retour à l'accueil nouvelle fenêtre vers www.appa.asso.fr Pollution atmosphérique, climat, santé, société

Articles

Polyphemus : une plate-forme multimodèles pour la pollution atmosphérique et l'évaluation des risques

Polyphemus: a multimodelling platform for atmospheric pollution and risk assessment

Vivien Mallet, Denis Quélo, Bruno Sportisse et Irène Korsakissok

p. 423-431

[Version imprimable] [Version PDF]

Résumé

Cet article présente le système de modélisation de la qualité de l'air Polyphemus, ses principales fonctionnalités et quelques applications. Polyphemus est dédié à la modélisation de la dispersion atmosphérique de traceurs passifs ou d'espèces réactives aux échelles locale, régionale et continentale. Polyphemus est développé au CEREA, laboratoire commun entre EDF R&D et lʼÉcole des Ponts et au sein dʼun projet commun avec lʼInstitut national de recherche en informatique et automatique (INRIA), avec le soutien de lʼIRSN et de lʼINERIS.
Polyphemus est un système dʼun type nouveau qui se distingue de lʼapproche classique du « modèle tout en un » par sa construction modulaire, notamment fondée sur des bibliothèques et des pilotes manipulant les modèles de dispersion. Accueillant plusieurs modèles, Polyphemus est une plate-forme et non un modèle. Une de ses fonctionnalités notables est sa capacité à effectuer des simulations multimodèles, ce qui permet d'évaluer des incertitudes. Plusieurs méthodes dʼassimilation de données font aussi partie du système afin de pouvoir intégrer des données fournies par des réseaux de mesure.

Abstract

This article presents the modelling system Polyphemus, its abilities and some applications. Polyphemus aims at modelling atmospheric dispersion of passive and reactive tracers at local, regional and continental scales. It is developed at CEREA, Joint Laboratory between EDF R&D and École des Ponts and at CLIME Project from INRIA (the French Institute for Computer Science) with support from IRSN (Institute for Radiological Safety and Nuclear Protection) and INERIS (Institute for Environmental and Industrial Risk).
Polyphemus is a modelling system of a new type: it is not an "all in one" model but a fully modular platform based on libraries and drivers to handle the dispersion models. Polyphemus can also host several models. A noteworthy characteristic of Polyphemus is its ability to run multimodel simulations in order to evaluate uncertainties. In addition, the system includes several data assimilation methods that allow to couple models and measured data provided by monitoring networks.

Entrées d'index

Mots-clés : polyphemus, plate-forme, pollution atmosphérique, simulations multimodèles

Keywords: polyphemus, platform, atmospheric pollution, multimodel simulations

Texte intégral

1. Introduction

La modélisation dans le domaine de la dispersion atmosphérique, en particulier en qualité de l'air, a atteint un stade de maturité qui permet d'aller plus loin dans l'utilisation des modèles. Un exemple typique est l'évaluation des incertitudes, que ce soit par analyse des résultats de plusieurs modèles (prévision d'ensemble multimodèles) ou par propagation des incertitudes dans les données d'entrée (émissions, paramètres physiques, etc.) jusqu'aux sorties des modèles (simulations Monte-Carlo). De telles approches sont essentielles pour la modélisation des « risques atmosphériques » (par exemple, suite à un accident sur une installation industrielle), les modèles étant utilisés de manière directe dans l'aide à la décision, mais avec de nombreuses incertitudes. La donne est, sur ce plan, similaire pour le support à la définition de la réglementation sur la qualité de l'air (plafonnement d'émissions au niveau européen, processus Clean Air For Europe).

Le système de modélisation Polyphemus a été construit dans un tel contexte, ses objectifs étant :

  • de disposer d'une plate-forme pouvant travailler à plusieurs échelles (du local au continental) et pour plusieurs applications (de l'étude d'impact à la prévision, du transport passif à la dynamique des aérosols) ;

  • de pouvoir piloter des modèles pour des utilisations de haut niveau (prévision d'ensemble, simulations Monte-Carlo, assimilation de données, intégration de modèles) ;

  • de favoriser des développements communs à plusieurs modèles et plusieurs applications, via le recours à des bibliothèques de prétraitement et de paramétrisations, et de favoriser lʼaccueil de plusieurs modèles au sein d'une plate-forme.

