Météorologie C ôtière Année universit aire 2006 -2007 ... · Rapport de stage. Vernier Jean -Paul / Airmaraix ... REMERCIEMENTS Un grand merci à Alexandre Armengaud qui m’a

Source Internet

Master Océanographie Physique et

Météorologie Côtière Année universitaire 2006-2007

MODELISATION DETERMINISTE DE LA POLLUTION PHOTOCHIMIQUE

EN REGION PACA

ETUDE DE SENSIBILITE SUR LA PLATE-FORME

AIRES

RAPPORT DE STAGE

Surveillance de la qualité de l’air de l’Est des Bouc hes-du-Rhône,

du Var et du Vaucluse

67, avenue du Prado, 13286 Marseille Cedex 06 Tel : 04 91 32 38 00 – Fax : 04 91 32 38 29 Serveur téléphonique : 04 91 326 327 Internet : www.airmaraix.org

AIR

MA

RA

IX

Vernier Jean-Paul

Rapport de stage. Vernier Jean-Paul / Airmaraix

Etude de sensibilité sur la plate-forme AIRES 2/39

REMERCIEMENTS Un grand merci à Alexandre Armengaud qui m’a guidé au cours de ce stage en partageant ses connaissances en modélisation déterministe et son expérience de la pollution photochimique. Je tiens à remercier Sylvain Fayet pour ses conseils sur la modélisation, les émissions anthropiques ou biogéniques, le système d’exploitation Linux. Merci à Dominique Robin directeur adjoint, Yann Channac-Mongredien du service études, à Suzy Rios du service informatique pour leurs conseils et leurs aides. Un grand merci aussi pour leur gentillesse et leur accueil à Carole Génevé directrice d’Airmaraix, Francis Levaudel du service qualité, Patricia Lozano et Laëtitia Mary du service études, Christel Tordjman et Grégory Gille du service technique , Zohria Sadelli, Malika Ghali et Armande Mermoz Chave du service administration. Enfin un grand merci aussi à Isabelle Coll du LISA pour ses conseils en modélisation et à Frédéric Rouffi de la société Acri pour son aide sur la plate forme AIRES. Merci à Loic Vannier pour son aide en géomatique.



SOMMAIRE 1. PREAMBULE ET OBJECTIFS DU STAGE................................................................................................4

2. INTRODUCTION : PRESENTATION D’AIRMARAIX....................................................................................5 2.1. LES MISSIONS............................................................................................................................5 2.2. LES RESSOURCES ......................................................................................................................5 2.3. LES MOYENS.............................................................................................................................5

3. LA PLATE-FORME AIRES* ..................................................................................................................7 3.1. FONCTIONNEMENT......................................................................................................................7 3.2. MM5.......................................................................................................................................8

3.2.1. PRESENTATION ....................................................................................................................................................... 8 3.2.2. EQUATION GENERALE ET SCHEMA DE RESOLUTION ................................................................................................... 9 3.2.3. CONDITIONS AUX «LIMITES »DU DOMAINE................................................................................................................. 9 3.2.4. RAFFINEMENT....................................................................................................................................................... 10 3.2.5. ASSIMILATION DE DONNEES................................................................................................................................... 10 3.2.6. MODULES DE CALCUL DE MM5................................................................................................................................ 11

3.3. CHIMERE................................................................................................................................12 3.3.1. LA POLLUTION ATMOSPHERIQUE............................................................................................................................ 12 3.3.2. DESCRIPTION DU MODELE...................................................................................................................................... 12 3.3.3. PROCESSUS PHYSICO-CHIMIQUES ......................................................................................................................... 12 3.3.4. DONNEES EN ENTREE............................................................................................................................................ 13 3.3.5. RESOLUTION NUMERIQUE DU TRANSPORT .............................................................................................................. 14

3.4. LE MODE SCENARIO..................................................................................................................14 3.4.1. OBJECTIF.............................................................................................................................................................. 14 3.4.2. INTERFACE DE LANCEMENT ................................................................................................................................... 15 3.4.3. RECETTE DU MODE SCEN ARIO ............................................................................................................................... 15

4. ETUDE DE SENSIBILITE POUR AMELIORER LE SYSTEME AIRES.............................................................17 4.1. OBJECTIFS..............................................................................................................................17 4.2. SENSIBILITE A L ’OCCUPATION DU SOL ...........................................................................................17 4.3. SENSIBILITE A L ’ASSIMILATION DE DONNEES...................................................................................19

4.3.1. INFLUENCE DU NUDGING SUR GRILLES. .................................................................................................................. 19 4.3.2. INLUENCE DU NUDGING SUR OBSERVATIONS........................................................................................................... 22 4.3.3. COMPARAISON DES NUDGINGS .............................................................................................................................. 25

4.4. SENSIBILITE AUX EMISSIONS.......................................................................................................27 4.4.1. EMISSIONS ANTHROPIQU ES. .................................................................................................................................. 27 4.4.2. EMISSIONS BIOGENIQUES ...................................................................................................................................... 28

5. CONCLUSION.................................................................................................................................30

REFERENCES ........................................................................................................................................31

LISTE DES TABLEAUX ET FIGURES ..........................................................................................................32

GLOSSAIRE...........................................................................................................................................33

ANNEXES..............................................................................................................................................35



1. PREAMBULE ET OBJECTIFS DU STAGE

La modélisation est aujourd’hui incontournable pour une surveillance performante de la qualité de l’air sur un territoire. Airmaraix, à travers le regroupement Air Alpes Méditerranée, développe la plate forme de modélisation de la qualité de l’air AIRES. Cette plate-forme fournit une cartographie des teneurs en polluants (gazeux et particulaire) à l’échelle régionale et sub-régionale à deux jours. Le système est composé de deux moteurs de calcul : Ø Un modèle météorologique méso échelle, MM5. Il prévoit et simule l’ensemble des paramètres

météorologiques nécessaires aux calculs de la chimie atmosphérique. Ø Un modèle de chimie -transport : CHIMERE. Il prévoit et simule la distribution spatiale des polluants à

partir des résultats du modèle MM5. Mon choix de stage s’est orienté vers Airmaraix car c’est une association d’intérêt public, qui assure la surveillance de la qualité de l’air en région PACA en développant des outils de modélisation déterministe. Les objectifs du stage consistent à : Ø Prendre en main la plate forme AIRES et recenser les principaux dysfonctionnements informatiques

(travail de recette du système de simulation livré par la société Acri) Ø Effectuer des simulations d’épisodes de pollution photochimique pour comprendre les sensibilités aux

conditions météorologiques et aux émissions et proposer des pistes d’amélioration pour la prévision de la qualité de l’air.



2. INTRODUCTION : PRESENTATION D’AIRMARAIX

Airmaraix fait partie des 39 Associations Agréées de Surveillance de la Qualité de l’Air (AASQA) en France, regroupées au sein de la Fédération ATMO (www.atmo-france.org ). L’association Airmaraix, régie par la loi de 1901, existe depuis 1982. Elle est agréée par le Ministère de l’Ecologie et du Développement Durable. Elle surveille la qualité de l’air sur l’est des Bouches-du-Rhône, le Var et le Vaucluse.

2.1. LES MISSIONS

Ø Mesurer la qualité de l’air, fiabiliser la mesure, optimiser la surveillance de son territoire et s’adapter à l’évolution de la réglementation (en particulier sur les polluants récemment réglementés, ou en cours de réglementation).

Ø Comprendre, cartographier et modéliser la qualité de l’air, en prenant en compte les spécificités locales (émissions de polluants, météorologie, topographie).

Ø Prévoir la pollution pour permettre d’anticiper les mesures à prendre, informer et sensibiliser la population et les organismes concernés (services sanitaires, organismes publics de surveillance des activités polluantes, collectivités territoriales).

Ø Informer sur les risques de la pollution sur la santé. Airmaraix participe à la mise en place des outils de réduction de la pollution atmosphérique, en tant qu’organisme technique et d’expertise sollicité par les pouvoirs publics.

2.2. LES RESSOURCES Figure 1 : budget de fonctionnement 2005

Les ressources se répartissent entre collectivités, industriels et Etat. Le budget de fonctionneme nt 2005 :1.8 M€. Personnel : 14 salariés

2.3. LES MOYENS Actuellement Airmaraix fait partie des 3 réseaux de surveillance de la qualité de l’air en région PACA avec Airfobep et Qualitair. Airmaraix et Qualitair travaillent actuellement sur un projet de fusion. Les trois principales activités d’Airmaraix sont : Ø La mesure avec un dispositif de 42 sites permanent sur une zone s’étendant de l’Est des Bouches-du-

Rhône, au Var et au Vaucluse, totalisant 80 analyseurs qui mesurent 24 h sur 24 la qualité de l’air et transmettent leurs données au poste central d’Airmaraix où elles sont validées, stockées et exploitées (cf. figure 2). S’y ajoutent un laboratoire mobile de trois stations pour la réalisation de campagnes de mesures ponctuelles.



