Optimization algorithms for monitoring and estimating air pollution
Algorithmes d'optimisation pour la surveillance et l'estimation de la pollution de l'air
Résumé
The implementation of an air quality monitoring system requires taking in consideration complex meteorological phenomena, sources of emission and limitations drawn by the costly equipment. The three main contributions made by the present thesis regarding monitoring and estimation of air pollution are : a review of techniques for estimating air quality, influence of air pollution's spatial and temporal variability on precision of interpolation methods, and a suggestion for a possible optimization of Dunkirk air quality monitoring network. Data of measurements and modeling of PM₁₀ concentrations were provided by ATMO Hauts-de-France. Firstly, we did a bibliographic synthesis on Air Quality Modeling (AQM) techniques, detailing their advantages and limits in studying air pollution. Then, we estimated air pollution in the Hauts-de-France region by means of spatial interpolation methods. We proposed an optimization of Inverse distance Weighting (IDW) interpolation technique that allows improving the coefficient of determination (R²). We noticed that the accuracy of the interpolation degrades at sites nearby emission sources (e.g., industries) and exposed to local meteorological phenomena (e.g., coastal zone). The influence of these phenomena was filtered by averaging the PM₁₀ data at different time scales (ranging from one hour to 3 months). The best R² obtained corresponded to the 24 hours averaging period, similar to the periodicity of some local wheather phenomena such as sea breezes occurring in coastal areas. Furthermore, we suggest an approach to optimize the network of measurement stations in Dunkirk agglomeration that minimizes root-mean-square (RMS) error of air pollution estimation obtained by IDW interpolation using data of ADMS (Atmospheric Dispersion Modeling System) and the Gaussian plume model. It was shown that the optimized configuration allows obtaining better PM₁₀ concentration estimations compared to the real deployed measuring stations network of ATMO. Actual ATMO stations are located near the emission sources, while for the resulting topology of stations optimization on diffuse sources pollution (ADMS) stations were scattered throughout the region, and for point source pollution (Gaussian plume) stations surrounded the emission source. Finally, a reliable and efficient approach was proposed for improving the accuracy of estimation of air pollution in an area of special interest, such as residential or industrial areas.
La mise en oeuvre d'un système de surveillance de la qualité de l'air nécessite la prise en considération de phénomènes météorologiques complexes, de sources d'émission variées et des limites induites par les équipements coûteux. Les trois principales contributions de cette thèse concernant la surveillance et l'estimation de la pollution de l'air sont : une revue des techniques d'estimation de la qualité de l'air, une étude de l'influence de la variabilité spatiale et temporelle de la pollution de l'air sur la précision des méthodes d'interpolation, ainsi qu'une proposition de méthode d'optimisation d'un réseau de surveillance de la qualité de l'air. Les données de mesures et de modélisation de la concentration des particules PM₁₀ ont été fournies par ATMO Hauts-de-France. Dans un premier temps, nous avons fait une synthèse bibliographique sur les techniques de modélisation de la qualité de l'air, détaillant leurs avantages et leurs limites dans l'étude de la pollution de l'air. Ensuite, nous avons estimé la pollution de l'air dans la région des Hauts-de-France au moyen de méthodes d'interpolation spatiale. Nous avons ensuite proposé une optimisation de la technique d'interpolation de la pondération à distance inverse (IDW) qui permet d'améliorer le coefficient de détermination (R²). La précision de l'interpolation se dégrade sur les sites proches des sources d'émission (par exemple en situation industrielle) et exposés à des phénomènes météorologiques locaux (par exemple en zone côtière). Le moyennage des données de PM₁₀ à des échelles temporelles pertinentes a permis le filtrage de l'influence de ces phénomènes dans l'interpolation. Le meilleur R² obtenu correspond à la période de moyennage de 24 heures, similaire à la durée de périodicité de certains phénomènes météorologiques locaux tels que la brise de mer se produisant dans les zones côtières. Par ailleurs, nous proposons une approche pour optimiser le réseau de stations de mesure dans l'agglomération de Dunkerque qui minimise l'erreur quadratique moyenne (RMS) de l'estimation de la pollution atmosphérique obtenue par interpolation IDW à l'aide des données d'ADMS (Atmospheric Dispersion Modeling System) et du modèle de panache gaussien. Il a été démontré que la configuration optimisée permet d'obtenir une meilleure estimation de concentration en PM₁₀ par rapport au réseau réel des stations de mesure déployé par ATMO. Les stations d'ATMO sont situées à proximité des sources d'émission, tandis que pour la topologie résultante de l'optimisation appliquée à la pollution des sources diffuses (ADMS), les stations sont dispersées sur tout le site d'étude, et pour une pollution canalisée (modèle de panache gaussien), les stations entourent la source d'émission. Enfin, une approche fiable et efficace a été proposée pour améliorer la précision de l'estimation de la pollution atmosphérique dans une zone d'intérêt particulière, telle que les zones résidentielles ou industrielles.
Origine : Version validée par le jury (STAR)