Polyphemus est un système de modélisation orienté vers la modularité. Il repose sur des bibliothèques, indépendantes de modèles spécifiques, et sur des modules numériques et algorithmiques, eux aussi indépendants des modèles. Lʼarchitecture du système permet de dépasser la conception des modèles « tout en un ». Dans le cadre notamment du projet CLIME de l'INRIA, un important effort en génie logiciel a été fourni, ce qui a permis de systématiser la généricité et l'évolutivité des développements de Polyphemus en utilisant par exemple des langages objet (C++ et Python). En ce sens, Polyphemus ne doit pas être vu comme un « concurrent » dʼun modèle : il sʼagit dʼune boîte à outils qui permet de partager les développements communs entre les modèles (prétraitement, post-traitement, paramétrisations physiques, schémas numériques, algorithmes mathématiques) et son cadre est assez souple pour pouvoir accueillir des modèles (au sens classique du terme) existants.

Au-delà de son utilisation à des fins de recherche, Polyphemus a été développé pour répondre aux besoins dʼEDF en termes dʼétude dʼimpact et dʼétude de scénario dʼémission. Pour ce qui concerne la prévision opérationnelle, Polyphemus est un des supports du futur outil de prévision du Centre technique de crise de l'Institut de radioprotection et de sûreté nucléaire (IRSN/CTC) et fait l'objet, pour ses fonctionnalités petite échelle, d'un projet en cours avec l'INERIS/CASU (Cellule d'appui aux situations d'urgence). Il est également en test opérationnel sur la plate-forme Prév'air de modélisation photochimique depuis juillet 2006.

Le système a été mis en œuvre à l'échelle continentale en Europe et en Asie (exercice d'intercomparaison MICS-Asia), à l'échelle régionale (Lille, Paris, Marseille, Tokyo, Pologne) et ce pour plusieurs types de pollution (ozone, aérosols, mercure, métaux lourds, radionucléides). Il a notamment permis à l'IRSN d'effectuer la resimulation de l'accident de Tchernobyl en 2006.

À petite échelle, le système met en œuvre des modèles gaussiens stationnaire et à bouffées, dans le cadre de partenariats avec la DGA et l'INERIS.

Sur le plan des processus physiques pris en compte, les modèles d'aérosols de Polyphemus (au nombre de deux : MAM et SIREAM) ont été développés dans le cadre du projet Pollution atmosphérique multiphasique (PAM), soutenu par le programme PRIMEQUAL-PREDIT [1].

Enfin, une fonctionnalité essentielle de Polyphemus concerne les approches d'ensemble et la représentation des incertitudes. Ainsi, des travaux ont porté sur l'estimation des incertitudes dans les modèles de chimie-transport [2], que ce soit en terme d'évaluation [3] ou en proposant des méthodes de prévision d'ensemble [4].

Cet article fait un point sur la logique de développement, l'état d'avancement et sur des applications caractéristiques du système Polyphemus. Le système est développé sous licence GNU/GPL (le code est donc libre) : Polyphemus a vocation à être utilisé et développé par plusieurs équipes, que ce soit à des fins de recherche, d'étude ou d'application.

L'article est organisé de la manière suivante : le système est brièvement décrit dans la deuxième section, puis des applications sont présentées dans la troisième section. Une conclusion et des perspectives terminent lʼarticle.

