Utilisation de méthodes multivariées pour caractériser et optimiser un réseau de surveillance de la qualité de l'air

摘要

Two multivariate analyses, hierarchical clustering analysis and star symbol plot, have been applied to examine the NO and NO_2 levels on the fourteen stations of air quality network of Lille. Two groups of NO distributions have been identified by this statistical approach : first group, the sites exposed to the the pollution of proximity generated by the transports and second one, the sites non influenced by this same type of pollution. The NO distributions are divided among three classes, corresponding to three different degrees of exposure of stations beside the background pollution induced by the transports. This classification of stations obtained by the analysis of their NO and NO_2 distributions are globally in agreement with our knowledges on the environment of sites. It has allowed to well define the type of "transport" influence undergone by the different stations and to reconsider, for some stations, their measurement target. With the support of a mobile laboratory, these analysis can be also useful to the optimization of network design. A method of optimization is proposed in this article.%Deux techniques multivariées, la classification ascendante hiérarchique et le graphique en étoile, ont été utilisées pour examiner les niveaux en NO et NO_2 obtenus aux 14 stations du réseau de surveillance de la qualité de l'air de l'agglom╚ation lilloise. Cette approche statistique a permis d'identifier, par la construction d'une classification, deux groupes homogènes de distribution de NO séparant les sites exposés à une pollution de proximité due aux transports de ceux non influencés par ce même type de pollution. Les distributions de NO_2 se répartissent dans cette même analyse en trois classes, correspondant à des degrés différents d'exposition des stations vis-à-vis de la pollution de fond induite par les transports. Ce classement des stations obtenu par l'analyse des distributions de NO et de NO_2 est globalement en accord avec nos connaissances sur l'environnement des sites de mesures. Il a permis de bien définir le type d'influence « transport » subi par les différentes stations du réseau et de reconsidérer, pour certaines d'entre elles, leurs objectifs de mesures. Avec l'appui d'un outil de prospection, tel qu'un laboratoire mobile, cette analyse par classification peut également servir de support à l'optimisation du dispositif de surveillance du réseau.