Figure 2 : zone de surveillance

Ø La modélisation grâce à des outils de modélisation statistique et déterministe fonctionnant quotidiennement sur la plate forme AIRES. Ce système est couplé à des outils géostatistique et de représentation cartographique afin de compléter l’analyse des résultats et l’explication des phénomènes.

Ø La communication grâce à des outils comme l’indice ATMO, définit par le Ministère de l’Environnement,

pour transmettre au public une information sur la qualité de l’air sur la zone de surveillance d’Airmaraix : Marseille, Toulon, Avignon, Aix-en-Provence et Aubagne (cf. figure 3).

Figure 3 : indice ATMO



3. LA PLATE-FORME AIRES*

La plate-forme de modélisation de la qualité de l’air AIRES (Atmospheric Integrated REgional System) est un regroupement d’outils et de compétences pour améliorer la surveillance de la qualité de l’air en région PACA. La plate-forme AIRES s’appuie sur des partenariats scientifiques au travers des programmes de recherche qui se déroulent sur la région, notamment ESCOMPTE (Expérience sur Site pour COntraindre les Modèles de Pollution atmosphérique et de Transport d’Emissions). Cette plate-forme repose sur le fonctionnement des modèles déterministes MM5 (développé par la Pennsylvanie State University : http://www.mmm.ucar.edu/mm5/ ) et CHIMERE (développé par le Laboratoire de Météorologie Dynamique : http://euler.lmd.polytechnique.fr/chimere/) dont l’application opérationnelle en région PACA (2004-2005) a été confiée à la société ACRI.

3.1. FONCTIONNEMENT La plate forme AIRES possède deux modes de fonctionnement : Ø Le mode prévision, est consacré à la prévision journalière à 48h de la qualité de l’air dans la région

PACA. Ø Le mode scénario est dédié à la simulation à posteriori d’épisodes de pollution.

Le lancement de ces deux modes se fait à l’aide d’une interface graphique installée sur un ordinateur pilote qui transmet les paramètres de calcul et les données d’entrées de simulations aux calculateurs prévision et scénario (cf. figure 4).

Figure 4 : fonctionnement de la plate-forme informatique

Le système régional AIRES (cf. figure 5) produit des cartes météorologiques et chimiques à l’échelle régionale (PACA) et sub-régionale (Bouches-du-rhône, Alpes Maritimes) à partir des modèles MM5 et CHIMERE. Le modèle MM5 simule et prévoit les paramètres météorologiques à haute résolution sur la région PACA en utilisant des conditions aux limites du modèle AVN du «National Center for Environnemental Prediction» NCEP* (http://dss.ucar.edu). Le modèle CHIMERE est un modèle de chimie transport qui calcule la transformation chimique des polluants durant leur transport dans l’atmosphère. (cf. the CHIMERE Publication list. http://euler.lmd.polytechnique.fr/chimere/articles.html) Il utilise les conditions limites provenant de la plate forme national PREVAIR (http://www.prevair.org ), les émissions provenant du cadastre kilométrique de la région PACA et les fichiers de sortie météorologique du modèle MM5. A la suite de ces calculs, un post traitement graphique est réalisé avec le logiciel FERRET suivit d’un traitement statistique avec le logiciel R.



Figure 5 : fonctionnement de la plate forme AIRES

3.2. MM5

3.2.1. PRESENTATION

Le modèle méso-echelle MM5 a été conçu par la Pennsylvanie State University (PSU) et le National Center for Atmospheric Research (NCAR) pour la prévision et la simulation de la circulation atmosphérique (cf. Dudhia et al. 1981. [1]).

Figure 6 : coordonnées verticales s MM5 est un modèle 3D non hydrostatique en coordonnées verticale s . L'hypothèse non hydrostatique correspond à la prise en compte de l'accélération dans les équations de la quantité de mouvement sur la verticale. Les coordonnées verticales s correspondent à un type de coordonnées permettant d'épouser au mieux la topographie du domaine d'étude. Ceci assurant une meilleure précision verticale dans les zones de relief perturbé.

)/()( tstii pppp −−=σ (cf. figure 6) p : pression à une altitude z, tp : pression au sommet de la

grille, sp : pression à la surface. Le modèle propose la possibilité de «zoomer» sur certaines zones de la région PACA en augmentant localement la résolution spatiale. Il y a un emboîtement entre une grille dite «grossière» de résolution relativement faible puis des grilles dites fines à plus haute résolution. L'emboîtement peut se faire avec une interaction passive



«one-way» où active «two-way», cette interaction définissant la manière avec laquelle la grille mère et la grille fille vont échanger des informations. Un des principaux atouts de MM5 est une méthode d'assimilation de données (Four Dimensional Data Assimilation FDDA) qui repose sur le principe de relaxation newtonienne des valeurs calculées vers des valeurs observées ou analysées. MM5 permet de simuler des phénomènes locaux tels que les brises qui jouent un rôle très important dans le transport de la pollution atmosphérique.

3.2.2. EQUATION GENERALE ET SCHEMA DE RESOLUTION

Le modèle utilise les équations de la mécanique des fluides appliqué es à la météorologie (cf. http://www.mmm.ucar.edu/mm5/documents/MM5_tut_Web_notes/MM5/mm5.htm; section 8.2 Basic equation of MM5). Les équations sont discrétisées spatialement sur une grille de type B dans la classification d'Arakawa (cf. figure 7).

Figure 7 : schéma de discrétisation spatiale

Figure 8 : Schéma de leapfrog

Les équations sont discrétisées temporairement sur le principe d’un schéma saute-mouton (leapfrog) de second ordre. Pour Les termes dits « lent » comme la température et les termes d’advection, le pas de temps ?T est supérieur à ?t, le pas de temps des termes de pression et de coordonnées u, v et w (cf. figure 8).

3.2.3. CONDITIONS AUX «LIMITES »DU DOMAINE

Les données servant aux calculs des Conditions Initiales(CI) et Limites(CL) dans MM5 proviennent du modèle AVN du NCEP à un degré de latitude&longitude, sous forme de grilles, toutes les 6h. Le modèle MM5 est paramétré de façon à interpoler spatialement et temporairement ces données. Le centre météorologique NCEP fournit deux types de grilles (cf. points noirs. Figure9) : Ø Des grilles prévues, calculées par le modèle AVN. Ø Des grilles analysées, calculé es par le modèle AVN en assimilant des observations au sol ou

satellitaires.

MM5 peut utiliser ces informations de deux manières pour le calcul des conditions Initiales (CI) et limites (CL).



Figure 9 : utilisation des grilles NCEP.

1. L’ensemble des points noirs de la première grille (échéance 00h) est utilisé et interpolé spatialement pour le calcul des CI. Les données contenues dans les quatre premières lignes et colonnes du domaine (cf. figure 9) sont assimilées pour le calcul des CL. 2. Toutes les données sont utilisées et assimilé es, on parle de nudging sur grilles. (cf. Liu et al. 2001. [2])

3.2.4. RAFFINEMENT

Figure 10 : emboîtement des grilles

Une option permet de raffiner le calcul sur une grille mère en construisant à l‘intérieur une grille plus fine dite «fille» (cf. figure 10). Sur la plate forme AIRES la grille mère est la région PACA et les deux filles sont les départements des Bouches du Rhône et des Alpes Maritimes. Un des modules de MM5 calcule les CI et CL pour les grilles filles à partir des résultats de la simulation de la grille mère. Inversement, les résultats des calculs sur les grilles filles servent aussi comme CI et CL pour la grille mère. Cette méthode est appelée «two way nesting».

3.2.5. ASSIMILATION DE DONNEES

L’assimilation de données est une technique qui permet d’assimiler des grilles (analysées ou prévues) ou des observations au sol durant les calculs du modèle. Sur la plate-forme AIRES les grilles proviennent des résultats du modèle AVN du NCEP et les observations aux sols des stations Météo France. La technique d’assimilation de données dans MM5 est appelée «nudging». Il existe deux types de nudging:

«Nudging sur grilles» : des termes de relaxation sont ajoutés aux équations de prévision. Ces termes relaxent les valeurs du modèle vers des grilles prévues ou analysées.

«Nudging sur observations» : des termes de relaxation sont ajoutés aux équations. Contrairement aux nudging sur grilles, ces termes sont relaxés vers une valeur qui tient à la fois compte des résultats du calcul et des observations aux sols. La plate forme AIRES a la possibilité d’utiliser par exemple les 33 stations de Météo France pour réaliser du Nudging sur observations.



3.2.6. MODULES DE CALCUL DE MM5

Les modules de MM5 (cf.figure 11) sont lancés une fois les options de calcul définis par l’utilisateur : (grille de calcul, pas de temps, schémas (cumulus, humidité), nudging sur analyses ou sur observations).

Le module TERRAIN interpole les données topographiques et d’occupation du sol sur la grille. Ce module procède en trois étapes :

§ Lecture des données topographiques et d’occupation du sol, des grilles mère et filles.