2. Le système Polyphemus

2.1. Conception

Polyphemus a été construit dans une optique différente de l'approche classique (modèle « tout en un »). Ce système de modélisation a une structure à quatre niveaux (Figure 1) :

  • des bibliothèques de paramétrisations et de prétraitement des données atmosphériques (principalement AtmoData) ;

  • des pilotes de modèles permettant de mettre en œuvre de manière aisée des fonctionnalités de haut niveau (simulations Monte-Carlo pour l'évaluation des incertitudes, prévision d'ensemble pour la simulation multimodèles, assimilation de données pour le couplage entre sorties de modèles et données mesurées, éventuellement pour effectuer la modélisation inverse, par exemple des émissions) ;

  • des modèles indépendants (liste actuelle) :
    – un modèle gaussien stationnaire ;
    – un modèle gaussien à bouffées ;
    – le solveur numérique de chimie-transport Polair3D, ainsi que ses versions différenciées (modèles linéaire tangent et adjoint) ;
    – le solveur numérique de chimie-transport Castor (clone de Chimère gazeux) ;
    – les modèles d'aérosols MAM (modal) et SIREAM (résolu) ;

  • une bibliothèque de post-traitement, AtmoPy, permettant de comparer à des observations, d'effectuer des analyses statistiques (par exemple, celles recommandées par l'US EPA en terme d'évaluation de modèles), de travailler sur les prévisions d'ensemble, et de gérer l'affichage graphique.

Figure 1 : Structure du système Polyphemus : prétraitement (flexible et assorti de nombreuses options), modèle numérique (ici Polair3D), pilote (méthode avancée, par exemple dʼassimilation de données) et post-traitement (statistiques, comparaison aux observations, affichage, etc.).
Structure of the Polyphemus system: pre-treatment (flexible and with many options), numerical model (here Polair3D), pilot (advanced methodology, for instance data assimilation) and post-treatment (statistics, comparison with observed values, screen display, etc).

Une des principales motivations du développement de Polyphemus a été de bien distinguer ce qui est du ressort :

  • du prétraitement ;

  • de la paramétrisation physique ;

  • de la résolution numérique (ce que lʼon désigne improprement par « modèle ») ;

  • d'une utilisation élaborée ;

afin de pouvoir évoluer à faible coût vers d'autres entrées, d'autres paramétrisations, d'autres modèles ou d'autres utilisations.

Les nombreux prétraitements possibles, lʼouverture à plusieurs modèles et lʼexistence de plusieurs pilotes pour lʼutilisation des modèles font de Polyphemus une plate-forme flexible où de multiples alternatives existent. Lʼétymologie du nom du système est à cet égard révélatrice (en grec, poly signifie multiple et phemus dérive de pheme qui signifie voix).

2.2. Fonctionnalités

2.2.1. La bibliothèque de prétraitement et de paramétrisations AtmoData

AtmoData a deux fonctionnalités :

  • en tant que bibliothèque de prétraitement, elle permet, sur la base de champs météorologiques d'origines diverses (exemple : les champs peuvent provenir de ECMWF, MM5, bientôt NCEP et ALADIN), de calculer les entrées utiles pour les modèles (quels quʼils soient) ;

  • en tant que bibliothèque de paramétrisations, elle permet de mutualiser des fonctions physiques (par exemple l'ensemble des paramétrisations pour les aérosols) et de proposer plusieurs alternatives (exemples : Louis ou Troen & Mahrt pour la diffusion verticale, Wesely ou Zhang pour le dépôt, système binaire ou ternaire pour la nucléation, etc.).

AtmoData est essentiellement écrit en C++ afin de pouvoir gérer de manière efficace les données multidimensionnelles (les données sont associées en réalité à des coordonnées, ce qui permet une simplification des traitements). Certaines paramétrisations sont néanmoins écrites en Fortran 77.

Il est à noter que l'utilisation d'une telle bibliothèque est la clé pour pouvoir faire de la modélisation multimodèles, AtmoData étant le réceptacle de tout développement en paramétrisation et en prétraitement, et ceci indépendamment des modèles à proprement parler. AtmoData est donc à voir comme une boîte à outils.

2.2.2. Pilotes

Les pilotes de Polyphemus servent à utiliser les modèles en :

  • simulation directe ;

  • simulation Monte-Carlo (en développement) ;

  • assimilation de données (actuellement, trois pilotes implémentent trois méthodes séquentielles et un pilote variationnel est disponible pour la méthode 4D-Var).

