Interprétation des mesures atmosphériques de CO2 à Mexico City

Analysis of atmospheric CO2 measurements in Mexico City

• Auteur / Autrice : Yang Xu
• Direction : Michel Ramonet, François-Marie Bréon, Thomas Lauvaux
• Type : Thèse de doctorat
• Discipline(s) : Géosciences
• Date : Soutenance le 13/04/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences du climat et de l'environnement (Gif-sur-Yvette, Essonne ; 1998-....)
• Partenaire(s) de recherche : Référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Géosciences, climat, environnement et planètes (2020-….)
• Jury : Président / Présidente : Philippe Bousquet
• Jury : Examinateurs / Examinatrices : Yao Veng Te, Gara Villalba Mendez, Valérie Thouret, Leena Järvi
• Jury : Rapporteurs / Rapporteuses : Yao Veng Te, Gara Villalba Mendez

Mots clés

Mots clés contrôlés

Atmosphère

Mexico (Mexique ; État)

Dioxyde de carbone

Mots clés libres

Co2

Mexico

Inversion atmosphérique

Co2

Mexico City

Atmospheric inversion

Résumé

Les villes sont responsables de plus de 70% des émissions mondiales de CO2. De nombreuses municipalités se sont engagées à réduire les émissions de CO2 urbaines. Afin d'évaluer l'impact des Plans Climat, des inventaires d'émissions de gaz à effet de serre sont établis à l'échelle de la ville. La modélisation par inversion atmosphérique offre une solution complémentaire capable de réduire les incertitudes pour ces inventaires d'émissions. Elle combine la modélisation du transport atmosphérique et les mesures de concentrations en gaz à effet de serre pour affiner les estimations des émissions issues des inventaires.La zone métropolitaine de Mexico (MCMA) est l'une des plus grandes mégalopoles du monde. Les émissions annuelles de CO2 dans la MCMA sont passées de 42,1 millions de tonnes à 66,0 millions de tonnes entre 2012 et 2018. Le gouvernement mexicain a prévu de réduire les émissions de CO2 de 65,2 millions de tonnes au cours de la période 2021-2030. Afin d'évaluer quantitativement les stratégies de réduction des émissions de CO2, un projet franco-mexicain intitulé ''Impacts du carbone dans la région de Mexico'' (MERCI-CO2) a déployé un réseau d'instruments d'observation du CO2 in situ et en colonne dans la région de Mexico. Les gradients de concentration de CO2 sont assimilés dans un système d'inversion basé sur le modèle de transport atmosphérique WRF-Chem pour améliorer l'estimation préalable des émissions de CO2 à l'intérieur et à l'extérieur de la MCMA.J'ai évalué les performances du modèle atmosphérique sous diverses configurations. Afin de quantifier les erreurs les plus impactantes pour la simulation des concentrations en CO2 atmosphérique, le travail de thèse s'est focalisé sur les erreurs de simulation des températures de l'air, des vitesses et directions du vent et les hauteurs de mélange, en utilisant des données collectées aux stations météorologiques de la région mais également issues d'un instrument LiDar ainsi que de radiosondes. Ces tests de sensibilité ont permis de définir la configuration optimale du système de modélisation.Des cartes de concentration de CO2 au-dessus de la MCMA sur trois périodes caractéristiques des conditions météorologiques de la région (janvier, mai et juillet) ont été simulée par le modèle WRF-Chem à la résolution de 5 km, en utilisant deux inventaires d'émissions: inventaire local préparé par les chercheurs de l'UNAM et un inventaire d'émissions globales, ODIAC, ajusté par des facteurs d'échelle temporels. Parallèlement à l'évaluation sur la base de mesures in-situ de CO2 en surface et de mesures de colonne (XCO2) par FTIR, j'ai également analysé les distributions temporelle et spatiale des signaux de CO2, ainsi que la zone impactée par les flux anthropiques et la variation des flux biogéniques. Sur la base de cette analyse, j'ai évalué le potentiel de quantification du réseau actuel, y compris l'emplacement de la station de fond, tout en étudiant les emplacements potentiels de nouvelles stations.Une inversion sur une année complète a été réalisée du 30 mars 2018 au 30 mars 2019. En se basant sur l'assimilation des gradients entre la station urbaine UNA et la station d'altitude ALZ, l'inversion a ajusté les émissions anthropiques issues des deux inventaires ainsi que les flux biogéniques du modèle CASA et les concentrations de fond du modèle CarbonTracker 2019B. Un ensemble de plusieurs inversions a été réalisé pour mieux quantifier les incertitudes en faisant varier les covariances d'erreur temporelles, en variant la fenêtre d'assimilation, en séparant les secteurs d'activités (trafic routier), en appliquant un masque sur la MCMA, et en filtrant les données de gradients en CO2. Cet ensemble permet d'améliorer les performances de l'inversion et de spécifier l'impact du signal urbain et des différentes composantes du système. Une dernière expérience m'a permis d'étudier l'impact de l'assimilation des concentrations en CO, dont les observations débutent en décembre 2018.