§ Interpolation selon la latitude et la longitude, des grilles mère et filles. § Création des fichiers de topographie et d’occupation du sol pour chaque maille

des grilles mères et filles. Le module REGRID lit les fichiers de conditions aux limites météorologiques d’analyses ou de prévisions (données issues du modèle AVN-NCEP) puis interpole celles-ci aux grilles définies par TERRAIN. Cette tâche est divisée en deux parties :

§ Lecture et interpolation des données d'entrées météorologiques. § Interpolation des données sur la grille de calcul. Les champs obtenus sont en niveaux de pression.

Le module INTERPF prend les niveaux de pression des champs météorologiques produits par REGRID, et les niveaux s définis par l'utilisateur, et interpole les données de niveaux de pression pour chaque niveau s .

§ Construction des grilles de conditions initiales et limites.

Le module MM5 calcul les variables météorologiques à partir des équations discrétisées de la mécanique des fluides.

Figure 11 : chaîne de calcul MM5

Sur la plate-forme AIRES les fichiers de sorties météorologiques de MM5 servent de données d’entrée au modèle CHIMERE.



3.3. CHIMERE

3.3.1. LA POLLUTION ATMOSPHERIQUE

La pollution photochimique (cf.figure 12) ou pollution photo oxydante est un ensemble de phé nomènes complexes qui conduit à la formation d’ozone et d’autres composés oxydants à partir de polluants primaires précurseurs comme les oxydes d’azotes (NOx) et composés organiques volatils (COV) soumis à l’énergie apportée par le rayonnement Ultra Violet (UV).

Figure 12 : photochimie et formation de l’ozone

Le modèle de chimie transport CHIMERE a été développé par le Laboratoire de Météorologie Dynamique (Vautard et al. 1996. [2]) pour modéliser la concentration des polluants dans l’atmosphère .

3.3.2. DESCRIPTION DU MODELE

CHIMERE est un modèle déterministe tridimensionnel dit de «chimie transport», multi échelle conçu pour réaliser des prévisions journalières de la pollution photochimique (O3*, NO2*, COV*) et particulaire (aérosols) dans les basses couches de l’atmosphère. C’est un outil de recherche très puissant capable de fonctionner à partir de différents mécanismes chimiques (simples ou complexes) avec ou sans le calcul des aérosols. CHIMERE a été conçu afin de pouvoir fonctionner à partir de différents types de données d’entrée. Il requière : des données météorologiques, des conditions limites, des fichiers de végétation et de topographie et des données d’émissions. Ce modèle prend en compte une multitude de processus physico-chimiques.

3.3.3. PROCESSUS PHYSICO-CHIMIQUES

L’évolution au cours du temps des concentrations de polluants est calculée en reliant la variation temporelle de la concentration des polluants sur le domaine à des processus physico-chimiques qui augmentent (processus de production) ou diminuent (processus de perte) la concentration d’une espèce chimique dans l’atmosphère (cf. figure 13).

Le transport horizontal des espèces chimiques par la composante horizontale du vent. Ce processus est important pour une espèce comme l’ozone qui peut être transportée sur des distances de plusieurs centaines de kilomètres.

Anthropique Biogénique

Emissions



Le transport vertical des espèces chimiques par la composante verticale du vent et par la convection verticale, qui se produit localement en particulier sous l’effet du chauffage du sol par le soleil : peu importante pendant la nuit, la convection verticale se développe au cours de la matinée, formant une couche de mélange, qui s’estompe en fin de journée.

Le dépôt sec sur le sol des espèces chimiques. L’importance de ce processus de dépôt dépend de l’espèce chimique considérée, du type de sol et des conditions atmosphériques. C’est un processus de perte des espèces chimiques, qui peut être prépondérant à grande échelle pour une espèce comme l’ozone.

Les réactions chimiques : les espèces chimiques présentes dans l’atmosphère interagissent chimiquement entre elles. Les réactions de photolyse activées par l’énergie solaire sont importantes dans la chimie de l’ozone. Elles font intervenir des précurseurs comme les NOx et les COV. Cependant ces derniers regroupent plusieurs centaines d’espèces que l’on ne peut prendre en compte de manière exhaustive lors de la mise en oeuvre opérationnelle d’un modèle de qualité de l’air. Des hypothèses simplificatrices sont faites, visant à réduire le nombre d’espèces et de réactions chimiques, et à optimiser les temps de calcul.

Figure 13 : processus physico-chimique pris en compte dans CHIMERE.

3.3.4. DONNEES EN ENTREE

Afin d’estimer les flux de production ou de perte en polluants, liés aux processus physico-chimiques, un certain nombre de données d’entrée doit être fournis au modèle CHIMERE, en particulier les émissions des polluants et la météorologie : § Les modèles de chimie transport ne produisent pas leurs propres données météorologiques, nécessaires à

l’évaluation des flux liés aux processus de dispersion, mélange, dépôt et aux réactions chimiques, etc. Dans le cas de la plate-forme AIRES, MM5 fournit les données météorologiques au modèle CHIMERE.

§ Le domaine sur lequel sont calculées les concentrations des polluants par le modèle n’est pas isolé de l’espace qui l’entoure : des espèces chimiques sont transportées depuis l’extérieur vers le domaine de modélisation. Les concentrations de polluants aux limites du domaine sont issues du modèle PREVAIR (INERIS).

§ Les émissions de précurseurs (COV, NOx et autres), doivent être fournies en entrée de CHIMERE. Ces émissions sont issues de sources ponctuelles (GSP), linéaires (LIN), surfaciques (SRF), d’origine anthropique ou naturelle. Un cadastre des émissions a été conçu par Airmaraix servant de données d’entrée au modèle .

Dispersion horizontale

Dispersion verticale

Réaction chimique

Energie solaire

Emissions anthropiques

Emissions biogéniques

Dépôt sec



3.3.5. RESOLUTION NUMERIQUE DU TRANSPORT

Ø Discrétisation spatiale : L’équation du transport utilisée dans CHIMERE est basée sur le principe de conservation de la masse à l’intérieur d’une maille (cf. figure 14).

Figure 14 : équation de transport

JIJIJI L

CHH

UF,,

, ..=

)(21

,1, JIJI HHH −+=

)(21

,1, JIJI UUU −+=

JIF , : Flux à l’interface C : concentration des polluants à l’interface calculée par la méthode (Parabolic Piecewise method [Colella et Woodward, 1984] LI,J : Largeur de la cellule H: rugosité U : projection sur l’axe des abscisses du vecteur vent calculé par MM5. Ø Discrétisation temporelle :

Le système d’équations qui décrit le transport et la physico-chimie de la pollution atmosphérique est ensuite résolu numériquement sur des machines de calcul, à l’aide d’un schéma numérique de Gauss-Seidel de

second ordre : )(32

31

34 111 +−+ ∆+−= nnnn ctRccc ( c : la concentration, ?t le pas de temps, R : l’évolution

temporelle de la concentration due aux phénomènes de production et de perte). Les concentrations calculées par le modèle CHIMERE dans chaque maille de la grille sont des concentrations moyennes, qui seraient observées si un mélange parfait existait dans chaque maille, ce qui n’est pas le cas dans la réalité.

3.4. LE MODE SCENARIO

3.4.1. OBJECTIF

Le mode scénario a été conçu pour simuler des épisodes de pollution a posteriori afin de comprendre les mécanismes de formation et de transport des polluants dans l’atmosphère, améliorer la paramétrisation du mode prévision, étudier des épisodes de pollution photochimiques (aide à la décision pour des mesures d’urgences). Cette fonctionnalité du système AIRES permet d’utiliser et de tester différentes paramétrisations météorologiques et chimiques afin d’étudier leurs sensibilités sur la qualité des simulations. Les principales données d’entrée modifiables de la plate forme sont les :

§ Cadastres des émissions anthropiques ou biogéniques, § Modules de calcul des émissions biogéniques, § Options de calcul dans MM5, § Conditions aux limites météorologiques pour MM5, § Options d’assimilations (données analysées ou observées) dans MM5.



3.4.2. INTERFACE DE LANCEMENT

La mise en œuvre du système AIRES a été confiée à la société Acri afin de faciliter le lancement des simulations et leurs analyses (cf. [4]).

Figure 15 : exemple de présentation de l’interface

3.4.3. RECETTE DU MODE SCENARIO

J’ai participé à la recette du mode scénario de la plate forme AIRES en mettant en évidence les dysfonctionnements informatiques du système. Voici un bref aperçu des problèmes principaux relevés sur la plate forme en mode scénario.

Tableau 1 : recette du mode scénario

Code Résumé du problème Date Identification

Etat

D1 Problème de changement de date. 20/03/06 En cours D2 Problème de décompression dans l’export shape. 25/03/06 En cours D3 Problème dans l’export des fichiers AEMISSIONS.nc 26/03/06 En cours D4 Problème dans l’export de la température pour les

différents niveaux. 03/04/06 En cours

D5 Problèmes sur le système de coordonnées projetées.

28/03/06 En cours

D6 Problème lors de l’ajout d’une station en mode scénario.

