mise en place de cartographies de qualité de l’air période ... : motorways rpr: ... occupation...

GAZEL – Données de qualité de l’air 1/73 Etude de Faisabilité

Mise en place de cartographies de qualité de l’air

Période 1989-2007

Etude de faisabilité

Rapport final

4 juillet 2008

Avec le soutien de l’Institut de Veille Sanitaire


Ce rapport a été co-rédigé par :

AIRPARIF, Cécile Honoré, Olivier Sanchez, Anne Kauffmann ;

ASPA, Raphaèle Deprost, Gilles Perron, Emmanuel Rivière ;

ATMO-PACA, Alexandre Armengaud ;

GIE ATMO-RHONE-ALPES, Isabelle Rios, Eric Chaxel.

Rédaction Vérification Approbation

Cécile Honoré AIRPARIF Anne Kauffmann AIRPARIF Philippe Lameloise

AIRPARIF

Olivier Sanchez AIRPARIF Emmanuel Rivière ASPA Joseph Kleinpeter ASPA

Anne Kauffmann AIRPARIF

Raphaèle Deprost ASPA

Gilles Perron ASPA

Emmanuel Rivière ASPA

Alexandre Armengaud ATMO-PACA Alexandre Armengaud ATMO-PACA Dominique Robin ATMO-PACA

Isabelle Rios GIE Rhône-Alpes

Frédéric Bouvier GIE Rhône-Alpes

Eric Chaxel GIE Rhône-Alpes


GLOSSAIRE

AASQA : Associations Agréées de Surveillance de la Qualité de l’Air

APHEA: Air Pollution and Health: a European Approach

CHIMERE : CHimere Is a Model for Exciting Research in Environment

CITEPA : Centre Interprofessionnel Technique d’Etudes de la Pollution Atmosphérique

CORALIE : COordination de la RéAlisation des Inventaires d’Emissions

CORINE : Coordination de l'information sur l'environnement

DSS : Data Support Section

ECMWF : European Centre for Medium-Range Weather Forecasts

EEA : European Environment Agency (Agence européenne pour l’environnement)

EMEP: European Monitoring and Evaluation Programme

FNL : Global FinaL analyses

GDAS : Global Data Assimilation Systems

GEREP : Gestion Electronique du Registre des Emissions Polluantes

GEMS: Global and regional Earth-system (Atmosphere) Monitoring using Satellite and in-situ data

GFDL : General Fluid Dynamics Laboratory

GIC : Grandes Installations de Combustion

GLCF : Global Land Cover Facility

GMES : Global Monitoring for Environment and Security

GOCART : the Georgia Tech/Goddard Global Ozone Chemistry Aerosol Radiation Transport

GRIB (format) : GRIdded Binary

GTOPO30 : Global TOPOgraphic data (30 arc seconds)

IFEN : Institut Français pour l’Environnement

IGN : Institut Géographique National

INERIS : Institut National de l'EnviRonnement industriel et des rISques

InVS : Institut de Veille Sanitaire

LMDz-INCA : couplage entre le modèle de circulation général du Laboratoire de Météorologie Dynamique (LMDz) et INCA modèle de chimie – aérosols (Interaction Chimie – Aérosols)

MATE : Ministère de l’Aménagement du Territoire et de l’Environnement


MM5 : fifth-generation NCAR / Penn State Mesoscale Model

MOZART : Model of Ozone And Related Tracers

MPI-Met : Max Planck Institute of Meteorology

MSS : MultiSpectral Scanner

NCAR : National Center for Atmospheric Research

NCEP : National Centers for Environmental Prediction

NCEP-DOE AMIPII Reanalysis : National Centers for Environmental Prediction-Department Of Energy Atmospheric Model Intercomparison Project

PEP : Pan European Program for Transport, Health and Environnement

PIONEER : Prévisibilité et Incertitude de l'Ozone à l'échelle Européenne et Régionale

PREV’AIR : PREVisions et observations de la qualité de l'AIR en France et en Europe

PROMOTE : PROtocol MOniToring for the GMES Service Element

PRQA : Plan Régional de la Qualité de l’Air

PSAS : Programme de Surveillance Air et Santé

RETRO : REanalysis of the TROpospheric chemical composition over the past 40 years

RMO : Motorways

RPR : Principle National Routes (non-motorway)

RIR : Important Routes

SECTEN (format) : SECteurs Economiques et ENergie

SETRA : Service d’Etudes Techniques des Routes et Autoroutes

SRTM : Shutle Radar Topographic Mission

TGAP : Taxe Générale sur les Activités Polluantes

TOGA : Tropical Ocean and Global Atmosphere

TPPA : Taxe Parafiscale sur la Pollution Atmosphérique

USGS : United States for Geological Survey

VP : Véhicules Particuliers

VU : Véhicules Utilitaires

WMO : World Meteorological Organization

WRF : Weather Research & Forecasting model


SOMMAIRE

1. Objectifs de l’étude........................................................................................................................... 7

2. Périmètre de l’étude ......................................................................................................................... 8

2.1. Extension et résolution spatiale du domaine d’étude .......................................................... 8

2.2. Résolution temporelle et période de l’étude ....................................................................... 13

2.3. Liste des polluants................................................................................................................. 14

3. Méthodologies possibles................................................................................................................. 14

3.1. Géostatistique seule............................................................................................................... 14

3.2. Modélisation déterministe .................................................................................................... 16 3.2.1. Utilisation du modèle CHIMERE................................................................................... 17 3.2.2. Recommandations de mise en œuvre dans le cadre du projet GAZEL .......................... 18 3.2.3. Utilisation d’un modèle météorologique : MM5 ............................................................ 19 3.2.4. Domaines envisagés........................................................................................................ 20 3.2.5. Temps de calcul MM5-CHIMERE................................................................................. 21

3.3. Amélioration des résultats déterministes : « raffinement de maillage ».......................... 22 3.3.1. Principe de la méthode : exemple du NO2 ...................................................................... 22 3.3.2. Application à d’autres polluants ..................................................................................... 24 3.3.3. Utilisation dans le cadre de l’étude GAZEL................................................................... 24 3.3.4. Temps de calcul .............................................................................................................. 24

3.4. Géostatistique combinée aux résultats des modèles déterministes et du raffinement de maillage .............................................................................................................................................. 25

3.4.1. Krigeage des différences mesures / modèle.................................................................... 25 3.4.2. Utilisation des sorties de modèle déterministe comme cofacteur ................................... 27

3.5. Conclusion de l’étude méthodologique ............................................................................... 28

4. Etat des lieux des données disponibles.......................................................................................... 28

4.1. Données de mesures issues du réseau fixe........................................................................... 28

4.2. Données d’émissions en entrée de la modélisation déterministe et du raffinement de maillage .............................................................................................................................................. 30

4.2.1. Données potentiellement disponibles pour la reconstitution des cadastres .................... 30 4.2.2. Schéma général pour la reconstitution des cadastres ...................................................... 31 4.2.3. Traitements particuliers................................................................................................... 32

4.3. Conditions aux limites pour la modélisation déterministe ................................................ 34 4.3.1. Conditions aux limites météorologiques (pour MM5).................................................... 34


4.3.2. Conditions aux limites chimiques (pour CHIMERE)..................................................... 36

4.4. Données statiques : topographie et occupation des sols .................................................... 38 4.4.1. Topographie .................................................................................................................... 39 4.4.2. Occupation du sol............................................................................................................ 41

4.5. Données particulières : Bases de données routières........................................................... 44

5. Mise en œuvre concrète sur une région et une année tests .......................................................... 47

5.1. Présentation détaillée des données....................................................................................... 47 5.1.1. Conditions aux limites des modèles déterministes ......................................................... 47 5.1.2. Topographie .................................................................................................................... 49 5.1.3. Occupation des sols Corine Land Cover à 250m – année de référence 1990................. 50

5.2. Réseau de mesures ................................................................................................................ 50

5.3. Cartographies des émissions ................................................................................................ 53

5.4. Synthèse ................................................................................................................................. 57

6. Discussion-conclusion ................................................................................................................... 58

6.1. Synthèse des données nécessaires ........................................................................................ 58

6.2. Synthèse méthodologique ..................................................................................................... 59

6.3. Synthèse des unités d’œuvre ................................................................................................ 61

Bibliographie .......................................................................................................................................... 63

Liste des Figures .................................................................................................................................... 65

Liste des Tableaux.................................................................................................................................. 67

Annexe 1 : Disponibilité des données de mesure de 1975 à nos jours................................................. 68


Contenu de l’étude de faisabilité Ce document constitue le rapport final de l’étude de faisabilité de production de données de qualité de l’air permettant de caractériser à l’échelle nationale l’exposition annuelle des individus de la cohorte GAZEL à la pollution atmosphérique de fond des années 1989 à 2007. La présence de sujets de la cohorte GAZEL sur toute la France métropolitaine nécessite une méthodologie applicable avec une incertitude raisonnable sur l’ensemble du territoire.

Compte tenu des données disponibles, d’une part, et de la résolution attendue, d’autre part, le choix méthodologique s’est précisé : le faible nombre de points de mesures au début des années 90 exclut un traitement géostatistique des seules données de mesure. Un système de modélisation déterministe associé aux mesures de pollution par des méthodes géostatistiques a donc été retenu.

Comme précisé dans les différents chapitres du rapport, tous les polluants intéressants pour l’étude ne peuvent être traités avec la même précision. Le rapport détaille :

- les différentes méthodologies applicables,

- les données disponibles sur tout le territoire pour les années couvertes par l’étude,

- un test de ces méthodologies sur une zone et une année fixées,

- une explication des choix et des propositions pour l’étude complète.

1. Objectifs de l’étude

Au cours des dernières années, différentes études épidémiologiques, notamment le Programme de surveillance air et santé (Psas, InVS, France) et le programme APHEA (Europe), ont permis d’établir des liens entre pollution atmosphérique et effets à court terme sur la santé. Les impacts sur la santé en situation d’élévation des niveaux de pollution sont désormais avérés.

En revanche, les effets à long terme de la pollution atmosphérique sur la santé et en particulier ceux des expositions moyennes à la pollution dite de fond sont mal connus. Dans le cadre du Psas, l’objectif est maintenant d’étudier les effets sanitaires à long terme de la pollution atmosphérique en France. Les quelques études de cohorte qui apportent des informations quant à ces effets chez l’adulte sont pour la plupart américaines, or les conditions de pollution et d’exposition sont très différentes de celles qui prévalent en Europe ou en France.

Il convient donc d’étudier une cohorte française. L’Institut de Veille Sanitaire (InVS) souhaite pour cela s’appuyer sur une cohorte préexistante dont les sujets ont été recrutés en 1989 : la cohorte Gazel (salariés des entreprises Gaz et Electricité de France) afin d’étudier l’association à long terme entre l’exposition individuelle à la pollution atmosphérique et la santé au sein de cette cohorte.

L’objectif de la partie « évaluation des expositions » de l’étude est ainsi, à partir des données concernant les lieux de résidence des personnes incluses dans la cohorte GAZEL (environ 20 000 sujets à l’inclusion), de produire un niveau d’exposition à la pollution atmosphérique, au moyen notamment des données détenues par les Associations Agréées de Surveillance de la Qualité de l’Air (AASQA).


C’est dans ce cadre que l’InVS a sollicité certaines AASQA afin d’étudier la faisabilité de production de telles données de qualité de l’air permettant d’approcher l’exposition à la pollution de fond de chaque individu de la cohorte considérée pour une période s’étendant sur les 20 dernières années, en moyenne annuelle.

2. Périmètre de l’étude

2.1. Extension et résolution spatiale du domaine d’étude

L’information géographique associée aux individus de la cohorte GAZEL correspond au code postal de leur habitation. En première approche, les 12 cartes suivantes présentent la répartition géographique des individus de la cohorte en 1990, 1999 et 2007 pour quatre régions ; l’Alsace, l’Ile de France, Rhône-Alpes et PACA (Figure 1 à Figure 4). Ces cartes présentent également la distance relative des individus (en km) par rapport à la position des stations de mesures de la qualité de l’air. Quatre tendances se dégagent :

• Le nombre de stations de mesures de qualité de l’air augmente entre 1990 et 2007, • Le nombre de sujets diminue entre 1990 et 2007, • Forte présence des sujets en dehors des zones urbaines surtout en 1990, • Forte hétérogénéité dans la répartition géographique des individus.


a

b

c Figure 1 : ALSACE : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources :

GAZEL/BDQA/IGN GEOFLA©, exploitation InVS)


a

b

c Figure 2 : ILE DE FRANCE : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources :



a

b

c Figure 3 : RHONE-ALPES : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources :



a

b

c Figure 4 PACA : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources : GAZEL/BDQA/IGN

GEOFLA©, exploitation InVS)


Au regard de ces constats sur quatre régions représentant un échantillon, il convient de définir une échelle spatiale en cohérence avec les informations disponibles sur les sujets de la cohorte. Une information spatialisée de la qualité de l’air sur tout le territoire français avec une résolution de quelques kilomètres permet de répondre à la demande de l’InVS.

Plus précisément, la Figure 5 présente le classement des codes postaux du territoire français par classe de superficie en km2. La répartition de l’ensemble des sujets GAZEL y est juxtaposée.

0

200

400

600

800

1000

1200

1400

1600

<= 4

] 4 ;

12 ]

] 12

; 25

]

] 25

; 50

]

] 50

; 75

]

] 75

; 100

]

] 100

; 20

0 ]

] 200

; 30

0 ]

] 300

; 40

0 ]

> 40

0

Surface (km²)

Nom

bre

de c

odes

pos

taux

0

500

1000

1500

2000

2500

3000

3500

4000

Nom

bre

de s

ujet

s

Nombre de codes postauxNb de sujets en 1990Nb de sujets en 1999Nb de sujets en 2007

Figure 5 : classement des codes postaux par classe de superficie en km2

Les tendances déjà soulignées par les figures 1 à 4 sont confirmées. Les sujets sont logiquement plus nombreux en 1990 qu'en 2007, et ce, quelle que soit la classe de superficie considérée. Une concentration des sujets sur des faibles superficies est observée (centres urbains et petites communes rurales). Cependant près de 3000 personnes en 1990 sont situées sur des communes dont la superficie est supérieure à 100 km2 et représentatives de communes de typologie clairement rurale.

L’adressage des sujets de la cohorte au code postal ne permet donc pas un positionnement fin de leur lieu de résidence par rapport aux principaux émetteurs industriels ou routiers. Ainsi, une résolution de 10 km x 10 km affinée à 2 km x 2 km est proposée.

2.2. Résolution temporelle et période de l’étude

Compte tenu des données disponibles sur le lieu de résidence avec une périodicité annuelle, des données moyennes annuelles sont attendues pour les polluants retenus hors ozone pour lequel des moyennes estivales calculées sur les heures de jour semblent plus pertinentes. Les membres de la cohorte GAZEL ont été recrutés en 1989. Pour étudier l’effet de la pollution sur les pathologies respiratoires développées par ces cohortes, il est nécessaire de remonter au moins 15 ans en arrière et d’évaluer les expositions en lien avec les adresses successives des intéressés, depuis 1975. Les données de qualité de l’air doivent donc être fournies en moyenne annuelle pour toutes les années de 1989 à 2007 dans un premier temps puis de 1975 à 2007 dans un deuxième temps.


