Campagnes de surveillance de l’air : les différents types

La performance d’un capteur ou d’un instrument de mesure et/ou de surveillance de la qualité de l’air décrit sa capacité globale de mesure de la pollution. Mais à quel point un capteur doit-il être « bon » pour être utilisé dans une campagne de mesure ? Cela dépend, bien sûr, du type d’application dans lequel nous avons l’intention de l’utiliser.

Il existe 5 applications principales, ou domaines d’intérêt, concernant l’utilisation des capteurs d’air extérieur : (1) éducation et information ; (2) identification de la caractérisation des points chauds ; (3) réseau de surveillance supplémentaire ; (4) surveillance de l’exposition individuelle ; (5) surveillance officielle pour contrôler le dépassement éventuel des limites légales. Plus de détails :

1 – Éducation et information

Les applications éducatives utilisent des capteurs de qualité de l’air comme outils pédagogiques. Ces applications s’articulent autour de mesures d’information, c’est-à-dire de sensibilisation qualitative. Par exemple, un instrument pourrait indiquer la présence ou l’absence d’un polluant en allumant une lumière, ou indiquer le niveau de qualité de l’air avec des couleurs.

Ces mesures peuvent être utilisées pour des comparaisons relatives des niveaux de pollution atmosphérique dans deux endroits différents (par exemple, à l’extérieur et à l’intérieur, en ville et à la campagne, etc.) ou à des moments différents (par exemple, le jour, la semaine, l’année, etc.), plutôt que pour la mesure de niveaux absolus. Après tout, il arrive parfois que les appareils de surveillance de la qualité de l’air ne fournissent pas les concentrations en unités de mesure traditionnelles.

L’incertitude de ce type de mesure est assez grande. Même lorsque la concentration de polluants « estimée » est sensiblement supérieure ou inférieure à sa valeur réelle lors de l’utilisation de ces capteurs, l’erreur sur la précision est donc de 50% (par exemple 10 ppb au lieu de 15 ppb). Ces dispositifs peuvent toujours être utiles pour éduquer le public lorsque la qualité des données est moins importante.

2 – Identification et caractérisation des points chauds

Les campagnes concernées utilisent généralement des systèmes d’unités de contrôle fixes et/ou des capteurs mobiles pour cartographier les polluants et déterminer les sources d’émission. Dans la plupart des cas, les capteurs prendront des mesures à proximité des sources d’émission, où les concentrations de polluants sont généralement élevées. Pour ces demandes, une précision et un biais de /-30% sont raisonnables.

Par exemple, l’objectif peut être atteint en installant un réseau de capteurs sous le vent d’une installation industrielle ou d’un port de grands navires (c’est-à-dire que le capteur doit être frappé par le vent après la source) ; en plaçant un réseau de capteurs le long d’une autoroute presque à côté de celle-ci ; en plaçant les capteurs sur un véhicule ou un avion se déplaçant à proximité et au loin d’une source d’émission.

Un exemple d’identification et de caractérisation des points chauds a été fourni par la surveillance hyperlocale effectuée en 2014 en Californie par les voitures de Google Street View, qui a permis de découvrir des « points chauds » (hotspots) de pollution atmosphérique dans les zones urbaines et le fait que les concentrations de polluants peuvent varier constamment de 5 à 8 fois à l’intérieur d’un même bloc.

La méthode d’identification des points chauds urbains utilisée par Google Pollution.

3 – Réseau de surveillance supplémentaire

Il s’agit de l’utilisation d’un système de capteurs de la qualité de l’air pour compléter le réseau officiel d’unités de surveillance. Pour ce faire, de nombreux capteurs supplémentaires à faible coût sont installés en plus du réseau existant d’unités de surveillance afin de combler les lacunes de ce réseau. Ces capteurs supplémentaires peuvent être placés dans une position fixe ou sur des plates-formes mobiles, selon les objectifs.