02/04/06 En cours

Paramétrage Gestion des simulations

Gestion des classeurs



D7 L’affichage de l’aide ne fonctionne pas. 02/04/06 En cours D8 Problème dans le tableau de bord du mode scénario

pour renommer ou supprimer des simulations. 05/04/06 En cours

G1 Erreur d’affichage lors de l’activation de l’ «heure des dernières analyses météo»

20/03/06 En cours

G2 Erreur de lien permettant d’afficher les cartes de comparaison à J-1, J , J+1, J+2

25/03/06 En cours

G3 Erreur lors de l’extraction des valeurs numériques des graphiques.

10/04/06 En cours

G4 Erreur d’affichage de la date dans le tableau des maximas

11/04/06 En cours

G5 Mauvaise échelle dans les graphiques des statistiques.

10/04/06 En cours

G6 Mauvaise représentation graphique dans les comparaisons mesure/modèle

12/04/06 En cours

G7 Problème dans l’enregistrement des fichiers au format CV dans le table au des maximas simulés.

13/04/06 En cours

G8 Problème d’extraction des données numériques. 14/04/06 En cours

G9 Erreur dans le classement alphabétique des stations.

16/04/06 En cours

Q1 Pourrait-on avoir plus de détail sur le pré - processeur prepdomain et son intégration dans AIRES. (Bemissions)

28/03/06 En cours

Q2 Est-ce qu’il est possible d’avoir une documentation plus détaillée sur prepemis_paca, son lien avec chimere. (Aemissions)

19/04/06 En cours

Q3 Est-ce que l’extraction aux stations des variables est effectuée sur le domaine PACA ou au niveau des sous domaines ESC2 et AMAR3 ?

20/04/06 En cours

Ce tableau a été envoyé à la société ACRI qui s’occupera prochainement de la résolution des problèmes observés et de la mise à jour du système.

Figure 16 : exemple de dysfonctionnement : G6



4. ETUDE DE SENSIBILITE POUR AMELIORER LE SYSTEME AIRES

4.1. OBJECTIFS

Ces tests ont pour objectifs de proposer des voies d’amélioration sur la qualité des simulations et la compréhension des phénomènes de pollution en modifiant des données d’entrée météorologiques et d’émissions. Plusieurs sensibilités sont étudiées :

ü L’occupation du sol sur les champs de température et la distribution spatiale en ozone. ü L’influence du type de données d’entrée météorologiques issues du modèle global AVN du

NCEP. ü L’assimilation de données (technique de nudging dans MM5) sur les champs météorologiques et

chimiques.

Ø Choix de l’épisode

La période choisie pour une partie des tests correspond à un épisode de pollution à l’ozone sur la zone de surveillance d’Airmaraix dont le pic se situe le 2 et 3 septembre 2005. Les résultats des simulations issues de la plate forme AIRES (http://www.enviport.org/aires/jsp/aam2_res.jsp) sont comparés à l’aide des cartes de krigeage des observations d’ozone conçues après interpolation spatiale des données observées (cf. figure 17, [5])

Figure 17 : carte de krigeage des observations de l’épisode de pollution du 1er au 4 septembre 2005.

4.2. SENSIBILITE A L’OCCUPATION DU SOL

L’objectif est de mettre en évidence l’importance de l’occupation du sol sur la qualité des simulations météorologiques et chimiques. La température de surface dépend fortement du type de sol. Le transfert de chaleur F [ 2. −mW ] entre le sol et l’air utilisé dans MM5 est proportionnel au gradient de température, à la diffusivité thermique du sol K [ 2. −sm ], à la densité du sol sρ [ 3. −mKg ] et à la capacité thermique du sol sc [ ].. 11 −− KkgJ :

zT

cKF sss ∂

∂−= ρ Équation 1

Deux simulations ont été lancées, en changeant le type de donnée d’occupation du sol utilisé dans le modèle MM5. Les stations Météo France de la région PACA ont été utilisées pour les comparaisons mesure/modèle (cf. annexe 1). Deux types d’occupation du sol on été utilisés :

ü USGC résolution 900m (ancienne) ü GRIGE avec Nomenclature Corine Land Cover résolution 100m (nouvelle)



Ø Cartes des températures

Figure 18 : comparaison de la prévision de la température (°C) entre les deux simulations le 3 septembre 2005 sur les Bouches-du-Rhône.

La nouvelle occupation du sol améliore la précision des champs de température (cf. figure 18). Quelles sont les relations entre les champs de température et la topographie ?

Figure 19 : comparaison entre la topographie et la température simulée avec la nouvelle occupation du sol sur les Bouches-du-Rhône le 3 septembre 2003.

L’amélioration de la résolution (100m) des données d’occupation du sol a permis de mettre en évidence des structures qui n’apparaissaient pas auparavant. La structure de gauche (température plus élevée entre Marseille et Aubagne) (cf. figure 19) sur la carte de température est significative, elle montre la prise en compte du modèle de la Vallée de l’Huveaune. Y a-t-il une amélioration globale des résultats du modèle ?

Figure 20 : comparaison des moyennes horaires des températures entre les observations et les deux simulations



La courbe jaune (cf. figure 20) (température simulée avec la nouvelle occupation du sol) se rapproche d’une façon globale de la courbe des observations. Le modèle simule mieux les températures les plus élevées avec la nouvelle occupation du sol (Augmentation de deux degrés). Cependant, dans une moindre mesure, les températures minimales semblent être sous-estimées. La nouvelle occupation améliore d’une façon globale la prévision des températures diurnes.

Ø La distribution spatiale en ozone

Figure 21 : comparaison des distributions spatiales en ozone le 3 septembre 2005.

La distribution spatiale en ozone simulée avec la nouvelle occupation du sol semble en meilleur accord avec les observations (cf. figure 21).En effet une température plus élevée (cf. figure 18) semble favoriser les réactions chimiques et donc, la formation d’ozone.

4.3. SENSIBILITE A L’ASSIMILATION DE DONNEES La technique d’assimilation de données utilisée par le modèle MM5 est appelée : «nudging» (cf. §3.2.5). Le nudging est une technique de relaxation newtonienne qui permet d’assimiler durant les calculs du modèle MM5 des grilles (issues du modèle global AVN du NCEP sur la plate forme AIRES) ou des observations au sol (issues des observations des stations Météo France de la région PACA).

4.3.1. INFLUENCE DU NUDGING SUR GRILLES

Le Nudging sur grilles est une technique dite de relaxation newtonienne qui introduit des termes de relaxation aux équations de prévision. Ces termes relaxent les valeurs du modèle vers des grilles prévues ou analysée. Sur la plate-forme AIRES, le modèle MM5 utilise des grilles issues du modèle météorologique global AVN du NCEP.

Ø Théorie ü Equation avant nudging

Les équations de la dynamique sont de la forme simplifiée : ),,( txFt

i αα

=∂

∂ Équation 2

F : représente les processus physiques qui peuvent changer la valeur de la variable. α : variable scalaire (température, vent, etc.) ; t : le temps



ü Equation après nudging

Un terme de nudging non physique est ajouté aux équations de la dynamique.

)],([),,( txGtxFt iiai

i αααα

−+=∂

∂ Équation 3

iG : coefficient de nudging, taux de convergence de la valeur de la variable iα calculée dans une maille vers la valeur analysée ou prévue iaα de cette maille (issue du modèle AVN).

iaα : variable issue de la grille (analysée ou prévue).

iα : variable issue du calcul du modèle MM5 Le calcul du modèle converge vers la valeur de la variable issue de la grille (analysée ou prévue).

Ø Configuration des tests

Figure 22 : configuration

Les grilles NCEP utilisées sur la plate forme AIRES pour l’assimilation sont issues du modèle AVN. Elles contiennent un grand nombre de paramètres météorologiques (température, vitesse et direction du vent, pression à différents niveaux, température de la mer, etc.) Le mode nudging sur grilles, activé dans MM5 durant ces tests, permet d’assimiler l’intégralité des données des grilles issues du modèle AVN. Ces grilles sont de fréquences 6h, de résolution un degré en latitude et longitude, analysées ou prévues Deux simulations (TEST A et P) ont été lancées sur la plate forme AIRES en changeant le type de grille (cf. figure 22).

Ø Résultats ü Champs de vent

Figure 23 : comparaison des champs de vent avec les deux simulations à 12h TU le 3 septembre 2005

Les champs de vent simulés lors du test A est plus faible, environ 1 à 2 m/s par endroit (cf. figure 23). La station d’Aix en Provence, située à l’intérieur de la zone entourée a été choisie pour comparer les résultats des deux tests avec les observations (cf. figure 24)



Figure 24 : comparaison mesure/modèle de la vitesse du vent des deux simulations sur Aix-en-Provence

Les observations mettent en évidence une oscillation journalière de la vitesse de la brise. La brise de terre simulée la nuit dans les tests A et P ne s’observe pas ou très peu dans la réalité. (cf. figure 24). Le test P (avec des grilles NCEP prévues) semble légèrement mieux simuler sur cette station les vitesses du vent supérieur à 3 ou 4 m/s. La brise de terre est surestimée par les deux tests

le 3 septembre à 12h (cf. cercle noir. figure 24). Le test A ne semble pas améliorer les champs de vent à cet endroit par rapport au test P comme on pouvait s’y attendre.