2.3. Liste des polluants

Les travaux concerneront les indicateurs de pollution suivants : SO2, NO2, particules, benzène, O3.

3. Méthodologies possibles

L’approche « naturelle » pour cartographier les concentrations de polluants sur la France consiste à s’appuyer de façon privilégiée sur les mesures disponibles, la cartographie étant réalisée à l’aide d’outils d’interpolation intelligents que sont les méthodes géostatistiques. Néanmoins, cette approche se heurte entre autres à la raréfaction des points de mesure, en particulier si l’on s’intéresse à l’état de la qualité de l’air avant 1990, ce qui est le cas dans l’étude GAZEL. La modélisation déterministe constitue une alternative à la cartographie des mesures : sous réserve de disposer de données environnementales (émissions, météorologie,…), l’évolution des concentrations de polluants peut être calculée à l’échelle de la France, sur toute période d’intérêt. Cependant, les temps de calcul requis par ces outils « sophistiqués » nous contraignent à une résolution maximale de l’ordre de la dizaine de kilomètres, ce qui est insuffisant au regard des objectifs de l’étude. Les méthodes de raffinement de maillage permettent alors de « monter en résolution », à moindre frais en ce qui concerne les temps de calcul. Finalement, les méthodes géostatistiques combinant mesures et sorties de modèles déterministes apparaissent comme une solution qui permet de tirer parti des avantages des deux types d’approches décrites précédemment, et sont à même de répondre aux objectifs de l’exercice demandé dans le cadre de l’étude GAZEL. Les paragraphes suivants reprennent en détail ce protocole scientifique applicable au suivi de la cohorte GAZEL.

3.1. Géostatistique seule

L’outil géostatistique constitue un moyen classiquement utilisé depuis quelques années par les AASQA pour estimer à partir des mesures issues de leur réseau fixe ou de campagnes ponctuelles la répartition spatiale et pour produire des cartographies des polluants atmosphériques aux échelles urbaine et régionale. La géostatistique permet en outre de quantifier et cartographier les incertitudes associées aux niveaux de concentrations estimées et de prendre en compte ces incertitudes lors de l’évaluation de l’exposition des populations (Perron et Jeannée, 2005).

Un autre avantage offert par la géostatistique est l’intégration d’informations auxiliaires caractérisées par les données géographiques (topographie, occupation du sol), voire les données d’émissions pouvant présenter un lien significatif avec les concentrations des polluants.

Cette approche dite « probabiliste » correspond donc bien à l’une des méthodologies susceptible de répondre à la problématique d’étude des effets sanitaires à long terme de la pollution atmosphérique posée dans le cadre de la cohorte française GAZEL. D’autant plus qu’elle permet d’exploiter les données à petite échelle fournies par le dispositif de mesures moyennées sur des séries au pas de temps annuel, voire trimestriel. Un exemple d’application cartographique sur l’ensemble du territoire national pour le polluant ozone issue d’une telle approche probabiliste a déjà été réalisé et présenté par Jeannée


et al. lors du congrès GEOEVENEMENT de 2003 à Paris (Figure 6, Figure 7).

Figure 6 : Exemple de cartographie des concentrations moyennes annuelles en O3 sur la France en µg/m3 (les croix sont

proportionnelles aux valeurs des mesures disponibles sur le réseau) – Cokrigeage colocalisé avec combinaison linéaire de cofacteurs associés à l’altimétrie et les postes d’occupation du sol CLC (source : N. Jeannée et al., 2003)

Figure 7 : Carte d’écart type d’erreur d’estimation résultant du modèle d’interpolation -Cokrigeage colocalisé avec combinaison

linéaire de cofacteurs associés à l’altimétrie et les postes d’occupation du sol CLC (source : N. Jeannée et al., 2003)


Néanmoins cette approche présente aussi certaines limites :

- elle ne donne pas la possibilité de restituer véritablement la variabilité des conditions météorologiques influant sur la distribution de la pollution ;

- elle n’est pas non plus adaptée à la prise en compte de la pollution dite « de proximité » comme par exemple celle liée aux phénomènes de panaches issus d'une source industrielle (cas du SO2) ou celle liée aux phénomènes de transport transfrontalier (cas de l'ozone et des PM10) ;

- enfin, pour être fiable, cette approche nécessite de disposer d’un échantillon de points de mesures suffisamment fourni et d’une assez bonne représentativité des différents milieux de mesures des polluants (urbain, périurbain, rural, …), ce qui n’est pas toujours le cas pour les polluants primaires pour lesquels les mesures en milieu urbanisé sont privilégiées au détriment des mesures en milieu rural. De surcroît, la réduction du nombre de points de mesures selon les périodes considérées dans la cohorte GAZEL peut fortement pénaliser la qualité de la cartographie des données produites par la géostatistique.

Pour toutes ces dernières raisons, l’utilisation de la géostatistique seule dans le cadre de la problématique GAZEL ne paraît pas pertinente. C’est pourquoi, il semble préférable d’opter pour une approche combinant cette méthodologie probabiliste avec celle issue de la modélisation déterministe pour répondre de façon la plus satisfaisante possible à la présente étude d’évaluation des impacts sanitaires liés à la pollution atmosphérique comme cela a déjà été fait dans le cadre du projet PEP « Pan European Program for Transport, Health and Environnement » (Jeannée et al., 2006).

3.2. Modélisation déterministe

Les modèles de qualité de l'air dits "déterministes" sont des outils de calcul des concentrations en polluants dans l’atmosphère. Ils intègrent les phénomènes physiques d’émission, de transport, de dispersion et des transformations chimiques des polluants. Dans le cas des modèles déterministes eulériens, les concentrations en polluants sont calculées sur un maillage et à une échéance donnée. Ces modèles permettent de reproduire de façon pertinente des situations d'émissions et de météorologie complexes. On parle alors de « chaîne de modélisation déterministe ». Cet ensemble regroupe un modèle météorologique calculant les écoulements et un modèle de chimie-transport utilisant les résultats du modèle météorologique ainsi que des données d'émissions de polluants.

Les limites relatives aux résultats issus de la modélisation déterministe sont principalement liées aux incertitudes importantes, liées aux imprécisions dans les données d'entrée et à de basses résolutions spatiales, ou à certaines situations dynamiques pour lesquelles les modèles sont moins performants (notamment avec des vents presque nuls). Par ailleurs, la mise en œuvre des modèles déterministe implique des temps de calculs importants.

Dans le cadre du projet GAZEL, le modèle de chimie transport CHIMERE est pressenti car il est fortement implanté dans un certain nombre d’AASQA. Les champs dynamiques utilisés en entrée de CHIMERE seront issus de simulations effectuées avec le modèle MM5 (Dudhia, 1993, www.mmm.ucar.edu/mm5), grâce à une interface mise en place par R. Vautard depuis le printemps 2003. Les champs dynamiques calculés par MM5 ont par ailleurs depuis cette échéance été éprouvés et validés.


3.2.1. Utilisation du modèle CHIMERE

CHIMERE est un modèle eulérien de chimie-transport développé par le Laboratoire de Météorologie Dynamique (http://euler.lmd.polytechnique.fr/chimere/), et qui traduit un l’état de l’art des connaissances en physique et chimie de l’atmosphère. A partir de données d’entrée (champs météorologiques, cadastres d’émissions, conditions aux limites chimiques, …), CHIMERE calcule le devenir de masses d’air polluées au cours de leur transport, diffusion turbulente, transformations chimiques, dépôt, etc. Ces calculs sont réalisés sur des domaines allant de la région au continental, et pour des résolutions de quelques kilomètres au degré. Les résultats sont en particulier des champs de concentrations en espace et en temps pour l’analyse d’évènements de pollution, pour l’étude de processus particuliers, pour l’étude de scénarios ou pour de la prévision opérationnelle.

Parmi ses nombreuses applications, CHIMERE a permis d’effectuer des simulations à long terme, comme dans le projet PIONEER. Il également été impliqué dans des projets comme City-Delta et Eurodelta. Il est exploité à l’INERIS dans le cadre de la plate-forme PREV’AIR pour fournir des prévisions quotidiennes de qualité de l’air à l’échelle nationale. Il est par ailleurs implanté dans des AASQA où il est utilisé dans le cadre d’études de sensibilité, ou pour fonctionner en mode prévision, il est alors régulièrement soumis à des tests statistiques. Récemment des applications se sont ouvertes sur l’assimilation de données satellites dans le cadre de projets tels que GMES (PROMOTE et GEMS).

Plus de 105 utilisateurs de CHIMERE sont recensés, le modèle est utilisé comme outil de prévision par 9 instituts français et 10 autres instituts (Europe, Thaïlande, Israël, Canada, etc.), il est utilisé pour la recherche par plus de 15 instituts Européens, et a fait l’objet de plus de 40 publications dans des revues de rang A (Documentation CHIMERE).

La Figure 8 et la Figure 9 montrent des exemples de champs de concentrations de polluants (ozone et dioxyde d’azote) issus de calculs avec le modèle CHIMERE à des échelles continentale et nationale.

Figure 8 : Champs de concentrations simulés avec CHIMERE à l'échelle européenne : ozone


Figure 9 : Champs de concentrations simulés avec CHIMERE à l'échelle de la France : dioxyde d’azote

3.2.2. Recommandations de mise en œuvre dans le cadre du projet GAZEL

Concernant les émissions anthropiques, étant données les échelles de calcul envisagées avec une résolution finale au niveau du code postal et la disponibilité de données d’émissions spatialisées pour les échéances antérieures à 2000, le modèle utilisera des émissions EMEP, converties au format d’entrée de CHIMERE avec le module EmiEMEP. Ce module, qui permet de spatialiser les émissions de grille EMEP sur les deux grilles définies au paragraphe suivant, fera l'objet de développements complémentaires afin de répondre à la problématique de l'évolution des émissions.

La version du modèle CHIMERE mise en oeuvre sera au moins supérieure à la version 200606B. Le mécanisme chimique utilisé sera MELCHIOR2 (version réduite du mécanisme chimique MELCHIOR), qui inclut quelques centaines de réactions pour quelques dizaines d’espèces chimiques (gaz, aérosols). Pour les simulations, l'option aérosol sera activée pour obtenir en sorties également des concentrations de particules fines. Des tabulations issues du modèle ISORROPIA sont alors utilisées pour compléter l’équilibre thermodynamique des espèces présentes (répartition dans les différentes phases en fonction de paramètres d'état). Concernant les aérosols d’origine naturelle, le modèle prend en compte l’érosion, la resuspension et les sels marins.

L’occupation du sol utilisée par défaut par CHIMERE et par le module EmiEMEP est la Global Land Cover Facility (GLCF), de résolution 1x1km, de l’Université du Maryland (http://glcf.umiacs.umd.edu/data/landcover). Cette occupation du sol par défaut est souvent remplacée par des données plus précises telles que celles issues de la Corine Land Cover pour les applications locales par les AASQA.


3.2.3. Utilisation d’un modèle météorologique : MM5

MM5 est un modèle météorologique américain développé conjointement par le National Center for Atmospheric Research (NCAR) et l’Université de Pennsylvanie (http://www.mmm.ucar.edu). Le modèle MM5 est dit méso-échelle, c'est à dire qu'il permet à partir des données météorologiques des systèmes globaux et des contraintes physiques à l'échelle locale (occupation des sols, relief) de décrire de façon précise la dynamique atmosphérique. MM5 pourra éventuellement être remplacé par son successeur, à savoir WRF (Weather Research & Forecasting model) disponible sur le site http://www.mmm.ucar.edu/wrf/users/.

Ce système est très largement utilisé par la communauté scientifique, par les services météorologiques nationaux, par de nombreuses entreprises spécialisées dans l’atmosphère ainsi que par certaines AASQA. Il est utilisé également en routine pour la chaîne de calcul nationale PREV’AIR.

La Figure 10 et la Figure 11 montrent des exemples de champs de température et de vent issus de calculs avec le modèle MM5 à des échelles continentale et nationale.

Figure 10 : Champs météorologiques issus de calculs avec le modèle MM5 à l’échelle continentale

Figure 11 : Champs météorologiques issus de calculs avec le modèle MM5 à l’échelle nationale


3.2.4. Domaines envisagés

Dans les applications habituelles du modèle CHIMERE pour évaluer la qualité de l’air sur toute la France, une grille imbriquée de résolution environ 10km (Figure 12), couvre la France. Notons qu’il n’y a pas de limite théorique à la mise en oeuvre de CHIMERE à une résolution de l’ordre du kilomètre ; en revanche, les temps de calcul à une résolution kilométrique deviennent rédhibitoires (cf. paragraphe ci-après). Verticalement le modèle comporte 8 niveaux de la surface à 500hPa.

Figure 12 : Grille envisagée pour les simulations déterministes sur l'ensemble du domaine d'étude

Pour effectuer des simulations avec CHIMERE, des conditions aux limites sont requises. Elles peuvent être soient issues de climatologies, soit d'une simulation CHIMERE à plus large échelle. Dans le cadre de cette étude, on envisage qu'une première grille de simulation couvre l’Europe de l’Ouest avec une résolution d'environ 30km. Ce domaine continental sera lui-même alimenté à ses limites à partir de données globales présentées en partie 4.3.

Figure 13 : Grille envisagée pour le calcul des conditions aux limites du domaine d'étude


3.2.5. Temps de calcul MM5-CHIMERE

Des temps de calcul (Tableau 1) des modèles déterministes pour les simulations dans le cadre du projet GAZEL ont été évalués d’après les mesures issues du système similaire de prévision Atmo-rhenA (biprocesseur dual core). Ces temps de calcul sont indicatifs et varient selon la configuration finale de calcul choisie (nombre de mailles, résolution des grilles, paramétrages dans les modèles MM5 et CHIMERE) et le serveur sur lequel les calculs seront mis en oeuvre.

Tableau 1 : Temps de calcul des modèles déterministes possibles pour les simulations dans le cadre du projet GAZEL

Modèle et version MM5 CHIMERE V200606B aérosol=1

Domaine 1 2 1 2

Nombre de mailles 74x59 93x90 74x59 93x90

Résolution spatiale 36km 12km 36km 12km

Largeur du domaine 2664km 1116km 2664km 1116km

Hauteur du domaine 2124km 1080km 2124km 1080km

Nombre de niveaux verticaux 23 23 8 8

Pression au sommet 100hP 100hP 500hP 500hP

Intervalle de temps simulé 4 jours 4 jours 4 jours 4 jours

phys=6 phys=6 Résolution temporelle tistep=90 tistep=30

step=2 step=3

Nombre de noeuds de calcul

4 4 4 4

1h08 Temps machine

17min 51min 50min 1h40

Extrapolation du temps machine pour 1 an 26h 78h 76h 152h

Extrapolation du temps machine pour 1990-

2007 soit 18 ans 19j 55j 54j 108j

TOTAL 236 jours soit environ 8 mois


3.3. Amélioration des résultats déterministes : « raffinement de maillage »

La chaîne de modélisation déterministe MM5-CHIMERE appliquée à toute la France avec une résolution de 10km permet de calculer les concentrations de fond pour différents polluants. Cependant cette échelle ne permet pas de révéler toutes les spécificités qui peuvent apparaître à l’échelle du code postal, notamment pour les communes de taille réduite ou bien traversées par de grands axes routiers ou situées à proximité de sources industrielles. Pour améliorer la qualité des résultats de la modélisation déterministe et augmenter la résolution du calcul à moindre frais, il est possible d’appliquer des méthodes dites de « raffinement de maillage ». Il s’agit d’interpoler le résultat d’un calcul de concentration de polluant sur un maillage plus fin en s’appuyant sur des principes physiques ou physiographiques (topographie, occupation des sols) régissant la distribution spatiale des concentrations.