Toutes ces fonctionnalités ont déjà été utilisées (voir la section consacrée aux applications), mais sans l'aide de pilotes, c'est-à-dire de manière moins automatisée et sans mise en commun des développements pour tous les modèles du système. Le développement de ces pilotes continue pour apporter à Polyphemus plusieurs méthodes de haut niveau.

Un pilote est écrit indépendamment du ou des modèles auxquels il fait appel. Cependant, il exige du ou des modèles une interface, souvent légère mais parfois indisponible. Il nʼest donc pas toujours compatible avec tous les modèles. En particulier, si un modèle ne possède pas dʼadjoint, son interface sera insuffisante pour le pilote 4D-Var.

2.2.3. Modèles

Dʼune certaine manière, ce niveau est le moins important de Polyphemus, qui peut sʼappuyer sur des noyaux numériques indépendants.

Actuellement, Polyphemus s'appuie, pour la dispersion eulérienne tridimensionnelle, dʼabord sur le modèle de chimie-transport Polair3D, réduit de fait à un simple intégrateur numérique pour la modélisation de la dispersion réactive. Polair3D présente l'avantage de pouvoir être différencié automatiquement (modèle adjoint, modèle linéaire tangent), ce qui permet de lʼutiliser en 4D-Var et pour des études de sensibilité. Il dispose de plusieurs mécanismes chimiques (photochimie, mercure, métaux lourds, radionucléides).

Il contient également le noyau numérique Castor (Chimère en version gazeuse). La partie prétraitement de Polyphemus contient en outre les paramétrisations physiques de Chimère, qui, combinées avec le modèle numérique Castor, permettent de reproduire, à l'identique, les résultats de Chimère (version de novembre 2005).

Deux modèles d'aérosols (voir la description plus loin), MAM (Modal Aerosol Model) et SIREAM (Size Resolved Aerosol Model), sont couplés par ailleurs.

Deux modèles gaussiens (à bouffées et stationnaire) sont également inclus.

2.2.4. Bibliothèque de post-traitement AtmoPy

La bibliothèque AtmoPy (en Python) permet de manipuler les résultats de calcul, notamment en effectuant de nombreuses statistiques de comparaison aux observations (indicateurs MBE, MNBE, MNB, BF, NME, MFBE, MAGE, MNGE, FGE, UPA, RMSE, corrélation et scores recommandés par l'US Environmental Protection Agency). Elle permet de gérer plusieurs types d'observations, d'opérer des filtres, de générer des densités de probabilités, etc.

Elle intègre des fonctionnalités d'affichage (1D et 2D) qui peuvent faire de cette bibliothèque l'unique outil de traitement des sorties. Elle bénéficie de la puissance de développement du Python (facilité de Matlab et puissance des langages objet modernes), jusqu'en mode interactif.

Elle permet également de mettre en œuvre les méthodes d'ensemble (statistiques post-modèles : super-ensembles, machine learning, etc.), qui ont été testées.

2.3. Statut, mise à disposition et ressources

Polyphemus est développé sous licence libre GNU/GPL. Il est mis à disposition sous http://cerea.enpc.fr/polyphemus/. À lʼheure où cet article est corrigé, la dernière version disponible en ligne (version 1.1) a été mise à jour en juin 2007.

Son développement est à ce jour porté par l'ENPC, l'INRIA, EDF R&D et l'IRSN, pour une équipe de développement d'une douzaine de personnes. En terme de documentation, Polyphemus, AtmoData (et les bibliothèques annexes SeldonData et Talos), Polair3D, Castor et AtmoPy disposent chacun soit d'un guide d'utilisation, soit d'une documentation de référence, soit des deux lorsque cela est pertinent, et aussi, le cas échéant, d'une documentation scientifique et dʼune note de conception. Tous ces documents sont en ligne.

3. Applications et références

3.1. Modélisation multipolluants

3.1.1. Photochimie

Le mécanisme chimique utilisé est, en général, RACM [25].

Europe

À l'échelle européenne, des travaux de validation ont été menés au cours de l'été 2001 [2, 5]. Sur cette base, l'estimation de la sensibilité des concentrations d'ozone aux émissions a été réalisée [6].