ü Distribution spatiale en ozone

Figure 25 : comparaison des maxima journaliers en ozone le 3 septembre 2005.

Figure 26 : comparaison mesure/modèle en ozone

La distribution spatiale des concentrations d’ozone supérieures à 180 µg/m3, obtenue avec des grilles analysées est en meilleur accord les observations (cf. figure 25) Le test P sous-estime les concentrations maximales journalières en ozone. L’utilisation des grilles analysées améliore la qualité de la simulation. Les écarts entre ces deux simulations illustrent l’importance des données météorologiques d’entrée sur les distributions spatiales en ozone.



Sur Aix-en Provence (station de mesure Aix-les-Platanes), le pic d’ozone simulé atteint 200 µg/m3 d’ozone ce qui en meilleur accord avec l’observation lorsque les grilles NCEP analysées sont utilisées (cf. figure 26). L’amélioration est également observée sur les autres stations de mesure. L’utilisation des grilles analysées ne semble pas mieux reproduire la vitesse du vent sur la station d’Aix-en-Provence, mais améliore de façon générale la simulation de la distribution spatiale en ozone. Une différence dans la simulation de la vitesse du vent de 1m/s entre des grilles prévues et analysées engendre des différences de 20 à 40 µg/m3 sur les concentrations maximum en ozone . D’autres paramètres météorologiques sont-ils aussi responsables de ces différences ?

4.3.2. INLUENCE DU NUDGING SUR OBSERVATIONS

Ø Théorie Le nudging sur observations (utilisation des stations Météo France de la région PACA sur la plate forme AIRES) est une technique appropriée lorsque que l’on dispose d’une fréquence d’observations (temporelles et spatiales) aux sols importantes, Stauffer and Seaman (1990) (cf. [6]). Le modèle MM5 utilise le schéma de nudging d’après Stauffer and Seaman (1990).et Stauffer et al. (1991). Le schéma de nudging est une technique de relaxation newtonienne qui introduit un terme supplémentaire non physique dans les équations de la dynamique.

ü Equation avant nudging

Les équations de la dynamique sont de la forme simplifiée :

),,( txFt

i αα

=∂

∂ Équation 4

F : représente les processus physiques qui peuvent changer la valeur de la variable. α : Variable scalaire (température, vent, etc.) ; t : le temps

ü Equation après nudging

Équation 5

∑

∑

=

=−

−−

−−−−+=

∂∂

N

jjjj

N

jjjijjjjjjj

ii

ttxxW

txttxxWttxxWGtxF

t

1

1,

),(

)]()[,().,(),,(

ααα

α

Ce terme permet de pondérer l’importance des observations par rapport aux calculs.

Ce terme est le facteur convergent. Il représente la convergence des

variables calculées vers les observations.

Ce terme représente le taux de convergence ou vitesse de

convergence.



Le coefficient iG permet de moduler la vitesse à laquelle la valeur du modèle tend vers la valeur observée.

jW Représente la moyenne de la différence pondérée, il donne un poids aux valeurs du modèle calculées et aux observations. Le modèle calcule « virtuellement » les paramètres météorologiques au point de la grille. Le calcul réel converge entre le calcul virtuel et l’observation (cf. annexe 2).

Ø tests de Nielsen-Gammon (2004)

Le rapport Performance Evaluation of Profiler Nudging in the MM5 Meteorological Model de John Nielsen-Gammon (2004), a servi de référence pour le choix des coefficients concernant notre étude. Les tests de Nielsen-Gammon ont été réalisés avec le modèle méso échelle MM5, dans l’état du Texas, en assimilant des données à partir de cinq stations météorologiques, distantes en moyenne de 50km et mesurant la vitesse et la direction du vent grâce à des «profilers» de vent. Lors de ces tests le nudging a permis de réduire le BIAIS* (différence Modèle -Mesure) de 0.3 m/s. L’écart type à baissé de 2.5 m/s par rapport à celui calculé sans nudging. Le nudging a permis d’améliorer l’écart type (RMSE)* de près de 50% durant les premières heures de la journée simulée. Les meilleurs résultats ont été réalisés grâce à :

Des coefficients de nudging de 410.4 − pour le taux de convergence iG (GIV [coefficient nudging vent], GIT [Température], GIQ [coefficient de mélange]).

Des rayons d’influences entre 150 et 250 km (3 à 4 fois la distance moyenne entre deux stations). Des demies périodes temporelles entre 60 et 120 min (car le but de l’exercice était d’étudié des

phénomènes météorologiques synoptiques).

Ø Tests sur la plate forme AIRES Figure 27 : configuration spatiale

Le nudging a été réalisé grâce à des observations horaires provenant de 25 stations Météo France de la région PACA (cf. figure 28). Les cartes relatives aux positionnements des stations MF dans la région PACA et des stations météorologiques d’Airmaraix et d’Airfobep sont situées dans l’annexe 3. Les données analysées NCEP ont été utilisées pour calculer les conditions aux limites du domaine (4 premières lignes et colonnes), l’intérieur du domaine est calculé par nudging sur observations (cf. observations MF. figure 27).

Figure 28 : configuration temporelle

J-1 J+1 J+2 J

Grilles Analysées NCEP /3h pour le calcul des conditions limites

0h 48h 24h 72h 96h

Echéance

Observations Météo France /h Nudging Observations

Nudging grilles analysées



Les cœfficients de nudging ont été choisit à partir des tests de Nielsen-Gammon (2004).

Tableau 2 : tests sur les paramètres de nudging sur observations.

Numéro du test Nom GIT, GIV, GIQ RINXY (km) TWINDO (min)

0 TEST_0 410.1 − 50 30 1 TEST_1 310.1 − 50 30 2 TEST_2 510.1 − 50 30 3 TEST_3 410.1 − 100 90 4 TEST_4 410.1 − 150 90 5 TEST_5 410.1 − 100 30 6 TEST_6 410.1 − 100 180 L’explication des différents coefficients de nudging dans MM5 est située dans l’annexe 3. Les résultats seront analysés sur les Bouches-du-Rhône et autour de l’Etang de Berre, zone particulièrement sensible à la genèse des précurseurs d’ozone.

Ø Résultats

Figure 29 : comparaison des tests sur le nudging sur observations le 3septembre 2005.

Les tests 2, 3, 4, 5 et 6 présentent des résultats très similaires au niveau de la répartition spatiale en ozone (cf. test 2 et 4.figure 29, annexe 4) La modification des termes RINXY (rayon d’influence) et TWINDO (période du nudging) ne semble pas affecter les champs de vent et les distributions spatiales en ozone. Cependant la modification des cœfficients (GIV, GIQ, GIT : les taux de convergences pour le vent, la température, le cœfficient de mélange) semblent influencer les champs de vent au large des



Bouches-du-Rhône, sur la côte et autour de l’étang de Berre avec des répercutions positives sur la distribution spatiale en ozone (légère expansion) avec un coefficient de 310− (cf. test 1 et 2.observations. Figure 30). La sensibilité météorologique et chimique du nudging sur observation est quasiment nulle lorsque l’on modifie les coefficients RINXY (de 50 à 150 km) et TWINDO (de 30 à 180 min). Cependant un fort coefficient de nudging ( 310− ) semble avoir des répercussions positive sur la distribution spatiale en ozone.

4.3.3. COMPARAISON DES NUDGINGS

Ø Présentation

Ce paragraphe compare l’influence du nudging sur grilles (analysées NCEP) par rapport au nudging sur observations (stations Météo France). Trois cas sont étudiés:

Cas 1 : l’option nudging sur grilles est activée, l’assimilation fonctionne avec des grilles NCEP analysées. Cas 2 : l’option nudging sur observations (données observées Météo France, 25 stations) est activée. Cas 3 : les deux options ont été activées ; nudging sur grilles et nudging sur observations.

Dans les trois cas les conditions aux limites sont calculées par nudging sur grilles analysée sur les quatre premières lignes et colonnes du domaine. (cf. figure 27) Les coefficients de nudging sur grilles sont pris par défaut dans MM5. Les coefficients de nudging sur observations sont pris égaux à 410 pour GIV, GIT, GIQ, à 60km pour RINXY et 30min pour TWINDO.

Figure 30 : comparaison des champs de vent et d’ozone sur la zone ESC (Bouches-du-Rhône, Var., Vaucluse) avec les différentes configurations le 3 septembre 2005.

Les cas 1 et 3 pré sentent des résultats identiques sur la distribution spatiale de l’ozone et les champs de vent. Le cas 2 illustre une sensibilité inférieure du nudging des observations sur la distribution spatiale en ozone

Points analysés NCEP Points Observés MF



(légère sous-estimation).Puisque les cas 1 et 3 présentent des résultats similaires, le nudging sur analyse semble prépondérant sur le nudging des observations.