Cities are responsible for more than 70% of the global CO2 emissions and thus play an important role in mitigating climate change. Mayors and local governments have been taking measures to reduce urban CO2 emissions and to reach carbon neutrality. In order to evaluate their efforts, a series of high-resolution city-scale emission inventories were established. Top-down inversion modeling is a widely-used complementary solution to reduce the uncertainties in traditional bottom-up emission inventories. It combines atmospheric modeling and measurements to optimize the greenhouse gas estimates using Bayesian inference methods.The Mexico City Metropolitan Area (MCMA) is one of the largest megacities in the world. Its annual CO2 emissions have grown from 42.1 Mt to 66.0 Mt from 2012 to 2018. The Mexico government has planned to reduce 65.2 Mt CO2 emission during the period 2021-2030. To assess local CO2 emission reduction strategies, a French-Mexican project Mexico City regional Carbon impacts (MERCI-CO2) deployed a network of in-situ and column CO2 observation instruments in MCMA. The CO2 concentration gradients are assimilated in our inversion system based on the WRF-Chem model to improve the inventory estimates of CO2 emissions in and outside MCMA.Various options on meteorological drivers, domain sizes, physics, dynamics schemes and spectral nudging of the WRF modeling system over MCMA were quantitatively evaluated for model performance. A series of meteorological parameters were taken into account for the comparison between simulations and in-situ observations, LiDar analysis as well as WMO radiosonde observations. For the purpose of CO2 simulation, the most studied variables are those related to the dispersion of the ambient air, including air temperatures, wind speeds, wind directions and mixing heights. These sensitivity tests helped to define the optimal model configuration.The CO2 concentration maps over MCMA during 3 typical months (January, May and July) were reconstructed by the double-nesting 5-km resolution WRF-Chem model, coupled with the local emission inventories from UNAM and the global emission inventories ODIAC scaled by temporal scaling factors. The evaluation of CO2 simulations were based on CO2 in-situ measurements by PICARRO and column measurements (XCO2) by FTIR at an urban site UNA and at the background station ALZ. Along with the evaluation, we also analyzed the temporal and spatial distribution of CO2 signals, as well as the area impacted by anthropogenic fluxes and by biogenic fluxes. Based on our analysis, we assessed the potential of our network to constrain the urban emissions, defined the potential locations for future stations, and defined a “background index” to represent the suitability to build a background station.After the ground validation of the modeling system, we performed a 1-year inversion over the MCMA from 30 March 2018 to 30 March 2019. According to the assimilation of concentration gradients between the urban station and the rural station, the inversion adjusted the prior anthropogenic emission from UNAM and ODIAC estimates, in parallel with prior biogenic fluxes from the CASA model and background concentrations by CarbonTracker 2019B global inversion system. An ensemble of inversion configurations was constructed. The reference configuration optimizes three components: fossil fuel sources, biogenic fluxes and background concentrations to generate separate scaling factors for each block of 5 days. The sensitivity tests include several temporal error correlation length scales between continuous days, varying time windows over each day, a separation of the activity sectors (traffic), a filter over the MCMA, varying data screening and block sizes, to evaluate the performances of the inversion, and to specify the impact of our various configurations. The same system was also used to assimilate carbon monoxide concentrations, collected at the two stations since December 2018.