3.3.1. Principe de la méthode : exemple du NO2

Le monoxyde d’azote (NO) est un polluant dit primaire dont les concentrations sont d’autant plus élevées que l’on se situe à proximité des sources d’émission. Ainsi, il est possible d’interpoler la concentration de NO issue de CHIMERE sur un maillage plus fin à partir des données d’émission. Par des relations chimiques simples, on peut ensuite calculer une concentration de dioxyde d’azote (NO2). A la différence du NO, seulement une partie du NO2 dans l’atmosphère est émise directement, l’autre partie provient de l’oxydation de NO par des oxydants tels que l’ozone.

Figure 14 : Répartition des émissions sur les maillages grossier et fin

La méthode se base sur les émissions de NO. D’après le principe de conservation des espèces chimiques, les émissions totales de la maille large sont égales à la somme des émissions des mailles fines incluses dans la maille large.

∑==

=njmi

jieE,1,,1

,


On définit ainsi un coefficient pour chaque maille fine :

Ee

r jiji

,, =

Les concentrations de NO dans chaque maille fine sont alors calculées à partir des concentrations dans la maille grossière grâce au coefficient ri,j. On fait alors le postulat que la totalité du NO contenu dans la première maille au-dessus du sol du modèle est émis dans cette maille. Ce postulat est vrai dans la plupart des cas sauf lorsqu’il y a formation de panaches de NO. A nos résolutions (de l’ordre du kilomètre), la majorité du NO émis dans une maille est oxydé en NO2 (par l’ozone ou d’autres oxydants) dans la maille où il est émis avant d’être transporté. La réaction NO + O3 → NO2 + O2 est en effet très rapide et prépondérante devant le transport. L’hypothèse énoncée ci-dessus n’est pas valable lorsque la concentration d’ozone est nulle et lorsque le NO n’est pas oxydé. On exclura donc ces cas de notre analyse et on utilisera la technique de raffinement de maillage uniquement dans les mailles où les concentrations en ozone sont strictement supérieures à 0.

Après le calcul des concentrations de NO dans les mailles fines, les concentrations de NO2 sont déduites de la réaction chimique : NO + O3 → NO2 + O2. Si on ajoute du NO dans une maille fine, de l’ozone disparaît et du NO2 apparaît. Au contraire, si on enlève du NO, de l’ozone apparaît et du NO2 disparaît. Comme stipulé plus haut, on veillera à ce que les concentrations en ozone restent strictement supérieures à 0.

Cette méthode permet de mettre en évidence les gradients de concentration à proximité des axes routiers comme sur cet exemple en région Rhône-Alpes où les concentrations issues de CHIMERE à 6km sont interpolées sur un maillage à 1km.

Figure 15 : Concentration max de NO2, résolution 6km

Figure 16 : Concentration max de NO2, résolution 1km


3.3.2. Application à d’autres polluants

La même méthode peut-être appliquée aux PM10. Par ailleurs, il est possible d’interpoler les concentrations d’ozone sur un maillage fin en s’appuyant sur la topographie.

Figure 17 : Concentration moyenne d’ozone, résolution 6km

Figure 18 : Concentration moyenne d’ozone, résolution 1km

3.3.3. Utilisation dans le cadre de l’étude GAZEL

Les simulations envisagées avec une résolution de 10km peuvent être considérablement améliorées en appliquant la méthode de l’interpolation par « raffinement de maillage » sur une grille à 2km de résolution. La méthode s’applique sur les résultats horaires des simulations. Cette méthode devra s’appuyer sur un cadastre d’émissions à 2km qui aura été construit en exploitant un réseau routier permettant de mettre en évidence les émissions au niveau des voies importantes de circulation.

3.3.4. Temps de calcul

Les temps de calcul estimés pour le raffinement de maillage pour passer d’un maillage 10km à 2km sur toute la France sont estimés à 1 minute / jour simulé soit pour les simulations de 1990 à 2007 : une durée estimée de 4 jours et 3 heures.


3.4. Géostatistique combinée aux résultats des modèles déterministes et du raffinement de maillage

En complément de l’approche géostatistique, l’approche déterministe qui utilise un état donné des conditions météorologiques et un inventaire de sources émettrices de polluants atmosphériques permet de calculer en tout point d’un espace géographique donné les concentrations dans l’air issues des flux de l’ensemble de ces sources.

Outre sa cohérence physico-chimique, l’un des principaux intérêts de l’approche déterministe est de pouvoir estimer des champs de concentration de polluants sur des zones mal, voire non équipées en dispositif de mesure. Cette approche permet d’autre part d’intégrer la dimension de la variabilité des conditions météorologiques et par mode de construction de mieux prendre en compte les aspects de la pollution dite « de proximité ». Elle apporte ainsi un complément d’information évident à celle que peut fournir l’approche probabiliste.

Les incertitudes quelquefois importantes qui entachent les résultats issus de la modélisation déterministe peuvent finalement être compensées par les résultats fournis par la géostatistique. La source d’information des sorties de modélisation qui est intégrée comme élément de base dans l’approche géostatistique servant alors à affiner et à enrichir la cartographie finale de la distribution des polluants concernés.

L’utilisation combinée des deux approches peut se faire selon deux méthodes :

- le krigeage des différences mesures / modèle,

- l’utilisation des sorties de modèle déterministe comme cofacteur

3.4.1. Krigeage des différences mesures / modèle

Une première méthode repose sur un krigeage des différences calculées entre les valeurs estimées par le modèle déterministe aux points de mesures et les valeurs réellement observées en ces mêmes points. Cette méthode, utilisée par l’ASPA pour répondre aux besoins d’information annuelle du Reporting européen, donne des résultats assez cohérents dans l’environnement proche des lieux instrumentés (Figure 19). La correction apportée à distance des lieux instrumentés est par contre plus aléatoire et l’erreur d’estimation difficilement quantifiable avec précision. L’avantage de la méthode relève surtout de la facilité de mise en œuvre et de manière entièrement automatisable.


Concentrations moyennes annuelles en PM10 (2007). Sortie de

modèle ATMO-RHENA – Résolution 4km

Concentrations moyennes annuelles en PM10 (2007).

Combinaison sortie de modèle ATMO-RHENA et résultats Krigeage des différences aux points de mesure sans descente

d’échelle – Résolution 4km

Concentrations moyennes annuelles en PM10 (2007). Mesures aux stations

Figure 19 : Exemple d’optimisation de la cartographie en sortie de modèle à l’aide d’un krigeage des différences aux points de mesures (ASPA 2007)


3.4.2. Utilisation des sorties de modèle déterministe comme cofacteur

Une seconde méthode s’appuie sur l’utilisation des sorties de modèle déterministe comme cofacteur représentatif de la tendance globale du polluant considéré dans le cadre d’un krigeage avec dérive externe ou d’un cokrigeage colocalisé. Cette méthode, développée et testée dans le cadre du projet PEP « Pan European Program for Transport, Health and Environnement », a donné des résultats satisfaisants pour l’estimation de la répartition spatiale de la pollution moyenne annuelle en PM10 en France métropolitaine (Jeannée et al., 2006). Un exemple en est donné Figure 20.

Figure 20 : Cartographie des concentrations moyennes annuelles en PM10 sur la France pour l’année 2000, en µg/m3 (mesures

disponibles représentées par les points noirs) : modèle combinant les mesures de PM10, NOx avec les résultats de la modélisation déterministe.

Son application, un peu plus lourde de mise en œuvre que le krigeage des différences, requiert l’existence d’une bonne corrélation entre les estimations de modèle et les mesures, en particulier pour l’option du krigeage avec dérive externe. Rappelons ici que le krigeage avec dérive externe reprend l’allure générale établie par le cofacteur en corrigeant localement cette tendance selon la prise en compte des valeurs mesurées. Cette méthode offre l’avantage d’un meilleur contrôle des erreurs d’estimation associées à la cartographie.


3.5. Conclusion de l’étude méthodologique

La méthodologie proposée associant d’une part une chaîne de modélisation déterministe avec raffinement de maillage, et d’autre part des méthodes géostatistiques pour intégrer des mesures de terrain paraît être la méthode la plus pertinente pour répondre aux problématiques du projet GAZEL. Ces méthodes utilisées dans les AASQA à l’échelle régionale ont prouvées leur efficacité. Au cours de la réalisation concrète du projet les résultats seront validés et des incertitudes seront associées aux données de qualité de l’air.

4. Etat des lieux des données disponibles

4.1. Données de mesures issues du réseau fixe

Un sondage auprès d’un grand nombre d’AASQA a permis d’établir un état des lieux des données de mesures disponibles de 1975 à nos jours. (Voir Tableau 8). L’historique était demandé pour les polluants suivants : SO2, NO, NO2, O3, PM10, PM2.5 et le benzène. Des informations pour les indicateurs suivants ont également été demandées : PM13, les fumées noires et les particules dans leur totalité (TSP) ; auxquels s’ajoute la mesure de l’AF (Acidité Forte). Les mesures de ces indicateurs pourront le cas échéant être exploitées de façon complémentaire aux mesures de concentrations des polluants strictement étudiés dans le cadre de l’étude. Les tableaux figurant en Annexe 1 présentent de façon très synthétique, la disponibilité des données pour les AASQA sondées. Pour l’ozone et le dioxyde d’azote, les mesures sont disponibles à partir des années 80, mais en plus grand nombre et avec une bonne couverture spatiale à partir des années 90. Les mesures de dioxyde de soufre sont elles disponibles depuis les années 85-90. En ce qui concerne les particules, les PM10 font l’objet de mesures « systématiques » depuis la fin des années 1990 ; les mesures de PM2.5 ne sont pas encore généralisées sur l’ensemble du territoire français, même si elles sont en plus grand nombre depuis le début des années 2000. Les stations de mesure des particules sont plus fortement implantées en zone urbaine ou périurbaine. Enfin, en ce qui concerne le benzène, des mesures sont disponibles depuis la fin des années 90, mais la typologie des points de mesure varie selon les régions.

La Figure 21 et la Figure 22 montrent pour l’exemple de la région Rhône-Alpes l’évolution du réseau de mesure, tous polluants confondus entre les années 1994 et 2004. Cette comparaison permet de montrer la forte variabilité de la disponibilité des données de mesure sur cette période.


Figure 21 : Carte des stations de mesures de la région Rhône-Alpes en 1994 (17 stations industrielles, 11 stations trafic, 17 stations

urbaines, 5 stations périurbaines

Figure 22 : Carte des stations de mesures de la région Rhône-Alpes en 2004 (12 stations industrielles, 16 stations trafic, 30 stations

urbaines, 14 stations périurbaines, 3 rurales)


4.2. Données d’émissions en entrée de la modélisation déterministe et du raffinement de maillage

Afin de produire des données de qualité de l’air pour certains indicateurs de pollution (SO2, NOx, PM10, voire O3 et C6H6) en moyenne annuelle depuis 1990 et avec une résolution géographique cohérente avec le code postal (seul élément connu pour la localisation des sujets de la cohorte), les différentes possibilités méthodologiques étudiées, font pour partie appel à des données d’émissions. Il convient donc d’étudier la faisabilité de pouvoir reconstituer des inventaires et/ou cadastres des émissions pour la période 1990-2007.

4.2.1. Données potentiellement disponibles pour la reconstitution des cadastres

Les données pouvant être utilisées et concernant les émissions spatialisées / géoréférencées sont les suivantes :

• données disponibles sur le site d'EMEP, intégrant des données pour les indicateurs de pollution à étudier depuis au moins 1990 (sauf pour les particules qui démarrent en 2000). Il est à noter que les données « EMEP » ne sont a priori pas mises à jour ; il conviendrait donc de mettre à jour les données de l'EMEP en établissant des ratios d'ajustement par polluants et par secteur basés sur les totaux sectoriels par année EMEP comparés aux totaux sectoriels par année de l'inventaire du CITEPA (qui couvre plus que la période 1990-aujourd'hui). Le CITEPA recalcule en effet l’inventaire avec les dernières méthodologies disponibles, pour affiner les résultats des années antérieures et permettre une meilleure comparabilité. Les données EMEP pouvant être utilisées dans le cadre du travail pour la cohorte GAZEL.

• données des inventaires spatialisés établis par le CITEPA sur les régions Alsace, Nord-pas-de-Calais, Ile-de-France lors de l’élaboration des premiers PRQA en 1994. Quelques mises à jour régionales ont eu lieu depuis. La résolution spatiale de ces inventaires « PRQA » est à l’arrondissement pour les agglomérations de plus de 100.000 habitants. Les mises à jour ultérieures peuvent être au département ou à l’arrondissement. Ces inventaires semblent difficilement exploitables dans le cadre de l’étude pour la cohorte GAZEL.

• données des sources ponctuelles (généralement grandes sources industrielles) :

Le CITEPA dispose depuis 1992 de toutes les données d’émissions des Grandes Installations de combustion sous forme compilée et informatisée. Des données antérieures sont disponibles dans des dossiers papier pour chaque entreprise ayant fait des déclarations notamment dans le cadre de la Taxe Parafiscale sur la Pollution Atmosphérique (TPPA). Au niveau du ministère de l’environnement et des différentes DRIRE, une cartographie des principales sources industrielles existe depuis les années 80 pour les principaux indicateurs de pollution. Les données des déclarations TPPA puis TGAP (Taxe Générale sur les Activités Polluantes) sont également récupérables moyennant une recherche dans les différents dossiers des DRIRE. Les données déclarées par les grandes installations (GEREP) sont disponibles dans les fichiers informatiques depuis 2002/2003. Beaucoup d’erreurs de saisie sont à souligner les premières années. Ces données permettraient notamment d’affiner les émissions pour les plus gros émetteurs de SO2 et NOx (à titre d’exemple, 270 Grandes Installations de combustion recensées).


• données nationales disponibles sur le site de l’EEA ou d’EMEP. En particulier, les émissions spatialisées EMEP pour les particules n’étant disponibles qu’à partir de 2000, ces déclarations nationales permettront d’extrapoler les émissions EMEP pour les années antérieures.

4.2.2. Schéma général pour la reconstitution des cadastres

La méthode de reconstitution des cadastres pourra différer suivant l'indicateur de pollution.

Toutefois, pour l’ensemble de ces indicateurs (SO2, NOx, PM10, voire O3 et C6H6 intéressant l’étude) les données d’émissions spatialisées par maille par exemple kilométrique peuvent être obtenues en combinant les données spatialisées de l’EMEP (50 km x 50 km mais non corrigées en fonction des évolutions méthodologiques) avec les données du CITEPA (inventaires nationaux annuellement mis à jour sur l’ensemble de la série historique) puis en désagrégeant géographiquement à l’aide de l’occupation du sol CORINE LAND COVER disponible sur toute la France pour les années 1990 et 2000 (voir Figure 23).