Figure 31: comparaison concentrations horaires en ozone

Les comparaisons mesure/modèle ci-dessus confirment l’approche cartographique. En effet le cas 1 simule mieux le pic d’ozone du 3 septembre (cf. cercles figures 31). L’activation du nudging sur grilles semble améliore r de façon sensible à certain endroit la simulation de l’ozone par rapport au nudging sur observations. Néanmoins l’amélioration n’est pas systématique sur toutes les stations (cf. annexe 5) Ø Fonctionnement du nudging.

L’objectif de cette partie est de comprendre les différences ou les similitudes entre le nudging sur observations et le nudging sur grilles. Les résultats ci-dessous (cf. figure 32) présente une inter-comparaison des données utilisées dans les deux types de nudging.

Figure 32 : comparaison des différents types de nudging sur la direction du vent

0

50

100

150

200

250

300

350

400

01/0

9/05

02/0

9/05

03/0

9/05

04/0

9/05

Temps

deg

ree

Mesure_MF_Aix en ProvenceMesure_MF_Marignane

Mesure_MF_Marseille_prado

Mesure_MF_salon

Modèle_test_nudging_obervations_MF_Aix-En-ProvenceModèle_test_nudging_grilles-analysées_NCEP_Aix-En-Provence

Figure 33 : configuration nudging

Les observations des stations MF (cf. point rouge figure 33) qui ont servit au calcul du point dans le modèle (cf. étoile bleu figure 33) sont tracées ci-dessus (cf. figure 32). Ces mesures révèlent l’alternance brise de mer, brise de terre. Les résultats illustrent une très légère différence entre les tests de nudging sur observations et de nudging sur grilles. Il semble que le modèle AVN du NCEP assimile aussi des observations issues de stations MF pour concevoir les grilles analysées, c’est pourquoi les deux tests semblent présenter des résultats similaires.



Sur la plate forme AIRES la dernière grille analysée servant au calcul journalier de la météorologie et de la chimie est celle de 12h00. L’utilisation des observations des stations MF jusqu'à 22h00 chaque jour avant le calcul de MM5 et CHIMERE pourrait améliorer l’analyse météorologiques à J-1 et avoir des répercutions positives à J, J+1 et J+2 sur les prévisions météorologiques et chimiques. Des tests supplémentaires vont être réalisés prochainement pour confirmer ces hypothèses.

4.4. SENSIBILITE AUX EMISSIONS

Sur la plate forme régionale AIRES, le cadastre des émissions alimente le modèle CHIMERE en surface (dans les deux premiers niveaux verticaux). Ces polluants sont divisés en deux catégories, les premiers sont appelés anthropiques car ils sont issus des activités humaines (industrie, trafic, foyer), les seconds sont nommé s biogéniques car ils sont émis par la végétation (sols, forêt) et dépendent fortement des conditions météorologiques (albédo, température). Les émissions anthropiques sont répertoriées dans un cadastre préétablit en fonction des informations sur les industries, le trafic et toutes les autres émissions qui ne sont pas d’origine naturelle. Les émissions biogéniques quant à elles dépendent fortement de la température et l’albédo, elles sont calculées par un module spécifique (Biogénix ou Calbio) à partir des conditions météorologiques issues des prévisions de MM5. Un module de la plate forme AIRES est consacré à la mise en commun de ces données linéaires, ponctuelles, et surfaciques dans une base horaire qui sert aux calculs de CHIMERE.

4.4.1. EMISSIONS ANTHROPIQUES.

Les émissions d’origines anthropiques, issues principalement, du trafic, des industries et des foyers, sont répertoriées dans un cadastre par type de polluants (NOx, COV et autres…) appelé cadastre des émissions (cf. annexe 3, [6]). Ces polluants sont répertoriés dans deux catégories : Ø Les émissions statiques Surfaciques dites « SRF », qui regroupent : le trafic, les foyers, l’agriculture. Ø Les émissions Statiques Ponctuelles dites « GSP », qui regroupent : les industries et autres sources

ponctuelles. La période d’étude pour ces tests, correspond à un épisode de pollution à l’ozone dans les Bouches-du-Rhône entre le 17 et le 21 juin 2005. Ces tests ont pour but de comparer la simulation d’un épisode de pollution avec deux cadastres des émissions différents Le cadastre utilisé auparavant, appelé juin_03 a été calculé en appliquant une loi de diminution (allocation temporelle ) pour chaque polluant à partir du cadastre juin03_v99 en accord avec les prévisions de diminution des émissions du Ministère de l’Ecologie et du Développement Durable (OPTINEC) (cf. tableau 3). Présenté ci-dessous, le bilan global sur la région PACA, des principaux polluants, des deux cadastres utilisés sur la période considérée.

Tableau 3 : bilan des émissions pour les principaux polluants

SRF NOx CO CO2 SO2 en kg PACA1_03 75 402 856 151 303 043 15 257 781 284 18 884 822

en kg PACA2_03_v99 (nouveau) 85 070 727 209 919 235 15 780 417 797 22 268 956

% différence 11 28 3 15

GSP NOx CO CO2 SO2 en kg PACA1_03 25 132 015 204 044 681 13 388 872 088 61 261 421en kg PACA2_03_v99(nouveau) 26 348 640 191 628 602 13 922 894 566 90 903 177 % différence 5 -6 4 33



Figure 34 : Comparaison des maxima journaliers en ozone le 18 juin 2005 avec les deux cadastres.

Il y a de légères différences entre les maxima journaliers en ozone. La distribution spatiale à l’ouest de l’Etang de Berre semble supérieure avec le nouveau cadastre. (cf. cercle. figure 34). Il semble que le nouveau cadastre améliore légèrement les concentrations en ozone (cf. observations. figure 34). Les comparaisons mesure/modèle non représentées ici confirment l’approche qualitative en montrant qu’il y a peu d’amélioration sur l’ensemble des stations entre les deux simulations. Il semble que les modifications entre les deux cadastres (entre 10% et 20% de différence sur les NOx et les CO) affectent peu la distribution spatiale des concentrations en ozone.

4.4.2. EMISSIONS BIOGENIQUES

Figure 35 : comparaison des maxima journaliers en ozone

Les émissions biogéniques diffèrent selon le type de végétations (feuillus, conifère) et les essences associées. La région PACA, constitué principalement dans sa partie sud, de pinède et de végétation basse, est une zone émettrice en alpha pinène et isoprène. Ces types d’émissions dépendent fortement de trois types de paramètres, la température, l’albédo, les radiations solaires courtes. Deux modules distincts sur la plate forme AIRES permettent de calculer les émissions biogénique (Calbio ou Biogénix). Ce paragraphe est consacré à la comparaison de ces deux modules et leur impact sur la prévision de l’ozone. Les tests présentés dans cette partie ont été réalisés en collaboration avec la société Acri et le Laboratoire Interuniversitaire des Systèmes Atmosphériques (LISA). Durant la POI2* de la campagne ESCOMPTE La configuration MM5/CHIMERE avait tendance à surestimer les concentrations en ozone dans la région PACA (cf. test1. figure 35).



Ce problème était lié en partie, à un double comptage de certains composés chimiques (alpha pinène (AP) et isoprène (ISO)). En effet AP et ISO étaient à la fois calculés par le module Calbio et pris en compte dans le cadastre des émissions ESCOMPTE. D’autres tests ont été réalisés afin de mettre en évidence l’influence des différents modules de calcul des émissions biogéniques sur la simulation des maxima d’ozone sur la région PACA le 18 juin 2005. Les observations montrent une répartition spatiale de l’ozone au nord-est de l’Etang de Berre et à la jonction des départements des Bouches-du-Rhône, du Var et du Vaucluse (cf. figure 35 observations). L’utilisation de Calbio sans réitérer l’erreur du double comptage explique la baisse des concentrations en ozone simulée (cf. figure 35. test 1 et 3. cercles). Cependant le test 3 semble maintenant sous estimer de façon générale les concentrations maximales en ozone. Le test 2 réalisé avec le module Biogénix a des répercutions positives sur la répartition spatiale en ozone et semble quantitativement plus en accord avec les observations que les autres tests. Toutefois, tous les tests semblent surestimer les concentrations en ozone autour de Marseille et ne pas simuler la distribution spatiale en ozone au nord-est de l’Etang de Berre. D’autres tests sur la zone ESC (Bouches-du-Rhône, Var et Vaucluse) ont été réalisé par le LISA afin de mettre en évidence les relations entre la production d’ISO et d’AP (avec les modules Biogénix et Calbio) et la simulation des épisodes de pollution à l’ozone.

Figure 36 : Comparaison de la production d’AP et d ISO avec les modules les modules de calcul des émissions anthropiques Calbio ou Biogénix pendant la POI2.

Ces résultats illustrent les relations quantitatives entre la production entre d’AP et d’ISO et les concentrations d’ozone simulées. En effet une production supérieure d’ISO et d’AP avec le module Biogénix (cf. figure 36. test2) améliore sensiblement la répartition spatiale en ozone (cf. figure 35. test2) Après ces résultats le module Biogénix a été choisit pour fonctionner sur la plate forme AIRES pendant l’été 2006. De nouveaux travaux vont être rédigé à partir des travaux réalisés de l’ASPA pour améliorer la paramétrisation de Calbio.