Pendant plusieurs mois, le système a tourné au quotidien sur la base des données Prév'air. Des résultats indicatifs de comparaison modèle-mesures sont donnés dans le Tableau 1, pour les prévisions J + 1 et J + 2 des pics d'ozone pour la période du 15 mai au 31 août 2005. Ces résultats ont été obtenus avec la configuration de référence de Polyphemus (avec Polair3D) pour Prév'air.

Enfin, le système participe aux projets européens NEEDS et HEIMTSA (avec EMEP et l'Université de Stuttgart/IER) pour le calcul des matrices de transfert (et des impacts).

Tableau 1 : Statistiques Prévʼair pour la configuration « de référence » de Polyphemus pour Prév'air. Pics d'ozone du 15 mai 2005 au 31 août 2005 en prévision J + 1 et J + 2.
Prevʼair statistics for the “reference” configuration of Polyphemus for Prevʼair. Ozone peaks from 15th of May 2005 to 31st of August 2005 in prevision mode J + 1 and J + 2.

Échéance

RMSE

Corrélation (%)

Bias Factor

J + 1

22,8

70,9

1,03

J + 2

23,7

67,9

1,03

Asie

Le système participe à l'exercice d'intercomparaison MICS-Asia, sous l'égide de IIASA, avec sept autres modèles [8, 9].

Échelle régionale

Le système tourne sur la région parisienne [10]. Le système a participé à l'exercice Escompte. Il est utilisé par EDF pour l'estimation de l'impact des rejets de ses centrales thermiques (PACA, Pologne...). Il a participé à un projet du PREDIT sur l'évaluation qualité de l'air du Plan de déplacement urbain (PDU) de Lille [12], allant jusquʼà lʼestimation dʼindicateurs sanitaires développés par lʼObservatoire régional de la santé. Il est également utilisé par le CRIEPI (Central Research Institute for Electric Power Industry, Japon) pour la modélisation de la qualité de l'air sur Tokyo [11].

3.1.2. Radionucléides

Polyphemus est un des éléments du futur outil de crise du Centre technique de crise de lʼIRSN qui sera opérationnel début 2008. À des fins de validation, le système a notamment été appliqué à la simulation de la campagne ETEX (European Tracer EXperiment), de l'incident d'Algeciras et de l'accident de Tchernobyl [13] (Figure 2) avec des résultats comparables à lʼétat de lʼart international. Il a été utilisé par lʼIRSN à des fins dʼestimation des impacts de Tchernobyl.

Une étude de sensibilité aux diverses sources dʼincertitudes (paramétrisations météorologiques, paramétrisation de lessivage, terme source) a également été menée.

Figure 2 : Diagramme de dispersion modèle/mesures pour le césium 137, simulation Tchernobyl, avec champs météorologiques ECMWF.
Diagram showing the dispersion of model data versus measurements data for the cesium 137, Chernobyl simulation, with ECMWS meteorological fields.

3.1.3. Mercure et métaux lourds

La modélisation du mercure et des métaux lourds a fait l'objet de publications [14-16]. Plusieurs niveaux de modélisation sont disponibles :

  • pour le mercure, les champs chimiques sont soit climatologiques, soit précalculés par RACM ;

  • pour les métaux lourds, ceux-ci se comportent soit comme des particules inertes (au sens de la dynamique des aérosols), soit couplés à la phase particulaire.

Un travail spécifique a porté sur la sensibilité des concentrations aux émissions et aux conditions aux limites (le mercure a un temps de vie de lʼordre de lʼannée et le forçage par les conditions aux limites a, de fait, une grande importance).

3.1.4. Modèles gaussiens

Les modèles gaussiens stationnaires et à bouffées ont été développés pour les espèces gazeuses et pour les particules passives (pas de chimie et granulométrie constante). Ces modèles reposent sur les paramétrisations de Briggs ou Doury pour le calcul des écarts types.