Emissions France spatialisées50 km x 50 kmSource : EMEP

Années : depuis 1990 pour SO2, NOx, COVNM, PM10, PM2,5

Attention : pas de mise à jour méthodologique

Emissions France nationalesSource : CITEPA


Mise à jour méthodologique

Emissions France spatialisées50 km x 50 km

Source : EMEP / CITEPAAnnées : depuis 1990 pour SO2,

NOx, COVNM, PM10, PM2,5

Facteurs correctifs prenant en compte les modif. méthodo.

Mise à niveau EMEP par

grand secteur(SNAP 1)

Emissions France spatialisées1 km x 1 km


Application CLC 1990 / 2000

Traitements particuliers en fonction de l’indicateur de

pollution considéré

Figure 23 : Schéma général pour la reconstitution des cadastres


4.2.3. Traitements particuliers

• Pour le dioxyde de soufre

Les sources industrielles ont une part prépondérante dans les émissions de dioxyde de soufre. Il convient donc pour ces sources de pouvoir retrancher les grandes sources industrielles des cadastres EMEP pour les réintroduire dans le cadastre kilométrique, en tant que sources ponctuelles.

Les données d’émissions industrielles pouvant être utilisées pour cette opération sont :

− les données GEREP à partir de 2003 ;

− les données GIC à partir de 1992 ;

− les données de la cartographie du MATE à partir de la fin des années 80.

Pour le dioxyde de soufre, une attention particulière devra également être portée aux émissions maritimes.

• Pour les oxydes d’azote et les particules

Le trafic routier mais également les sources industrielles participent aux émissions d’oxydes d’azote et de particules.

Concernant les sources industrielles, la même opération peut être effectuée que pour le dioxyde de soufre.

En ce qui concerne les sources routières, il serait intéressant de pouvoir également retrancher les émissions des grands axes routiers. La disponibilité de la donnée d’émissions par axe est toutefois moins aisée. Une possibilité serait de recréer les émissions des principaux axes (routes nationales et autoroutes) à partir de données de comptages nationaux édités annuellement par le SETRA. Dans une première approche, ces émissions pourraient être recréées (faisabilité à préciser) à partir des émissions linéaires calculées dans le cadre de l’inventaire PRQA 1994 par le CITEPA (attention à l’ouverture de nouveaux tronçons routiers).

Pour s'affranchir d'un calcul d'émissions supplémentaire, il est aussi possible de spatialiser les émissions routière du cadastre EMEP à l'aide de la donnée d'occupation des sols (Corine Land Cover) et d'une base de données "route" telle que la BDcarto ou une base SIG libre. Les émissions sont réparties sur les liaisons autoroutières, nationales et secondaires ainsi que sur les mailles urbaines de Corine Land Cover. Il est possible de définir des clés de répartition régionales en s'appuyant sur les résultats des cadastres locaux.

Pour reproduire de façon cohérente les émissions routières sur tout la période de l'étude, il convient de tenir compte des éléments majeurs ayant un impact sur les émissions :

– La création de nouvelles routes principales, notamment autoroutes, engendrant une modification notable du volume de trafic et du type de trafic (transit). Une période de 5 ans dans la mise à jour des données de routes permet de prendre en compte ces évolutions.

– L'évolution interannuelle des répartitions des émissions entre les types de routes. Les chiffres nationaux permettront de définir des tendances.

– La variabilité horaire, hebdomadaire et mensuelle du trafic en fonction de l'activité. Cette


modulation des émissions est habituellement calculée à partir de comptage horaire de trafic. A noter qu'elle est très différente d'une région à l'autre, notamment dans les régions touristiques.

• Pour les composés organiques volatils

Les sources étant plus diffuses et leurs impacts étant liés à la formation d’ozone troposphérique (à caractère régional), il n’est pas obligatoire de mettre en œuvre de traitements particuliers. Toutefois, les COV peuvent bénéficier des mêmes opérations que les autres indicateurs de pollution.

Tableau 2 : Principaux secteurs émetteurs pour les indicateurs de pollution pris en compte

Source : CITEPA / CORALIE / format SECTEN – mise à jour de février 2007


4.3. Conditions aux limites pour la modélisation déterministe

4.3.1. Conditions aux limites météorologiques (pour MM5)

Le modèle MM5 nécessite des conditions aux limites météorologiques couvrant l’intégralité de la période d'étude et de la zone géographique à simuler. Une entité du NCAR où est développé le modèle MM5, la Data Support Section (DSS, http://dss.ucar.edu), met à disposition des jeux de données traités par les préprocesseurs de MM5. Parmi les jeux de données couvrant l'Europe, les trois suivants permettraient de couvrir la période d’étude de 1990 à 2007 : les analyses GDAS-NCEP, les réanalyses NCAR/NCEP et les analyses ECMWF. Enfin les données d’analyse NCEP-DOE constitueraient également une possibilité.

4.3.1.1. Analyses du GDAS - NCEP : 1976-actuellement

Une première possibilité consisterait à utiliser les données du Global Data Assimilation System (GDAS) du National Center for Environnemental Prediction (NCEP), les « FNL » des paquets DS082.0, DS083.0 et DS083.2 :

− DS082.0 : de juillet 1976 à avril 1997, résolution spatiale de 2.5° et temporelle de 12h, 12 niveaux verticaux de 1000mb à 50mb, disponible gratuitement au format WMO GRIB.

− DS083.0 : de avril 1997 à aujourd’hui, résolution spatiale de 2.5° et temporelle de 12h, 16 niveaux verticaux de 1000mb à 10mb, disponible gratuitement au format WMO GRIB1.

− DS083.2 : du 15 septembre 1999 à aujourd’hui, résolution spatiale de 1° et temporelle de 6h, 26 niveaux verticaux de 1000mb à 10mb, disponible gratuitement au format WMO GRIB1 ou WMO GRIB2.


Figure 24 Exemple de champs météorologiques issus des analyses NCEP : températures et champs de vents

Les variables présentes dans ces jeux de données ont évolué et diffèrent selon la période : si tous les jeux de données contiennent par exemple la température de l’air, la température de surface, l’humidité relative et les champs de vent, les plus anciens ne contiennent pas de données relatives aux sols, tels que la température et l’humidité du sol. Les données, représentant environ 530 Go, peuvent être soit téléchargées gratuitement, soit commandées sur des supports informatiques dans un objectif de gain de temps de téléchargement.

4.3.1.2. Projet de réanalyses NCEP/NCAR : 1948-actuellement

Une seconde possibilité consisterait à utiliser en conditions aux limites les données issues du projet de réanalyses NCEP/NCAR (http://dss.ucar.edu/pub/reanalysis/), également disponibles auprès de la DSS. La résolution spatiale est de 2.5°, la résolution temporelle est de 6h, il y a 28 niveaux verticaux sigma, et les fichiers sont au format WMO GRIB1. Les données sont téléchargeables gratuitement après inscription à l'adresse suivante :

https://dss.ucar.edu/datazone/dsszone/ds090.0/pgbf00_grb2d/

4.3.1.3. Données d’analyses ECMWF TOGA : 1985-actuellement

Enfin, les archives des analyses TOGA ECMWF constituent une troisième option. La résolution horizontale de ces simulations est de 2.5° et les sorties sont éditées toutes les 12h (un fichier à 0h et un fichier à 12h UTC). Des avertissements sont donnés sur le réalisme de certains paramètres tels que la température de surface ou les températures dans le sol. L'archivage au NCAR a débuté en 1985, ces données sont gratuites, seule une autorisation est à obtenir. De plus amples informations sur ce jeu de données sont disponibles sur http://dss.ucar.edu/datasets/ds111.2. L'intégralité du jeu de données représente environ 40Go, à télécharger, ce volume restant négligeable en comparaison du volume de données généré par les modèles MM5 et CHIMERE sur la période d'étude.


Les jeux de données d'analyses issues de ECMWF nommés ERA15 et ERA40 sont classiquement utilisés mais ils couvrent respectivement les périodes1979 à 1993 et 1957 à 2002, et ne pourront ainsi pas être mis en oeuvre dans le cadre de la présente reconstitution.

4.3.1.4. Données de réanalyses NCEP (NCEP/DOE AMIPII Reanalysis)

Les données réanalysées NCEP sont téléchargeables sur le serveur de la NOAA et regroupent des données en surface, en niveaux de pression et de flux de chaleur.

http://nomad2.ncep.noaa.gov/ncep_data/index.html

Plusieurs possibilités sont envisageables. Il conviendra de choisir la solution la plus adaptée sur la base de tests d’inter-comparaisons.

4.3.2. Conditions aux limites chimiques (pour CHIMERE)

Le modèle CHIMERE peut être alimenté en conditions aux limites, soit par une autre simulation avec le modèle CHIMERE mais à plus grande échelle, soit par des climatologies. Les climatologies contiennent des concentrations moyennes calculées sur plusieurs années. Dans le cas de CHIMERE, les concentrations des espèces aux limites du domaine d'étude sont alors considérées comme constantes au cours de la simulation, mais dépendent tout de même du mois calculé. Seules les concentrations à l'intérieur du domaine étudié varient en fonction des émissions, de la dynamique et de la chimie. Des interfaces ont été développées pour interpoler les données climatologiques issues des trois modèles suivants et les mettre au format d’entrée du modèle de chimie-transport CHIMERE (Documentation CHIMERE).

4.3.2.1. Climatologies d’espèces gazeuses issues de MOZART

Le « Model of Ozone And Related Tracers » (MOZART) est un modèle global de chimie-transport développé conjointement par le National Center for Atmospheric Research (NCAR), Colorado, le General Fluid Dynamics Laboratory (GFDL), New Jersey et le Max Planck Institute of Meteorology (MPI-Met) à Hamburg, Allemagne. Des climatologies mensuelles produites avec la seconde génération du modèle, MOZART2, de 2002 (Horowitz et al., 2003), peuvent être utilisées dans CHIMERE. Elles ont été fournies par M. Schultz, G. Brasseur, C. Garnier et D. Niehl, du MPI Hamburg, et contiennent les moyennes mensuelles des concentrations de polluants. Les moyennes mensuelles pourront ainsi être considérées comme constantes d'une année à l'autre, ou faire l'objet de redressement en fonction de données de mesures.

4.3.2.2. Climatologies d’espèces gazeuses issues de LMDz-INCA

INCA (Interaction Chimie - Aérosols) est un modèle de chimie – aérosols développé au laboratoire des Sciences du Climat et de l'Environnement (LSCE) en collaboration avec les autres laboratoires de l’Institut Pierre et Simon Laplace (IPSL). LMDz-INCA est un couplage avec le modèle de circulation général du Laboratoire de Météorologie Dynamique (LMD) LMDz, permettant de simuler interactivement les gaz à effet de serre de longues durées de vie (CO2, CH4, N2O). LMDzINCA calcule les émissions, le transport, les transformations photochimiques, et les dépôts secs et humides des espèces chimiques et des aérosols.


Comme les climatologies MOZART, les climatologies LMDz-INCA contiennent les moyennes mensuelles des concentrations de polluants. Les moyennes mensuelles seront considérées comme constantes d'une année à l'autre, ou feront l'objet d'un redressement en fonction de données de mesures ou de données en provenance d’autres modèles (ex. RETRO).

Figure 25: Exemple de champs de concentrations issus de LMDz-INCA : dioxyde d’azote

4.3.2.3. Climatologies d'espèces gazeuses issues de RETRO

Les deux climatologies précédentes ne permettent pas de refléter une évolution des concentrations à grande échelle. Si cette évolution est considérée comme marquée pour l'ozone, alors la source d'information RETRO pourra être prise en compte pour moduler les conditions aux limites chimiques. L'objectif principal du projet européen "RETRO" était de comprendre, détecter et évaluer les changements à long terme et la variabilité interannuelle de la composition chimique troposphérique pendant les 40 dernières années. Le projet a employé cinq modèles de chimie-transport globaux, et n'a pas réalisé de mesures mais a utilisé des jeux de données d'observation, et les a homogénéisés pour en tirer des tendances à long terme de l'ozone troposphérique.

La Figure 26, issue du rapport final du projet RETRO, montre les niveaux croissants d’ozone mesurés par une station de fond européenne. Jusqu’aux années 80, l’augmentation des niveaux d’ozone était concomitante à celle des émissions de précurseurs en Europe, Amérique du Nord et au Japon. Par la suite ces émissions ont diminué et parmi les causes avancées pour la poursuite de la montée des niveaux d’ozone, on trouve la hausse des émissions de précurseurs liée à la croissance de pays d’Asie orientale, l’augmentation de la déforestation et le changement climatique (Schultz et al , 2007).


Figure 26 : Séries temporelles des moyennes annuelles et saisonnières des concentrations d'ozone mesurées à la station de fond du

Hohenpeissenberg de 1970 à 2005. Données fournies par S. Gilge, DWD, graphique issu du rapport final du projet RETRO

4.3.2.4. Climatologie pour les aérosols : GOCART

Les conditions aux limites "aérosols" existant pour CHIMERE sont issues du modèle global GOCART (Ginoux et al., 2001) pour différentes classes granulométriques et différentes familles chimiques (poussières désertiques, sulfates, sels marins, black carbon, organic carbon). Ces climatologies mensuelles sont issues de calculs sur les années 2000 et 2001, et seront utilisées comme constantes d'une année sur l'autre sur l'ensemble de la période d'étude.

Figure 27 :Exemple de champs de concentrations issus de GOCART : sulfates

4.4. Données statiques : topographie et occupation des sols

Les données de topographie et d’occupation des sols représentent des données d’entrée essentielles pour la mise en œuvre de la modélisation déterministe et la géostatistique.

Pour la modélisation déterministe ces données servent, entre autres, à caractériser, par exemple les


facteurs de rugosité et ceux d’albédo, de même que les effets liés à la couverture de végétation.

Pour la géostatistique, ces données donnent la possibilité d’optimiser les résultats cartographiques compte tenu de leur prise en compte comme cofacteurs ou éléments explicatifs de la distribution spatiale de la pollution atmosphérique.

4.4.1. Topographie

En ce qui concerne la topographie, il existe deux sources de données disponibles gratuitement couvrant l’ensemble du territoire français métropolitain à une résolution kilométrique et infra kilométrique : GTOPO30 et SRTM.

La base de données topographiques GTOPO30 issue du Globe Project couvre les parties émergées du globe, dont l’ensemble de l’Europe de l’Ouest (Figure 28). Elle est mise à disposition par l’agence gouvernementale cartographique américaine United States for Geological Survey (USGS) sur le web pour téléchargement par « tuiles » de 50 degrés de latitude et 40 degrés de longitude : http://edc.usgs.gov/products/elevation/gtopo30/gtopo30.html#h35 . Cette base de données qui offre une résolution spatiale de 30 secondes d’arc, soit environ 1 kilomètre, est généralement suffisante pour des études à petite échelle comme pour des applications de modélisation déterministe.