5. CONCLUSION

Après la recette du mode scénario et une phase d’apprentissage du fonctionnement de la plate forme AIRES et de ses différents modules (MM5, CHIMERE, Emissions), la partie centrale du stage a été consacrée à la simulation d’épisodes de pollution selon différents paramétrages. Plusieurs aspects ont été abordés afin de trouver des solutions pour améliorer les résultats des simulations. Dans un premier temps, des tests ont été réalisés en modifiant des données d’entrée ayant des conséquences directes sur les prévisions des paramètres météorologiques calculés par MM5.

Ø L’affinement de la résolution des données d’occupation du sol a permis d’améliorer la simulation des températures sur l’ensemble des domaines avec des répercutions positives sur la distribution d’ozone.

Ø D’autres tests ciblés sur l’influence des grilles NCEP analysées ou prévues ont montré une sensibilité très importante sur la concentration d’ozone simulé . L’utilisation des grilles analysées améliore la distribution spatiale et temporelle des concentrations d’ozone.

Ø La sensibilité météorologique et chimique du nudging sur observation est très faible. Les modifications des coefficients RINXY (de 50 à 150 km) et TWINDO (de 30 à 180 min) n’améliore pas le résultat des simulations. Cependant un fort coefficient de nudging ( 310− ) semblent avoir des répercussions faiblement positives sur la distribution spatiale en ozone.

Une voie d’amélioration du mode prévision serait d’utiliser les observations MF pour réaliser du nudging sur observations (de 00h00 à 22h00 à J-1) avant le début des calculs de MM5, car à l’heure actuelle la plate-forme utilise la grille de 12h00 comme dernière grille analysée.

D’autres tests, réalisés afin de mettre en évidence la sensibilité des émissions anthropiques et biogéniques ont montré :

Ø une sensibilité des émissions anthropiques faible sur la répartition spatiale des concentrations en ozone malgré une diminution de 10 à 20 % de la quantité de polluants (NOx, CO) dans le cadastre.

Ø une sensibilité de l’isoprène et du terpène sur la production d’ozone. Ces tests illustrent les répercutions positives du module Biogénix (qui dispose de données d’entrée plus spécifique sur la zone d’étude) sur la répartition spatiale en ozone avec des concentrations d’isoprène et de terpène suffisantes.

Les principales modifications sur la plate forme AIRES pour l’été 2006 sont :

Ø la nouvelle occup ation du sol du GRIGE avec nomenclature Corin Land Cover. Ø L’activation du module Biogénix pour le calcul des émissions biogéniques.



REFERENCES

[1] Jimy Dudhia, Dave Gill, Kevin Mannin, Wei Wang, et Cindy Bruyere. 1986 PSU/NCAR Mesoscale Modeling System Tutorial class Notes and Users’ Guide.

[2] Yubao Liu, Laurie Carson, Francois Vandenberghe, Chris Davis, Mei Xu, Rong Sheu, Al Bourgeios, Fei Chen and Daran Rife .2001. The NCAR/ATEC Real-Time Four-Dimensional Data Assimilation and Forecast System (RTFDDA) [3] Vautard et al. 1996. Institut Pierre-Simon Laplace (C.N.R.S), INERIS, LISA (C.N.R.S) Documentations of the chemistry-transport model Chimere V200511B http://euler.lmd.polytechnique.fr/chimere/ http://www.mmm.ucar.edu/mm5/ducuments/tutorials-v3-notes.html [4] O.HEMBISE, A.MANGIN (ACRI-ST). 2004. Conception et installation d’un système de simulation de la pollution photochimique en région P.A.C.A. [5] Airmaraix. 2004. Evaluation des outils de cartographie de la pollution par l’ozone dans les Bouches-du-Rhône, le Var et le Vaucluse, (www.airmaraix.org\files\Et\methode_cartoO3_2004.pdf) [6].John Nielsen-Gammon. 2004. Performance Evaluation of Profiler Nudging in the MM5 meteorological Model. Center for atmospheric Chemistry and the Environnment. [7]Airmaraix. 2005. Les sources d’émissions en PACA, inventaire des émissions régionales 1999 : résultats, (http://www.airmaraix.org/files/Et/Inventaire_PACA_resultats.pdf)



LISTE DES TABLEAUX ET FIGURES

TABLEAUX Tableau 1 : recette du mode scénario ......................................................................................................15 Tableau 2 : tests sur les paramètres de nudging sur observations..............................................................24 Tableau 3 : bilan des émissions pour les principaux polluants ....................................................................27

FIGURES Figure 1 : budget de fonctionnement 2005................................................................................................. 5 Figure 2 : zone de surveillance................................................................................................................. 6 Figure 3 : indice ATMO............................................................................................................................ 6 Figure 4 : fonctionnement de la plate-forme informatique............................................................................ 7 Figure 5 : fonctionnement de la plate forme AIRES .................................................................................... 8 Figure 6 : coordonnées verticales s .......................................................................................................... 8 Figure 7 : schéma de discrétisation spatiale............................................................................................... 9 Figure 8 : Schéma de leapfrog ................................................................................................................. 9 Figure 9 : utilisation des grilles NCEP......................................................................................................10 Figure 10 : emboîtement des grilles.........................................................................................................10 Figure 11 : chaîne de calcul MM5............................................................................................................11 Figure 12 : photochimie et formation de l’ozone ........................................................................................12 Figure 13 : processus physico-chimique pris en compte dans CHIMERE. ...................................................13 Figure 14 : équation de transport .............................................................................................................14 Figure 15 : exemple de présentation de l’interface.....................................................................................15 Figure 16 : exemple de dysfonctionnement : G6 .......................................................................................16 Figure 17 : carte de krigeage des observations de l’épisode de pollution du 1er au 4 septembre2005.............17 Figure 18 : comparaison de la pré vision de la température (°C) entre les deux simulations le 3 septembre sur les Bouches-du-Rhône. ..........................................................................................................................18 Figure 19 : comparaison entre la topographie et la température simulée avec la nouvelle occupation du sol sur les Bouches-du-Rhône le 3 septembre 2003. ...........................................................................................18 Figure 20 : comparaison de la température entre les observations et les deux simulations ...........................18 Figure 21 : comparaison des distributions spatiales en ozone le 3 septembre 2005......................................19 Figure 22 : configuration .........................................................................................................................20 Figure 23 : comparaison des champs de vent avec les deux simulations.....................................................20 Figure 24 : comparaison mesure/modèle de la vitesse du vent des deux simulations ...................................21 Figure 25 : comparaison des concentrations maxima journalier en ozone le 3 septembre 2005. ....................21 Figure 26 : comparaison mesure/modèle en ozone ...................................................................................21 Figure 27 : configuration spatiale .............................................................................................................23 Figure 28 : configuration temporelle.........................................................................................................23 Figure 29 : comparaison des tests sur le nudging sur observations le 3septembre 2005. .............................24 Figure 30 : comparaison des champs de vents et d’ozone sur la zone ESC (Bouches-du-Rhône, Var., Vaucluse) avec les différentes configurations. Le 3 septembre 2005...........................................................25 Figure 31: comparaison concentrations horaires en ozone.........................................................................26 Figure 32 : comparaison des différents types de nudging sur la vitesse du vent...........................................26 Figure 33 : configuration nudging.............................................................................................................26 Figure 34 : Comparaison maxima journalier en ozone le 18 juin 2005 avec les deux cadastres utilisés. .........28 Figure 35 : comparaison des maxima journalier en ozone ..........................................................................28 Figure 36 : Comparaison de la production d’AP et d ISO avec les modules les modules de calcul des émissions anthropiques Calbio ou Biogénix pendant la POI2. ....................................................................29



GLOSSAIRE

AIRES de l’occitan « Aire » : [ajre] : n.m air NCEP : National Center for Environnemental Prediction BIAIS= (valeur modèle-valeur mesure) RMSE= (moyenne [(modèle -mesure) ²]) 1/2

O2 : Ozone NO2 : Dioxyde d’Azote SO2 : Dioxyde de soufre COV : Composés Organiques Volatiles. CO : Monoxyde d’Azote NOx : Oxydes d’azotes Emissions Anthropiques : Emissions provenant des activités humaines (industries, foyers, trafic automobile, agriculture) Emissions Biogéniques : Emissions d’origines, naturelle (respiration et photosynthèse de la végétation) CL : conditions Limites CI : conditions initiales AP : Alpha-Pinene ISO : Isoprène ASPA : ASsociation Pour la surveillance et l’étude de la qualité de l’air en Alsace MF : Météo France POI2 : Période d’Observation Intensive durant la campagne ESCOMPTE (situation météorologique : brise de sud ouest sur les Bouches-du-Rhône).



Stations METEO FRANCE Stations AIRMARAIX

ANNEXE 1 : STATIONS METEO FRANCE ET AIRMARAIX



ANNEXE 2: EXPLICATION DES TERMES DE L’EQUATION 5

Le terme jW a pour expression :

)().().( jtjjxyj ttwwDwW −−= σσσ

σw : Poids vertical, terme proportionnel à la séparation verticale entre un point un point de la grille et l’observation.

