellement afin de satisfaire aux exigencesréglementaires. A l'échelle nationale, l'exploitation des sorties des cartes analysées (horaires, journalières) de PREV'AIR permet de déduire des cartes de probabilités de dépassement des seuils réglementaires. Ces travaux amènent à reconsidérer la question de la représentativité spatiale des stations de mesures. Enfin, on insiste sur la nécessité d'utiliser des méthodes d’estimation appropriées pour le calcul des surfaces en dépassement de valeurs réglementaires.

Geostatistical methods are commonly used in air quality mapping. In France, since 2003, the PREV'AIR system has been broadcasting daily three-days forecasts as well as national and European air quality maps. They are built by a kriging of the observations using the deterministic chemistry-transport model CHIMERE outputs as an external drift. However, many issues or developments remain unresolved.The first part of the thesis aims at improving the local, national and european maps of the main regulated pollutants. Regarding the analysis (mapping of the past observations), we get back to the question of the use of explanatory variables in kriging. What are the best options for a covariate-based modelling of the underlying non stationarity, that also enables downscaling the model outputs? The statistical modelling for the deterministic component of the stochastic process is investigated, as well as the modelling for the covariance of the residual. A focus is also made on the spatial sampling of the monitoring network. The use of PM10 observations to map PM2.5, whose monitoring network is less dense, is studied and a thought is also given to the estimation in far-off extrapolation. Last, we discuss how to extend these methods to the prediction problem (mapping of the future, where no observations are available). Therefore, we could improve the PREV'AIR system which currently dissociates the time and the spatial components of the underlying process. A review of spatio-temporal methods is carried out, and some of them are evaluated.In a second part, some pragmatic though justified approximations are presented to deal with regulatory requirements. At both local and national levels, how the analyses can be used to deduce probability maps of exceedances of the regulatory thresholds? Along this line, we also come back to the question of the spatial representativeness of the monitoring stations. Last, the pragmatic approximations are confronted to non-linear estimations, theoretically more convenient to deal with non-linear functions of the concentrations. We engage a discussion to show the need of considering the appropriate estimation method to compute the surface exceeding the limit value.