Figure 28: Extrait de la base de données MNT GTOPO30 sur l’ensemble du territoire français métropolitain


Un deuxième jeu de données topographiques concerne la base SRTM (Shutle Radar Topographic Mission) initialement produite par les services de la NASA. Les données SRTM, plus récentes et plus précises que GTOPO30, couvrent 80% des terres émergées du globe. Elles sont également disponibles et téléchargeables par « tuiles » carrées de 5 degrés sur le site web : http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp . La couverture française issue de SRTM présente une résolution spatiale de 3 secondes d’arc, soit 90 mètres (Figure 29), qui peut s’avérer utile aux travaux de raffinement de l’information en sortie de modèle, voire à la cartographie géostatistique. Il est par ailleurs à noter que ces données sont directement adaptées aux traitements impliqués par le préprocesseur CALMET.

Figure 29 : Extrait de la base de données MNT SRTM sur l’ensemble du territoire français métropolitain


Le Tableau 3 rassemble les grandes caractéristiques des métadonnées associées à chacune des bases topographiques présentées.

Tableau 3: Métadonnées associées aux bases de données GTOPO30 et SRTM 90m

Identification du lot de données

Titre GTOPO 30 SRTM

Date création et mise à jour 1993 - 1996 2003 - 2006

Thème Modèle d’élévation Modèle d’élévation

Contact et ressources [email protected], http://edc.usgs.gov, http://eros.usgs.gov/

[email protected], http://srtm.csi.cgiar.org/

Références géographiques

Emprise Globe 80% des terres émergées

Echelle - Résolution 30 secondes d’arc – 1km

3 secondes d’arc – 90 m

Système de projection Lat_Long WGS 84 Lat_Long et UTM WGS 84

Qualité du lot de données

Origine Multi sources SRTM IFSAR

Type Grille raster et vectorielle

Grille raster et vectorielle

Précision géométrique X, Y +/- 150 m ; Z +/-30 m

X, Y +/- 20 m ; Z +/- 16 m

Format(s) de diffusion Arc/Info Grid, GeoTiff Arc/Info Grid, HGT, GeoTiff

Droits utilisation et diffusion GTOPO30 Database SRTM 90m Database V3

Il existe également des données de l’IGN, type Bdalti à 50m de résolution. Elles sont en revanche payantes contrairement aux données précédentes.

4.4.2. Occupation du sol

Les données d’occupation du sol disponibles sur la période historique comprise entre 1990 et 2000 sur l’ensemble du territoire français métropolitain proviennent de la base de données géographiques CORINE Land Cover – CLC (Figure 30). Cette base de données a été produite dans le cadre du programme européen « CORINE » de coordination de l’information sur l’environnement.


Figure 30: Extrait de la base de données d’occupation du sol Corine Land Cover sur l’ensemble du territoire français métropolitain

pour l’année de référence 2000

L’IFEN (Institut Français pour l’Environnement) est chargé de la production, de la maintenance et de la diffusion de cette base de données pour la partie française : http://www.ifen.fr . La base données est téléchargeable gratuitement sous réserve d’une inscription et d’un engagement à respecter les droits et conditions d’utilisation : http://www.ifen.fr/clc/CORINE_Land_Cover_-_Condition_Utilisation.htm .

La base de données CLC pour l’année référence 1990 a été réalisée à partir du traitement d’images satellite Landsat MSS et Spot XS acquise entre 1987 et 1994. La mise à jour pour l’année référence 2000 a été réalisée avec des images Landsat ETM+ acquises entre 1999 et 2001. Cette mise à jour a permis d’améliorer la première version en fonction d’un recalage géométrique et de certaines corrections. Elle a aussi conduit à fournir des données répertoriées, classifiées et exploitables de façon homogène sur l’évolution de l’occupation du sol depuis 1990 jusqu’à 2000.

La nomenclature, orientée inventaire biophysique de l’occupation du sol, est hiérarchisée en 3 niveaux homogènes à l’échelle de la couverture territoriale française et européenne. Le premier niveau décrit les cinq principales catégories d’occupation du sol repérables à l’échelle planétaire :

– territoires artificialisés,

– territoires agricoles,

– forêts et milieux semi naturels,

– zones humides,

– surfaces en eau.


Les second et troisième niveaux, utilisables pour des échelles spatiales variant entre 1/1000 000ème et 1/100 000ème, donnent des nomenclatures thématiques d’occupation biophysique du sol respectivement discriminées en 15 et 44 postes.

La base de données CLC présente une résolution spatiale relativement fine qui varie de 250 mètres à 100 mètres. La surface de la plus petite unité cartographiée en terme de seuil de description est de 25 hectares. Cette résolution est donc bien adaptée aux besoins de travaux de raffinement des sorties de modèle prévus selon la méthodologie mise en œuvre à ATMO RA dans le cadre de la présente étude. Elle est en outre compatible avec la BD CARTO de l’IGN pour une éventuelle utilisation conjointe de recensement sur l’extension des surfaces artificialisées (bâti, axes de communication, etc.) entre 1990 et 2000.

Le Tableau 4 donne les principales caractéristiques des métadonnées CLC.

Tableau 4 : Métadonnées associées aux bases de données CLC 1990 et 2000


Titre CORINE Land Cover 1990 et CORINE Land Cover 2000

Date création et mise à jour

Mars 2005

Thème Environnement – Occupation du sol

Contact et ressources [email protected] – www.ifen.fr – www.eea.eu.int


Emprise France métropolitaine – Pays de la CEE

Echelle – Résolution 1/1000 000 au 1/100 000 – Superficie minimale 25 hectares

Système de projection Lambert II étendu


Origine Landsat MSS – Landsat ETM+ - Spot XS

Type Vectoriel - polygones

Précision thématique 3 niveaux répartis respectivement en 5, 15 et 44 postes

Précision géométrique Décalage moyen +/- 20 m par rapport à BD CARTO

Format(s) de diffusion ESRI Arc/Info Export, ESRI Shapefile, MapInfo TAB

Droits utilisation et diffusion

© UE-IFEN 2005

Normes métadonnées ISO 19115


4.5. Données particulières : Bases de données routières

La base de données routières est un élément d’entrée essentiel pour la localisation et l’estimation des émissions des sources linéiques liées au trafic.

Pour une application à l’échelle de la France métropolitaine comme celle envisagée pour l’étude de la cohorte GAZEL, une base de données telle que ROUTE 120® commercialisée par l’IGN suffirait amplement. Cette base de données contient la description de 120 000 km des autoroutes et routes du réseau principal national et régional avec un code de rattachement à la commune qui peut s’avérer utile pour la localisation des membres de la cohorte selon les codes postaux. Elle intègre en outre les tronçons linéiques du réseau ferroviaire et du réseau hydrographique, mais ne fournit pas d’information précise sur l’évolution chronologique des infrastructures transport. Le coût d’acquisition d’une licence s’élève à 900 euros HT pour l’emprise de la France entière.

Tableau 5 : Métadonnées associées à la base de données ROUTE 120® de l’IGN


Titre ROUTE 120

Date création et mise à jour 2005

Thème Infrastructure transport

Contact et ressources http://www.ign.fr


Emprise France métropolitaine

Echelle – Résolution 1/1000 000

Système de projection Lambert II étendu


Origine Scan 1000®

Type Vectoriel - Polylignes

Format(s) de diffusion ESRI Shapefile, MapInfo export, GeoConcept export

Droits utilisation et diffusion Route 120® ©IGN

Un échantillon du jeu de données Route 120® mis gratuitement par l’IGN à disposition sur le web est présenté sur la Figure 31


Figure 31 : Exemple de Route 120® sur le département de l’Isère

Une deuxième possibilité de documentation géolocalisée des sources linéiques liées au trafic peut s’envisager à partir de l’utilisation des jeux de données livrés gratuitement avec les logiciels SIG (MapInfo ou ArcView). Ces jeux de données donnent une description sommaire du réseau routier national et régional avec une discrimination en deux niveaux (cf. carte ci-dessous). Cette information qui peut suffire pour une modélisation à l’échelon national risque cependant d’être limitée quant à l’application prévue de la méthode de l’interpolation par « raffinement de maillage ».


Figure 32 : Base de données routières livrées sous MapInfo Professional

Il est à noter que cette base de données, à l’instar de Route 120®, ne contient pas d’information quant l’évolution chronologique des infrastructures transport. Le recueil de cette information devra alors se faire auprès d’organisme compétent en la matière tel que le Service d’Etudes Techniques des Routes et Autoroutes (SETRA) dépendant du ministère chargé du développement durable : http://www.setra.equipement.gouv.fr .

Il existe également la base de données IGN Route 500®, dont dispose l’InVS et qui pourrait éventuellement la mettre à disposition dans le cadre de cette étude, sous réserve de convention avec l’IGN.


5. Mise en œuvre concrète sur une région et une année tests

L’étude de faisabilité présentée dans la suite synthétise pour l’année 1995 et une zone géographique donnée, à savoir la Haute-Normandie, l’ensemble des données nécessaires pour la mise en œuvre de la méthodologie proposée :

− conditions aux limites pour le modèle de chimie-transport qui sera opéré sur l’Europe,

− conditions aux limites météorologiques,

− topographie de la zone d’étude,

− occupation des sols,

− cartographies des émissions.

Ces données ont fait l’objet d’un traitement qui les rend immédiatement exploitables pour la mise en oeuvre des outils de modélisation déterministe et / ou de méthodes géostatistiques décrites dans la partie 3.

5.1. Présentation détaillée des données

5.1.1. Conditions aux limites des modèles déterministes

La Figure 33 et la Figure 34 montrent des exemples de cartes de concentrations moyennes mensuelles utilisées pour alimenter les simulations de chimie-transport à l’échelle continentale.

Figure 33 : Conditions aux limites en espèces gazeuses : exemple de l'ozone pour le mois d'août


Figure 34 : Conditions aux limites en espèces aérosols : exemple des poussières désertiques pour le mois d'août

L’année choisie pour le cas test étant 1995, les conditions aux limites utilisables pour alimenter les simulations météorologiques à l’échelle continentale sont par exemple celles issues du jeu de données ds082.0 des analyses GDAS-NCEP, de résolution horizontale 2,5° et de résolution temporelle 12h. La Figure 35 montre des champs de température pour une échéance particulière du mois de juillet 1995.

Figure 35 : Exemple de conditions aux limites météorologiques en entrée de MM5 pour le cas test


5.1.2. Topographie

Les cartes de topographies suivantes ont été construites à partir des 2 sources de données présentées au paragraphe 4.3.1. La topographie pour chacune des 2 bases de données a été calculée à la résolution 500m. Source GTOPO30 Légende Source SRTM3

Figure 36 : Cartes de topographie sur la région Haute-Normandie pour les 2 sources GTOP030 et SRTM3


5.1.3. Occupation des sols Corine Land Cover à 250m – année de référence 1990

Figure 37 : Carte d’occupation des sols sur la région Haute-Normandie – situation 1995

5.2. Réseau de mesures

Les cartographies ont été établies sur la base des réponses au questionnaire fournies par AIR NORMAND. Dans les cartes, les stations sont identifiées selon leur typologie.


Figure 38 : Stations de mesures de NOx – situation 1995

Figure 39 : Stations de mesures d’ozone – situation 1995


Figure 40 : Stations de mesures de fumées noires – situation 1995

Figure 41 : Stations de mesures de PM13 – situation 1995


5.3. Cartographies des émissions

Les cartographies des émissions suivantes ont été établies à partir des données EMEP à la résolution 2km. La spatialisation de ces émissions a été réalisée en exploitant 3 types de données :

– L’occupation des sols Corine Land Cover de l’année de référence 1990 obtenue auprès de l’EEA.

– Le géo-référencement des routes maritimes en Manche obtenues à partir de l’Atlas Transmanche (Cross Channel Atlas) et d’AIR NORMAND. Les zones d’attente et de navigation du port du Havre ont été fournies par AIR NORMAND. Le géo-référencement des routes maritimes s’est attaché à respecter les dispositifs de séparation du trafic (DST des Casquets et du Pas de Calais). Les itinéraires de trafic roulier et de passager ont également été pris en considération. Les émissions identifiées comme « émissions maritimes » dans EMEP ont été spatialisées sur la base de ces routes maritimes. Un travail plus approfondi sera néanmoins nécessaire afin d’étendre cette méthode à l’ensemble du territoire.

– Les bases de données routes livrées avec le logiciel MAPINFO® ont également été exploitées pour spatialiser les émissions liées au trafic fournies par EMEP, en complément de l’occupation des sols. L’exploitation seule de CORINE LAND COVER a en effet tendance à trop concentrer les émissions au niveau des centres urbains puisqu’à 250m, les grands axes routiers ne sont pas distingués. Dans cette base de données « routes », 3 niveaux d’axe sont considérés :

o RMO : autoroutes

o RPR : routes nationales principales

o RIR : routes importantes.

Un facteur de pondération a été appliqué afin de différencier les 3 types de routes en termes de potentiel d’émission. Les facteurs établis sont relatifs à l’émission en milieu urbain. On a considéré les facteurs suivants pour les 3 types de routes :

Type de route Facteur de pondération par rapport au milieu urbain

RMO 3.0 RPR 1.3 RIR 0.8

Ces facteurs ont été établis, de manière exploratoire, sur la base de comparaisons entre axes routiers autoroutes, routes nationales et axes importants. Ces facteurs seront bien sûr à définir plus précisément dans le futur.

Les émissions de PM pour l’année 1995 ont été estimées à partir des émissions de l’année 2000 et des émissions nationales disponibles sur le site de l’EEA pour les années 1990-2005 (http://dataservice.eea.europa.eu/dataservice/metadetails.asp?id=1006). Les tendances fournies dans ces données pourront être exploitées au niveau national mais également au niveau européen afin d’alimenter le modèle continental. Une attention particulière devra être portée concernant ces émissions dont les niveaux (pour les pays de l’Europe de l’Est, par exemple) ne sont pas toujours cohérents.


Il est à noter qu’aucun traitement particulier n’a été appliqué sur les sources industrielles. Ces sources devront être extraites avant spatialisation puis réintroduites dans le cadastre obtenu.

Dans les cartographies suivantes sont présentées les émissions moyennes annuelles pour 1995 obtenues pour les polluants COV non méthaniques, oxydes d’azote, particules PM10 et PM2.5 et oxydes de soufre.

Figure 42 : Emissions moyennes annuelles de COV non méthaniques – année 1995


Figure 43 : Emissions moyennes annuelles de NOx – année 1995

Figure 44 : Emissions moyennes annuelles de PM10 – année 1995


Figure 45 : Emissions moyennes annuelles de PM25 – année 1995

Figure 46 : Emissions moyennes annuelles de SOx – année 1995


5.4. Synthèse

L’alimentation en conditions aux limites et en données statiques des deux modèles MM5 et CHIMERE n’a pas présenté de difficultés particulières :

– Deux années de référence sont disponibles pour l’occupation des sols, 1990 et 2000. Ces données sont couramment exploitées en opérationnel.

– Les deux données topographiques sont également couramment utilisées. Une exploitation de la base de données haute résolution pourra être opérée si, après évaluation, cela s’avère pertinent en zone montagneuse.

– Les climatologies MOZART/INCA et GOCART seront utilisées quelles que soient les années étudiées. L’étude de faisabilité s’est donc limitée à démontrer les capacités à extraire et interpréter ces données climatologiques.