Les deux modèles ont été validés pour la dispersion d'espèces gazeuses par des comparaisons à des données expérimentales obtenues par l'École Centrale de Lyon. Ces données de souffleries visent à représenter la dispersion de traceurs émis par la cheminée de la centrale nucléaire du Bugey, en cas d'accident. Il s'agit donc d'un rejet gazeux continu par une source ponctuelle. La source continue a été discrétisée comme une somme de bouffées instantanées émises à intervalle régulier afin d'effectuer la simulation avec le modèle à bouffées. Les modèles donnent une bonne description des mesures prises dans la soufflerie pour les distances à la source supérieures à 500 m, où les profils de mesure atteignent la forme gaussienne. Des comparaisons modèle/mesure pour des profils de concentration au sol selon un axe transversal à la vitesse du vent sont présentées pour illustration à la distance de 850 m et 2 100 m par rapport à la source sous le vent.

Le modèle gaussien à bouffées est actuellement utilisé dans une étude sur l'évaluation des capacités de détection de réseaux de mesure pour la DGA.

Figure 3 : Comparaison modèle gaussien stationnaire (plume) et à bouffée (puff) avec les mesures : (a) profil de concentration à 850 m de la source ; (b) profil de concentration à 2 100 m de la source.
Comparison of stationary gaussian model (plume model) and of puff model with measurement data: (a) Concentration profiles at 850 m from the source; (b) Concentration profiles at 2100 m from the source.

3.2 Modélisation des aérosols

Deux modèles d'aérosols ont été développés et sont utilisés :

  • MAM (Modal Aerosol Model), fondé sur une description modale [18] ;

  • SIREAM (Siream Aerosol Model), fondé sur une description granulométrique résolue et un traitement hybride des processus de condensation/évaporation [19].

Ces modèles sont notamment couplés à une modélisation précise de la chimie en phase aqueuse, sur la base du modèle de chimie diphasique air/eau VSRM (Variable Size Resolved Model) qui comprend 70 espèces dissoutes et 120 réactions en phase aqueuse. Ce modèle, initialement développé à lʼUniversité de Carnegie Mellon (États-Unis, Spyros Pandis) [26], a été adapté à Polyphemus.

Lʼensemble de ces modèles a été mis en œuvre à l'échelle continentale sur l'Europe [20] et l'Asie [10] (exercice MICS-Asia). Des résultats sont, pour illustration, présentés dans la Figure 4 pour les PM10 et l'ozone pour une simulation sur l'Europe (été 2006) dans le cadre de l'exercice Prév'air.

Figure 4 : Champs d'ozone et de PM10 simulés pour les tests Prév'air de l'été 2006.
Ozone and PM10 concentration fields simulated for Prevʼair tests during summer 2006.

À l'échelle régionale, ils ont été mis en œuvre sur Lille, Paris, la région PACA, la Pologne et Tokyo.

Un point intéressant est la possibilité de travailler avec de nombreuses paramétrisations différentes pour les modèles d'aérosols supportés par Polyphemus. Sartelet et al. [9] comparent la variabilité apportée par l'aspect multiconfigurations de Polyphemus à la variabilité amenée par huit modèles 3D différents. Il est montré que Polyphemus est capable, pour les aérosols, de restituer cette variabilité.

3.3. Prévision d'ensemble

Plusieurs expériences de prévision d'ensemble [7], au sens large (c'est-à-dire en incluant les simulations Monte-Carlo), ont été menées. Elles ont eu deux objectifs majeurs :

  • évaluer l'incertitude des concentrations simulées ;

  • dépasser les limitations de l'incertitude en procédant à des combinaisons linéaires de modèles.

L'évaluation de l'incertitude s'est pour le moment limitée à l'incertitude a priori, c'est-à-dire sans la connaissance des observations (ce qui est le cas en prévision ou en étude d'impact). Elle a concerné l'incertitude due aux schémas numériques, aux données hors données météorologiques brutes (pour ces deux études, se référer à [5, 17]) et à la formulation du modèle [3]. Un résultat intéressant de ces études est la forte incertitude a priori sur les résultats de modèles, ce qui suggère fortement l'utilisation de méthodes d'ensemble pour la plupart des applications. De plus, les sources d'incertitudes, hors champs météorologiques bruts, sont en premier lieu dues à la formulation du modèle. L'incertitude due aux données d'entrée nʼest pas négligeable, mais elle est moindre. Un des avantages de Polyphemus est de pouvoir mener aisément de telles études.

