Subprograma Cultura

L’utilisation des trajectoires des masses d’air seules ne permet pas d’identifier

objecti-vement les sources de polluants. Par conséquent, un nouveau type de modèle a vu le jour

afin d’identifier les sources des différents polluants, en localisant les zones géographiques

qui entrent en jeu. Ces modèles sont appelés modèles sources-récepteur orientés. Le

prin-cipe de ces modèles consiste à combiner l’information fournie par la rétro-trajectoire des

CHAPITRE 2. OUTILS DE MODÉLISATION

masses d’air et celle donnée par les observations des concentrations en polluants eff

ec-tuées au-dessus d’un site donné. Chaque modèle permet d’identifier les sources de

pollu-tion en fournissant une distribupollu-tion spatiale de probabilités ou de concentrapollu-tions. Il existe

plusieurs modèles sources-récepteur orientés parmi lesquels nous avons choisi deux

mo-dèles complémentaires pour l’identification des sources de pollution : (1) Potential Source

Contribution Function (PSCF) et Concentration Weighted Trajectory (CWT)

2.2.2.1 Probabilité conditionnelle PSCF

Le modèle PSCF est une probabilité conditionnelle décrivant la distribution spatiale

des probabilités indiquant les sources géographiques des polluants, utilisant des

trajec-toires arrivant au site récepteur ainsi que les mesures de concentrations des polluants

sur le même site (Polissar et al., 2001a). Le modèle PSCF a été largement utilisé pour

identifier les différentes sources de polluants (Ashbaugh et al., 1985; Lupu and Maenhaut,

2002; Pekney et al., 2006; Fleming et al., 2012a). Begum et al. (2005) ont par exemple

montré la capacité de la probabilité PSCF à déterminer l’emplacement des feux de forêt

au Québec comme le montre la Figure 2.4. La valeur du PSCF peut être définie comme la

probabilité conditionnelle qu’une parcelle d’air ayant une concentration élevée (> 90ème

percentile) à son arrivée sur le site récepteur passe à travers la cellule (i, j). Cependant

la significativité de la valeur du PSCF dépend du nombre de trajectoires qui passent par

chaque cellule. Ainsi un nombre important de trajectoires induit plus de significativité.

Le modèle PSCF est défini comme suit :

P SCFij = ^mij

nij

où nij est le nombre de fois que les trajectoires ont traversé la cellule (i, j)

(indé-pendamment de la durée passée dans cette cellule) et mij est le nombre de fois où la

concentration du composé étudié était relativement élevée (> 90ème percentile) lorsque

la trajectoire est arrivée au point récepteur. À partir d’un certain seuil, plus le nombre

nij est élevé, plus la valeur du PSCF est robuste. Ainsi, pour réduire l’effet sur la PSCF

2.2. MODÉLISATION STATISTIQUE

par la valeur de la PSCF (Zeng and Hopke, 1990) pour mieux refléter l’incertitude des

valeurs de la probabilité (Polissar et al., 2001a,b). En d’autres termes, les cellules avec peu

de données ont été pénalisées afin de réduire leurs effets. Cette fonction de pondération

peut être constituée grâce à des valeurs seuils ou plutôt en utilisant une métrique comme

la moyenne ou la médiane. Dans notre cas, la fonction W(nij) a été définie comme suit :

W(nij) =

Y

_

_

_

_

_

_

_

_

_

]

_

_

_

_

_

_

_

_

_

[

1 2m < nij,

0.8 m < nij <2m,

0.6 m

2 < nij < m,

0.4 m

4 < nij < ^m₂,

0.2 m

6 < nij < ^m₄,

0.05 nij < ^m₆.

oùi et j sont les indices de la grille, nij est le nombre de fois que les trajectoires ont

traversé la cellule (i, j) etm est la moyenne du nombre total des points dans chaque grille.

2.2.2.2 Le modèle CWT

La probabilité conditionnelle PSCF nous permet d’identifier les sources de polluants à

concentration élevée, généralement supérieure à un certain seuil (> 90ème percentile dans

notre cas). Cependant, le PSCF ne distingue pas les sources à concentration modérée

de celles à concentration élevée (Hsu et al., 2003). Afin de compléter cette information

fournie par le PSCF, une autre approche a été développée par la communauté scientifique

afin d’identifier la provenance des concentrations modérées et élevées. Cette approche est

connue sous son nom anglais Concentration Weighted Trajectory (CWT) ou Concentration

Fields (CF) (voir Seibert et al. 1994). Pour chaque cellule de la grille (i,j), le CWT est

calculée et définie comme suit :

CW Tij = _qN¹

k=1·ijk

N

ÿ

k=1

ck·ijk

Où i et j sont les indices de la grille, k l’indice de la trajectoire, N le nombre total

des rétro-trajectoires utilisé dans l’analyse,ck la concentration du polluant mesuré au site

récepteur associé à la trajectoire k et ·ijk est le temps de séjour de la trajectoire k dans

la cellule de grille (i, j). L’approche CWT permet d’avoir une information supplémentaire

CHAPITRE 2. OUTILS DE MODÉLISATION

Figure2.4: Détection des feux de forêt au Québec en utilisant la probabilité conditionnelle PSCF

(Begum et al., 2005). Les résultats de PSCF sont présentés sous forme de cartes représentant la

zone en question (Québec) et indiquant des valeurs de PSCF comprises entre 0 et 1. Les cartes

de PSCF pour (a) le carbone organique (OC pour Organic Carbon), et (b) le carbone suie (EC

pour Elemental Carbon) indiquent de vastes régions à l’est de la partie sud de la Baie d’Hudson.

Le modèle PSCF a clairement identifié les lieux des incendies (c) l’emplacement des feux détecté

par des images satellitales. Il y a clairement une bonne correspondance entre la localisation des

feux par les images et les valeurs élevées de PSCF.

2.2. MODÉLISATION STATISTIQUE

Figure 2.5: Schéma simplifié de calcul de la probabilité PSCF et des concentrations CWT. Les

trajectoires sont séparées en deux catégories : des trajectoires qui correspondent à des

concentra-tions supérieures à un certain seuil (80 ppbv) en rouge et celles inférieures à 80 ppbv en bleu.

Le temps de résidence des trajectoires traversant une cellule donnée est représenté par le nombre

de points rouges dans chaque cellule multiplié par le nombre d’heures fixe (3 heures dans notre

étude) séparant chaque paire de point successifs de la même trajectoire.

sur la distribution spatiale des niveaux de concentration de polluants atmosphériques.

Une valeur élevée de CW Tij signifie que les rétro-trajectoires qui traversent la cellule

de grille (i, j) sont statistiquement susceptibles de transporter les concentrations élevées

mesurées sur le site récepteur. Le logarithme du CWT peut être aussi utilisé puisque les

distributions des concentrations suivent relativement la loi normale. la Figure 2.5 montre

un exemple de calcul des modèles PSCF et CWT sous forme d’un schéma simplifié. Les

modèles CWT et PSCF sont complémentaires et donnent quasiment les mêmes résultats

(Lupu and Maenhaut, 2002; Hsu et al., 2003).

CHAPITRE 2. OUTILS DE MODÉLISATION

No documento Europa criativa : A Presença portuguesa nos projetos de cooperação do subprograma Cultura (2014-2015) (páginas 63-68)