– Les données météorologiques globales devant alimenter le modèle régionale MM5 ont également pu être téléchargées et cartographiées.

L’alimentation du système en émissions a permis de mettre en évidence un certain nombre de points à consolider. L’année 1995 sélectionnée correspondait à une année pour laquelle les émissions spatialisées EMEP ne sont pas disponibles pour les particules. Ces émissions ont donc été construites sur la base des émissions spatialisées pour 2000 et de facteurs d’évolution issus des déclarations nationales et disponibles sous le nom « EEA aggregated and gap filled air emission data » sur le site de l’EEA à l’adresse Internet suivante :

http://dataservice.eea.europa.eu/dataservice/metadetails.asp?id=1006 .

Dans le cadre du projet proposé, ces tendances interannuelles devront non seulement être calculées pour la France mais également pour l’ensemble des pays européens puisque les besoins en terme d’émissions se situent à la fois au niveau national mais également au niveau européen, sur les 2 niveaux d’imbrication définis dans le projet. L’analyse de ces tendances interannuelles a révélé un certain nombre d’incohérences concernant ces déclarations : si les facteurs semblent à peu près homogènes au niveau des pays d’Europe occidentale, en revanche, de gros écarts sont observables pour les pays d’Europe de l’Est. Second exemple, les déclarations nationales des émissions de PM2.5 pour l’Italie ne sont pas disponibles. Une analyse et une expertise fine de ces déclarations seront en conséquence indispensables.

Concernant les émissions liées au trafic maritime, seules les émissions de NOX et SOX sont significatives et apparaissent dans les cartographies. Les émissions de PM sont quant à elles inférieures d’un facteur 50 à 100 par rapport aux émissions terrestres. Ces écarts entre types de polluants devront être analysés afin d’être confirmés ou infirmés : une analyse comparée des méthodologies de calcul permettra de valider ce calcul.


6. Discussion-conclusion

6.1. Synthèse des données nécessaires

Les données impliquées dans l’étude de faisabilité de la cohorte GAZEL ont été rassemblées et listées dans le tableau ci-dessous.

Tableau 6 : Synthèse de la disponibilité temporelles des données

TYPE DONNEES NOM 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 07

QDAFD Atmo NO2

SO2O3ParticulesBenzène

GEOGRAPHIEBD Routière ROUTE 120Occupation sol CLCTopographie GEOTOPO30

MOD DETCL gaz RETROCL gaz - climat. MOZARTCL gaz LMDZ-INCACL aerosols GOCARTCL Météo NCEP GDASCL Météo NCEP NCARCL Météo ECMWF

EMISSIONSEMEP gazEMEP particulesCITEPAGEREPGIC

LegendeDonnées à estimerDonnées existantesDonnées constantes

Une tendance attendue se dégage ; plus l’année d’étude est ancienne, plus il est nécessaire de reconstruire la donnée car elle n’existe pas toujours. Cette tendance est valable pour les quatre catégories suivantes : mesures de la qualité de l’air, géographie, conditions limites pour la modélisation déterministe et émissions.

Cependant, certaines données peuvent être supposées comme constantes, i.e. sans variabilité interannuelle sur la période d’étude de la cohorte. Il s’agit des données relatives à la topographie et aux conditions limites MOZART, GOCART et LMDZ-Inca nécessaires au fonctionnement du modèle CHIMERE. D’autre part la présence de données RETRO donne une souplesse supplémentaire pour la disponibilité des conditions limites chimiques.

Concernant les conditions limites météorologiques pour le modèle MM5, il ne semble pas y avoir de problème majeur dans la disponibilité des données ad hoc.

Les émissions EMEP sont disponibles depuis 1990. Elles couvrent l’ensemble du continent européen


mais à basse résolution. Elles sont parfois absentes ou incohérentes sur la période 1989-2000 et nécessitent un retraitement temporel. En particulier, les émissions de particules ne sont pas disponibles sur la période 1989-1999 et devront faire l’objet d’une reconstitution.

Quant aux données de mesures de la qualité de l’air, il semble exister une bonne disponibilité des données pour les 5 dernières années et pour tous les polluants. Avant l’année 2000, la disponibilité des données est très inégale selon les 13 régions françaises auditées.

6.2. Synthèse méthodologique

Compte tenu de cet état des lieux la méthodologie décrite dans le document est synthétisée à l’aide du schéma ci-dessous.

Données géographiques en entrée

Altimétrie :GTOPO 30 – Résolution 1km

SRTM – Résolution 90 m

Occupation du sol :Corine Land Cover (1990 – 2000)

Résolution 1/100 000

Linéaire trafic :Route 120® - Résolution 1/1000000

Lot données SIG (MI/AV)







Lot données SIG (MI/AV)







Lot données SIG (MI/AV)Traitements géostatistiques

Krigeage des différencesen sortie de

modèle :Scripts langage R

Croisement des résultats avec les

éléments de la cohorte GAZEL géolocalisés au

code postal

Traitements géostatistiques

Krigeage des différencesen sortie de

modèle :Scripts langage R

Croisement des résultats avec les

éléments de la cohorte GAZEL géolocalisés au

code postal

Contrôle précision des résultatsCalcul et cartographie des écarts-

type d’erreur d’estimation

Contrôle précision des résultatsCalcul et cartographie des écarts-

type d’erreur d’estimation

Polluants gazeux : MOZART2 / LMDz-INCAAérosols : GOCART

Climatologies chimiques Conditions aux limites météorologiquesNCEP ds082.0 / 083.0 / .2

NCEP-NCAR / ECMWFPolluants gazeux : MOZART2 / LMDz-INCA

Aérosols : GOCART

Climatologies chimiquesPolluants gazeux : MOZART2 / LMDz-INCA

Aérosols : GOCART

Climatologies chimiques Conditions aux limites météorologiquesNCEP ds082.0 / 083.0 / .2

NCEP-NCAR / ECMWF

Conditions aux limites météorologiquesNCEP ds082.0 / 083.0 / .2

NCEP-NCAR / ECMWF

MM5 Grille Europe 30km

MM5 Grille France 10km

Modèle météorologique

MM5 Grille Europe 30km

MM5 Grille France 10km

Modèle météorologique

CHIMERE Grille Europe 30km

CHIMERE Grille France 10km

Modèle de chimie-transport

CHIMERE Grille Europe 30km

CHIMERE Grille France 10km

Modèle de chimie-transport

Données de mesures

Données de mesures des AASQA : BDQA

Données de mesures

Données de mesures des AASQA : BDQA

Travail des émissions

Emissions France

Données d’émissions

EMEP Europe

Emissions Europe

Emissions kilométriques

Travail des émissions

Emissions France

Données d’émissions

EMEP Europe

Emissions Europe

Emissions kilométriques

Descente d’échelle – Raffinement de maillageTopographie, Industries, Routier

NO2, SO2, PM2.5, PM10, C6H6

Descente d’échelle – Raffinement de maillageTopographie, Industries, Routier

NO2, SO2, PM2.5, PM10, C6H6

Résolution : 2 km

Echelon territoire national Résolution : 10 km

Echelon territoire national

Echelon européen Résolution : 30 km

Résolution : 2 km

Echelon territoire national Résolution : 10 km

Echelon territoire national

Echelon européen Résolution : 30 km

Figure 47 : Schéma de la chaîne de production cartographique des données de pollution pour l’étude GAZEL

Le cœur de cette méthode est le traitement géostatistique combinant la prise en compte des données discrètes des observations aux sols et les résultats des concentrations simulées par une approche déterministe. Cette méthode présente bien sûr des avantages et des inconvénients.


Avantages

• La mise en œuvre complète à l’échelle nationale bénéficiera de l’expertise de terrain et de la disponibilité des mesures de qualité de l’air de l’ensemble des AASQA. A titre d’exemple, on peut citer les échanges concernant les émissions liées au trafic maritime avec AIR NORMAND lors de l’évaluation de la méthodologie sur la région Haute-Normandie.

• Homogénéité : cartographie possible sur l’ensemble du territoire français. L’utilisation d’une chaîne de modélisation déterministe permet d’assurer une cohérence sur l’ensemble des années étudiées.

• Méthode applicable même si il n’existe pas de données de la qualité de l’air sur l’ensemble du territoire français. Ce point est important car la distribution géographique des individus de la cohorte GAZEL n’est pas exclusivement urbaine. Au contraire, de très nombreux individus de la cohorte sont situés en zone rurale, justement là où les mesures de qualité de l’air sont très pauvres.

• Assimilation des observations au sol : la modélisation déterministe fournit une information là où la mesure n’existe pas. Les outils géostatistiques permettent de corriger les concentrations simulées en tenant compte des mesures de qualité de l’air lorsqu’elles existent.

• Le calcul proposé s’effectue en mode analyse, i.e. en intégrant l’ensemble des données météorologiques et chimiques qui ont été observées dans le passé.

Inconvénients

• La méthode exige de disposer de données d’émissions sur tout le territoire français et européen. On s’appuie sur les données EMEP. Au niveau européen et national, une expertise est nécessaire en particulier sur la reconstitution des émissions de poussières. Au niveau national, la faible résolution spatiale des émissions EMEP impose un retraitement local notamment pour les émissions industrielles et routières.

• Temps de calcul du couple MM5-CHIMERE-EMISSIONS: ~9 mois estimés + (cf. tableau ci-dessous).

Le travail proposé doit permettre de disposer de données fines (spatialement et temporellement) de qualité de l’air. L’ensemble de ces données, à la fois les données d’entrée des modèles (émissions, météo, mesures) mais aussi les résultats obtenus, constitueront une base de données à forte valeur ajoutée pour l’ensemble des acteurs qui s’intéressent aux liens « qualité de l’air » et « santé ».

Concernant les temps de calcul, un découpage des calculs selon les années sera mis en oeuvre par les 4 structures : ASPA ; AIRPARIF ; ATMO RA ; ATMO PACA. Il sera ainsi possible de réduire la durée totale du calcul à environ 3 mois. Ceci suppose que soit dupliquée la même chaîne de calcul sur les différentes stations de travail disponibles. Si le calcul est réparti entre plusieurs centres de calcul, il faudra veiller à ce que les options de modélisation retenues soient bien équivalentes.


6.3. Synthèse des unités d’œuvre

Dans le tableau ci-dessous, est présentée une première estimation des Unités d’Oeuvres nécessaires pour le calcul des 18 dernières années de la cohorte GAZEL, soit la période 1990-2007.

Tableau 7 : Estimations possibles des Unités d’Oeuvre

Emissions UO (j) CPU (j) Stockage (Go)Données EMEP

récupération 1mise en BDD 1adaptation (via données nationales et européennes) 10

récupération CLC 1990 et 2000 5adaptation CLC aux besoins GAZEL 5Traitements particuliers par polluant- création tables géoréférencées GSP et grands axes routiers 40

Réalisation 18 cadastres 20 40

Vérification / validation 10réalisation de cartes 9

Sous-Total 101 40 0

Chimie-transport UO (j) CPU (j) Stockage (Go)

récupération / comparaison LMDz / RETRO 5

récupération (toutes années) 5Runs MM5

calage du modèle 7Mise en place des calculs (toutes années) 15Réalisation pour 18 années 74 6480

Runs CHIMEREcalage du modèle 7Mise en place des calculs (toutes années) 15

162 72


10Sous-Total 99 236 6552

UO (j) CPU (j) Stockage (Go)Mesures

récupération 10analyse des données 20mise en BDD 15

30Analyse des stations à utiliserChoix de la méthode de krigeageStations virtuelles (PM)

30Mise en place des calculs (toutes années) 5 20


Sous-Total 129 5 360

Coordination projet UO (j) CPU (j) Stockage (Go)Echange de données 10Gestion informatique 15Réunions 30Rapports 10

Sous-Total 65

TOTAL UO 394 281 6912

Investissement Prix (kEuros)Calculateurs 28Matériel de stockage 10Achat de données

Sous-Total 38

TOTAL global (kEuros) 235

Vérification / validation / postraitement

Réalisation pour 18 années (Europe + France) - couche de surfaceVérification / validation / postraitement

Raffinement de maillage

Assimilation de données

Développements méthodo

Mise en œuvre des calculs

Réalisation du cadastre à la résolution souhaitée

Vérification / validation / postraitement

Conditions aux limites (évaluation LMDz/RETRO)

Météo grande échelle


Le temps de calcul (CPU) est estimé à environ 9 mois. En première approximation, le montant total des UO, en jours, s’élève à 394 jours. Cette estimation intègre une participation du CITEPA à trois niveaux :

– Adaptation des données EMEP via données nationales et européennes,

– Traitements particuliers par polluant,

– Vérification/validation.

Cette participation est estimée en première approximation à une vingtaine de jours.

Si le coût de la journée est fixé à 500 €, le montant du projet s’élève à 235 k€. Ce montant correspond à une première estimation et mériterait d’être affiné afin de répondre aux exigences de l’InVS en terme de réalisation et de planification.


Bibliographie

Bobbia, M., V. Pernelet, C. Roth. L’intégration des informations indirectes à la cartographie géostatistique des polluants. Revue Pollution Atmosphérique n° 170 2001, pp. 251-261

CHIMERE, Documentation of the chemistry-transport model CHIMERE, version V200709A, http://euler.lmd.polytechnique.fr/chimere/downloads/CHIMEREdocV200709v2.pdf

Dudhia, 1993, http://www.mmm.ucar.edu, http://www.mmm.ucar.edu/mm5/doc1.html, http://www.mmm.ucar.edu/mm5/Publications/mm5-papers.html

Elichegaray, C. et al. Plan santé-environnement. Contribution au bilan des expositions aux nuisances environnementales en France : le milieu atmosphérique, tendances et perspectives. Revue Pollution Atmosphérique, n° 181 JANVIER-MARS 2004, pp. 55-64.

Ginoux, P., Chin, M., Tegen, I., Prospero, J. M., Holben, B., Dubovik, O., and Lin, S.-J., 2001, Sources and distributions of dust aerosols simulated with the GOCART model. J. Geophys. Res., 106:20255–20273.

Hauglustaine, D. A., Hourdin, F., Jourdain, L., Filiberti, M.-A., Walters, S., Lamarque,J.-F., and Holland, E. A. (2004). Interactive chemistry in the Laboratoire de Meteorologie Dynamique general circulation model: Description and background tropospheric chemistry evaluation. J. Geophys. Res., 109(D04314). doi:10.1029/2003JD003,957.

Horowitz, L.W., S. Walters, D.L. Mauzerall, L.K. Emmons, P.J. Rasch, C. Granier, X. Tie, J.-F. Lamarque, M.G. Schultz, G.P. Brasseur, A global simulation of tropospheric ozone and related tracers: Description and evaluation of MOZART, version 2, J. Geophys. Res., 2003, http://www.mpimet.mpg.de/fileadmin/models/moz2_paper.pdf

IFEN, Département des méthodes données et synthèses, Unité Administration et traitement des données. Guide d’utilisation des données CORINE land cover 2000. Réf. DMDS/UATD/FB/05-026, Avril 2005, 15 p.

IFEN and European Environment Agency. CORINE land cover 2000 for France – Final Report, May 2005, 23 p.