Les données fournies par ce réseau de surveillance supplémentaire ne seront peut-être pas suffisantes pour contrôler les éventuels dépassements des limites légales, mais elles aideront à identifier les sources potentielles de pollution présentant un certain intérêt. Les lignes directrices européennes suggèrent une précision raisonnable et un biais de /-30-50% pour ce type de demande.

En fait, la directive 2008/50/CE de l’Union européenne fait référence à ce que l’on appelle des « mesures indicatives », qui peuvent être utilisées en complément des mesures fixes dans le cadre de la surveillance légale. Les exigences de performance du document pour les mesures indicatives des différents polluants sont résumées dans le tableau suivant (tiré du tableau A, annexe I de la directive susmentionnée).

L’incertitude maximale autorisée par la directive européenne dans la mesure des polluants.

4 – Surveillance de l’exposition individuelle

Elle comprend toute application conçue pour surveiller l’exposition d’une personne à la pollution de l’air, souvent pour évaluer son impact sur la santé. Ils peuvent comprendre des mesures prises pour protéger un individu dont la santé peut être menacée par un niveau élevé de pollution ou des études de recherche épidémiologique sur un groupe de personnes pour comprendre les effets de la pollution.

Les études sur l’exposition personnelle sont depuis toujours des projets de recherche dans lesquels les gens portent des appareils pour mesurer la qualité de l’air dans le cadre de leurs activités quotidiennes. L’exposition personnelle est désormais estimée à l’aide de l’indice de qualité de l’air. Pour les demandes d’exposition personnelle, l’objectif est une précision ou un biais de /-30% ou plus.

5 – Contrôle officiel de la loi

Elle comprend la surveillance des polluants dont les niveaux sont réglementés au niveau national par la loi afin de déterminer si une zone respecte les niveaux de qualité de l’air ou s’il y a un « dépassement » des limites. En Italie, la surveillance officielle est effectuée par les ARPA régionales (et provinciales), par le biais de leurs réseaux respectifs d’unités de contrôle fixes, avec toutefois de nombreuses différences entre les différentes régions.

Pour « découvrir » le réseau italien de standards téléphoniques, il faut se rendre sur les sites des différentes ARPA individuelles.

Ce type de surveillance exige des exigences et des normes techniques très strictes (par exemple, la mesure du niveau de particules est effectuée par la méthode gravitométrique) et est donc considéré comme l' »étalon-or ». Habituellement, pour assurer une surveillance officielle par la loi, la précision et la partialité de la surveillance de chaque polluant individuel ne devrait pas dépasser /-15%.

Les unités de contrôle de l’ARPA sont classées en différents types selon ce que vous voulez mesurer : Trafic (T) ; Fonds (U) ; Industriel (I) ; et aussi selon la zone où elles sont installées : Urbain (U), Suburbain (S), Rural (R). Par exemple, une station « ST » indique une unité de contrôle située dans une zone suburbaine pour surveiller les effets du trafic. Par conséquent, le nombre et le type de polluants atmosphériques surveillés peuvent également varier légèrement d’un type d’unité de contrôle à l’autre.

Performances suggérées pour chaque candidature

Comme nous venons de le voir, les systèmes de capteurs peuvent être utilisés dans des applications spécifiques de mesure de la qualité de l’air, qui peuvent aller de celles nécessitant des mesures relativement précises à des conceptions informelles avec des exigences minimales de qualité des données.

Les objectifs de performance suggérés sont différents pour chacun des cinq domaines d’application (ou niveaux, si l’on préfère). Le niveau V est le plus haut niveau de qualité considéré, représentant l’application de la surveillance à des fins réglementaires. Les demandes des niveaux inférieurs, en revanche, ont des objectifs de performance moins stricts et des lignes directrices conséquentes.

