Prévision des pics de pollution par l'ozone dans la région de l'étang de Berre Méthodologie basée sur l'expertise et l'analyse des données

摘要

La prévision des risques d'occurrence d'un épisode de pollution photochimique par l'ozone est très utile à la démarche réglementaire d'information du public, et notamment des personnes sensibles. Nous avons développé un outil de prévision des pics d'ozone (dépassement du seuil d'information de 180 microgrammes par normo-mètre cube) pour la région de l'étang de Berre, couverte par le réseau de surveillance de la qualité de l'air AIRFOBEP (Association de surveillance de la qualité de l'air sur la région de l'étang de Berre et de l'ouest des Bouches-du-Rhône). Il s'agit d'une modélisation implicite de la pollution photochimique régionale, basée sur un ensemble de tests logiques binaires couplés. Ces tests sont réalisés sur des paramètres pertinents choisis grâce à la connaissance des phénomènes de pollution de la région (expertise) et de l'analyse des données de mesure. L'optimisation des caractéristiques de ces paramètres est faite par une simulation réalisée sur les données de l'historique du réseau AIRFOBEP Les modèles ainsi élaborés, pour la prévision à J et à J+1, ont été testés puis validés au cours de l'été 1998. Les résultats obtenus montrent les bonnes performances de ces modèles (compromis entre les taux de bonnes et de fausses prévisions), en cohérence avec celles obtenues sur la période de construction.%Prediction of ozone pollution peaks is very useful in the procedure of people information, in particular sensitive persons, about photochemical pollution episodes occurrence. We have developed a technique to predict ozone pollution peaks in the Etang de Berre area, where air quality monitoring is operated by the network AIRFOBEP (Association for air quality monitoring in the Etang de Berre and the west of Bouches-du-Rhone area). The technique indirectly models the regional photochemical pollution by the use of a set of linked binary logic tests. These tests are carried out on some relevant parameters. The selection of the most sensitive parameters for the prediction is done starting from : 1. the background knowledge concerning the regional air pollution phenomena (experts experiences), 2. the measurement data analysis. Characteristics of those parameters, like the time, the place of their measurement and their thresholds, are optimized with a simulation program, run on the five last years AIRFOBEP measurements data. Models elaborated with this technique have been tested during the 1998 summer. Results concerning both a D day and a (D+1) day prediction are good. They are consistent with the expected performances and with the five last years simulation results.