Comment sont créées les cartes de la pollution de l'air rue-par-rue?

Bienvenue dans les cartes de qualité de l’air du futur ! Comme tout scientifique qui se respecte, je suis sur que vous vous demandez: ces cartes sont belles et informatives (du moins nous l’espérons) mais comment sont-elles construites ? Sur quelles données reposent-elles ?

Toutes les réponses à vos questions ci-dessous !

Illustration: pollution rue par rue à New York

Notre plateforme de cartographie repose sur des jeux de données très variés qui sont assimilés par des méthodes à l’état de l’art du machine learning. La granularité spatiale des cartes est adaptée aux données disponibles, d’une dizaine de mètres dans les grandes zones urbaines à quelques kilomètres dans les zones où peu de stations de mesure sont disponibles. En résumé, plus nous avons de sources de données, plus nous pouvons prédire à haute résolution.

Jeux de données d’entrée

Nos cartes à l’échelle de la rue sont basées sur les sources suivantes:

• Réseaux officiels de surveillance de la qualité de l’air (stations de mesure).

• Modèles atmosphériques 3D (fournis par des laboratoires de recherche).

• Prévisions météorologiques.

• Jeux d’émissions anthropiques (liées aux activités humaines).

Réseaux officiels de surveillance de la qualité de l’air

Nous collections les mesures de qualité de l’air de plus de 10000 stations dans le monde. C’est la colonne vertébrale de nos cartes. Ce jeu de données offre des mesures en temps réel de l’état de l’air à chaque station mais ce n’est pas suffisant pour donner une estimation précise de la qualité de l’air à la résolution qui nous intéresse: la rue. Nous devons ajouter d’autres jeux de données pour combler les espaces vides entre les stations !

Illustration: les stations de mesures en Europe de l’ouest.

Les modèles atmosphériques 3D

Les laboratoires de recherche en sciences atmosphériques construisent des modèles à grande échelle qui prévoient la qualité de l’air pour des continent entiers: Europe, Amérique du Nord, Asie, et même parfois le monde entier ! Ces modèles se basent sur les sciences atmosphériques pour réaliser des prévisions sur la zone géographiques qu’ils couvrent, à des résolutions, en général, de quelques dizaines de kilomètres.

Les modèles de qualité de l’air s’appuient généralement sur:

• Une estimation fine des émissions atmosphériques (issues du trafic routier ou de la production d’énergie par exemple).

• Le transport de la pollution dans l’atmosphère dû aux conditions météorologiques (par exemple le vent)

• Une modélisation des réactions chimiques ayant lieu dans l’atmosphère, par exemple lorsque l’interaction entre le NO2 et le rayonnement solaire conduit à la production d’ozone.

Illustration: concentration en PM 2.5 à Londres estimée par un modèle atmosphérique.

Prévisions météorologiques

La qualité de l’air est grandement influencée par les conditions météorologiques. Par exemple, des pluies abondantes nettoient l’atmosphère et le vent peut transporter certains polluants sur de grandes distances. Nous utilisons des estimations temps-réel et des prévisions météorologiques pour modéliser l’évolution de la qualité de l’air au cours du temps.

Illustration: Vitesse du vent (direction ouest-est) à un temps donné.

Jeux d’émissions anthropiques

Les émissions anthropiques (dues aux activités humaines) ont un impact évident sur la qualité de l’air et viennent de nombreuses sources: trafic routier, chauffage, production d’énergie à partir de combustibles fossiles, agriculture intensive, etc. 

Nous utilisons de multiples jeux de données pour estimer l’intensité de ces émissions à travers le monde, et notamment:

• Le trafic routier en temps-réel

• La classification des zones urbaines en fonction de leurs usages (zones résidentielles ou industrielles, parcs, etc sur des dizaines de catégories)

• La densité de population

Illustration: Estimation du nombre de véhicule circulant sur le réseau routier au Japon et en Corée du Sud à un temps donné.

Méthodologie de cartographie

Nous créons des dizaines de variables explicatives sur plus d’1 milliard de point partout dans le monde pour prédire la qualité de l’air en un point donné. Il existe 2 types principaux de variables:

• Les variables donnant une estimation moyenne de la qualité de l’air dans la zone considérée, par exemple:

• La valeur moyenne mesurée par toutes les stations de mesure proches

• La valeur moyenne prédite par un modèle atmosphérique

• Les variables donnant une estimation des émissions dans la zone considérée, par exemple:

• Le nombre de voitures circulant dans la zone

• La distance à la centrale à charbon la plus proche

• La densité de population

Ces variables sont calculées pour plusieurs résolutions spatiales (c’est à dire un cercle de rayon donné autour de la position ou est réalisée la prévision). Cela permet la définition de variables à haute résolution là où suffisamment de données sont disponible, et à basse résolution ailleurs.

Ensuite, des modèles de machine learning sont entraînés sur plusieurs années d’historiques de mesures aux stations: toutes les variables explicatives listées ci-dessus sont assemblées selon de nombreuses combinaisons pour tenter de reproduire au plus près les mesures des stations.

Enfin, le modèle spatial peut être utilisé en tout point de l’espace pour produire une prévision de la qualité de l’air. La distance entre 2 points de l’espace utilisés pour les prévisions dépend de la quantité d’information disponible: Il est possible d’aller jusqu’à une résolution de 10 mètres dans les grandes villes équipées d’un réseau dense de surveillance de la qualité de l’air et dotées d’estimations fines des émissions anthropiques, et un point tous les kilomètres dans les régions où moins de données sont disponibles.

Illustrations: Carte à haute résolution à Los Angeles (gauche) / Carte des Etats-Unis à 1 kilomètre de résolution (droite)