Jeannée, N. et al. Contributions pratiques d’une géostatistique raisonnée en environnement : méthodes et application à la cartographie nationale de la pollution par l’ozone en France. Congrès GEOEVENEMENT, 2-4 mars 2003, Paris, 7 p.

Jeannée, N. et al. Evaluation de l’exposition en zones urbaines à la pollution atmosphérique : méthodes existantes et application aux PM10 en France métropolitain. Revue Pollution Atmosphérique n° 190 AVRIL-JUIN 2006, pp. 197-209

MOZART, http://www.mpimet.mpg.de/en/wissenschaft/modelle/mozart.html

Perron, G. et N. Jeannée. Cartographie régionale NO2, C6H6, O3 en Alsace : mesures du 20 janvier au 17 mars et du 11 mai au 7 juillet 2004. Rapport ASPA 05020802 – ID, 47 p.

Rabus, B., M. Eineder, A. Roth, R. Bamler, 2003, The shuttle radar topography mission- a new class of digital elevation models acquired by spaceborne radar, Photogramm. Rem. Sens., v. 57, p. 241-262.


Rodriguez, E., C.S. Morris, J.E. Belz, E.C. Chapin, J.M. Martin, W. Daffer, S. Hensley, 2005, An assessment of the SRTM topographic products, Technical Report JPL D-31639, Jet Propulsion Laboratory, Pasadena, California, 143 pp.

Schultz, M.G. et al., REanalysis of the TROpospheric chemical composition over the past 40 years (RETRO) — A long-term global modeling study of tropospheric chemistry, Final Report, Jülich/Hamburg, Germany, August 2007, Published as report no. 48/2007 in the series „Reports on Earth System Science“ of the Max Planck, Institute for Meteorology, Hamburg, ISSN 1614-1199, Project web page: http://retro.enes.org, Ftp server: ftp://ftp.retro.enes.org

U.S. Geological Survey, 1993. Digital elevation models, data user guide 5. Reston, Virginia, 50 p.


Liste des Figures Figure 1 : ALSACE : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources : GAZEL/BDQA/IGN GEOFLA©, exploitation InVS).................................................... 9

Figure 2 : ILE DE FRANCE : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources : GAZEL/BDQA/IGN GEOFLA©, exploitation InVS) .................................. 10

Figure 3 : RHONE-ALPES : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources : GAZEL/BDQA/IGN GEOFLA©, exploitation InVS) .................................. 11

Figure 4 PACA : Répartition géographique des sujets de la cohorte GAZEL (a) 1990 (b) 1999, (c) 2007 (sources : GAZEL/BDQA/IGN GEOFLA©, exploitation InVS).................................................. 12

Figure 5 : classement des codes postaux par classe de superficie en km2 .............................................. 13

Figure 6 : Exemple de cartographie des concentrations moyennes annuelles en O3 sur la France en µg/m3 (les croix sont proportionnelles aux valeurs des mesures disponibles sur le réseau) – Cokrigeage colocalisé avec combinaison linéaire de cofacteurs associés à l’altimétrie et les postes d’occupation du sol CLC (source : N. Jeannée et al., 2003)................................................................... 15

Figure 7 : Carte d’écart type d’erreur d’estimation résultant du modèle d’interpolation -Cokrigeage colocalisé avec combinaison linéaire de cofacteurs associés à l’altimétrie et les postes d’occupation du sol CLC (source : N. Jeannée et al., 2003).............................................................................................. 15

Figure 8 : Champs de concentrations simulés avec CHIMERE à l'échelle européenne : ozone ............ 17

Figure 9 : Champs de concentrations simulés avec CHIMERE à l'échelle de la France : dioxyde d’azote..................................................................................................................................................... 18

Figure 10 : Champs météorologiques issus de calculs avec le modèle MM5 à l’échelle continentale .. 19

Figure 11 : Champs météorologiques issus de calculs avec le modèle MM5 à l’échelle nationale ....... 19

Figure 12 : Grille envisagée pour les simulations déterministes sur l'ensemble du domaine d'étude .... 20

Figure 13 : Grille envisagée pour le calcul des conditions aux limites du domaine d'étude .................. 20

Figure 14 : Répartition des émissions sur les maillages grossier et fin .................................................. 22

Figure 15 : Concentration max de NO2, résolution 6km......................................................................... 23

Figure 16 : Concentration max de NO2, résolution 1km......................................................................... 23

Figure 17 : Concentration moyenne d’ozone, résolution 6km................................................................ 24

Figure 18 : Concentration moyenne d’ozone, résolution 1km................................................................ 24

Figure 19 : Exemple d’optimisation de la cartographie en sortie de modèle à l’aide d’un krigeage des différences aux points de mesures (ASPA 2007).................................................................................... 26

Figure 20 : Cartographie des concentrations moyennes annuelles en PM10 sur la France pour l’année 2000, en µg/m3 (mesures disponibles représentées par les points noirs) : modèle combinant les


mesures de PM10, NOx avec les résultats de la modélisation déterministe. .......................................... 27

Figure 21 : Carte des stations de mesures de la région Rhône-Alpes en 1994 (17 stations industrielles, 11 stations trafic, 17 stations urbaines, 5 stations périurbaines .............................................................. 29

Figure 22 : Carte des stations de mesures de la région Rhône-Alpes en 2004 (12 stations industrielles, 16 stations trafic, 30 stations urbaines, 14 stations périurbaines, 3 rurales) ........................................... 29

Figure 23 : Schéma général pour la reconstitution des cadastres ........................................................... 31

Figure 24 Exemple de champs météorologiques issus des analyses NCEP : températures et champs de vents ........................................................................................................................................................ 35

Figure 25: Exemple de champs de concentrations issus de LMDz-INCA : dioxyde d’azote................. 37

Figure 26 : Séries temporelles des moyennes annuelles et saisonnières des concentrations d'ozone mesurées à la station de fond du Hohenpeissenberg de 1970 à 2005. Données fournies par S. Gilge, DWD, graphique issu du rapport final du projet RETRO ...................................................................... 38

Figure 27 :Exemple de champs de concentrations issus de GOCART : sulfates ................................... 38

Figure 28: Extrait de la base de données MNT GTOPO30 sur l’ensemble du territoire français métropolitain ........................................................................................................................................... 39

Figure 29 : Extrait de la base de données MNT SRTM sur l’ensemble du territoire français métropolitain ........................................................................................................................................... 40

Figure 30: Extrait de la base de données d’occupation du sol Corine Land Cover sur l’ensemble du territoire français métropolitain pour l’année de référence 2000............................................................ 42

Figure 31 : Exemple de Route 120® sur le département de l’Isère ........................................................ 45

Figure 32 : Base de données routières livrées sous MapInfo Professional............................................. 46

Figure 33 : Conditions aux limites en espèces gazeuses : exemple de l'ozone pour le mois d'août ....... 47

Figure 34 : Conditions aux limites en espèces aérosols : exemple des poussières désertiques pour le mois d'août .............................................................................................................................................. 48

Figure 35 : Exemple de conditions aux limites météorologiques en entrée de MM5 pour le cas test.... 48

Figure 36 : Cartes de topographie sur la région Haute-Normandie pour les 2 sources GTOP030 et SRTM3.................................................................................................................................................... 49

Figure 37 : Carte d’occupation des sols sur la région Haute-Normandie – situation 1995 .................... 50

Figure 38 : Stations de mesures de NOx – situation 1995 ...................................................................... 51

Figure 39 : Stations de mesures d’ozone – situation 1995...................................................................... 51

Figure 40 : Stations de mesures de fumées noires – situation 1995 ....................................................... 52

Figure 41 : Stations de mesures de PM13 – situation 1995 .................................................................... 52

Figure 42 : Emissions moyennes annuelles de COV non méthaniques – année 1995............................ 54

Figure 43 : Emissions moyennes annuelles de NOx – année 1995 ........................................................ 55


Figure 44 : Emissions moyennes annuelles de PM10 – année 1995 ...................................................... 55

Figure 45 : Emissions moyennes annuelles de PM25 – année 1995 ...................................................... 56

Figure 46 : Emissions moyennes annuelles de SOx – année 1995 ......................................................... 56

Figure 47 : Schéma de la chaîne de production cartographique des données de pollution pour l’étude GAZEL.................................................................................................................................................... 59

Liste des Tableaux

Tableau 1 : Temps de calcul des modèles déterministes possibles pour les simulations dans le cadre du projet GAZEL ........................................................................................................................................ 21

Tableau 2 : Principaux secteurs émetteurs pour les indicateurs de pollution pris en compte................. 33

Tableau 3: Métadonnées associées aux bases de données GTOPO30 et SRTM 90m............................ 41

Tableau 4 : Métadonnées associées aux bases de données CLC 1990 et 2000 ...................................... 43

Tableau 5 : Métadonnées associées à la base de données ROUTE 120® de l’IGN ............................... 44

Tableau 6 : Synthèse de la disponibilité temporelles des données ......................................................... 58

Tableau 7 : Estimations possibles des Unités d’Oeuvre ......................................................................... 61

Tableau 8 : Etat des lieux des données de mesures disponibles de 1975 à nos jours dans les AASQA. 68


Annexe 1 : Disponibilité des données de mesure de 1975 à nos jours

Tableau 8 : Etat des lieux des données de mesures disponibles de 1975 à nos jours dans les AASQA

Région AASQA compétente Remarques 1 Aquitaine AIRAQ Des stations n’ont jamais été gérées par AIRAQ.

Pour les données antérieures à 1998, les données ne sont pas propriétés d’AIRAQ, mais de plusieurs organismes différents (industriels, laboratoires, APPA…). Autorisation à demander par AIRAQ pour transmission de ces données.

2 Bretagne AIRBREIZH 3 Basse-Normandie AIRCOM Ce n’est pas l’intégralité des stations ; il est possible

de compléter si nécessaire. Voir le réseau manuel entre 1975 et 1979

4 Haute-Normandie AIRNORMAND 5 Ile-de-France AIRPARIF 6 Alsace ASPA 7 Champagne-Ardennes ATMO-Champagne-

Ardennes Données en fumées noires et acidité forte depuis 1975 qui peuvent être fournies si nécessaire

8 Nord Franche-Comté ARPAM Il manque quelques renseignements qui pourront peut-être être fournis par la suite, avec des recherches plus approfondies dans les archives

9 Rhône-Alpes ATMO-Rhône-Alpes 10 Etang de Berre – Ouest

des Bouches-du-Rhône AIRFOBEP

11 Provence-Alpes-Côte d’Azur

ATMO-PACA Les données ont été compilées tous types de stations confondus

12 Corse Qualitair Corse Pas d’historique pour Qualitair Corse (données disponibles dans la BDQA). Pour des données avant 2004, la DRIRE peut les fournir, mais ce sont des données qui ont été critiquées pour cause de maintenance approximative

13 Languedoc-Roussillon AIRLR

Pour chaque polluant, chaque AASQA et chaque station de mesure, on a calculé le ratio du nombre de jours de fonctionnement de la station / nombre de jours de l’année, ceci pour chaque année de la période 1975 – 2007 ; ainsi, le chiffre 1 signifie que la station considérée était en fonctionnement tout au long de l’année considérée. On a ensuite cumulé ces ratios pour chaque année, en distinguant les types de stations suivants : périurbain (P), rural (R), urbain (U). Pour le benzène, on a fait apparaître tous les types de stations pour lesquelles on dispose de mesures : périurbain, rural ou urbain mais aussi industriel (I) et trafic (T).

Ceci donne une idée du nombre maximum de stations potentiellement en fonctionnement sur la période d’intérêt. L’historique relatif aux données d’ATMO-PACA est traité différemment : figure dans les tableaux le nombre de stations – tous types confondus – pour lesquelles plus de 75% des données sont valides pour l’année considérée ; le nombre de stations pour l’année 2007 (en italique) doit encore être consolidé.

Par souci de simplification, les tableaux récapitulatifs ne commencent qu’à l’année de la première mesure disponible pour l’AASQA et le polluant considérés.


O3 1 2 3 4 5 6 7 8 9 10 11 13

P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U 81 2.00 82 0.62 2.00 0.80 83 1.00 2.00 1.00 84 1.00 2.00 1.00 85 1.00 2.00 0.84 1.00 86 1.00 1.52 1.96 1.00 0.42 1.00 87 1.00 1.25 2.00 2.00 1.00 1.00 1.00 88 1.00 2.00 3.00 2.30 0.92 1.00 0.93 1.00 89 1.00 1.00 1.91 3.00 2.00 1.00 1.00 1.00 1.00 90 0.67 1.00 1.00 1.00 3.00 0.42 2.02 1.00 1.00 1.00 1.00 2 91 1.00 1.00 1.00 1.73 0.53 2.75 1.00 3.00 1.00 1.00 1.00 1.00 2 92 1.00 1.00 1.00 2.00 2.00 3.52 1.00 3.00 1.00 1.00 1.00 1.00 0.94 1.00 2 93 1.00 0.17 0.33 1.00 1.00 2.00 2.63 4.00 1.13 3.00 1.07 1.00 1.00 1.00 1.00 1.33 4 94 1.00 0.59 1.00 1.00 1.00 1.00 2.78 3.00 4.57 2.21 3.00 1.79 1.00 1.00 1.00 1.76 3.75 2.04 6 95 1.00 1.00 1.00 1.00 1.00 0.64 1.00 3.60 3.00 5.21 3.00 3.00 1.92 1.00 1.59 1.00 2.37 5.42 3.00 6 1.50 96 1.00 1.00 1.00 1.00 1.00 1.00 1.00 4.00 3.00 6.00 3.00 3.54 3.00 1.00 2.00 1.00 4.00 1.46 6.24 3.00 11 2.00 97 1.00 1.28 1.00 2.00 1.59 2.67 1.00 1.00 4.27 0.06 3.00 6.00 3.00 4.00 3.00 1.00 2.00 1.00 4.92 2.96 8.13 0.98 4.67 13 2.55 98 1.81 5.52 1.00 2.00 2.00 3.00 1.33 1.00 5.00 1.63 3.66 7.36 3.92 4.00 3.92 1.00 2.00 2.00 0.84 7.35 3.00 13.35 1.00 0.61 6.00 18 0.24 4.92 99 2.00 7.83 1.00 2.00 3.16 3.00 2.79 1.41 6.01 2.68 5.54 9.53 5.00 4.00 4.67 1.00 2.00 3.00 1.00 9.17 3.00 17.15 1.00 2.23 7.29 30 1.00 6.94 00 2.00 8.00 1.00 2.00 5.08 3.58 3.63 2.00 6.01 3.61 6.65 10.89 5.00 4.00 6.00 1.00 4.00 3.00 1.00 10.53 3.00 18.08 1.00 3.00 1 32 1.37 6.45 01 2.00 8.00 1.00 2.00 6.76 4.00 4.92 2.00 6.00 4.00 7.00 11.32 5.00 4.00 6.00 2.00 1.00 3.00 3.00 1.00 11.00 3.00 19.88 1.00 3.00 1 33 2.00 6.00 02 1.42 2.00 9.07 1.00 2.00 9.00 4.00 5.00 2.00 6.00 4.00 7.39 12.78 5.00 4.00 6.00 4.00 1.00 4.00 3.00 1.00 0.50 11.92 3.22 19.62 1.00 3.00 1 36 2.54 0.67 6.00 03 2.98 2.00 10.31 1.00 2.00 9.84 4.00 5.60 2.00 6.00 4.00 8.00 13.00 5.00 4.00 6.00 4.00 1.00 4.00 3.00 1.00 1.00 12.66 4.00 21.10 1.00 3.00 1 33 3.00 1.62 5.79 04 3.00 2.00 11.78 1.00 2.00 11.00 3.00 6.00 2.00 6.00 4.49 8.00 13.77 5.00 4.00 6.00 4.00 1.00 4.00 3.00 1.00 1.00 13.01 5.09 25.38 1.00 3.00 10.73 32 3.00 2.56 5.58 05 3.00 2.00 12.00 1.00 2.00 12.00 3.00 6.00 2.00 5.17 4.50 8.00 14.95 5.00 4.00 6.00 4.00 1.00 5.00 3.00 1.00 1.00 13.43 8.00 26.00 1.00 3.00 11.00 30 3.00 3.00 6.00 06 3.00 2.00 12.00 1.00 2.00 12.00 3.00 6.00 2.00 5.00 4.00 8.00 15.00 5.00 4.00 6.00 5.00 1.00 5.00 3.00 1.00 1.00 14.00 9.85 27.42 1.00 3.00 10.41 33 3.00 3.00 6.00 07 3.00 2.00 12.00 1.00 2.00 12.00 3.00 6.00 2.55 5.51 4.00 8.00 15.00 5.00 4.00 5.01 5.00 1.00 5.00 3.00 1.00 1.00 14.00 9.77 27.97 1.00 3.00 7.52 35 3.00 4.29 6.00