Afin de donner un aperçu des résultats de simulations d'ensemble, la Figure 5 montre les concentrations moyennes d'ozone pour 48 modèles générés par Polyphemus et une densité de probabilité sur ce même profil, obtenue par des simulations Monte-Carlo (donc avec perturbation des données dʼentrée).

Figure 5 : (a) Profils journaliers d'ozone (moyennes spatio-temporelles) pour 48 modèles générés avec le système Polyphemus. (b) Densité de probabilité du profil moyen d'ozone obtenu par des simulations Monte-Carlo (perturbation des principales données dʼentrée hors données météorologiques brutes).
(a) Daily ozone profiles (space and time averages) for 48 models generated by the Polyphemus system. (b) Probability density of the average ozone profile obtained by Monte-Carlo simulation (perturbation of the main input data except raw meteorological data).

Pour dépasser les limitations de l'incertitude, la modélisation inverse peut être une réponse (voir l'item suivant). Une autre stratégie réside dans la combinaison linéaire de modèles. Les combinaisons linéaires de modèles montrent un potentiel très élevé d'amélioration des comparaisons aux observations [4]. Dans le cadre de prévisions quotidiennes, les coefficients des combinaisons linéaires doivent être prévus d'un jour à l'autre. Des méthodes simples ont été testées dans ce but, principalement avec le report pour le lendemain de coefficients optimaux sur une période d'apprentissage. Des améliorations significatives des prévisions sont obtenues de la sorte. Par exemple, des diminutions de l'erreur quadratique moyenne de 10 % sont obtenues (pics d'ozone, sur plusieurs mois de calcul). Des méthodes plus évoluées, issues de l'apprentissage statistique, sont désormais testées et ont un potentiel intéressant comme le montre le test préliminaire de [4].

3.4. Assimilation de données

Le système a été utilisé en modélisation inverse d'émissions ou d'autres flux :

  • pour la photochimie (modélisation inverse des oxydes d'azote sur la région de Lille [21]) ;

  • pour le mercure [22] ;

  • pour des traceurs passifs/radionucléides [23, 24].

La comparaison des approches variationnelles et séquentielles pour la prévision de la qualité de l'air fait l'objet d'une action inter-projets de l'INRIA (impliquant trois projets de l'institut) appelée ADOQA (assimilation de données pour la qualité de l'air) et à laquelle l'INERIS est associée. Cette action est fondée sur la plate-forme Polyphemus.

4. Conclusions et perspectives

Polyphemus est un système de modélisation de la qualité de lʼair dʼun type nouveau qui se définit par sa modularité, sa qualité dʼingénierie logicielle et ses fonctionnalités de haut niveau. Il possède déjà de nombreuses applications et références.

Les perspectives liées au système Polyphemus sont de plusieurs ordres :

  • les fonctionnalités de la plate-forme vont être étendues avec l'écriture de nouveaux pilotes (ce travail est en cours de réalisation) ;

  • lʼamélioration des capacités à petite échelle et une extension en forme de test à lʼéchelle hémisphérique ;

  • le couplage avec d'autres modèles, notamment pour la description d'autres milieux physiques (sol et eau) ;

  • les fonctionnalités d'assimilation de données séquentielles seront comparées à l'approche variationnelle dans le cadre du projet INRIA ADOQA, afin d'évaluer l'apport des approches d'assimilation de données ;

  • le système va être utilisé pour calculer des matrices de transfert sources/récepteurs au niveau européen pour plusieurs années météorologiques ;

  • pour ce qui concerne la qualité de l'air, d'autres sorties du système vont être ajoutées pour l'évaluation des impacts (par exemple des cartes d'exposition).