Schéma temporel de la fonction tw

tw : Poids temporel est une fonction temporelle qui définit la demi-période τ pendant laquelle les observations sont prises en compte durant les calculs du modèle. Comme le montre le schéma ci-dessous, si 1t est le temps d’observations, alors entre τ−1t et τ−1t les calculs du modèle assimileront les observations.

xyw : Poids spatial est une fonction de type Cressman qui dépend du rayon d’influence R et de la distance

jD entre l’observation et le point de calcul sur lequel l’assimilation est réalisée.

fonction de Cressman pour le poids spatiale

=

≤+

−=

RDw

RD

RD

RD

w

jxy

jj

j

xy

φ;0

;1

12

2

schéma du rayon d’influence R

1 : 1=xyW lorsque le point de la grille se situe sur le point d’observation.

( 1D =0) 2 : 0=xyW lorsque le point de la grille se situe à l’extérieur du cercle de

rayon R. ( 2D ) 3 : 10 ππ xyW lorsque le point se situe à l’intérieur du rayon d’influence.

)( 3D



ANNEXE 3 : COEFFICIENTS DE NUDGING DANS MM5.

Coefficient équation 2

coefficient MM5

Fonction Ordre de grandeur

GIV Coefficient de nudging pour le vent. Donne un poids aux valeurs de vitesse et de direction

observées lors du calcul de cette variable dans une maille

410−

Car le temps caractéristique des phénomènes étudiés est

T~ 410 s et iG ~1/T

GIT Coefficient de nudging pour la température. Donne un poids aux valeurs des températures observées

lors du calcul de cette variable dans une maille.

410−

« Même explication que précédemment »

Taux Convergence :

iG

GIQ Coefficient de nudging pour le coefficient de mélange Donne un poids aux valeurs de coefficient de mélange

observées lors du calcul de cette variable dans une maille .

410− « Même explication que

précédemment » Horizontal :

xyw

RINXY Rayon d’influence horizontal. Rayon dans lequel les stations ont une influence lors

calcul des variables dans une maille.

2 à 4 fois la distance moyenne des stations servant à

l’assimilation. Entre 50 et 150 km.

Vertical :

σw

RINSIG Rayon d’influence vertical. Hauteur d’influence des obervations sur le calcul des

variables dans une maille.

Généralement pris égale à un niveau vertical s

0.001km. Car le premier niveau vertical dans MM5 se situe à environ

16m. Temporel :

tw

TWINDO Demi période sur laquelle les observations vont affecter les prévisions via le nudging

Dépend de la nature des phénomènes étudiés

(synoptiques ou régional) De 30 à 200 min.



ANNEXE 4 : RESULTATS DES TESTS DE NUDGING



ANNEXE 5 : COMPARAISON DES TESTS DE NUDGING SUR ANALYSE ENTRE LE 1ER ET LE 4 SEPTEMBRE 2005.



ANNEXE 6 : CADASTRE DES EMISSIONS AIRMARAIX

Un inventaire des émissions recense et évalue les rejets de polluants dans l’atmosphère. Ces rejets peuvent être d’origine anthropique (industries, transports, chauffage…), agricole (utilisation d’engrais et de pesticides, élevage…) ou naturelle (émissions de la végétation, des sols…). Une vingtaine de polluants est étudiée de manière fine (estimation des émissions de NOx, SO2, CO, particules fines, métaux lourds, Composés Organiques Volatils totaux, CO2, CH4…). D’autres composés sont estimés par des méthodes plus globales (spéciation des COV en fonction de l’activité considérée par exemple). Les données d’émissions sont géoréférencées sous Système d’Information Géographique (SIG) et moyennées à l’échelle du kilomètre carré.

1. Introduction

Airmaraix, à travers le regroupement Air Alpes Méditerranée, développe la plate forme de modélisation de la qualité de l’air AIRES. Cette plate- forme fournit une cartographie des teneurs en polluants (gazeux et particulaire) à l’échelle régionale et sub régionale à différentes échéances.

Objectif :

Simuler des épisodes de pollution photochimique sur la plate-forme AIRES à l’aide du mode scénario pour comprendre leurs sensibilités aux conditions météorologiques, aux émissions et amé liorer la plate forme de prévision.

2. La plate forme AIRES.

La plate forme AIRES possède deux modes de fonctionnement. Le mode prévision, est consacré à la prévision journalière de la pollution atmosphérique dans la région PACA à deux jours. Le mode scénario est dédié à la simulation d’épisodes de pollution en modifiant des paramètres de calculs ou d’entrée. Le système régional AIRES fonctionne à partir des modèles MM5 et CHIMERE.

§ MM5

MM5 est un modèle méso échelle 3D non hydrostatique en coordonnée verticale s. Le modèle propose la possibilité de zoomer sur certaines zones de la région PACA en augmentant localement la résolution spatiale. MM5 offre la possibilité d’assimiler des différents types de données, cette technique est appelée nudging, il en existe deux types : Nudging sur grilles : des termes de relaxation sont ajoutés aux équations de prévision. Ces termes relaxent les valeurs du modèle vers des grilles prévues ou analysée de modèles météorologiques mondiaux. Nudging sur d'observations : des termes de relaxation sont ajoutés aux équations. Ces termes sont relaxés vers une valeur qui tient à la fois compte des résultats du calcul et des observations aux sols.

§ CHIMERE

CHIMERE est un modèle déterministe tridimensionnel dit de « chimie transport »multi échelle qui a été conçu pour réaliser des prévisions journalières de la pollution photochimique (O3, N O2, COV) et particulaire (aérosols) dans les basses couches de l’atmosphère. Ce modèle prend en compte une multitude de phénomènes complexes te ls que : le transport horizontal et vertical, le dépôt sec et les réactions chimiques. CHIMERE a besoin en entrée des données météorologiques issues de MM5, des conditions aux limites chimiques du modèle PREVAIR, du cadastre des émissions anthropiques et biogéniques de la région PACA.

4. Etude de sensibilité pour améliorer le système AIRES

§ Sensibilité de l’occupation du sol

L’’affinement de la résolution des données d’occupation du sol à 100m a permis d’améliorer la simulation des températures sur l’ensemble des domaines avec des répercutions positives sur la distribution d’ozone.

§ Sensibilité du nudging sur grilles

D’autres tests ciblés sur l’influence des grilles analysées ou prévues (AVN-NCEP) ont montré une sensibilité très importante sur les concentrations d’ozone simulées. L’utilisation des grilles analysées améliore la distribution spatiale et temporelle des concentrations d’ozone. Ces tests illustrent à nouveau l’importance de l’évolution du développement du panache d’ozone, transporté par la brise de l’étang de Berre vers l’intérieur des Bouches du Rhône. Une différence dans la simulation de la vitesse du vent de 1m/s entre des grilles prévues et analysées engendre des différences de 20 à 40 µg/m3 sur les concentrations maxima en ozone.

§ Sensibilité du nudging sur observations La sensibilité météorologique et chimique du nudging sur observation est quasiment nulle en modifiant les coefficients RINXY (de 50 à 150 km) et TWINDO (de 30 à 180 min), cependant un fort coefficient de nudging ( 310− ) semblent avoir des répercussions positives sur la distribution spatiale en ozone. Sur la plate forme de prévision, la grille NCEP de 12h est la dernière servant au calcul journalier de la météorologie et de la chimie. L’utilisation des observations des stations Météo France jusqu'à 22h00 chaque jour avant le calcul de MM5 et CHIMERE pourrait être une voie d’amélioration des analyses météorologiques à J-1 et pourrait avoir des répercutions positives à J, J+1 et J+2 sur les prévisions météorologiques et chimiques.

§ Sensibilité aux émissions anthropiques et biogéniques.

Des tests ont montré une sensibilité des émissions anthropiques relativement faible sur la répartition spatiale des concentrations en ozone malgré une diminution de 10 à 20 % de la quantité de polluants (NOx, CO) dans le cadastre. Le module Biogénix a été choisit pour fonctionner sur la plate forme durant cet été. Ce module, qui calcule les émissions biogéniques améliore la production d’alpha-Pinene et d’isoprène dont on soupçonne l’importance dans la production d’ozone.

5. Conclusion

Les tests sur la plate forme AIRES ont révélé une grande sensibilité de la pollution photochimique simulée aux conditions météorologiques. La brise est un phénomène local prépondérant pour prévoir l’évolution et le transport de l’ozone dans les Bouches du Rhône et les départements adjacents.

Résumé

Surveillance de la qualité de l’air de l’Est des Bouches-du-Rhône,

du Var et du Vaucluse

67, avenue du Prado, 13286 Marseille Cedex 06 Tel : 04 91 32 38 00 – Fax : 04 91 32 38 29 Serveur téléphonique : 04 91 326 327 Internet : www.airmaraix.org

Documents

Météorologie C ôtière Année universit aire 2006 -2007 ... · Rapport de stage. Vernier Jean -Paul / Airmaraix ... REMERCIEMENTS Un grand merci à Alexandre Armengaud qui m’a