Bien entendu, des indicateurs de qualité des données supplémentaires et les caractéristiques de performance associées sont nécessaires pour le suivi juridique, et peuvent également être nécessaires pour d’autres applications qui exigent une qualité de données plus élevée. Enfin, nous aimerions nous concentrer sur les principaux aspects, en plus de l’étalonnage, qui affectent la qualité nécessaire des données et, par conséquent, les objectifs de performance :

I – Précision, biais et limite de détection

La précision mesure la concordance entre des mesures répétées dans des conditions identiques ou sensiblement similaires. L’exactitude peut être exprimée en termes de ce que l’on appelle « l’écart type ». La précision peut être considérée comme la dispersion introduite dans les données par des erreurs aléatoires (indéterminées) lorsqu’un instrument tente de mesurer plusieurs fois la même concentration d’un polluant.

Le biais indique une distorsion moyenne systématique ou persistante d’un processus de mesure qui provoque des erreurs dans une direction donnée. Le biais peut être considéré comme une valeur fixe qui est toujours ajoutée ou soustraite à la valeur réelle du polluant par le capteur. La concentration réelle du polluant peut être établie par un moniteur de référence situé près du capteur.

La limite de détection du capteur est une autre mesure de performance importante à prendre en compte, mais comme le besoin de limites de détection peut varier d’un projet à l’autre, il est préférable d’évaluer les besoins au cas par cas. En fait, un grand nombre de facteurs affectent les performances des capteurs, notamment les interférences d’autres gaz et particules et les technologies de fonctionnement des capteurs.

II – Le temps nécessaire pour calculer la moyenne

Le temps de calcul de la moyenne est un paramètre de performance clé, car la précision peut être améliorée lorsque plusieurs données d’un système de mesure particulier sont utilisées ensemble pour déterminer une moyenne. Les données sont souvent moyennées ou agrégées pour faciliter la comparaison avec les mesures d’un autre instrument, avec des repères basés sur la santé ou avec des normes environnementales.

La moyenne des données contribue à améliorer la qualité, l’utilité et la gérabilité des données. Le type exact de calcul de la moyenne dépend de la question particulière à laquelle vous essayez de répondre. Par exemple, si vous souhaitez observer une tendance de la concentration de polluants au cours d’un mois, vous pouvez analyser les données en calculant la moyenne des données sur 1 heure (moyenne horaire) ou sur 24 heures (moyenne journalière).

Un excellent exemple de l’utilisation de la moyenne horaire : pour montrer la forte augmentation de la pollution particulaire à minuit la veille du Nouvel An 2018 (source : What’s the air ?)

De cette façon, vous pourrez toujours voir comment les concentrations changent, mais la moyenne diminuera : la quantité de données avec lesquelles vous travaillez à une taille gérable ; les effets des valeurs aberrantes (données individuelles s’écartant de la moyenne). D’autre part, si vous voulez identifier un point chaud de pollution, vous pouvez préférer utiliser une période moyenne plus courte – par exemple quelques minutes – pour capturer l’emplacement précis du point chaud lorsque le capteur se déplace dans la zone d’intérêt.

III – Exhaustivité des données

L’exhaustivité des données, d’autre part, se réfère à la quantité de données effectivement obtenues par rapport à la quantité attendue. Par exemple, un capteur qui fonctionne correctement et fournit des données pendant 4 jours dans le cadre d’un test de surveillance de 5 jours aura un taux d’exhaustivité des données de 80 %. L’exhaustivité des données est la clé de la production de données représentatives et de haute qualité.

Les données manquantes peuvent entraver considérablement l’analyse, ce qui minimise la force des conclusions tirées. Il n’est pas surprenant que les directives de l’Agence américaine pour la protection de l’environnement (EPA) exigent que les données collectées à des fins de conformité soient complètes à 75 % pendant la période requise (toutes les heures, tous les jours, tous les trimestres, tous les ans).

Généralement, les réductions de l’exhaustivité des données sont dues à :

  • Des problèmes de transmission de données, comme la connexion sans fil ;
  • Des erreurs de stockage de données ;
  • Une perte de puissance dans l’alimentation du capteur et le temps nécessaire pour le redémarrage ultérieur ;
  • La nécessité d’un étalonnage fréquent ou à long terme ;
  • Le fait que l’instrument est hors ligne pour réparation, etc.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *