Upload
vutruc
View
215
Download
0
Embed Size (px)
Citation preview
1
Développements d’outils SIG pour la modélisation de la qualité de l’air
Université de haute Bretagne - Rennes 2 DESS cartographie, SIG et développement territorial
UFR Sciences Sociales Année universitaire 2002-2003
DEVELOPPEMENTS D’OUTILS SIG POUR LA MODELISATION DE LA
QUALITE DE L’AIR
Soutenu par : Responsables de stage : Gabriel CAUSERA Laetitia MARY
Sylvain FAYET
2
Développements d’outils SIG pour la modélisation de la qualité de l’air
SOMMAIRE
REMERCIEMENTS................................................................................................................. 3
INTRODUCTION.................................................................................................................... 4
Chapitre I Surveiller la qualité de l’air.............................................................................5
A L’association AIRMARAIX................................................................................................... 5 B Intégration des SIG dans le service étude d’AIRMARAIX ..................................................... 12
Chapitre II Mise en place d’une application de cartographie automatique des
épisodes de pollution à l’ozone..........................................................................................15
A Cahier des charges initial..................................................................................................... 16 B Développement du projet ..................................................................................................... 19 C Finalisation de l’outil........................................................................................................... 24
Chapitre III Développement d’une interface entre STREET et ArcView 8 ..........28
A Données nécessaires au fonctionnement de STREET............................................................. 29 B Méthodologie d’élaboration des données d’entrée.................................................................. 33 C Présentation des résultats...................................................................................................... 51
Chapitre IV Apport des géostatistiques à la cartographie du dioxyde d’azote .....56
A Méthodes géostatistiques utilisées......................................................................................... 57 B Spatialisation du dioxyde d’azote.......................................................................................... 64
CONCLUSION ...................................................................................................................... 75
BIBLIOGRAPHIE.................................................................................................................. 76 LEXIQUE.............................................................................................................................. 77 TABLE DES FIGURES.......................................................................................................... 78 ANNEXES............................................................................................................................. 80
3
Développements d’outils SIG pour la modélisation de la qualité de l’air
REMERCIEMENTS
Par ces quelques lignes, je tiens à exprimer mes vifs remerciements à tous ceux qui par leur
collaboration, ont participés de prés ou de loin, à la réalisation de ce stage.
Je tiens à remercier plus particulièrement :
�� Carole GENEVE, directrice d’AIRMARAIX pour avoir permis la réalisation de mon
stage dans cette association ;
�� Laetitia MARY, Sylvain FAYET et Alexandre ARMENGAUD, chargés d’études,
pour m’avoir suivi et parfaitement encadré tout au long de ces 6 mois ;
�� Dominique Robin et Yann CHANNAC MONGREDIEN, pour m’avoir aidé et
conseillé durant la réalisation de mes différents projets.
�� L’ensemble du personnel d’AIRMARAIX à savoir : Armande, Marjorie, Patricia,
Suzy, Zhoria, Francis et Saïd pour la qualité de l’accueil qu’ils ont su m’apporter.
�� Les autres stagiaires avec qui j’ai eu le plaisir de travailler : Marjorie, Stéphanie,
Vanina et Julien.
�� Et enfin, les professeurs du DESS « SIG, Cartographie et développement territorial »
de Rennes, pour m’avoir permis d’approfondir mes connaissances dans le domaine
passionnant des SIG, et plus particulièrement M. Corentin CANEVET pour m’avoir
permis d’intégrer ce DESS.
4
Développements d’outils SIG pour la modélisation de la qualité de l’air
INTRODUCTION
L’association AIRMARAIX a pour mission la surveillance de la qualité de l’air de l’est des
Bouches-du-Rhône, du Var et du Vaucluse. La couverture du territoire pour l’information sur
la qualité de l’air et la connaissance de l'exposition des populations aux polluants
atmosphériques est un axe de développement fort à AIRMARAIX. L'évaluation de ce que
respirent les citoyens dans une ville s'appuie sur des outils complémentaires pour évaluer les
niveaux de polluants dans l'espace et le temps (mesures permanentes, mesures temporaires,
modélisation).
Dans ce cadre, les Systèmes d’Information Géographique et les géostatistiques prennent de
plus en plus d’ampleur dans les réseaux de surveillance de la qualité de l’air. Car ces
nouvelles technologies répondent parfaitement aux nouvelles problématiques des réseaux qui
sont :
- Apporter au public et aux décideurs des réponses claires par la visualisation de la
pollution (représentations cartographiques de la pollution atmosphériques) ;
- Tenter de mieux analyser et comprendre la dynamique de certains phénomènes
(cartographie d’un épisode de pollution sur une journée) ;
- Optimiser le réseau de mesure et faciliter les stratégies d’échantillonnage.
Depuis quelques années l’utilisation des SIG est devenu une activité courante pour
AIRMARAIX. Le stage que j’ai réalisé dans cette association du 6 Avril au 26 Septembre
2003, a pour objectif le développement d’outils SIG permettant d’améliorer la représentation
spatiale de différents polluants en valorisant notamment les différentes bases de données
acquises par AIRMARAIX.
La première partie de ce mémoire sera consacrée à la présentation de l’organisme d’accueil et
à la définition des missions que mènent les associations de surveillance de la qualité de l’air.
J’aborderai dans les parties suivantes, les trois projets sur lesquels j’ai travaillé durant ce
stage :
�� Mise en place d’un outil permettant d’automatiser la cartographie des épisodes de
pollution à l’ozone ;
�� Développement d’une interface entre le logiciel de modélisation STREET et ArcView 8 ;
�� Utilisation des géostatistiques pour la cartographie du dioxyde d’azote.
5
Développements d’outils SIG pour la modélisation de la qualité de l’air
CHAPITRE I SURVEILLER LA QUALITE DE L’AIR
La loi sur l’air et l’utilisation rationnelle de l’énergie (1996) reconnaît à chacun « le droit de
respirer un air qui ne nuise pas à sa santé ». Afin de vérifier le respect de ce droit, l’Etat
assure, avec le concours des collectivités territoriales, la surveillance de la qualité de l’air au
moyen d’un dispositif technique dont la mise en œuvre est confiée à des organismes agréés
par le ministère de l’écologie et du développement durable. AIRMARAIX, association loi
1901 à but non lucratif, est une des quarante Associations Agréées pour la Surveillance de la
Qualité de l’Air (AASQA).
A L’association AIRMARAIX 1 Historique L’association AIRMARAIX a été créée en 1982 pour surveiller la qualité de l’air de l’est des
Bouches du Rhône, en particulier sur les agglomérations d’Aix-en-Provence et Marseille, et la
zone industrielle de Gardanne. L'extension de sa zone de surveillance sur le Var et le
Vaucluse (agglomérations de Toulon et d’Avignon) fait suite à la loi sur l'air qui prévoit une
surveillance appliquée aux agglomérations de plus de 250 000 habitants depuis le 1er janvier
1997 et à celles de plus de 100 000 habitants depuis le 1er janvier 1998 [ROBIN D., 2002].
Dans les années 1980, la surveillance portait surtout sur la pollution industrielle avec la
mesure du dioxyde de soufre et des fumées noires traceurs de cette pollution. C’est également
à cette période que sont installés les analyseurs d’oxydes d’azote et de monoxyde de carbone
sur quatre grands axes marseillais pour mesurer la pollution d’origine automobile.
A partir de 1996, en liaison avec la publication de la loi sur l’Air et l’élaboration de l’indice
national ATMO1, le dispositif de mesures sur Marseille et Aix-en-Provence est complété par
des sites urbains et périurbains pour la surveillance de l’ozone, qui s’intensifie pour tracer la
pollution photochimique et répondre à l’entrée en vigueur de la directive européenne.
En 1997 et 1998, les stations permanentes des villes de Toulon et d’Avignon sont
progressivement installées.
1 Indice ATMO : indicateur journalier de la qualité de l’air
6
Développements d’outils SIG pour la modélisation de la qualité de l’air
Depuis 1999, un travail important a été effectué pour développer la mesure de nouveaux
indicateurs de pollution : les métaux lourds (plomb, nickel, cadmium, arsenic), les PM10 et
PM2.5 (particules inférieures à 10 µm et 2.5 µm), les composés organiques volatils (benzène,
toluène, …) et les HAP (Hydrocarbures Aromatiques Polycycliques).
En 2003, le dispositif de mesures d’AIRMARAIX est constitué d’une quarantaine de stations
et d’un camion laboratoire mobile. Ce dispositif fournit en permanence, dans différents
environnements (proche du trafic, en fond urbain, périurbain, industriel et rural), les niveaux
d’une quinzaine d’indicateurs de pollution.
Des campagnes temporaires de mesures (laboratoires mobiles et tubes à diffusion passive2)
sont réalisées régulièrement, afin d’affiner la connaissance des niveaux en polluants sur les
zones non encore couvertes mais aussi dans les différents quartiers des villes afin de
caractériser de plus en plus précisément l’exposition des populations.
2 Objectifs Le but d’AIRMARAIX est de participer à la politique de surveillance, de préservation de la
qualité de l’air et de lutte contre les pollutions atmosphériques.
Les principales missions d’AIRMARAIX sont :
�� Surveiller la qualité de l’air sur le territoire et son évolution dans le temps ;
�� Caractériser les niveaux de pollution par rapport aux normes sanitaires et
environnementales ;
�� Estimer le risque maximum par polluants ;
�� Prévoir les épisodes de pollution ;
�� Informer la population dans les meilleurs délais ;
�� Sensibiliser à la qualité de l'air ;
�� Servir de point d'appui à la recherche ;
�� Participer à la réflexion sur l'aménagement du territoire.
2 Tube à diffusion passive : Echantillonneur de polluants atmosphériques
7
Développements d’outils SIG pour la modélisation de la qualité de l’air
L’un des rôles les plus important d'AIRMARAIX est d'informer le public sur la qualité de
l'air, ce qui est fait par différents moyens :
L'indice ATMO (figure 1), indicateur de la qualité de l’air sur une échelle de 1 : très bon, à
10 : Très mauvais. Cet indice est calculé en prenant en compte quatre indicateurs de
pollution : le dioxyde d’azote, le dioxyde de soufre, l’ozone et les particules en suspension.
Figure 1 : Indice ATMO
Tous les jours, le public est informé de l'indice prévu pour la journée par divers moyens :
�� Le serveur téléphonique et le site Internet d’AIRMARAIX ;
�� Différents médias (journaux, radios, télévision) ;
�� Les panneaux lumineux des villes.
Il existe aussi plusieurs publications régulières :
�� Le bulletin d'information « L'air au quotidien » (quatre bulletins techniques Marseille-
Aubagne, Aix-en-Provence, le Vaucluse et le Var publiés tous les deux mois) ;
�� Le journal « Plein air » publié trois fois par an donnant les avis des membres de
l'association et abordant des dossiers sur les polluants ;
�� Le bilan annuel, relevé complet de mesures réalisées et leur analyse au regard des
normes en vigueur ;
�� Les résultats des campagnes.
Ponctuellement, lors des épisodes de pollution, c'est à dire lorsque la pollution dépasse les
niveaux réglementaires, les mairies concernées ainsi que les médias sont informés par fax de
la qualité de l'air pour qu'ils puissent, à leur tour, informer le public. Il existe deux de ces
8
Développements d’outils SIG pour la modélisation de la qualité de l’air
niveaux pour chacun des polluants principaux (le dioxyde d’azote, le dioxyde de soufre et
l’ozone), fixés par des normes. Ces niveaux sont : le niveau d'information et de
recommandations, et le niveau d'alerte. Lorsque ces niveaux sont atteints, le préfet peut mettre
en place des mesures de restriction ou de suspension des activités polluantes concernées. Cet
été, un nombre record de dépassement du seuil d'information et de recommandations pour
l’ozone a été observé sur la zone de surveillance d’AIRMARAIX (60 jours de dépassement
sur l’été 2003 dont 14 jours consécutifs).
3 Fonctionnement
AIRMARAIX est géré par un conseil d’administration, composé de quatre collèges :
�� Les services de l’Etat (DRIRE, ADEME, …) ;
�� Les industriels soumis à la Taxe Générale sur les Activités Polluantes (TGAP) ;
�� Les collectivités locales et territoriales (villes, départements,…) ;
�� Les associations de défense des consommateurs et de l’environnement.
Le personnel d’AIRMARAIX est composé de seize personnes reparties dans six pôles :
�� Direction ;
�� Administration ;
�� Technique ;
�� Informatique ;
�� Etude et développement ;
�� Communication.
Le financement d'AIRMARAIX est réparti entre trois de ces collèges (les associations de
défense des consommateurs et de l’environnement ne participant pas financièrement).
Financement d'AIRMARAIX en 2003
Etat49%
Industriels20%
Col lect ivi tés terri toriales
26%
Divers5%
Figure 2 : Répartition des financements d’AIRMARAIX
Budget 2003 : 2,5 M€
9
Développements d’outils SIG pour la modélisation de la qualité de l’air
4 Moyens techniques Le réseau de surveillance d’AIRMARAIX est constitué de 87 analyseurs partagés sur toute la
région sur 37 stations de mesures (voir figure 3 et 4).
Figure 3 : Station de mesure du boulevard Rabatau (Marseille)
La région PACA est surveillée par trois AASQA : AIRMARAIX, AIFOBEP et QUALITAIR.
La figure 4 représente la répartition des sites de surveillance entre ces trois associations.
Figure 4 : Carte de localisation des stations de mesure
Remarque : Une station de AIR LR (Air Languedoc Roussillon) est utilisée pour la surveillance du Vaucluse.
10
Développements d’outils SIG pour la modélisation de la qualité de l’air
Ces trois AASQA, sont regroupés avec la DRIRE3 et l’ADEME4 pour former la coordination
régionale pour la surveillance de la qualité de l’air : Air Alpes Méditerranée.
Les polluants mesurés par AIRMARAIX sont:
�� L'ozone (O3), un polluant secondaire créé par la photochimie ;
�� Le dioxyde de soufre (SO2), venant principalement de l’industrie ;
�� Les oxydes d'azote (NOX : NO et NO2), qui sont les polluants essentiellement dus au
trafic automobile ;
�� Le monoxyde de carbone (CO), provenant des automobiles et du chauffage
domestique ;
�� Les particules en suspension: fumées noires, les particules de taille inférieure à 10µm
(PM 10) et à 2,5µm (PM 2,5), qui viennent des automobiles ;
�� Les métaux lourds (Pb, Cu, Cd, Ni, Al, As) ;
�� Une cinquantaine de composés organiques volatils non méthaniques (COV) .
Le schéma ci-dessous représente l’origine et le cycle de ces différents polluants :
Figure 5: Cycle simplifié des polluants [ESCOMPTE, 1999]
3 DRIRE : Direction Régionale de l’Industrie, de la Recherche et de l’Environnement 4 ADEME : Agence de l'Environnement et de la Maîtrise de l'Energie
11
Développements d’outils SIG pour la modélisation de la qualité de l’air
En plus des stations fixes, AIRMARAIX dispose d'un laboratoire mobile régional ainsi que de
son propre camion laboratoire (figures 6 et 7) .
Figures 6 et 7 : Laboratoires mobiles
Grâce à un réseau de stations disséminé sur tout le territoire surveillé, et directement relié à un
serveur central par modem, AIRMARAIX reçoit régulièrement les données récoltées par les
capteurs des différents polluants.
Figure 8 : Méthode de collecte des données
La figure 8 présente la méthode d’acquisition des données à distance, celles ci sont
actuellement stockées sur deux bases de données ORACLE (une base de données régionale, et
une base de données propre à AIRMARAIX) .
Prélèvement d’air
1 analy seur par polluant
Station : Mesures en continu, intégrées tous les 1/4 d’heures
Acquisition des données
Interrogation à distance
Centrale d’acquisition des données
PC
Validation et stockage dans la base de données
Contrôle et maintenance à distance
12
Développements d’outils SIG pour la modélisation de la qualité de l’air
B Intégration des SIG dans le service étude d’AIRMARAIX 1 Le pôle SIG
Le service étude d’AIRMARAIX dispose d’un pôle SIG, celui-ci est formé de trois postes
dotés de logiciels SIG (3 licences ArcView 8.2). Durant mon stage, j’ai travaillé sur le « poste
dédié SIG », qui est utilisé pour les besoins cartographiques de l’ensemble du personnel. Ce
poste possède également des extensions complémentaires d'ArcView 8 à savoir :
Geostatistical Analyst, Spatial Analyst et 3D Analyst.
L'association AIRMARAIX fonctionne en réseau local. Les bases de données SIG de
référence sont toutes stockées sur un serveur central : « SIGSERVER », accessible par tous
les utilisateurs d'AIRMARAIX à l’aide de l’application ArcExplorer.
En 2002, un plan qualité relatif à la mise en place du SIG a été réalisé [BONABEL C, 2002] ;
il définit clairement les différentes règles et procédures à suivre dans la gestion des bases de
données et des projets SIG.
2 Données disponibles AIRMARAIX a acquis la majeure partie de ses données géographiques par le biais du CRIGE
PACA (Comité Régional pour l’Information Géographique), structure pionnière unique en
France. Le CRIGE trouve son origine dans les premiers contacts commerciaux entre l’IGN et
des services publics régionaux susceptibles d’utiliser la BD CARTO. Les négociations
engagées ont abouti à une solution d’acquisition partagée des données.
Le 21 juin 2001, l'Etat, la Région PACA et l’IGN ont signé, dans le cadre du Contrat de Plan
Etat/Région, le protocole N°8410/IGN valant accord pour la concession des droits
d’utilisation des bases de données géographiques réalisées par l’IGN. Comme il est fait état
dans ce protocole, chaque contractant (Etat, Région et Départements) ouvre les droits d’accès
aux données à une liste de licenciés dont fait partie AIRMARAIX.
Cette solution d’acquisition partagée des données a permis de diminuer sensiblement le coût
et de favoriser l’accès aux données au plus grand nombre d’organismes publics.
13
Développements d’outils SIG pour la modélisation de la qualité de l’air
Ces données sont accessibles et directement téléchargeables sur le site Internet du CRIGE
(www.crige-paca.org) . En plus de fournir un accès direct à l’ensemble des données de l’IGN,
ce portail vise à développer les échanges de données entre les différents services des
organismes publics.
Grâce à cette plate-forme les droits d’utilisation, de reproduction et de mise en ligne de la
majeure partie des bases de données de l’IGN ont été acquis par AIRMARAIX (BD ORTHO,
BD CARTO, SCAN 100, BD ALTI, …), ainsi que de nombreuses données échangées
gratuitement avec d’autres services publics. Ces différentes bases de données ont été
complétées au fil des différents projets par l’achat de données appropriées.
2 Développement des outils SIG d’AIRMARAIX
Ce stage a été réalisé dans le service étude d’AIRMARAIX, sous la responsabilité de Laetitia
Mary (Chargée d’études spécialisée en statistiques et géostatistiques) et de Sylvain Fayet
(Chargé d’études spécialisé cadastre des émissions).
Dans un premier temps, j’ai réalisé différentes tâches de « fond » qui m’ont permis de me
familiariser avec les différentes données et outils utilisés par AIRMARAIX :
�� Création d’une base de données sous ACCESS permettant de réaliser un suivi des
bases de données SIG acquises par AIRMARAIX (figure 9) ;
�� Réalisation de cartes sur les zones d’information réglementaire et publication sur le
site Internet du CRIGE (Voir ANNEXE 1) ;
�� Travaux d’implémentation du cadastre d’émission ESCOMPTE5 : introduction
d’indices de Potentiel de Création d’Ozone par Photochimie (PCOP).
5 ESCOMPTE : Expérience sur Site pour COntraindre les Modèles de Pollution atmosphérique et de Transport d’Emission
14
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 9 : Interface de la base de données : « Suivi des données SIG »
Pour le reste, dans le cadre de la mission « émission-modélisation » d’AIRMARAIX,
l’essentiel de mon travail s’est structuré autour de trois grands axes :
�� Mise en place d’un projet permettant d’automatiser la cartographie des épisodes de
pollution à l’ozone (en relation avec ESRI France) ;
�� Développement d’une interface entre le logiciel de modélisation STREET et ArcView 8 ;
�� Cartographie du dioxyde d’azote sur le Port Autonome de Marseille (Axe littoral) et
l’agglomération de Toulon.
Les trois parties suivantes de ce mémoire, seront consacrées à la présentation de ces travaux.
15
Développements d’outils SIG pour la modélisation de la qualité de l’air
CHAPITRE II MISE EN PLACE D’UNE APPLICATION DE CARTOGRAPHIE AUTOMATIQUE DES EPISODES DE POLLUTION A L’OZONE
AIRMARAIX dispose d’un réseau de stations de mesure de qualité de l’air réparties de façon
ponctuelle sur l’ensemble de son territoire. Ces données sont difficilement utilisables telles
qu’elles en matière de communication. Afin de fournir une information visuelle qui soit
compréhensible, il est nécessaire de faire appel à des méthodes géostatistiques permettant
d’obtenir une représentation surfacique des polluants. Pour cela, différents tests de
cartographie de l’ozone ont été effectués et ont permis de valider une méthode d’interpolation
pour ce polluant : le Krigeage à variogramme sphérique [AIRMARAIX,2001].
Afin d’automatiser la production de ces cartes lors d’épisodes de pollution photochimique,
AIRMARAIX a engagé en 2003, une démarche auprès d’ESRI France. La durée initiale de ce
projet prévue par le cahier des charges était de 3 mois. Après différents entretiens et compte
tenu des possibilités budgétaires d’AIRMARAIX une prestation au forfait s’est avérée
inadaptée.
Pour permettre au projet d’avancer il a donc été décidé de transformer cette prestation
forfaitaire en assistance à la mise en place de projet : Un ingénieur spécialisé en
développement sur ArcGis a donc été mis à disposition d’AIRMARAIX sur une durée de 10
jour en avril et juin 2003.
Mon rôle dans le cadre de ce projet, a été d’accompagner ces développements en adaptant le
cahier des charges en fonction des possibilités d’ArcView 8 en matière de programmation, en
trouvant des solutions aux différents problèmes rencontrés, en apportant des modifications au
programme et enfin en réalisant un nouveau cahier des charges en prévision des modifications
à apporter à l’outil.
Je présenterai en premier lieu le projet tel qu’il était prévu dans le cahier des charges, puis le
produit obtenu à la fin du développement, et enfin une dernière partie sera consacrée aux
modifications qui ont été réalisées dans le cadre de ce stage et celles qu’il serait nécessaire
d’apporter afin d’optimiser le fonctionnement du programme.
16
Développements d’outils SIG pour la modélisation de la qualité de l’air
A Cahier des charges initial 1 Présentation du projet L’objectif de ce projet est de connecter la base de données de qualité de l’air ORACLE
d’AIRMARAIX au SIG ArcView 8 et d’automatiser la construction de cartes lors d’épisodes
de pollution à l’ozone.
Pour cela deux modules ont été définit :
Module 1 : Interface permettant le choix et le chargement de données de qualité de l’air ;
Module 2 : Construction de cartes interpolées à l’aide des données importées avec le module
1 et automatisation de la mise en page.
Les cartes ainsi obtenues devront permettre de réaliser à terme des animations (image animée
ou fichier vidéo) des épisodes de pollution photochimiques. Les développements porteront sur
tous les polluants, bien qu’actuellement l’ozone soit le seul polluant pour lequel une méthode
d’interpolation valide ait été définie.
2 Outil envisagé pour le module 1
Ce programme, doit être disponible sous la forme d’un outil accessible sous ArcView 8, il
permettra d’importer les données appropriées directement de la base ORACLE brutes ou
dérivées (moyennes, maxima, …) dans une géodatabase.
L’outil utilisera les entités sélectionnées du thème actif pour effectuer la connexion avec la
base ORACLE (détermination des sites par le champ SIG ID commun avec le champ
identifiant des stations de mesure de la base ORACLE) .
Les données importées devront constituer un nouveau thème (fichier shape ou géodatabase)
contenant les entités considérées (sites sélectionnés du thème actif) ainsi que les champs
supplémentaires correspondants aux données importées.
17
Développements d’outils SIG pour la modélisation de la qualité de l’air
Dans l’interface de ce module différents éléments devront être paramétrables :
�� Les paramètres pris en compte (polluant, vent) �� Le type d’informations représentées :
�� Valeurs quart-horaires ; �� Moyenne horaire fixe ; �� Moyenne journalière ; �� Moyenne mensuelle ; �� Moyenne annuelle civile ; �� Moyenne quart-horaires sur la période sélectionnée ; �� Moyenne horaire glissant6 ; �� Maximum journalier des moyennes horaire glissant ;
�� La période considérée : Date et heure locale de début et de fin �� La géodatabase de sortie
3 Outil envisagé pour le module 2
Ce produit, doit être disponible sous la forme d’un outil accessible sous ArcView ou appelé
au travers de l’interface du module 1. Il devra pouvoir construire une série de cartes de
représentation des concentrations en polluants sur la base des données de qualité de l’air
présentes dans la géodatabase créée dans le module 1.
Le résultat doit être consultable sous ArcView dans le projet actif avec possibilité d’export
sous la forme d’une mise en page répondant aux spécifications ci-après :
�� Les niveaux interpolés d’ozone avec une légende définie à l’avance ;
�� Les flèches des vents avec la direction du vent et une taille proportionnelle à la force
du vent, à l’emplacement du site de mesure ;
�� La période et la résolution correspondant aux données utilisées pour construire la
carte ;
�� L’échelle de valeurs d’ozone, l’échelle des distances, la flèche Nord ainsi que du
commentaire (notamment emplacement copyright) et un ou plusieurs logos (modèle de
mise en page modifiable).
Un exemple de carte réalisé sous le logiciel Surfer est présenté en annexe 2. La transposition
stricte sous GEOSTISTICAL ANALYST n’ayant pas été faite à AIRMARAIX, un
6 Moyenne horaire glissant : Moyenne des 4 dernières mesures quart horaire (calculée tous les quarts d’heure)
18
Développements d’outils SIG pour la modélisation de la qualité de l’air
audit/conseil est attendu en partenariat AIRMARAIX/ESRI dans le cadre de ces
développements pour l’aide à la mise en œuvre de la méthode appropriée.
Le format de fichier de sortie doit être paramétrable : thèmes ouverts dans ArcView ou
images (.jpg, .bmp, .tif, …) ainsi que le taux de compression le cas échéant. Les choix de
formats sont à définir dans la proposition technique.
4 Automatisation de la production de cartes
Ces modules devront pouvoir être lancé en « mode BATCH » dans l’optique de
l’automatisation à terme de la production de cartographies de données de qualité de l’air.
Par exemple, le fichier « batch » suivant devra pouvoir être réalisé :
Interpolation et export image à 16h40 ce basant sur la géodatabase créé par le module 1 à
16h30 (« données O3 + vent » en « Maximum journalier des moyennes horaire glissant » pour
la période du jour en cours de 00h à 16h).
Cette application devra permettre une mise en ligne quotidienne de cartes sur le site Internet
d’AIRMARAIX.
19
Développements d’outils SIG pour la modélisation de la qualité de l’air
B Développement du projet 1 Présentation de l’application réalisée Le produit obtenu à la fin du développement se décline en deux outils :
�� Une DLL ActiveX réalisée sous Visual basic. Elle est intégrable directement dans la
barre d’outil d’ArcView 8, et comprend :
- Un module d’import de données (1) ;
- Un module d’interpolation des données (2).
�� Une Macro développée en VBA permettant d’automatiser la mise en page des
cartographies sous ArcView(3).
La figure 10 présente le fonctionnement général de l’application :
Figure 10 : Fonctionnement de l’application
DLL ActiveX
BD ORACLE
PACA
1 23
Module 1 : Import de données
Module 2 : Interpolation des données
Macro VBA : Automatisation de la mise en
page
Produit Final
Géodatabase
ArcView 8
20
Développements d’outils SIG pour la modélisation de la qualité de l’air
2 Module 1 Dans le cahier des charges, cet outil était prévu pour fonctionner avec la base de données
d’AIRMARAIX. Durant le deuxième trimestre 2003, une base de données régionales, a été
réalisée. Elle contient les données de qualité de l’air des trois AASQA de la région PACA à
savoir : AIRMARAIX, QUALITAIR et AIRFOBEP. Celle-ci étant plus complète, il a été
décidé de faire fonctionner cet outil avec cette nouvelle base de donnée.
Le mode de fonctionnement de cet outil est présenté sur la figure 11, il peut être divisé en 4
étapes :
Figure 11 : Fonctionnement du Module 1
L’utilisateur sélectionne sous SIG les stations pour lesquelles il veux importer des données
(1). A partir des différents paramètres d’import sélectionnées dans l’interface du module 1 (2),
Exécution du module1
Requête
BD ORACLE
PACA
Interface du module 1
Paramètres Types de données Période Fichier de sortie
Fichier des stations sous ArcView 8
Sélection des stations
Géodatabase résultante :
Le nombre de tables contenant les mesures est variable en fonction du nombre de paramètres, du pas de temps et de la période sélectionnée.
2
3 1
4
21
Développements d’outils SIG pour la modélisation de la qualité de l’air
le programme réalise une requête dans la base de données ORACLE (3) et génère
automatiquement une géodatabase contenant :
- Un nouveau fichier de points (stations sélectionnées) ;
- Une table par polluant et par pas de temps (4).
3 Module 2
3-1 Choix de l’extension d’ArcView
Initialement, il était prévu d’utiliser l’extension Geostatistical Analyst afin de réaliser
l’interpolation des polluants. Malheureusement, il est actuellement impossible d’accéder aux
fonctionnalités de cette extension par programmation car aucun contrôle « ArcObject » de
Geostatistical Analyst n’est actuellement disponible.
En revanche, la totalité des fonctions d’interpolation de l’extension spatial Analyst est
accessible par programmation. Malgré les capacités limitées de cette extension, de bons
résultats ont été obtenus pour la cartographie de l’ozone. Une nouvelle méthode
d’interpolation (conformément aux travaux de validation) a donc été définie, celle-ci est
présentée en annexe 3.
3-2 Fonctionnement du module 2
Ce module utilise la géodatabase réalisée par le module 1 (voir figure 12), et produit
séquentiellement pour chacun des pas de temps une carte interpolée à partir des
concentrations en polluants. Le fichier résultant est un raster au format Tif (Type de fichier
Tif spécifique à ArcView). Le nom de ce fichier contient la date et le type de polluant
(polluant_date_heure.tif).
Figure 12 : Fonctionnement du module 2
Géodatabase issue du module 1
Interface du module 2
Choix de la géodatabase Dossier de sortie desimages Résolution de l’interpolation Interpolations au format Tif
Données d’entrée
Sorties
22
Développements d’outils SIG pour la modélisation de la qualité de l’air
4 Automatisation de la mise en page
Afin d’automatiser la mise en page des interpolations, nous avons choisi d’utiliser une macro
développée en VBA (Visual Basic for Application). Ainsi la mise en page et le code de
programmation sont ici directement accessible et modifiable par l’utilisateur (ce qui n’est pas
le cas avec la DLL).
Cette macro utilise la géodatabase et les interpolations réalisées par les modules 1 et 2, elle
applique une rampe de couleur aux interpolations (avec seuil minimum et maximum), affiche
les stations ayant participé à l’interpolation et génère automatiquement en fonction de la mise
en page existante une carte au format JPEG (voir figure 13).
Figure 13 : Fonctionnement de la macro de mise en page automatique
La macro utilise la mise en page du document .mxd (voir figure 14), celle ci contient :
�� Une rampe de couleur spécifique au polluant cartographié ;
�� Un copyright ;
�� Une échelle ;
�� Une flèche Nord ;
�� Le logo AIRMARAIX ;
�� Des commentaires ;
�� Un fond départemental ;
�� Le nom des principales villes.
Interpolations
Macro VBA Mise en page par
défaut
Géodatabase
Cartes produites
23
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 14 : Mise en page par défaut pour la cartographie du polluant ozone
Le titre « TitreCarte » est remplacé automatiquement par le nom du polluant et la date de la
mesure (ces informations sont retrouvées dans le nom du fichier d’interpolation).
L’ensemble est découpé par un masque d’analyse qui correspond aux limites de la zone pour
laquelle l’interpolation est validée. Pour cela nous avons réalisé un fichier de forme (pochoir)
qui se trouve au-dessus de chacune des couches.
24
Développements d’outils SIG pour la modélisation de la qualité de l’air
C Finalisation de l’outil A la fin de la session de développement avec ESRI, l’application réalisée n’était pas
totalement opérationnelle :
�� Certaines difficultés rencontrées lors des interpolations rendaientt les résultats non
valides ;
�� L’interface de mise en page automatique n’avait pas été achevée ;
�� Le mode « batch » n’avait pas été réalisé.
Mon travail a donc consisté à réaliser des modifications dans le code du programme, à trouver
des solutions aux problèmes rencontrés, à rédiger un manuel utilisateur de l’outil (voir annexe
4) et à préparer la mise en œuvre de développement complémentaires d’ESRI France.
1 Modifications apportées au programme
1-1 Problèmes d’interpolation
Des erreurs d’interpolation ont été observées sous Spatial Analyst : lorsque toutes les
concentrations en polluants sont faiblement variable, le résultat de l’interpolation est faussé
(cf. figure 15). L’interpolation résultante est de couleur uniforme sur l’ensemble du territoire
sauf au niveau des stations où on observe une valeur légèrement plus forte.
Figure 15 : Interpolation faussée
25
Développements d’outils SIG pour la modélisation de la qualité de l’air
Le service client d’ESRI France ne disposant plus de support technique en matière de
géostatistiques, nous avons donc fait appel au support technique d’ESRI USA. D’après les
informations qu’ils nous ont fournis, ce « bug » d’interpolation est observé lorsque l'écart type
du jeux de données n'est pas assez important et ils nous ont purement et simplement conseillé
d’attribuer des valeurs égales à zéro pour certaines stations (ce qui est difficilement
admissible...).
Afin de résoudre ces erreurs d’interpolation, une méthode plus conventionnelle a été mise en
œuvre. Deux nouvelles « stations virtuelles » ont été ajoutées dans le fichier de points des
stations servant à l’import des données (une valeur par défaut leur est affectée : 60 pour
l’ozone). Ces stations permettent d’éviter à la fois les « plantages » de Spatial Analyst lors de
l’interpolation (faible variabilité dans les valeurs) mais aussi d’agrandir la zone d’étendue
(Spatial Analyst peut interpoler uniquement sur une zone couvrant l’intersection des points).
Ces deux nouvelles stations ont été placées suffisamment loin de la zone d’étude pour éviter
de fausser les interpolations.
1-2 Finalisation de l’outil de mise en page
Par manque de temps, cet outil n’a pu être finalisé par l’ingénieur d’ESRI, mon travail a donc
consisté à y apporter différentes modifications de manière à ce qu’il soit opérationnel.
Mon premier travail a consisté à ajouter une interface permettant l’exécution du programme et
la sélection des fichiers d’entrée (géodatabase et dossier contenant les interpolations) :
Figure 16 : Interface d’automatisation de la mise en page
26
Développements d’outils SIG pour la modélisation de la qualité de l’air
Certaines erreurs qui s’étaient glissées dans le code ont ensuite été corrigées : application
d’une rampe de couleur, paramétrage des seuils minimum et maximum pour l’ozone,…
Une fonctionnalité permettant une visualisation des résultats avant l’export a également été
ajoutée (figure 17). Cette visualisation se fait par un ajout séquentiel de couches dans la
fenêtre d’ArcView :
�� Interpolations (avec seuils et rampe de couleur appropriés) ;
�� Stations ayant permis de réaliser l’interpolation ;
�� Données météorologiques (vitesse et direction du vent, non achevé).
Figure 17 : Ajout séquentiel de couches
2 Modifications à apporter ultérieurement Les différentes modifications qui ont été réalisées dans les parties précédentes ont permis de
tester cet outil durant les épisodes de pollution à l’ozone du mois d’août. Bien que certaines
modifications aient été faites manuellement (tel que l’ajout de valeurs par défaut pour les
stations virtuelles) de nombreuses cartes ont pu être réalisée (voir Annexe 5 : épisode de
pollution du 2 août 2003).
En fonction de ces nouveaux éléments, et de ceux qui n’avaient pas été réalisés lors de la
première session de développement, un nouveau cahier des charges a été réalisé (cf. annexe
6), afin de programmer une nouvelle intervention de l’ingénieur en développement qui avait
entamé ce projet.
27
Développements d’outils SIG pour la modélisation de la qualité de l’air
Ces nouveaux développements s’orientent autour de quatre grands axes :
�� Corrections des différents bugs rencontrés dans les modules 1 et 2 ;
�� Ajout de fonctionnalités d’import au module 1 ;
�� Modification de l’outil de mise en page automatique ;
�� Réalisation du mode « batch » permettant d’automatiser la production de cartes à une
heure fixée.
Conclusion du chapitre II :
Les développements qui ont été réalisés dans le cadre de ce projet de cartographie des
épisodes de pollution par l’ozone, ont aboutis à un outil permettant de valoriser au mieux
les données de qualité de l’air en produisant une représentation claire et compréhensible
des épisodes de pollution.
Malgré les limites de l’extension Spatial Analyst, les premiers résultats obtenus sont
satisfaisants. Les prochains développements programmés pour la fin du mois de septembre
2003 devraient permettre à cet outil d’être pleinement opérationnel en temps réel durant les
prochains épisodes de pollution.
28
Développements d’outils SIG pour la modélisation de la qualité de l’air
CHAPITRE III DEVELOPPEMENT D’UNE INTERFACE ENTRE STREET ET ARCVIEW 8
Les concentrations en polluants en bordure des voies (pollution de proximité) dépendent
principalement des émissions générées par le trafic routier. A l’échelle d’une ville, cette
pollution est fortement variable. Compte tenu du coût des campagnes de mesures temporaires
et du faible nombre de stations fixes disponibles, il est impossible actuellement de mesurer
cette pollution sur une ville entière.
Afin d’obtenir une estimation de la pollution de proximité, il est donc nécessaire de faire
appel à une approche simplifiée en utilisant des outils de modélisation.
Le logiciel STREET permet de modéliser rapidement les niveaux d’émissions7 et
d’immissions8 au niveau d’une rue. Pour cela, il nécessite différents paramètres
géographiques sur la topographie de la rue tels que la hauteur du bâti, la largeur de la rue, ...
Ce travail a consisté à développer une interface sous SIG permettant d’automatiser le calcul
des paramètres nécessaires au fonctionnement STREET et à automatiser l’export de ces
données. Ce processus peut être divisé en 4 étapes :
Figure 18 : Interfaçage de STREET et ArcView 8
Ce chapitre décrit le fonctionnement de STREET, la méthodologie qui a été employée pour
collecter les données d’entrées et enfin les résultats de modélisation qui ont été obtenus.
7 Emission : Quantité de polluant émis par les sources anthropiques ou naturelles. 8 Immission : Concentration de polluants mesuré dans l’air ambiant.
Import des données d’émissionet d’ immission
Etape 4 Cartographie des résultats
STREET Etape 1 Conception de la base de données : Réseau routier
BD STREET
Bases de données géographiques
Etape 2 Export des informations nécessaires à la modélisation
INTERFACE
Etape 3 Modélisation de la pollution
ARCVIEW 8
29
Développements d’outils SIG pour la modélisation de la qualité de l’air
A Données nécessaires au fonctionnement de STREET 1 Présentation de STREET STREET est un logiciel permettant d’évaluer de manière simple et rapide la pollution
atmosphérique induite par la circulation routière.
Les bases scientifiques de STREET ont été élaborées lors d’un programme de recherche initié
par le ministère de l’environnement du Land Baden-Würtenberg (Allemagne) [KTT, 2002].
La version française a été mise au point par KKT Umwelttechnik und software Dr. Kunz
GmbH en collaboration avec « Targeting Versailles ».
Figure 19 : Interface de STREET
STREET prend en considération la topographie de la rue, il estime la circulation et
l’accumulation des polluants et peut ainsi déterminer les rues présentant un risque
d’accumulation des polluants : les voies de type « canyon » :
Figure 20 : « effet canyon »
30
Développements d’outils SIG pour la modélisation de la qualité de l’air
STREET détermine les concentrations en moyennes annuelles de six polluants dits
« primaires », c’est-à-dire directement rejetés par les pots d’échappement :
�� le dioxyde d’azote (NO2) ;
�� le dioxyde de soufre (SO2).
�� le monoxyde de carbone (CO) ;
�� Les particules (PM10) ;
�� les composés organiques volatiles (COV) dont le Benzène ;
Prenant comme niveau unitaire de simulation la rue ou le carrefour, STREET se définit
comme un outil d’aide à la décision, permettant de porter un jugement rapide sur des projets
d’aménagement urbain en apportant des informations sur l’exposition de la population aux
polluants.
2 Données nécessaires au fonctionnement de STREET
L’utilisateur de STREET doit renseigner le logiciel avec de nombreuses informations
concernant la rue. La liste de ces paramètres est détaillée ci dessous :
�� Informations sur la rue :
- Nom de la rue
- Typologie (déterminée en fonction de paramètres géographiques)
- Orientation de la rue en degrés
- Pente
- Coordonnées de la rue
�� Conditions météorologiques :
- Vitesse moyenne annuelle du vent
- Direction principale du vent
�� Conditions de circulations :
- Nombre moyen de véhicule par jour
- Catégorie de la voie (en fonction de la vitesse moyenne)
- Pourcentage de bouchons
- Pourcentage de véhicules utilitaires légers (VUL)
- Pourcentage de poids lourds (PL)
- Pourcentage de bus (BUS)
- Pourcentage de deux roues (2R)
31
Développements d’outils SIG pour la modélisation de la qualité de l’air
�� Valeurs de la pollution de fond9 et valeurs guides10 pour :
- Le benzène
- Les particules
- Le monoxyde de carbone (CO)
- Le dioxyde d’azote (NO2)
- Le dioxyde de souffre (SO2)
3 Application de STREET à l’ensemble d’une ville Le logiciel STREET, a déjà été utilisé par de nombreuses associations de surveillance de la
qualité de l’air, à Paris [AIRPARIF, 2002], Montpellier [Tenailleau, 2002], Lyon [Meylan,
2000] ou bien encore à Strasbourg [ASPA, 2001].
Lorsque le nombre de voies à traiter est assez faible (par exemple : étude pour la mise en
place d’un transport en commun), la collecte ponctuelle des informations nécessaires à
STREET est facilement concevable. En revanche, lorsque le travail de collecte s’étend sur une
ville entière, voire même une agglomération, il devient plus que nécessaire de mettre au point
des outils permettant automatiser cette collecte.
La fiche de renseignement sur les rues (annexe 7) utilisée à Marseille lors de la validation du
logiciel ou bien encore les fenêtres de saisie des paramètres de STREET (figure 21), montrent
les limites de cette méthode de collecte des données qui peut s’avérer longue et entachée de
nombreuses erreurs (estimation de la hauteur de bâti, de la pente,…).
Figure 21 : Saisie des paramètres de STREET
9 Pollution de fond : Concentrations en polluants mesurées dans les zones éloignée des axes routier. 10 Valeurs guides : valeurs permettant de fixer des seuils sous STREET.
32
Développements d’outils SIG pour la modélisation de la qualité de l’air
L’objectif de ce travail est de mettre en œuvre une méthodologie permettant d’automatiser la
saisie des paramètres nécessaires au fonctionnement STREET et cela en utilisant au mieux les
différentes bases de données acquises par AIRMARAIX et les fonctionnalités du logiciel
ArcView 8.
33
Développements d’outils SIG pour la modélisation de la qualité de l’air
B Méthodologie d’élaboration des données d’entrée
La première partie de ce travail consiste à réaliser un réseau routier (figure 22). Ce réseau sera
la base de référence qui sera utilisée dans les parties suivantes.
Figure 22 : Elaboration du réseau routier
Une interface développée en VBA sous ArcView 8 est ensuite réalisée, elle détermine les
différents paramètres nécessaire au fonctionnement de STREET et exporte les résultats vers
ce logiciel (figure 23).
Figure 23 : Automatisation du calcul des paramètres nécessaires à STREET
ETAPE 1 : Elaboration du réseau routier
Bases de données Géographiques :
Géoroute BD TOPO BD ALTI
1 Numérisation du réseau routier
2 Intégration des données de traf ic
3 Altitude des nœuds des rues
4 Répartition de la flotte automobile
Données utilisées Trafic routier
Réseau routier
ETAPE 2 : Interface permettant d’automatiser le calcul des
paramètres nécessaire à STREET
1 Calculs automatisés : - Coordonnées - Longueur - Pente - Angle
2 Valeurs attribuées par défaut : - Catégorie de circulation - Pollution de fond - Conditions météorologiques
3 Interface interactive : - Typologie des rues
Réseau routier
Export vers STREET
Bases de données Géographiques :
BD TOPO BD ORTHO
Données utilisées
34
Développements d’outils SIG pour la modélisation de la qualité de l’air
1 Elaboration du réseau routier
1-1 Données de trafic disponibles
Une des informations essentielles pour le fonctionnement de STREET est le trafic routier.
Une part de ce travail consiste à collecter en premier lieu l’ensemble des données de trafic
disponibles sur la zone d’étude d’AIRMARAIX (sur les villes de Marseille, Toulon, Aix en
Provence et Avignon ainsi que la circulation départementale pour le Var, le Vaucluse et les
Bouches-du-Rhône).
Dans le cadre de ce stage, seules les villes de Marseille et Toulon sont traitées.
Pour la ville de Marseille trois types de données sont disponibles :
�� Données de comptage produites par la direction de la circulation de la communauté
urbaine « Marseille Provence Métropole » (MPM) ;
�� Données de trafic estimées par le modèle OPERA et produites par la direction des
déplacements de MPM ;
�� Données de trafic estimées par le modèle EMME2, produites par le CETE des
Bouches-du-Rhône et calées sur les données de comptage.
Pour l’agglomération de Toulon, nous disposons de données de trafic estimées par le modèle
EMME2, produites par le CETE des Bouches-du-Rhône et calée sur les données de comptage.
1-2 Numérisation du réseau
Pour réaliser le réseau routier les sorties graphiques du modèle EMME2 ont été utilisées
(figure 24).
35
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 24 : Trafic routier dans le centre ville de Toulon(modèle EMME 2)
Ces graphiques ne sont pas géoréférencés, il est donc nécessaire dans un premier temps de les
« caler » sous SIG. Pour cela, nous utilisons un fichier Excel fourni avec ces graphiques. Ce
fichier contient les coordonnées X et Y de chacun des nœuds, il faut l’importer sous SIG, puis
le projeter en fichier de points, à partir de celui-ci il est possible d’effectuer le calage des
sorties graphiques d’EMME 2 (Figure 25).
Figure 25 : Calage des cartes de trafic de Toulon
36
Développements d’outils SIG pour la modélisation de la qualité de l’air
Nœud 1
Nœud 2
Tronçon Réel
Tronçon du modèle
Bâtiments
L’ensemble des données issues de modèles présentent le même problème : le réseau routier
utilisé est schématique. Chaque axe est représenté par un tronçon rectiligne allant d’un nœud
d’origine à un nœud de destination (Figure 26).
Figure 26 : Confrontation Tronçon de rue réel - Tronçon de rue issu de modèle
Dans le cadre de cette étude, il est important que le réseau routier utilisé corresponde au
véritable tracé des axes routiers car l’une des données nécessaire au fonctionnement de
STREET est la hauteur moyenne des bâtiments entourant la rue. De plus, en conservant un
réseau routier non aligné par rapport aux autres bases de données (BD ORTHO par exemple)
aucune représentation cartographique ne serait possible avec ces fonds.
Nous avons donc choisi d’utiliser la base de données GEOROUTE (précision 20m), elle suit
les contours des bâtiments sans les chevaucher et présente l’avantage de contenir dans sa table
attributaire des informations qui sont nécessaires au fonctionnement de STREET : nombre de
voies, type, nom des rues...
La première étape de ce travail consiste à effectuer une extraction dans la base de données
GEOROUTE sur notre zone d’étude, puis de fusionner les brins routiers sur le champ
« Nom » (la plupart des rues étant morcelée cette étape permet de les rassembler en une seule
entité).
La plus grande difficulté de ce travail (figure 27) est de trouver les correspondances entre les
tronçons de GEOROUTE et d’EMME 2. Ensuite il faut de supprimer les axes n’étant pas
37
Développements d’outils SIG pour la modélisation de la qualité de l’air
présents sur le graphique, découper les tronçons de voie de GEOROUTES pour qu’ils
correspondent à ceux d’EMME2 et enfin saisir pour chaque axe un code nous permettant par
la suite d’effectuer une jointure avec les données de trafic :
Code_EMME : « nœud_origine – nœud_destination »
(STREET nécessite le trafic sur la rue entière, le sens n’ayant pas d’importance, il a été décidé
que le nœud d’origine est celui qui a le plus petit numéro)
Figure 27 : Fichier GEOROUTE initial - Fichier après modification
Ce travail minutieux d’adaptation de la base de données GEOROUTE aux sorties du modèle
EMME 2 a demandé prés d’une semaine de travail par ville.
Suite à ces travaux, la table attributaire du réseau routier obtenu contient les champs suivant :
�� Nom
�� Nb_voies
�� Class_Phy (Classe physique : autoroute, route à une chaussée,…)
�� Class_Fonc(Classe fonctionnelle : route primaire, secondaire, …)
�� Sens
�� Code_EMME
�� Noeud1 (Numéro du nœud d’origine)
�� Noeud2 (Numéro du nœud de destination)
Le champ « Nom » a du être modifié :
- Suppression de toutes les apostrophes ;
- Attribution d’un numéro aux rues morcelées.
Ces manipulations permettent d’utiliser ce champ pour réaliser des jointures avec les résultats
de STREET (chaque tronçon de voie a ainsi un identifiant unique).
38
Développements d’outils SIG pour la modélisation de la qualité de l’air
1-3 Intégration des données trafic
Les données de trafic qui ont été fournies pour chaque axe sont celles des « Heures De
Pointes du Soir » (HPS), STREET nécessite le « Trafic Moyen Journalier Annuel » (TMJA),
il est donc nécessaire de convertir les données de HPS en TMJA, pour cela nous avons utilisé
la formule11 suivante :
TMJA= (HPSx24) - 0.09(HPSx24)
Ces données de Trafic Moyen Journalier sont en Unité de Véhicule Particulier (UVP), il est
nécessaire par la suite de les convertir en nombre de véhicules.
Les données de circulation sont fournies par axe et par sens :
Figure 28 : Données de trafic disponible par axe
Comme dans la partie précédente nous avons utilisé un champ :
Code_EMME : « nœud_origine - nœud_destination »
En suivant l’exemple de la figure 30, nous disposons du tableau ci dessous :
Code_EMME TMJA Vitesse
1-2 Trafic du nœud 1 à 2 Vitesse moyenne du nœud 1 à 2
1-2 Trafic du nœud 2 à 1 Vitesse moyenne du nœud 2 à 1
Ce tableau est ensuite importé sous SIG, puis afin d’éliminer les doublons, il est récapitulé sur
le champ « Code_EMME » (pour le champ TMJA, on effectue une somme et pour la vitesse
on conserve la valeur moyenne).
11 Cette formule nous a été fournie par le CETE, elle est valable uniquement pour les villes de Marseille et de Toulon
1
2
Trafic du nœud 2 vers 1
Trafic du nœud 1 vers 2
39
Développements d’outils SIG pour la modélisation de la qualité de l’air
La table ainsi récapitulée est par la suite jointée avec le réseau routier à l’aide du champ
« Code_EMME ».
1-4 Calcul de l’altitude des nœuds Afin de pouvoir calculer la pente de chacune des rues, il est nécessaire au préalable d’estimer
l’altitude de chacun des nœuds (sommets des rues).
Pour cela, un fichier de point d’altitude a été créé à partir de la BD TOPO (points de côte)
pour les zones bâties et de la BD ALTI (zones non couvertes par la BD TOPO). Cela permet
d’obtenir des résultats plus précis sur les zones bâties. A partir du fichier de points et à l’aide
de l’extension 3D Analyst un modèle numérique de terrain : « TIN » (Triangular Irregular
Network) a été réalisé, puis il a été convertit en raster (format GRID résolution 5m) :
Figure 29 : Méthodologie de réalisation des grilles d’altitude (Toulon)
A partir de la grille d’altitude ainsi obtenue et du fichier de points convertit en raster, on peut
calculer l’altitude moyenne de chaque point en utilisant la calculatrice raster de Spatial
Analyst (figure 30, la méthodologie détaillée est présentée en Annexe 8).
TIN Grille d’altitude (format GRID) BD TOPO + BD ALTI
40
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 30 : Méthodologie de calcul de l’altitude des nœuds des rues
Pour chacun des tronçons de rue, on dispose ainsi des altitudes des points de départ et de
destination (champs : « ALTI 1 » et « ALTI 2 »).
1-5 Calcul de la hauteur des bâtiments Afin d’estimer la hauteur des bâtiments, les informations contenues dans la BD TOPO (figure
31) ont été utilisées.
Figure 31 : BD TOPO Thème bâtiments (agglomération de Toulon)
La BD TOPO est une base de données de précision métrique, comprenant la description
géographique tridimensionnelle du territoire. AIRMARAIX dispose de cette base de données
sur les principales villes de sa zone d’étude dans une version comprenant l’altimétrie et les
bâtiments.
Grille d’altitude au format GRID
Nœuds des tronçons de route au format raster
Altitude par nœuds
Calculatrice raster
41
Développements d’outils SIG pour la modélisation de la qualité de l’air
Le thème « bâtiment » de la BD TOPO est un fichier de polygones, il fournit la hauteur
maximum des bâtiments (Z_MAX) et l’altitude minimum du pourtour du toit (Z_MIN).
A l’aide des grilles d’altitudes réalisées précédemment, une estimation de l’altitude des
bâtiments au niveau du sol est effectuées. La méthodologie utilisée ici est la même que pour
le calcul d’altitude des nœuds (addition de la grille altimétrique et de la couche bâti au format
raster, cf. annexe 8).
La différence entre l’altitude « Z_Max » et l’altitude au niveau du sol nous permet d’obtenir
une approximation de la hauteur des bâtiments.
1-6 Répartition de la flotte
Afin de déterminer la répartition de la flotte sur les différents axes de la ville de Marseille, les
chiffres de décomposition de la flotte française fournis dans la thèse de Béatrice Bourdeau
[BOURDEAU, 1998] ont été utilisés :
Classe de voie Véhicules Particuliers
(VP)
Poids Lourds (PL)
Véhicules Utilitaires
Légers (VUL)
2 Roues (2R)
Transports en Commun (TC)
Urbain 75 3 12 8 2 Route 71 6 18 4 1 Autoroute 68 10 20 2 0
La classe « Autoroute », est déterminée à l’aide du champ « Class_Phy » du réseau routier.
Les deux autres types de classe : « Urbain » et « Route » ont été déterminés à l’aide de
l’occupation du sol réalisée par le CRIGE :
�� La classe de voie « Route » correspond au type d’occupation du sol :
- Territoires agricoles ;
- Forêts et milieux semi naturels.
�� La classe de voie « Urbain » correspond au type d’occupation du sol :
- Territoires artificialisés.
A l’aide de ces informations, un nouveau champ : « Class_voie » a ainsi été créé (figures 32
et 33).
42
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 32 : Classification du réseau de l’agglomération de Toulon
Figure 33 : Classification du réseau de l’agglomération de Toulon
43
Développements d’outils SIG pour la modélisation de la qualité de l’air
En fonction des différents pourcentages de répartition de la flotte, il est alors possible de
transformer les données de trafic UVP (Unité de Véhicule Particulier) en nombre de
véhicules. Pour cela le tableau de correspondance fourni par le service déplacement de la
Communauté Urbaine de Marseille a été utilisé (figure 37).
Type de véhicule Correspondance UVP
Véhicule Particulier 1
Véhicule Utilitaire Léger 1
Deux Roues 0.3
Poids Lourds 2
Transports en Commun 2
A partir de ce tableau de correspondance, les coefficients permettant de convertir le Trafic
Moyen Journalier Annuel (TMJA) en nombre de véhicules ont été calculés :
TMJAClasse = TraficUVP x ( 0.3 x %2RClasse + 2 x %TCClasse + 2 x %PLClasse + %VULClasse + %VPClasse)
Soit : TMJAurbain = TraficUVP x 0.994
TMJAroute = TraficUVP x 1.042
TMJAautoroute = TraficUVP x 1.086
44
Développements d’outils SIG pour la modélisation de la qualité de l’air
2 Automatisation du calcul des paramètres nécessaires à STREET
2-1 Fonctionnement de l’interface
Afin d’accélérer la collecte des paramètres géographiques nécessaires au fonctionnement de
STREET, une application a été développée en VBA. Celle ci est conçue pour être directement
accessible dans la barre de menu d’ArcView 8.
Le formulaire d’accueil donne accès à trois sous formulaires (voir figure 34) :
1. Initialisation de la base de données :
Ce formulaire crée tous les champs nécessaires à STREET et d’attribue ou calcule des
valeurs par défaut.
2. Détermination manuelle :
Ce formulaire permet de déterminer la typologie des rues et de modifier rue par rue les
paramètres calculés automatiquement.
3. Export vers STREET :
Ce formulaire exporte les données collectées sous SIG vers STREET.
Figure 34 : Formulaire d’accueil de l’interface SIG-STREET
1
2
3
45
Développements d’outils SIG pour la modélisation de la qualité de l’air
2-2 Initialisation de la base de données
Figure 35 : Formulaire d’initialisation de la base données
Le formulaire d’initialisation de la base de données (figure 35) permet de :
1 Calculer les coordonnées des sommets de chaque rue (X1 Y1 et X2 Y2) ;
2 Calculer la longueur des rues ;
3 Calculer la pente des rues en fonction des champs ALTI1 et ALTI2 :
Figure 36 : Calcul de la pente
4 Calculer l’angle des rues en fonction des champs X1 Y1 et X2 Y2 ;
ALTI 1
ALTI 2
Pente en % = ((ALTI1-ALTI2) x 100) / longueur de la rue
4
5
6
1
2
3
46
Développements d’outils SIG pour la modélisation de la qualité de l’air
5 Déterminer la catégorie de circulation de la rue et le pourcentage de bouchons
en fonction du champ « vitesse » des véhicules :
Figure 37 : Catégorie de circulation en fonction de la vitesse (d’après AIRPARIF, 2002)
6 Attribuer à chacune des rues des paramètres par défaut :
Figure 38 : Formulaire de saisie des paramètres par défaut
Ces différents paramètres sont estimés avec des valeurs moyennes, les valeurs utilisées pour
les villes de Toulon et de Marseille sont présentées, dans le figure 43.
Classe de vitesse Catégorie de circulation Pourcentage de bouchon
---
[0-15[
[15-25[
[25-30[
[30-39[
[39-52[
[52-69[
[69-92[
> = 92
F0
F1
F2
F3
F4
F5
F6
F7
F8
---
30
20
10
5
3
10
5
2
Répartition de la flotte automobile en fonction du champ : « Classe de voie »Concentration de la
pollution de fond pour chacun des polluants
Caractéristiques météorologiques
47
Développements d’outils SIG pour la modélisation de la qualité de l’air
Paramètres : Marseille Toulon
Benzène 2 2.2
Particules 30 28
P9812 NO2 93 ---
CO 430 500
Pollution de fond
SO2 10 5
vitesse 3 4 Vent
Direction Nord Ouest-Sud Est Est-Ouest
Figure 39 : Valeurs par défaut prises pour les villes de Marseille et Toulon (année 2001)
La suite du travail consiste à affiner ces mesures en utilisant les différentes campagnes de
mesures réalisées, afin d’obtenir de meilleurs résultats de modélisation. La méthode de calcul
des concentrations en NO2 pour la ville de Toulon est présentée dans la partie IV.
2-3 Détermination de la typologie
La typologie des rues est le seul paramètre que l’on ne peut pas calculer automatiquement car,
de nombreux éléments sont à prendre en compte pour le déterminer. Certains ne sont pas
mesurables automatiquement sous SIG (utilisation de photos aériennes). Le but de ce projet a
donc été de mettre en œuvre une interface qui permette d’accélérer le traitement des rues.
Initialement dans le logiciel STREET, l’utilisateur a accès à une interface qui lui permet de
déterminer la typologie des rues (figure 40).
Figure 40 : Assistant de détermination de la typologie des rues de STREET
12 NO2 Percentile 98 : Indice calculée à partir de la valeur moyenne de NO2
48
Développements d’outils SIG pour la modélisation de la qualité de l’air
Une interface similaire a été réalisée sous le logiciel ArcView. Dans le cadre de ce projet, seul
le type de voie : « rues droites » a été pris en compte ce qui représente 34 types de rue (les
carrefours n’ont pas été traités, cf. annexe 9).
La détermination de la typologie se fait à l’aide du bouton « détermination manuelle » du
formulaire d’accueil de la macro.
Il est nécessaire au préalable que 4 couches soient présentes dans la table des matières (figure
41), Celles ci doivent obligatoirement être organisé dans l’ordre suivant :
�� La zone tampon du réseau routier :
Cette couche permet de calculer la hauteur moyenne du bâti sur une zone de 25m autour
de la voie.
�� Le réseau routier
�� La BD TOPO de la zone concernée (les champs Zmin et Zmax permettent de calculer
la hauteur du bâti)
�� La BD ORTHOPHOTO (information visuelle non nécessaire aux calculs)
Figure 41 : Organisation de l’espace de travail pour la détermination de la typologie
Le fonctionnement de cette interface est présenté sur la figure 42.
1 Zone Tampon
2 Réseau routier
3 BD TOPO
4 BD ORTHO
49
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 42 : Fonctionnement de l’interface de détermination de la typologie
A la fin de cette dernière manipulation, tous les champs nécessaires au fonctionnement de
STREET ont été renseignés. Le détail du contenu des tables attributaires des réseaux routiers
réalisés est présenté en annexe 10.
L’utilisateur sélectionne une zone (arrondissements pour Marseille, communes pour l’agglomération de Toulon), puis une rue appartenant à cette zone. Automatiquement, la typologie actuelle de la rue et le numéro de Champ ( FID) sont affichés. Après avoir appuyé sur OK, un zoom est effectué sur la rue sélectionnée (rue en rouge), les bâtiments intersectants la zone tampon de cette rue sont sélectionnés.
(1) Différentes informations sur la rue sont alors affichées sur le formulaire : La répartition de la flotte, les caractéristiques du vent, les valeurs de pollution de fond, le nombre de voies, la longueur et la vitesse. Toutes ces données sont lues dans la table attributaire. La hauteur moyenne du bâti est calculée en fonction des bâtiments sélectionnés par la zone tampon. L’utilisateur peut modifier ces valeurs à l’aide du bouton « modifier » , les mises à jour sont automatiquement faites dans la table attributaire. (2) A partir de ces informations l’utilisateur peut déterminer la typologie de la rue, à l’aide d’une interface similaire à celle du logiciel STREET.
1
2
50
Développements d’outils SIG pour la modélisation de la qualité de l’air
2-4 Export des données vers STREET
La dernière fonctionnalité de l’application réalisée dans le cadre de ce stage est, une interface
qui permet d’exporter les données créées lors des étapes précédentes.
Les différents paramètres du formulaire de saisie, sont des informations d’ordre général qui
seront appliquées à l’ensemble des rues (figure 43).
Figure 43 : Formulaire d’export vers STREET
Le fichier qui est généré est au format texte. Afin de l’intégrer à STREET, il est nécessaire de
l’ouvrir sous Excel (séparateur de texte virgule), de l’enregistrer au format « xls » et de le
transcrire en fichier d’import à l’aide de la macro Excel fournie par STREET.
51
Développements d’outils SIG pour la modélisation de la qualité de l’air
C Présentation des résultats En parallèle de ce stage différents travaux sur STREET ont été effectués par Vannina Buc
[Buc V., 2003] stagiaire à AIRMARAIX dans le cadre du DESS « compétence
complémentaire en informatique » de la faculté des sciences de Luminy.
Ces travaux ont notamment consistés à effectuer des tests de sensibilité du modèle utilisé par
STREET (influence des paramètres d’entrée) et à réaliser des comparaisons entre les
observations (stations de mesures et campagnes temporaires) et les résultats obtenus avec
STREET.
A titre d’exemple, le résultat des comparaisons avec les stations fixes de la ville de Marseille
sont présentés dans le tableau ci dessous :
Station "Tr afic" Polluants OBS 2000 STREET ECART % OBS 2001 STREET ECART % PM 10 32 36 13 34 37 9
NO2 p 98 96 114 19 105 116 10
NO2 moy 46 45 -2 50 46 -8
NO2 p 50 44 40 -9 47 42 -11
CO 900 898 0 - 978 -
TIMONE
SO2 11 10 -9 10 11 10
NO2 p 98 115 119 3 121 120 -1 NO2 moy 51 48 -6 54 49 -9
NO2 p 50 49 44 -10 51 44 -14 RABATAU
CO 1110 1022 -8 1000 1113 11
NO2 p 98 102 117 15 110 121 10 NO2 moy 44 47 7 47 50 6
NO2 p 50 41 42 2 43 45 5
CO 900 1039 15 900 1129 25
PARADIS
SO2 13 10 -23 11 11 0
NO2 p 98 164 132 -20 172 136 -21 NO2 moy 77 58 -25 83 61 -27 NO2 p 50 74 53 -28 79 56 -29
CO 1500 1344 -10 1500 1493 0 PLOMBIERES
SO2 19 13 -32 16 14 -13 Moyenne des écarts 2000 : 12.8 2001 : 11.5
Figure 44 : Ecart entre les résultats de modélisation et les observations pour Marseille [Buc, 2003]
Sur l’ensemble des stations mesurant la pollution de proximité (station « trafic ») sur la ville
de Marseille, la moyenne de l’écart des résultats obtenus par STREET et les observations, est
52
Développements d’outils SIG pour la modélisation de la qualité de l’air
inférieure à 13%. Ces résultats nous permettent donc d’obtenir une approximation
relativement bonne des concentrations en polluants au niveau de la rue.
Les résultats de modélisation obtenus par STREET ont ensuite été exportés au format « xls »
et importé dans ArcView à l’aide de l’outil d’import Excel (téléchargé sur le site Internet
d’ESRI). Ce fichier a été jointé avec la base de données « réseau routier » sur le champ
« Nom ».
Les pages suivantes présentes la cartographie des résultats obtenus pour le dioxyde d’Azote
(NO2) sur la ville de Marseille et l’agglomération de Toulon (les résultats pour les autres
polluants sont présentés en annexe 11).
Figure 45 : Carte des concentrations en dioxyde d’azote sur le centre ville de Marseille
53
Développements d’outils SIG pour la modélisation de la qualité de l’air
Sur la carte ci-dessous, on observe que la pollution due au dioxyde d’azote est plus forte en
centre-ville et sur les autoroutes, avec des concentrations supérieures à 50 µg/m3 ; en
revanche, plus on s’éloigne du centre, plus la concentration en dioxyde d’azote diminue.
Figure 46 : Carte des concentrations en dioxyde d’azote sur la ville de Marseille
54
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 47 : Carte des concentrations en dioxyde d’azote sur l’agglomération de Toulon
55
Développements d’outils SIG pour la modélisation de la qualité de l’air
Conclusion du chapitre III :
Les développements effectués sous SIG dans le cadre de ce stage ont permis de mettre en
œuvre une application opérationnelle permettant d’accélérer le calcul des différents
paramètres nécessaires à STREET.
Les travaux réalisés sur les villes de Marseille et Toulon nous permettent d’obtenir des
résultats proches de la réalité avec des écarts de modélisation par rapport aux observations
généralement inférieurs à 20%.
Afin d’améliorer ces résultats, il serait nécessaire d’affiner certains paramètres d’entrée
tels que la pollution de fond en faisant appel à des méthodes géostatistiques d’interpolation
des données. Ces travaux de cartographie de la pollution de proximité devraient
prochainement être appliqués aux villes d’Aix-en-Provence et d’Avignon.
56
Développements d’outils SIG pour la modélisation de la qualité de l’air
CHAPITRE IV APPORT DES GEOSTATISTIQUES A LA CARTOGRAPHIE DU DIOXYDE D’AZOTE
Face à la demande accrue du public d’avoir une information visuelle de la pollution et face
aux besoins des réseaux de mieux maîtriser le comportement des polluants et l’espace à
surveiller, la spatialisation des polluants est devenue une activité incontournable.
L’utilisation des géostatistiques pour cartographier les polluants atmosphériques s’est
répandue dans le domaine de la surveillance de la qualité de l’air du fait de la capacité de ces
méthodologies à fournir une estimation uniforme de la répartition des polluants et à quantifier
l’erreur associée à cette estimation.
Le présent travail a consisté à explorer différentes méthodes géostatistiques d’interpolation
sur le dioxyde d’azote ; le but étant d’obtenir une cartographie s’approchant le plus de la
réalité en prenant en compte l’ensemble des « facteurs explicatifs » disponibles.
La première partie de ce chapitre sera consacrée à la présentation des méthodes
géostatistiques qui ont été utilisées et à l’exploration des fonctionnalités de l’extension
d’ArcView : Geostatistical Analyst. La deuxième partie portera sur les différents travaux de
cartographie du dioxyde d’azote qui ont été réalisés sur « l’Axe Littoral » de Marseille et
l’agglomération de Toulon.
57
Développements d’outils SIG pour la modélisation de la qualité de l’air
A Méthodes géostatistiques utilisées 1 Le Krigeage Cette méthode d’interpolation est particulièrement utilisée en géologie (elle tire son nom de
Krige, géologue) mais elle peut être aussi appliquée à des phénomènes environnementaux tels
que la répartition spatiale de la pollution.
Le Krigeage permet de prendre en compte le comportement spatial spécifique du polluant
grâce à une fonction de corrélation spatiale calculée à partir des concentrations observées aux
stations : à partir des valeurs observées aux stations de mesure un variogramme expérimental
est tracé (courbe rouge sur la figure 48) il quantifie la variabilité entre deux mesures
(semivariance) en fonction de la distance qui les séparent.
Figure 48 : Variogramme expérimental et modèle de variogramme
Un modèle de variogramme (courbe en noir), est ensuite ajusté au variogramme expérimental
et entré dans un système linéaire d’équation, dit système de krigeage, permettant de
déterminer le poids optimal à affecter aux données d’entrée lors de l’interpolation. De cette
façon un poids plus grand est affecté aux données qui sont mieux corrélées avec la
concentration au nœud considéré (réciproquement, un poids moins important est affecté aux
données qui sont moins corrélées).
Variogramme expérimental
Modèle
58
Développements d’outils SIG pour la modélisation de la qualité de l’air
2 Intégration d’un « cofacteur » : le Cokrigeage Le Cokrigeage est une méthode de Krigeage qui intègre avec un poids moins important que
les données primaires un second ensemble de données (appelé « cofacteur » ou variable
auxiliaire) corrélé au phénomène à cartographier et permettant d’apporter une information
complémentaire.
L’intérêt de prendre en compte les informations apportées par une variable externe est
d’améliorer la carte, surtout dans les zones où la densité des données est faible. Ainsi,
l’information provenant de la variable auxiliaire permet de compenser un manque
d’information sur le polluant lui-même aux endroits non informés par des mesures.
Des travaux effectués par l’association de surveillance de l’air des pays de la Loire ont mis
évidence que cette méthode d’interpolation permettait une amélioration sensible des résultats
de la cartographie du dioxyde d’azote lorsque les cofacteurs utilisés sont fortement corrélés
aux mesures [Molin, 2001].
59
Développements d’outils SIG pour la modélisation de la qualité de l’air
3 Fonctionnement de Geostatistical Analyst Cette partie est consacrée à la description du module d’interpolation de Geostatistical Analyst
(Geostatistical Wizard). Les travaux d’analyse statistique des données, réalisées en amont et
indispensables à tout travail géostatistique ont été effectués à AIRMARAIX à l’aide du
logiciel ISATIS de Géovariances. Les fonctionnalités « d’exploration des données » ne seront
donc pas traitées ici.
Les parties suivantes présentent les cinq étapes de Geostatistical Wizard :
3-1 Sélection des données d’entrée
Ce premier formulaire (figure 49) permet de choisir entre les différentes méthodes
d’interpolation (1). L’utilisateur doit ensuite définir les données d’entrée (fichier de points ou
de polygones). Dans le cas du krigeage, un seul onglet est disponible : celui de la donnée à
interpoler. Pour le Cokrigeage l’utilisateur peut sélectionner jusqu’à trois jeux de données
supplémentaires (2).
Figure 49 : Geostatistical Analyst : choix des données d’entrée
Une fonction d’exclusion permet de rejeter certaines valeurs lors de l’interpolation (3).
2
1
3
60
Développements d’outils SIG pour la modélisation de la qualité de l’air
3-2 Choix de la méthode d’interpolation
Ce formulaire (figure 50) permet de sélectionner la méthode géostatistique qui sera utilisée.
Pour le Krigeage et le Cokrigeage les deux méthodes qui ont été employées, sont le
« Krigeage ordinaire » et le « Krigeage simple ». La différence entre ces deux méthodes
réside dans l’utilisation de la moyenne des valeurs. Pour le Krigeage simple, elle est utilisée
comme une constante dans le modèle alors que pour le Krigeage ordinaire on estime qu’elle
n’est pas connue (elle n’est pas représentative du domaine d’étude).
Figure 50 : Geostatistical Analyst : choix de la méthode géostatistique
3-3 Visualisation de la nuée variographique et choix du modèle
Geostatistical Analyst permet de visualiser en haut à gauche de ce formulaire (figure 51) la
nuée variographique (1). Ce nuage de point est un outil d’exploration et de description de la
variabilité spatiale, il représente pour chacune des paires de mesure la semivariance
(variabilité entre les deux mesures) en fonction de la distance qui les séparent.
61
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 51 : Geostatistical Analyst : choix du modèle et visualisation du variogramme
Ici, le travail consiste à ajuster un modèle à la nuée variographique (figure 51 (2)). En
comparaison avec d’autres logiciels de géostatistiques tels qu’ISATIS de Géovariances,
Geostatistical Analyst est à ce niveau assez limité car il ne permet pas la visualisation du
semi-variogramme expérimental. Il est donc difficile d’ajuster un modèle à la nuée
variographique si l’on ne peut visualiser le semi-variogramme expérimental.
Geostatistical Analyst permet de choisir parmi un grand nombre de modèles de variogramme.
En fonction du modèle choisi, les différents paramètres du variogramme : l’effet de pépite
(Nugget), le seuil partiel (Partial S ill) et la portée (Range) sont calculés automatiquement
mais il est possible par la suite de les modifier afin d’améliorer les résultats.
Le graphique de surface (3) représente la variabilité moyenne dans toutes les directions à
différents pas de calcul. La position centrale du graphique, appelée origine, représente 0 pas.
Les pas augmentent du centre vers la périphérie. La direction est représentée sur la surface du
graphique à partir du pixel central, le nord vers le haut, l’est vers la droite, etc… . L’ampleur
de la variabilité est représentée par les couleurs : les faibles valeurs sont en bleu et les valeurs
élevées en rouge. Quand on déplace le curseur sur le graphique, la distance et la variabilité de
la cellule sélectionnée sont affichées. Lorsque la variabilité est égale dans toutes les
directions, c’est à dire lorsque la variation dépend uniquement de la distance de séparation, il
s’agit d’un modèle isotropique.
Dans le cas présenté sur la figure 51, on observe une forte variabilité à l’est et à l’ouest du
semi-variogramme de surface, dans ce cas il s’agit d’un modèle anisotropique orienté nord-
sud. Si l’on coche le paramètre anisotropie, Geostatistical Analyst calcule automatiquement
les différents paramètres liés à l’anisotropie.
2
3
1
62
Développements d’outils SIG pour la modélisation de la qualité de l’air
3-4 Détermination du voisinage
Cette étape permet de visualiser l’interpolation (onglet surface) et de déterminer le voisinage
onglet Neighbors) : c’est à dire le nombre de points qui seront pris en considération pour
l’interpolation (en fonction du rayon de recherche, de sa forme et de sa taille).
Figure 52 : Geostatistical Analyst : Détermination du voisinage
On peut ainsi apporter un poids aux points éloignés du nœud à interpoler. Dans notre étude
comme dans la plupart de celles réalisées à ce jour à AIRMARAIX, tous les points sont
choisis, la modification du voisinage n’entraîne que de très faibles variations dans les
résultats.
3-5 Validation croisée
Enfin, à cette étape, il est possible d’évaluer la qualité de l’interpolation. La validation croisée
consiste à estimer un point dont on connaît la valeur après l’avoir éliminé des données
d’entrée. En faisant cela successivement sur tous les sites de mesure, on obtient un nuage de
points : sur l’axe des abscisses est représenté la valeur mesurée et sur l’axe des ordonnées la
valeur estimée. Sur la figure 53, la droite de corrélation représentée en bleu et les points
devraient être alignés sur la bissectrice en pointillé pour que l’estimation soit parfaite.
63
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 53 : Geostatistical Analyst : validation croisée
Le fenêtre ci-dessus nous donne accès à différents paramètres permettant de valider
l’interpolation : l’erreur moyenne (Mean) doit être la plus proche de 0, la RMS (Root Mean
Square) et l’erreur moyenne standardisée (Average Standard Error) doivent être les plus
faibles possibles enfin, la RMS standardisée (Root Mean Square Standardized Error) doit
être la plus proche de 1.
Les deux paramètres les plus utilisés lors de la comparaison de modèles sont la RMS et
l’erreur moyenne standardisée [JOHNSON, 2001].
Une autre fonction de Geostatistical Analyst fournit en complément une évaluation de
l’interpolation : la carte des erreurs. Cette une estimation cartographiée de l’erreur pour
chacun des points interpolés.
64
Développements d’outils SIG pour la modélisation de la qualité de l’air
B Spatialisation du dioxyde d’azote 1 Cartographie du dioxyde d’azote sur l’Axe Littoral
1-1 Présentation de l’étude : Etat initial de la qualité de l’air Axe littoral sens nord-sud
Dans le cadre de cette étude, une campagne de mesures a été réalisée du 9 décembre 2002 au
2 mars 2003. Elle visait à évaluer les niveaux en polluants automobiles (oxydes d’azote,
benzène, toluène, xylène, particules en suspension et monoxyde de carbone) sur le tracé de
l’axe littoral de Marseille dans le sens nord-sud, réalisant la jonction entre l’A55 et le tunnel
du Vieux Port. Le but de cette étude est d’évaluer la qualité de l’air sur le tracé du tunnel
avant sa mise en service (« état zéro ») en estimant les niveaux de pollution liés au trafic
routier aux abords des têtes de tunnel et de trois quartiers (Joliette, Arenc et Tourette). La
carte ci-dessous représente la localisation des sites de mesure :
Figure 54 : Localisation des sites de mesure de l’Axe Littoral
65
Développements d’outils SIG pour la modélisation de la qualité de l’air
Dans le cadre de ce projet, mon travail a consisté à cartographier les résultats des campagnes
sur les six polluants mesurés (cartographie ponctuelle) et à utiliser les géostatistiques afin
d’obtenir une cartographie surfacique du dioxyde d’azote. Les parties suivantes présentent
uniquement les travaux de spatialisation géostatistique qui ont été réalisés.
Avant d’effectuer ces différents travaux, une analyse statistique exploratoire des données a été
réalisée sous le logiciel Isatis : elle nous a conduit à exclure quatre points dits « outliers »
(points pour lesquels les distances sont faibles mais les écarts de mesures importants).
1-1 Krigeage
Les méthodes de krigeage simple et ordinaire ont été testées : le krigeage simple13 est la
méthode qui donne les meilleurs résultats lorsque l’on compare les validations croisées (figure
55) et les cartes des erreurs (figure 57).
Figure 55: Comparaison des validations croisées : Krigeage ordinaire-Krigeage simple
En visualisant la carte résultante (figure 56) on note après expertise qu’elle n’est pas
complètement représentative de la réalité, on se rend compte qu’il nous manque une
information entre les sites de mesure au niveau des axes routiers. Cela est confirmé par la
carte des erreurs, l’erreur estimée est plus élevée dans les zones où il n’y a pas de sites de
mesure (zones rouge). Il est donc intéressant dans ce cas d’étudier l’apport de l’intégration
d’un cofacteur dans cette interpolation.
13 Prise en compte de la moyenne dans le modèle
66
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figures 56 et 57 : Krigeage simple et carte des erreurs
2-2 Cokrigeage simple
a) Choix des « cofacteurs »
L’idée ici est d’utiliser un facteur très corrélé à celui que l’on souhaite cartographier et que
l’on connaît sur la totalité du domaine d’étude.
En milieu urbain, le dioxyde d’azote est essentiellement d’origine automobile. Il vient de
l’oxydation rapide du monoxyde d’azote, principalement émis des pots d’échappement. Nous
avons donc cherché à intégrer comme « cofacteur » une information relative à la circulation
automobile.
En fonction des données disponibles à cette échelle, le test de deux « cofacteurs » s’est avéré
intéressant :
- le trafic routier en nombre de véhicules ;
- l’occupation du sol (réseau routier).
67
Développements d’outils SIG pour la modélisation de la qualité de l’air
Pour le trafic routier, nous avons utilisé les mêmes données que pour le logiciel STREET
(trafic estimé par le modèle EMME2). En ce qui concerne l’occupation du sol, nous ne
disposons pas d’informations suffisamment précises à cette échelle. Le réseau routier
GEOROUTE a donc été transformé en surfacique en affectant à chaque tronçon de route une
zone tampon plus ou moins grande en fonction du champ « Classe fonctionnelle » (type du
réseau routier : réseau principal, secondaire,…). Cela nous permet d’avoir une estimation de la
surface occupée par le réseau routier.
b) Calcul des « cofacteurs »
Afin de pouvoir les utiliser lors de l’interpolation, les « cofacteurs » doivent être intégrés sur
une grille recouvrant la zone d’étude. Pour cela j’ai développé un outil sous Visual Basic
permettant de générer automatiquement une grille (figure ci-dessous, son fonctionnement est
détaillé en annexe 12). Cet outil crée un maillage régulier en utilisant comme point de départ,
les coordonnées du point en haut à gauche de la zone d’étude. Il nécessite trois autres
paramètres : la largeur et la longueur de la zone d’étude ainsi que la taille de la maille.
Figure 58 : Outil de création de grille
Afin d’estimer la valeur du « cofacteur » sur chacune des mailles de la grille, il a été
nécessaire de définir une méthodologie (figure 59, la méthodologie détaillée est présentée en
annexe 13).
68
Développements d’outils SIG pour la modélisation de la qualité de l’air
A l’aide de l’assistant de géotraitement les grilles sont intersectées avec les cofacteurs, les
résultats sont ensuite jointés avec la table attributaire de la grille :
Figure 59 : Intégration des cofacteurs à la grille d’analyse
Les informations obtenues ont été intégrées à des grilles ayant trois résolutions de maille : 10,
50 et 100 mètres. Les premiers tests ont démontrés que la grille de 10 m avait une résolution
trop précise, elle a donc été exclue (les sites mesurant la pollution de proximité n’avaient pas
de correspondance en données de trafic).
Des tests de corrélation ont ensuite été effectués entre les mesures de dioxyde d’azote et les
cofacteurs :
Pourcentage de v oies par maille Trafic routier par maille Taille des mailles 50m 100m 50m 100m
Corrélations Avec le NO2 0.51 0.41 0.47 0.47
Le meilleur cofacteur est le « pourcentage de voies » avec un coefficient de corrélation égal
0,51.
Dans le cas du trafic routier, ces corrélations, plus faibles que ce à quoi on pouvait s’attendre,
peuvent être expliquées par le fait que cette information est uniquement disponible sur les
principaux axes. Sur les autres axes, qui représentent une grande partie de la zone, les valeurs
de trafic sont nulles alors qu’il existe tout de même un trafic routier.
Grilles
Trafic routier par maille
Pourcentage surfacique de voies
par maille
Cofacteurs
+
+
69
Développements d’outils SIG pour la modélisation de la qualité de l’air
En revanche pour le pourcentage de voies par maille, comme on peut le voir sur la figure 58
l’information est complète sur notre zone d’étude. Dans ce cas la valeur de corrélation pourrait
venir du choix de la taille des zones tampon, dans certains cas la surface estimée de la rue ne
correspond pas à la réalité du trafic (de façon proportionnelle).
Ces corrélations ne sont pas optimales, mais ce sont les meilleures que l’ont ait obtenues avec
les données disponibles.
c) Cokrigeage simple - pourcentage de voies
Grâce à l’intégration du « cofacteur » « pourcentage de voies », on observe sur la figure 59 une
plus nette représentation de la pollution au niveau des axes routiers. Cela permet de distinguer
clairement la pollution de proximité en marron (proche des axes), de la pollution de fond en
jaune.
Figures 60 et 61 : Cokrigeage (pourcentage de voies) et carte des erreurs
La validation croisée donne de meilleurs résultats que dans le cas du Krigeage simple :
Krigeage simple Cokrigeage (pourcentage de voies)
Root-Mean-Square 4.22 3.75
Average Standard Error 4.11 3.95
Mean 0.12 0.88
Root-Mean-Square Standardized 1.01 0.95
70
Développements d’outils SIG pour la modélisation de la qualité de l’air
La carte des erreurs confirme cette tendance. Avec cette méthode d’interpolation les zones
éloignées des sites de mesure ont une erreur estimée plus faible qu’avec un krigeage sans
cofacteur. Mais avec ce cofacteur, le poids est donné suivant la largeur de l’axe ce qui n’est
pas totalement représentatif de la réalité car des axes de même taille peuvent avoir un trafic
différent. Dans ce cas il nous manque toujours la notion de trafic.
d) Cokrigeage simple - trafic routier
L’utilisation du cofacteur « Trafic routier », permet l’observation de tendances similaires à
celles obtenus par l’interpolation précédente. On distingue cependant que certains axes de
même dimension ont des concentrations en polluants plus faibles et d’autres au contraire ont
des concentrations nettement plus élevées. Ce contraste est dû à l’inégale répartition du trafic
routier, cette carte paraît donc plus proche de la réalité.
Figures 62 et 63 : Cokrigeage (trafic routier) et carte des erreurs
71
Développements d’outils SIG pour la modélisation de la qualité de l’air
Cependant, la validation croisée, qui donne des résultats à peu prés équivalents au Krigeage
simple, est de moins bonne qualité que le Cokrigeage précédent :
Krigeage simple Cokrigeage (trafic routier)
Root-Mean-Square 4.22 4.25
Average Standard Error 4.11 3.91
Mean 0.12 0.41
Root-Mean-Square Standardized 1.01 1.08
La carte des erreurs, elle, donne de meilleurs résultats que les deux précédentes méthodes : les
erreurs estimées autour des points sont beaucoup plus faibles. On a donc une meilleure
représentation de la proximité. Dans ce cas la réalité du trafic est prise en compte mais il nous
manque encore trop d’informations sur le domaine d’étude (axes secondaires non renseignés).
Un dernier test a consisté à intégrer les deux cofacteurs simultanément, mais les résultats
obtenus se sont avérés de qualité nettement inférieure au Krigeage simple.
e) Discussion
Les faibles valeurs de corrélation obtenues avec les cofacteurs utilisés ne nous ont pas permis
d’obtenir de bons résultats. Cela est dû au manque d’information pour les deux cofacteurs
choisis. Une corrélation à partir de 0,7 permettrait certainement d’obtenir des résultats de
meilleure qualité.
Il serait intéressant dans le cas du cofacteur « trafic routier » d’intégrer une valeur de trafic
estimée aux voies secondaires et surtout de prendre en compte la présence de carrefours.
Les études ayant été réalisées sur la même thématique dans les autres réseaux [Bobbia, 2000],
[Molin, 2001], couvraient des zones beaucoup plus étendues et ont permis la prise en compte
de cofacteurs tels que l’altitude ou bien encore l’occupation du sol. La taille réduite de la zone
couvrant l’axe littoral (800x2200 mètres) ne nous a pas permis de prendre en compte ces
facteurs.
Il serait aussi intéressant d’explorer plus en profondeur le mode d’intégration et de calcul des
cofacteurs et surtout la façon dont Geostatistical Analyst traite ces données : en effet on
ignore quel est le poids affecté aux différents « cofacteurs ».
72
Développements d’outils SIG pour la modélisation de la qualité de l’air
2 Cartographie du dioxyde d’azote sur l’agglomération de Toulon
Dans le chapitre II, lors du calcul des paramètres d’entrée de STREET, des valeurs de
pollution de fond par défaut pour le dioxyde d’azote ont été affectées à l’ensemble du réseau
routier de Toulon. Le but de cette partie est d’affiner ce paramètre d’entrée en faisant appel
aux géostatistiques.
Une campagne d’évaluation de la pollution en dioxyde d’azote a été effectuée en 1997 sur
l’agglomération de Toulon [AIRMARAIX, 2000]. Depuis cette date aucune campagne de
mesure aussi vaste n’a été menée sur cette zone. Nous avons donc choisi d’utiliser ces
données comme paramètre d’entrée de STREET en les actualisant.
Des travaux d’interpolation ont déjà été réalisés sur cette campagne [Bonabel, 2002], les
meilleurs résultats sont obtenus à l’aide du Krigeage ordinaire :
Figure 64 : Krigeage ordinaire sur la ville de Toulon
Afin de déterminer la pollution de fond sur chacun des axes routier, il est nécessaire d’étendre
l’interpolation à l’ensemble de la zone couverte par le réseau routier utilisé par STREET.
Avec le Krigeage ordinaire, on observe que la qualité de l’interpolation se trouve dégradée sur
les zones périphériques (figure 65) : ce qui est normal car en extrapolation la cartographie
n’est pas fiable.
73
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 65 : Krigeage ordinaire sur l’agglomération de Toulon
Cette tendance est confirmée par la carte des erreurs : lorsque l’on s’écarte des sites de
mesure, l’erreur estimée est beaucoup plus élevée. L’utilisation du Cokrigeage dans ce cas
aurait nécessité des sites de mesure mieux répartis sur l’ensemble de la zone.
Cette cartographie de la pollution de fond a tout de même été utilisée comme facteur d’entrée
pour le logiciel STREET car elle met en évidence un gradient des concentrations en polluants
entre le centre et la périphérie de Toulon. Cette approche est donc plus juste que celle qui a
été employée pour la ville de Marseille (attribution d’une même valeur de pollution de fond
sur toute la zone). En utilisant la même méthodologie que celle présentée en annexe 8
(addition de l’interpolation et du réseau routier au format raster) la valeur moyenne de la
pollution de fond par axe routier a pu être déterminée (figure 66).
74
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 66 : Cartographie de la pollution de fond sur les axes routiers de l’agglomération de Toulon
Conclusion du Chapitre IV :
Dans le cadre de ce stage, beaucoup de tests ont été réalisés. Pour l’instant les résultats
obtenus ne sont pas probants, on sait qu’il manque encore de nombreux éléments afin de
trouver de meilleures corrélations et ainsi obtenir une cartographie plus proche de la
réalité.
Le choix des différents paramètres du Krigeage (en dehors de la validation croisée et des
cartes d’erreurs) reste très subjectif. Ce choix est un exercice complexe : le risque d’une
utilisation « boite noire » de ces éléments peut conduire souvent à des cartes irréalistes.
Les résultats obtenus lors de ces manipulations sont donc à utiliser avec prudence. De plus
il semble nécessaire d’analyser plus en détail le mode de fonctionnement du Cokrigeage,
l’influence et le poids que donnent les cofacteurs à l’interpolation, la méthode
d’intégration des cofacteurs mais aussi d’approfondir les travaux sur les données d’entrée.
Avec ces premiers tests, on s’approche d’une interpolation de qualité, mais par manque de
temps et surtout d’expérience en la matière dans les réseaux de surveillance nous n’avons
pas pu aller plus loin. C’est avec l’expérience, l’aide d’organisme qualifiés en
géostatistiques et surtout en mettant plus de temps sur ces études que l’on obtiendra de
meilleurs résultats.
75
Développements d’outils SIG pour la modélisation de la qualité de l’air
CONCLUSION Ce stage a été pour moi une expérience particulièrement enrichissante. J’ai contribué à
améliorer et valoriser les outils SIG d’AIRMARAIX tout en explorant différentes voies
d’application. J’ai pu développer une application opérationnelle permettant de cartographier la
pollution de proximité sur la ville de Marseille et l’agglomération de Toulon (les villes d’Aix
en Provence et d’Avignon devraient prochainement être traitées). J’ai eu l’occasion de
participer à la mise en oeuvre d’un outil fournissant en temps réel une cartographie des
épisodes de pollution par l’ozone. Les différents travaux que j’ai réalisés en géostatistiques
ont permis d’ouvrir de nouvelles voies d’exploration dans ce domaine.
Cet exercice n’a pas été facile. Un important travail de mise à niveau de mes connaissances
dans les domaines de la chimie atmosphérique et des géostatistiques a été effectué. Il a fallu
ensuite développer différents outils sous Visual Basic et mettre en place des méthodologies de
traitement des données spatiales.
Ce stage a donc été une excellente occasion de mettre en application la quasi-totalité des
enseignements reçus dans le cadre du DESS.
Sur un plan personnel, ce stage m’a énormément fait progresser dans le domaine des SIG et
m’a permis d’intégrer durant six mois une association dynamique et innovante dans un
domaine passionnant : la surveillance de la qualité de l’air.
76
Développements d’outils SIG pour la modélisation de la qualité de l’air
BIBLIOGRAPHIE
AIRMARAIX, 2000. Evaluation de la répartit ion de la pollution en dioxyde d’azote sur l’agglomération de Toulon.24p AIRMARAIX, 2001 et 2002. Bilans d’activités. AIRPARIF, 2002. Evaluation des concentrations moyenne annuelles en polluants atmosphériques à proximité du trafic routier en Ile-de-France. 33p ASPA, 2001. Estimation de la qualité de l’air en proximité automobile sur la Communauté Urbaine de Strasbourg, 26p. BONABEL C., 2002. Organisation des bases de données et cartographie de la pollution atmosphérique. Rapport de stage, AIRMARAIX 54p. BOURDEAU B., 1998. Evolution du parc Automobile français entre 1970 et 2020, Rapport LEN n°9801. BOBBIA M., 2000. Surveillance de la qualité de l’air par cartographie : l’approche géostatistique, AIR NORMAND, 4p. BUC V., 2003. Approches SGBDR appliquées à la qualité de l’air, Rapport de stage, AIRMARAIX, 44p. ESCOMPTE, 1999. Emission et modélisation en Provence alpes côte d’Azur, 4p. GUIEU-RENZI P., 2003. Etat Initial de la qualité de l’air Axe Littoral sens Nord-Sud. AIRMARAIX, 48p. JOHNSON K., 2001. Using ArcGis Geostatistical Analyst, ESRI, 300p. KKT, Targeting, TUV Umwelt Service, 2002. STREET 4.1 : Logiciel d’évaluation simple de la pollution atmosphérique provoquée par la circulation automobile, 49p. MEYLAN M., 2000. Mise en place et validation du logiciel STREET sur le territoire du grand Lyon, 55p. MOLIN E., 2001. Etude géostatistique des données de pollution en dioxyde d’azote sur l’agglomération d’Angers. Air Pays de la Loire, 30p. ROBIN D., 2001. Evolution de la qualité de l’air depuis les origines du réseau AIRMARAIX, 6p. TENAILLEAU A., 2002. Modélisation de la qualité de l’air au niveau de la rue. Rapport de stage, Air Languedoc Roussillon, 59p. Sites Internet consultés : http://www.crige-paca.org http://arcobjectsonline.esri.com http://support.esrifrance.fr/ http://arcscripts.esri.com/
77
Développements d’outils SIG pour la modélisation de la qualité de l’air
LEXIQUE
AASQA : Association Agréée pour la Surveillance de la Qualité de l’Air.
AIRLR : Association pour la surveillance de la qualité de l’air du Languedoc Roussillon
AIRFOBEP : Association pour la surveillance de la qualité de l’air de la région de l’étang de
Berre et de l’ouest de Bouches-du-Rhône
ADEME : Agence de l'Environnement et de la Maîtrise de l'Energie.
CRIGE : Comité Régional de l’Information Géographique
DRIRE : Direction Régionale de l’industrie de la Recherche et de l’Environnement
DDE : Direction Départementale de l’Equipement
EMISSION : Quantité de polluant émis par les sources anthropiques ou naturelles
ESCOMPTE : Expérience sur Site pour Contraindre les Modèles de Pollution atmosphérique
et de Transport d’Emission
HPS : Heures De Pointes du Soir
Indice ATMO : indicateur journalier de la qualité de l’air
Immission : Concentrations en polluants mesurés dans l’air ambiant.
Pollution de fond : Concentrations en polluants dans les zones éloignées des axes routiers
Pollution de proximité : Concentrations en polluants à proximité des axes routiers
QUALITAIR : Association pour la surveillance de la qualité de l’air dans les Alpes
Maritimes, les Alpes de Haute Provence et les Hautes-Alpes
TGAP : Taxe Générale sur les Activités Polluantes
TMJA : Trafic Moyen Journalier Annuel
Tube à diffusion passive : Echantillonneur de polluants atmosphériques
PCOP : Potentiel de Création d’Ozone par Photochimie
78
Développements d’outils SIG pour la modélisation de la qualité de l’air
TABLE DES FIGURES
Figure 1 : Indice ATMO................................................................................................................ 7 Figure 2 : Répartit ion des financements d’AIRMARAIX................................................................. 8 Figure 3 : Station de mesure du boulevard Rabatau (Marseille) ........................................................ 9 Figure 4 : Carte de localisation des stations de mesure..................................................................... 9 Figure 5: Cycle simplifié des polluants [ESCOMPTE, 1999] ......................................................... 10 Figures 6 et 7 : Laboratoires mobiles............................................................................................ 11 Figure 8 : Méthode de collecte des données.................................................................................. 11 Figure 9 : Interface de la base de données : « Suivi des données SIG » ........................................... 14 Figure 10 : Fonctionnement de l’application ................................................................................. 19 Figure 11 : Fonctionnement du Module 1...................................................................................... 20 Figure 12 : Fonctionnement du module 2...................................................................................... 21 Figure 13 : Fonctionnement de la macro de mise en page automatique............................................ 22 Figure 14 : Mise en page par défaut pour la cartographie du polluant ozone.................................... 23 Figure 15 : Interpolation faussée .................................................................................................. 24 Figure 16 : Interface d’automatisation de la mise en page .............................................................. 25 Figure 17 : Ajout séquentiel de couches........................................................................................ 26 Figure 18 : Interfaçage de STREET et ArcView 8 ......................................................................... 28 Figure 19 : Interface de STREET................................................................................................. 29 Figure 20 : « effet canyon » ......................................................................................................... 29 Figure 21 : Saisie des paramètres de STREET............................................................................... 31 Figure 22 : Elaboration du réseau routier ...................................................................................... 33 Figure 23 : Automatisation du calcul des paramètres nécessaires à STREET................................... 33 Figure 24 : Trafic routier dans le centre ville de Toulon(modèle EMME 2)..................................... 35 Figure 25 : Calage des cartes de trafic de Toulon........................................................................... 35 Figure 26 : Confrontation Tronçon de rue réel - Tronçon de rue issu de modèle............................... 36 Figure 27 : Fichier GEOROUTE initial - Fichier après modification............................................... 37 Figure 28 : Données de trafic disponible par axe........................................................................... 38 Figure 29 : Méthodologie de réalisation des grilles d’altitude (Toulon)........................................... 39 Figure 30 : Méthodologie de calcul de l’altitude des nœuds des rues............................................... 40 Figure 31 : BD TOPO Thème bâtiments (agglomération de Toulon)............................................... 40 Figure 32 : Classification du réseau de l’agglomération de Toulon ................................................. 42 Figure 33 : Classification du réseau de l’agglomération de Toulon ................................................. 42 Figure 34 : Formulaire d’accueil de l’interface SIG-STREET......................................................... 44 Figure 35 : Formulaire d’initialisation de la base données.............................................................. 45 Figure 36 : Calcul de la pente....................................................................................................... 45 Figure 37 : Catégorie de circulation en fonction de la vitesse (d’après AIRPARIF, 2002) ................ 46 Figure 38 : Formulaire de saisie des paramètres par défaut............................................................. 46 Figure 39 : Valeurs par défaut prises pour les villes de Marseille et Toulon (année 2001)................. 47 Figure 40 : Assistant de détermination de la typologie des rues de STREET.................................... 47 Figure 41 : Organisation de l’espace de travail pour la détermination de la typologie....................... 48 Figure 42 : Fonctionnement de l’interface de détermination de la typologie .................................... 49 Figure 43 : Formulaire d’export vers STREET.............................................................................. 50 Figure 44 : Ecart entre les résultats de modélisation et les observations pour Marseille [Buc, 2003].. 51 Figure 45 : Carte des concentrations en dioxyde d’azote sur le centre ville de Marseille................... 52 Figure 46 : Carte des concentrations en dioxyde d’azote sur la ville de Marseille............................. 53 Figure 47 : Carte des concentrations en dioxyde d’azote sur l’agglomération de Toulon................... 54 Figure 48 : Variogramme expérimental et modèle de variogramme................................................ 57 Figure 49 : Geostatistical Analyst : choix des données d’entrée...................................................... 59 Figure 50 : Geostatistical Analyst : choix de la méthode géostatistique........................................... 60 Figure 51 : Geostatistical Analyst : choix du modèle et visualisation du variogramme..................... 61
79
Développements d’outils SIG pour la modélisation de la qualité de l’air
Figure 52 : Geostatistical Analyst : Détermination du voisinage..................................................... 62 Figure 53 : Geostatistical Analyst : validation croisée.................................................................... 63 Figure 54 : Localisation des sites de mesure de l’Axe Littoral........................................................ 64 Figure 55: Validation croisée du Krigeage simple.......................................................................... 65 Figures 56 et 57 : Krigeage simple et carte des erreurs................................................................... 66 Figure 58 : Outil de création de grille ........................................................................................... 67 Figure 59 : Intégration des cofacteurs à la grille d’analyse............................................................. 68 Figures 60 et 61 : Cokrigeage (pourcentage de voies) et carte des erreurs........................................ 69 Figures 62 et 63 : Cokrigeage (trafic routier) et carte des erreurs.................................................... 70 Figure 64 : Krigeage ordinaire sur la ville de Toulon..................................................................... 72 Figure 65 : Krigeage ordinaire sur l’agglomération de Toulon........................................................ 73
80
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXES
ANNEXE 1 : Carte des zones d’information réglementaire pour l’ozone.............................. 81
ANNEXE 2 : Exemple de carte et paramètres géostatistiques sous le logiciel Surfer............ 82
ANNEXE 3 : Méthode d’interpolation des concentrations en ozone sous Spatial Analyst.... 83
ANNEXE 4 : Manuel utilisateur de l’application de cartographie automatique..................... 84
ANNEXE 5 : Episode de pollution à l’ozone du 02/08/2003 ................................................. 89
ANNEXE 6 : Cahier des charges ............................................................................................ 91
ANNEXE 7 : Fiche de renseignement des rues pour STREET .............................................. 93
ANNEXE 8 : Méthodologie du calcul de l’altitude des noeuds.............................................. 94
ANNEXE 9 : Typologie des rues du logiciel STREET .......................................................... 97
ANNEXE 10 : Contenu des tables attributaires .................................................................... 100
ANNEXE 11 : Cartographie des résultats............................................................................. 101
ANNEXE 12 : Outil de création de grille ............................................................................. 107
ANNEXE 13 : Méthodologie de calcul des cofacteurs ......................................................... 108
81
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 1 : CARTE DES ZONES D’INFORMATION REGLEMENTAIRE POUR
L’OZONE
Les cartes d’information réglementaire par départements pour l’ozone sont directement
accessibles sur le site Internet du CRIGE : www.crige-paca.org
82
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 2 :
EXEMPLE DE CARTE ET PARAMETRES GEOSTATISTIQUES SOUS LE LOGICIEL SURFER
10:1528/05/2001
Concentrationsen µg/m3
Direction de Vent
40
60
80
100
120
140
160
180
200
220
240
Paramètres géostatistiques utilisés à AIRMARAIX sous SURFER et/ou ISATIS pour
l’interpolation des données O3 :
�� Variogramme omnidirectionnel
�� Voisinage unique
�� Krigeage ordinaire
�� Paliers et Pas automatiques
83
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 3 :
METHODE D’INTERPOLATION DES CONCENTRATIONS EN OZONE SOUS SPATIAL ANALYST
Pour accéder au formulaire ci dessous, il faut choisir dans le menu déroulant de Spatial
Analyst : Interpoler en raster/Krigeage :
Représentation cartographique du raster obtenu par interpolation :
Type de dégradé de couleur spécifique à l’ozone
Krigeage ordinaire sphérique à rayon variable (sans paramètres avancés)
Nombre total de points sélectionnés
Sélection du fichier de points et du champ contenant la concentration en polluant
Minimum et Maximum pour l’ozone
84
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 4 : MANUEL UTILISATEUR DE L’APPLICATION DE CARTOGRAPHIE
AUTOMATIQUE
85
Développements d’outils SIG pour la modélisation de la qualité de l’air
Manuel utilisateur de l’outil de cartographie automatique des épisodes de pollution à l’ozone
Rédaction : GC Relecture : SF Date de mise à jour : 11/09/03
1 Pré requis :
Cet outil nécessite ArcGIS 8.2 , l'extension Spatial Analyst et la mise à jour Microsoft activeX database component (celle ci est disponible dans le dossier : N:\SIG_SERVER\sig-utilitaires\outils_AIRMARAIX\MAJ\mdac_typ.exe).
2 Installation :
1. Ouvrez un document ArcMap ; 2. Exécutez la commande Outils > Personnaliser puis placez-vous dans la rubrique
Barres d'outils ; 3. Cliquez sur Ajouter depuis un fichier puis naviguez dans le répertoire contenant la dll :
Airmaraix.dll : N:\SIG_SERVER\sig-utilitaires\outils_AIRMARAIX\Developpement_ESRI\Programme 4. Cochez ensuite la barre d'outils Airmaraix afin de l'afficher :
5. Cliquez sur Fermer ; 6. La barre d'outils apparaît maintenant disponible dans l'interface.
86
Développements d’outils SIG pour la modélisation de la qualité de l’air
3 Utilisation :
L’outil est composé de deux modules :
3-1 Fonctionnement du module 1 : Dans un premier temps, l’utilisateur doit ajouter à la fenêtre courante le fichier des stations : N:\SIG_SERVER\sig-bd\sites\SURVEILLANCE\sites_region_Interpolations.shp (Ce fichier contient deux stations « virtuelles » permettant d’agrandir la zone d’analyse). Puis, il faut sélectionner les stations devant participer à l’import et exécuter le module 1 :
L’utilisateur doit ensuite renseigner les différents paramètres d’import et le nom du fichier de sortie. Après l’import, une géodatabase est créé, elle contient un nouveau fichier de station, et une table de valeur par polluant et par pas de temps.
Module 1 : Import de données
Module 2 : Interpolation des données
87
Développements d’outils SIG pour la modélisation de la qualité de l’air
3-2 Fonctionnement du module 2 :
Ce programme se base sur la géodatabase produite dans le module 1 (1), l’utilisateur doit indiquer un dossier de sortie dans lequel seront stockées les interpolations au format Tiff (2) et la résolution de la maille en mètres (3).
1
2
3
88
Développements d’outils SIG pour la modélisation de la qualité de l’air
3-3 Mise en page :
La mise en page se fait à l’aide d’une macro développée en VBA, elle est disponible dans le projet : N:\SIG_SERVER\sig-utilitaires\outils_AIRMARAIX\Developpement_ESRI\MiseEnPage
1. La mise en page par défaut peut être remaniée, en revanche le titre de la carte
« TitreCarte » ne doit pas être modifié (il est reconnu automatiquement par le
programme et il est remplacé par le nom du polluant et la date de la mesure).
2. La macro s’exécute à partir du bouton « mise en page », situé dans la barre d’outils.
3. L’interface permet de sélectionner la géodatabase contenant les valeurs, et le dossier
contenant les images interpolées.
4. L’utilisateur a le choix entre visualiser toutes les données (interpolation, station et
direction du vent) ou créer automatiquement des cartes mise en page.
2
3
4
1
89
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 5 : EPISODE DE POLLUTION A L’OZONE DU 02/08/2003
Ces cartes sont réalisées par interpolation mathématique (krigeage) à partir des moyennes horaires glissantes de 42 sites de mesure. Elles représentent la tendance générale des épisodes, et non l’exacte réalité en tout point de la carte.
91
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 6 :
CAHIER DES CHARGES
Détail des modifications à apporter à l’application de cartographie automatique des épisodes
de pollution atmosphérique.
1 Modifications à apporter au Module 1
�� Ajout des types de donnée : horaire glissant (mesures par quarts d’heure) et maximum
journalier (1) ;
�� Un blanc apparaît dans le choix des paramètres sélectionnables (2) ;
�� Un message d’erreur à la fin de l’import apparaît :
« Erreur valeur de propriété non valide dans le module prgcontrol »
(certaines tables ne sont alors pas importées)
�� Ajout de valeurs par défaut pour les stations « virtuelles » (stations externes à la zone
d’étude permettant d’éviter les « bug » d’interpolation) codées 3999 et 39999 (valeur
60 pour l’ozone) ;
1
2
92
Développements d’outils SIG pour la modélisation de la qualité de l’air
�� Finalisation du mode batch permettant d’automatiser la production de cartes à une
heure fixée (partie nécessitant le plus de développement).
« Bugs » corrigés (à revoir éventuellement) :
�� Le programme ne reconnaissait pas les codes identifiant les stations de QUALITAIR
(code identifiant :24) des stations de AIFOBEP (code 2) ;
�� La barre d’avancement n’affichait pas le pas de temps.
2 Modification du Module 2
�� Ce programme ne devra pas interpoler les tables de mesure vent (vitesse et direction)
3 Automatisation de la mise en page (VBA)
Une interface permettant de choisir entre visualisation des données (ajout de couches sous
SIG) et export des cartes au format jpeg a été réalisée, il est nécessaire d’y apporter quelques
compléments :
�� Ajout du vent (vitesse et direction) ;
�� Ajout d’une barre permettant de choisir une rampe de couleur (choix des minimum et
maximum) ;
�� Ajout du choix de la résolution de l’image
93
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 7 :
FICHE DE RENSEIGNEMENT DES RUES POUR STREET
94
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 8 : METHODOLOGIE DU CALCUL DE L’ALTITUDE DES NOEUDS
1 Création du champ « CODE » :
A partir du fichier de point représentant les nœuds de chacune des rues, un nouveau champ
« CODE » doit être créé :
CODE = numéro de nœud*1000
Ce champ va permettre de récupérer l’altitude sur les trois derniers caractères (sur la zone
d’étude elle est inférieure à 1000m) et les caractères précédents permettront l’identification du
nœud.
2 Conversion en raster :
A l’aide de l’extension Spatial Analyst, ce fichier de point est converti en raster en prenant
comme valeur le champ « CODE » et comme résolution 5m.
95
Développements d’outils SIG pour la modélisation de la qualité de l’air
3 Addition des couches
La calculatrice raster est utilisée pour additionner la grille d’altitude et le fichier de points au
format raster :
La formule utilisée est : Int([grillealti] + [noeud])
Si le jeu de valeurs dans le fichier résultant est trop important, le contenu de la table
attributaire n’est pas accessible. Il faut alors convertir ce fichier en vecteur afin d’accéder aux
données.
4 Extraction de l’altitude
Dans le fichier de calcul résultant, le champ valeur calculé : « CODE » contient le numéro du
nœud sur les premiers caractères et l’altitude sur les trois derniers.
Par exemple : la valeur « 10011 » indique que le nœud numéro « 10 » a une altitude de
« 11 »m.
Afin d’extraire l’altitude pour de chacun des nœuds, il est nécessaire de créer deux nouvelles
colonnes : « Numero2 » et « ALTI » et extraire les données à l’aide de la calculatrice avancée.
Code VBA utilisé par la calculatrice avancée :
ALTI = right( [CODE] ,3) : récupération de l’altitude sur les trois derniers caractères
Numero2 = left( [CODE] ,(len( [CODE] )-3)) : Récupération du numéro de nœud sur les
premiers caractères
96
Développements d’outils SIG pour la modélisation de la qualité de l’air
Calcul de l’altitude par nœud
A partir du fichier résultant deux jointures successives sont effectuées avec les champs
« Noeud1 » et « Noeud2 » du réseau routier, on obtient ainsi l’altitude au niveau des nœuds
d’origine et de destination.
97
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 9 : TYPOLOGIE DES RUES DU LOGICIEL STREET
Paramètres permettant de déterminer la catégorie de rue
Type de voie : Rues droites Croisement, ratio 50 : 50 Croisement, ratio 80 : 20 Intersection en T, ratio 50 : 50 Intersection en T, ratio 80 : 20
Disposition des bâtiments : Sans bâtiments Alignement unilatéral Alignement bilatéral Alignement unilatéral avec pare-bruit Alignement bilatéral avec pare-bruit Alignement bilatéral dense à léger
Nombre de voies : 2 4 et plus
Continuité des façades : Front interrompu > Front bâtiment Front interrompu < Front bâtiment Rangée interrompue par accès cour Rangée ininterrompue sur 60 mètres Passage rangée ininterrompue àrangée interrompue
Ratio hauteur : largeur : 1 : 1 1 : 1.5 1 : 2
Distance rue – bâtiment : 2 4 6 10
98
Développements d’outils SIG pour la modélisation de la qualité de l’air
Détermination des rues droites
Front interrompu < front bâtiment S2LB:
Htr/larg 1 : 1,5 S2DH: Front interrompu < front bâtiment
Htr/larg 1 : 2 S2DB:
Htr/larg 1 : 1 S2DS: Rangée interrompue accès cour
Htr/larg 1 : 2 S2BS:
Htr/larg 1 : 1 S2GS: Rangée ininterrompue sur 60 m
Htr/larg 1 : 2 S2BG:
Htr/larg 1 : 1 S2U2:
Alignement bilatéral 2 voies
Passage rangée interrompue à ininterrompue
Htr/larg 1 : 2 S2U1:
2 voies S2OB : Sans bâtiment
4 voies S4OB :
rue-bat 6 m SQA2 :
Front interrompu > front bâtiment Rue-bat 10 m SQA1 :
Rue-bat 6 m SQA4 :
Front interrompu < front bâtiment Rue-bat 10 m SQA3 :
Rue-bat 6 m SQA6 :
Rangée interrompue accès cours Rue-bat 10 m SQA5 :
Rue-bat 6 m SQA8 :
Alignement unilatéral
Rangée ininterrompue sur 60 m Rue-bat 10 m SQA7 :
99
Développements d’outils SIG pour la modélisation de la qualité de l’air
Front interrompu < front bâtiment S4LB :
Htr/larg 1 : 1,5 S4DH : Front interrompu < front bâtiment
Htr/larg 1 : 2 S4DB :
Htr/larg 1 : 1 S4DS : Rangée interrompue accès cour
Htr/larg 1 : 2 S4BS :
Htr/larg 1 : 1 S4GS : Rangée ininterrompue sur 60 m
Htr/larg 1 : 2 S4BG :
Htr/larg 1 : 1,5 S4U1 :
Alignement bilatéral 4 voies et plus
Passage rangée interrompue à ininterrompue
Htr/larg 1 : 2 S4U2 :
2 voies S2NE : Alignement unilatéral avec pare bruit
4 voies et plus S4NE :
2 voies S2NB : Alignement bilatéral avec pare bruit
4 voies et plus S4NB :
2 voies S2U3 : Alignement bilatéral dense à léger
4 voies et plus S4U3 :
100
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 10 : CONTENU DES TABLES ATTRIBUTAIRES
Méthode de détermination Nom de Champ Définition
Nom Nom de la rue (Géoroute)
CODE_EMME Code permettant de f aire la jointure av ec les données d’EMMECODE_OPERA Code permettant de f aire la jointure av ec les données d’OPERA
Class_Phy Classe Phy sique (Géoroute)
Class_Fonc Classe Fonctionnelle (Géoroute) Class_v oie Classe des v oies (en f onction de l’occupation du sol)
Sens Sens de circulation (Géoroute)
Noeud1 Numéro du nœud d’origine Noeud2 Numéro du nœud de destination ALTI1 Altitude du nœud 1 ALTI2 Altitude du nœud 2
Nbv oies Nombre de v oies
Manuel
Zone Zones (arrondissement pour Marseille et v illes pour Toulon X1 Coordonnées X du nœud 1
Y1 Coordonnées Y du nœud 1 X2 Coordonnées X du nœud 2 Y2 Coordonnées Y du nœud 2
longueur Longueur de la rue angle Angle de la rue (angle géographique)
Categorie Catégorie de circulation Bouchon Pourcentage de bouchon
F_type Ty pe des v aleurs de pollution de f ond F_Benzène Pollution de f ond benzène
F_Part Pollution de f ond particules
F_CO Pollution de f ond CO F_NO298 Pollution de f ond NO298
F_SO2 Pollution de f ond SO2
P_VUL Pourcentage de Véhicules Utilitaires Légers P_PL Pourcentage de Poids Lourds
P_BUS Pourcentage de Bus P_2R Pourcentage de 2 roues
V_DIR Direction du v ent V_VIT Vitesse du v ent
Automatique
Pente Pente de la rue en pourcentage
Interface Typologie Ty pologie de la rue Vitesse Vitesse utilisée
TMJ Traf ic Moy en Journalier utilisé
Trafic_UVP Données de traf ic en UVP (Modèle EMME - Toulon) VIT_EMME Vitesse (Modèle EMME - Marseille)
UVP_EMME Données de traf ic en UVP (Modèle EMME - Marseille) TMJ97 Données de traf ic en UVP 1997 (Modèle OPERA - Marseille)
TMJ2015 Données de traf ic en UVP 2015 (Modèle OPERA - Marseille) Vitesse97 Vitesse 1997 (Modèle OPERA - Marseille)
Jointure av ec les données de trafic
Vitesse15 Vitesse 2015 (Modèle OPERA - Marseille)
101
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 11 : CARTOGRAPHIE DES RESULTATS
107
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 12 : OUTIL DE CREATION DE GRILLE
Cet outil permet de créer un maillage régulier de polygones (carré uniquement). Il utilise
comme point de départ, le point le plus en haut à gauche de la zone d’étude.
Trois autres paramètres doivent être complétés : la hauteur et la longueur de la zone d’étude,
et la taille de la maille :
Paramètres de la zone d’étude
Point de départ (X,Y)
Longueur
Hauteur
Zone d’étude
Sélection de la géodatabase et dufichier shape a créer
Coordonnées du point de départ
Limites de la zone d’étude
Taille du coté de la maille
108
Développements d’outils SIG pour la modélisation de la qualité de l’air
ANNEXE 13 : METHODOLOGIE DE CALCUL DES COFACTEURS
:
1. La première étape consiste à réaliser une grille d’analyse à l’aide du générateur de
grille puis à créer un champ « Idsurf » permettant d’identifier chaque maille ;
2. Il faut ensuite élaborer le cofacteur, dans ce cas il s’agit d’un cofacteur surfacique :
l’occupation du sol (voies routières) ;
3. A l’aide de l’assistant de Géotraitement d’ArcView une intersection entre la grille et le
cofacteur est réalisée :
4. Dans le fichier résultant le champ « Surface » doit être créé et calculé à l’aide de la
calculatrice en mode avancé (fichier : « Calcul_surface.cal » téléchargé sur le site
Internet d’ESRI ) ;
5. La table attributaire du fichier doit être exportée en récapitulant les données sur le
champ « Idsurf » (le champ « Surface » est sommé) ;
6. Le résultat est jointé avec la grille d’analyse ;
7. Enfin le pourcentage de « réseau routier » par maille doit être calculé.
Cofacteur
Grille d’analyse
Intersection Grille - occupation du sol
Géotraitement