NO2 1 2 3 4 5 6 7 8 9 10 11 13 P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U

79 0.75 1.50 80 1.00 2.00 81 1.00 2.00 2.00 82 1.00 2.00 2.80 83 1.00 2.00 0.99 3.00 84 1.00 2.00 1.00 0.22 3.00 85 1.00 2.00 0.84 1.00 1.00 3.00 86 1.00 1.58 1.99 1.00 1.00 0.42 1.00 3.00 87 1.00 1.14 2.00 2.00 1.00 1.00 1.00 1.00 3.00 88 1.00 1.69 2.87 2.30 0.92 1.00 1.00 1.00 3.00 0.85 89 1.00 1.00 3.00 0.29 2.00 1.29 1.00 1.00 1.00 3.00 2.00 90 0.67 1.00 1.00 3.00 1.00 2.42 2.00 1.00 1.00 3.00 9 2.00 91 1.00 1.00 0.48 1.50 4.53 1.00 3.00 3.75 1.00 1.41 1.00 3.00 9 2.00 92 1.00 1.00 1.00 3.34 0.56 0.67 6.88 1.00 3.00 4.69 1.00 2.00 1.07 3.00 9 2.00 93 1.00 0.33 1.00 1.00 4.00 1.12 2.00 9.11 1.00 3.00 5.91 1.00 2.23 2.36 3.00 9 2.00 94 1.00 0.59 1.50 1.00 1.00 4.00 2.00 2.00 14.09 1.21 3.80 5.79 2.00 0.84 1.00 3.00 5.20 3.00 12 1.34 95 1.00 1.00 2.00 1.00 1.00 4.41 2.00 2.00 16.27 2.00 4.00 4.99 1.00 3.00 1.00 1.00 3.00 6.42 3.65 12 2.81 96 1.00 1.00 2.00 1.75 1.00 5.00 2.00 2.00 17.44 2.00 4.00 5.00 1.00 3.00 1.00 1.00 3.00 1.48 7.24 4.94 18 3.00 97 1.00 1.01 1.00 2.00 2.59 1.00 5.00 2.06 2.00 17.00 2.00 4.00 5.00 1.00 2.00 1.59 1.00 3.42 2.00 9.10 0.98 6.16 19 3.53 98 1.00 5.64 1.00 2.25 3.50 1.00 5.00 3.64 1.56 16.77 2.92 4.00 5.92 1.00 4.00 2.00 1.00 4.74 2.00 14.16 1.00 7.00 25 4.46 99 1.00 7.83 1.00 4.83 4.00 1.00 6.84 4.00 1.50 18.00 3.00 4.00 6.67 1.00 5.00 2.00 1.00 6.39 2.00 17.15 1.00 7.70 35 7.04 00 1.00 8.00 1.00 8.58 4.75 1.00 7.01 4.00 2.00 19.69 3.00 4.00 8.00 1.00 7.00 2.00 1.00 8.53 2.00 18.08 1.00 10.88 35 7.25 01 1.00 8.00 1.00 10.25 4.00 1.00 7.00 4.00 2.00 20.51 3.00 4.00 8.00 2.00 7.00 2.00 1.00 9.00 2.00 19.90 1.00 11.00 37 7.00 02 1.00 9.08 1.00 11.00 4.00 1.00 7.90 4.00 2.00 21.00 3.00 4.00 8.00 3.00 7.00 2.00 1.33 9.92 2.22 19.62 1.00 11.00 37 7.00 03 1.00 10.31 1.00 11.00 4.00 1.00 8.00 4.00 2.00 21.00 3.00 4.00 8.00 3.00 7.00 2.00 2.00 10.66 3.00 21.10 1.00 11.00 34 7.00 04 1.00 11.78 1.00 11.00 4.00 1.00 8.00 4.49 2.00 23.77 3.00 4.00 8.00 3.00 6.00 2.00 2.00 11.01 3.00 25.38 1.00 11.73 31 7.00 05 1.00 12.00 1.00 12.00 4.00 0.61 8.00 5.00 2.00 24.95 3.00 4.00 8.00 3.00 7.00 2.00 2.00 11.43 3.93 26.00 0.04 12.00 30 7.00 06 1.00 12.00 1.00 12.00 4.00 7.11 5.00 2.00 25.00 3.00 4.00 8.00 4.00 6.00 2.00 2.00 12.00 3.95 27.42 11.41 32 7.00 07 1.00 12.00 1.00 12.00 4.00 7.99 5.00 2.00 26.00 3.00 4.00 7.01 4.00 6.00 2.00 2.00 12.00 3.00 27.97 6.81 32 7.00


SO2 1 2 3 4 5 6 7 8 9 10 11 13 P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U

80 1.00 81 1.00 2.00 0.08 82 1.00 2.00 1.71 83 1.00 2.00 0.99 2.00 84 1.00 2.00 1.00 0.67 0.67 2.00 85 1.00 2.00 0.84 1.47 1.00 2.00 2.24 4.52 2.00 86 1.00 1.58 0.99 1.96 2.00 1.00 2.00 3.00 5.00 2.59 87 1.00 1.00 1.95 4.00 2.00 1.00 2.00 3.00 5.00 3.00 88 1.00 1.00 2.00 4.30 1.92 1.75 1.00 3.00 5.00 3.00 89 1.00 1.00 2.59 0.30 4.00 3.27 2.00 1.00 3.00 5.00 5.07 90 1.00 1.56 0.13 3.00 1.00 4.42 6.00 2.00 1.00 3.75 5.00 8.00 22 91 1.00 4.08 1.00 4.52 1.00 5.00 7.00 2.00 1.00 4.00 5.00 0.95 8.00 22 92 1.00 0.22 5.00 1.84 7.33 1.00 5.00 9.69 2.00 1.00 4.00 5.08 1.00 8.00 22 93 0.33 0.67 1.00 1.00 5.00 2.00 14.16 1.00 5.00 1 2.00 1.00 4.36 7.27 1.00 8.00 21 0.45 94 1.00 2.92 1.00 1.18 5.00 2.00 23.78 1.21 4.28 9.79 1.00 2.00 2.75 1.00 5.00 8.50 1.00 8.00 22 1.00 95 1.00 3.00 1.00 2.00 5.85 2.00 0.63 27.29 2.00 4.00 7.78 1.00 2.00 3.00 1.00 5.00 9.42 1.00 8.00 22 1.78 96 1.00 2.00 1.57 2.00 6.00 2.00 1.00 28.34 2.00 4.00 6.00 1.00 3.00 3.00 1.00 5.00 0.58 10.24 1.00 8.00 22 2.00 97 1.16 1.00 2.00 2.00 2.00 6.36 2.00 1.00 28.30 2.00 4.00 6.00 1.00 2.00 2.25 1.00 5.00 1.00 12.10 1.00 9.16 20 2.27 98 5.78 1.00 2.00 2.00 2.00 7.72 2.00 0.56 28.45 2.00 4.00 6.00 1.00 4.00 2.00 1.00 5.00 1.00 16.15 1.00 10.02 22 3.53 99 7.67 1.00 2.99 2.00 2.76 10.01 2.00 24.99 2.00 4.00 6.67 1.00 4.00 2.00 1.00 5.00 1.00 19.00 1.00 12.57 29 6.05 00 8.00 1.00 4.42 2.00 4.00 10.97 2.87 0.62 19.49 2.00 4.00 8.00 1.00 5.00 2.00 1.00 5.05 1.00 18.40 1.00 14.00 26 5.57 01 8.00 1.00 5.00 2.00 4.00 11.00 3.00 1.03 17.45 2.00 4.00 8.00 2.00 6.00 1.25 1.00 6.00 1.00 19.91 1.00 14.00 25 4.00 02 8.00 1.00 5.00 1.25 4.00 11.90 3.00 2.00 16.04 2.00 4.00 8.00 2.00 5.00 1.00 1.00 6.92 0.26 19.78 1.00 14.00 26 4.00 03 8.31 1.00 5.00 1.00 4.00 11.75 2.50 1.50 15.05 2.00 4.00 8.00 2.00 5.00 1.00 1.00 5.90 20.14 1.00 14.00 18 4.00 04 9.00 1.00 5.75 1.00 4.00 11.70 0.98 1.00 9.49 2.00 2.50 6.50 2.00 5.00 1.00 1.00 4.01 20.38 1.00 14.73 16 4.00 05 9.00 1.00 6.00 1.00 3.59 11.61 0.50 1.00 8.00 2.00 2.00 4.71 2.00 5.00 1.00 2.72 20.07 0.04 15.00 10 4.89 06 8.41 1.00 0.92 5.84 1.00 3.00 11.00 1.00 8.00 2.00 2.00 4.00 2.00 5.00 1.00 3.00 19.01 14.41 13 5.00 07 8.00 1.00 1.00 6.00 1.00 3.00 0.08 11.00 1.00 8.00 2.00 2.00 4.00 2.00 5.00 1.00 3.00 18.93 14.00 7 5.00


PM10 1 2 3 4 5 6 7 8 9 10 11 13 P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U

85 0.25 86 1.00 87 1.00 88 1.00 89 1.00 90 1.00 91 1.00 92 1.00 93 1.00 0.37 94 0.08 1.00 1.27 95 1.00 1.53 2.84 96 1.00 1.09 2.00 3.95 97 0.50 1.00 1.75 0.25 2.00 0.04 2.44 5.10 98 3.85 1.00 4.00 1.00 3.94 0.68 3.40 3.74 10.14 0.81 1 0.50 99 7.82 1.00 3.46 3.82 0.81 5.31 1.00 4.33 1.00 5.17 14.15 1.18 5 3.00 00 8.00 1.25 3.00 4.19 1.00 6.00 1.00 5.17 3.00 6.53 16.08 2.68 10 4.86 01 8.00 2.84 3.00 0.96 5.00 1.31 6.99 1.00 6.00 3.00 1.00 7.00 17.92 3.00 12 5.00 02 9.08 4.84 3.92 1.00 5.00 2.00 0.78 8.99 1.00 0.93 6.00 1.00 3.00 1.33 7.92 0.22 17.62 3.17 14 5.00 03 10.19 5.00 4.00 1.00 5.00 2.00 1.00 9.00 1.00 1.00 6.00 1.00 3.00 2.00 8.00 1.00 19.12 4.00 16 5.00 04 11.78 5.00 4.00 1.00 5.00 2.49 1.00 10.98 1.00 1.00 6.00 1.00 3.00 2.00 7.01 1.00 23.38 4.00 17 5.00 05 12.00 4.41 4.00 1.00 5.84 3.00 1.95 10.05 1.00 1.00 5.84 1.00 4.00 2.00 7.43 1.00 23.07 4.00 16 5.00 06 12.00 5.00 4.00 1.94 6.00 3.00 2.00 1 1.00 1.00 5.20 1.00 4.00 2.00 8.00 1.00 24.42 4.98 18 5.00 07 12.00 5.00 4.00 2.52 6.00 3.00 2.00 1 1.00 1.00 5.01 1.00 5.00 2.00 8.00 1.00 25.92 6.00 20 5.00

PM2.5 1 2 3 4 5 6 7 8 9 10 11 13 P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U P R U

99 0.31 0.19 00 1.00 1.00 01 0.93 2.78 1.89 1.44 1.37 1 1.00 02 1.82 4.00 3.99 2.00 2.00 2 1.00 03 2.00 4.00 4.00 2.00 0.33 2.40 1 1.00 04 2.00 4.00 0.49 0.54 4.53 2.00 1.00 1.00 2.99 1 1.00 05 2.64 4.00 0.50 0.50 4.50 2.00 1.00 1.00 3.00 0 1.00 06 3.00 3.96 4.00 2.00 1.00 3.00 0 1.00 07 3.00 2.00 4.00 1.01 1.00 3.92 2 1.00


Benzène 1 2 3 4 5 6 7 8 9 10 11 13 P T U P R U P R U I T U P T U P T U P R U P T U I T U P R U P T U

91 3.92 92 4.96 93 5.00 94 1.00 5.00 95 1.00 5.00 96 1.00 5.79 97 1.00 6.00 98 1.00 6.00 0.08 99 1.75 6.00 0.08 0.97 1.00 00 2.00 6.95 1.00 1.00 1.00 01 1.81 0.94 1.85 2.00 7.33 1.00 1.00 1.00 1.00 1.00 02 3.00 1.85 2.00 2.00 7.97 0.84 2.52 2.00 2.00 1.00 0.33 1.90 1.00 9 1.00 03 4.33 2.00 2.00 2.00 8.01 1.00 4.59 3.00 2.00 1.00 1.00 2.00 1.00 11 0.37 1.00 04 4.00 2.00 2.98 0.97 2.00 9.00 1.00 0.93 3.00 3.00 2.00 1.00 1.00 2.96 1.00 0.94 28 0.79 1.00 05 1.00 0.11 5.64 2.00 2.58 1.00 2.00 9.00 1.00 1.00 3.00 3.00 2.00 1.00 1.00 3.22 1.00 1.00 27 1.00 06 1.00 0.21 1.00 6.00 2.00 2.00 1.00 2.00 9.00 1.00 1.00 3.00 3.00 2.00 3.00 2.00 1.00 4.00 1.56 1.00 23 1.00 07 1.00 1.00 1.00 6.00 2.00 2.97 1.00 2.00 9.00 1.00 1.00 3.00 2.00 2.00 3.00 2.00 1.00 4.00 2.00 1.00 23 1.00

mise en place de cartographies de qualité de l’air période ... : motorways rpr: ... occupation...

Documents