Notes de l'auteur

Les références sont disponibles sur le site www.enpc.fr/cerea

Références

1. Sportisse B et al. Rapport du projet PAM (Pollution atmosphérique multiphasique), programme Primequal-Predit. Partie I : Modélisation. Technical Report CEREA 2006.1.

2. Mallet V. Estimation de l'incertitude et prévision d'ensemble avec un modèle de chimie-transport – Application à la simulation de la qualité de l'air. Thèse de l'École nationale des Ponts et Chaussées 2005.

3. Mallet V, Sportisse B. Uncertainty in a chemistry-transport model due to physical parameterizations and numerical approximations: an ensemble approach applied to ozone modelling. J. Geophys. Res. 2006; 111: D01302.

4. Mallet V, Sportisse B. Ensemble-based air quality forecasts: A multimodel approach applied to ozone. J. Geophys. Res. 2006; 111: D18.

5. Mallet V, Sportisse B. 3-D chemistry-transport model Polair: numerical issues, validation and automatic-differentiation strategy. Atmospheric. Chem. Phys. Discus. 2004; 4: 1371-92.

6. Mallet V, Sportisse B. A comprehensive study of ozone sensitivity with respect to emissions over Europe with a chemistry-transport model. J. Geophys. Res. 2005; 110: D22.

7. Mallet V, Sportisse B. Air Quality Modelling: from deterministic to stochastic modelling. Computers and Mathematics with Application 2006. Accepted for publication.

8. Han Z, Sakurai T, Ueda H, Matsuda K, Hozumi Y et al. MICS-Asia Phase II Study: Model Intercomparison and Evaluation of Ozone and Relevant Species, Atmos Env. 2006. In revision.

9. Sartelet KN et al. MICS-Asia Phase II Aerosols, sensitivity to the aerosol module. Atmos. Env. 2006. In revision.

10. Tombette M, Sportisse B. Aerosol modelling at regional scale: Model-to-data comparison and sensitivity analysis over Greater Paris, Atmos. Env. 2006. Accepted for publication.

11. Sartelet KN, Hayami H, Sportisse, B. Application of the 3D CTM Polair3D to air quality over Greater Tokyo. Atmos. Env. 2006. Submitted.

12. Quélo D. Simulation numérique et assimilation de données variationnelles pour la dispersion atmosphérique de polluants. Thèse de l'École nationale des Ponts et Chaussées.

13. Quélo D, Krysta M, Bocquet M, Isnard O, Minier Y, Sportisse B. Validation of the Polyphemus platform: the ETEX, Chernobyl and Algeciras cases. Atmos. Env. 2006. In revision.

14. Roustan Y, Bocquet M. Sensitivity analysis for mercury over Europe. J. Geophys. Res. 2006 ; 111 : D14304.

15. Roustan Y, Bocquet M, Musson-Genon L, Sportisse B. Modélisation du mercure, du plomb et du cadmium à l'échelle européenne. Pollution Atmosphérique 2006 ; 191 : 317-26.

Pour citer ce document

Référence papier : Vivien Mallet, Denis Quélo, Bruno Sportisse et Irène Korsakissok « Polyphemus : une plate-forme multimodèles pour la pollution atmosphérique et l'évaluation des risques », Pollution atmosphérique, N° 196, 2007, p. 423-431.

Référence électronique : Vivien Mallet, Denis Quélo, Bruno Sportisse et Irène Korsakissok « Polyphemus : une plate-forme multimodèles pour la pollution atmosphérique et l'évaluation des risques », Pollution atmosphérique [En ligne], N° 196, mis à jour le : 21/10/2015, URL : http://lodel.irevues.inist.fr/pollution-atmospherique/index.php?id=1493, https://doi.org/10.4267/pollution-atmospherique.1493

Auteur(s)

Vivien Mallet

INRIA – BP 105 – 78153 Le Chesnay Cedex

Denis Quélo

Centre d’enseignement et de recherche en environnement atmosphérique (CEREA)

Bruno Sportisse

Centre d’enseignement et de recherche en environnement atmosphérique (CEREA)

Irène Korsakissok

Centre d’enseignement et de recherche en environnement atmosphérique (CEREA)