Évaluation du modèle SIRANE pour la prévision des concentrations de dioxyde d’azote à courte échéance en Région Bruxelles-Capitale

Details

Supervisors

Bogaert, Patrick

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée

Abstract

La qualité de l’air est une problématique majeure dans les environnements urbains comme la Région de Bruxelles-Capitale, où les niveaux de pollution représentent un risque important pour la santé publique. Le dioxyde d’azote (NO2), principalement émis par les véhicules à moteur et les activités industrielles, contribue au développement des maladies respiratoires et cardiovasculaires, rendant nécessaires une surveillance et une gestion efficaces de la pollution atmosphérique. La prévision de la qualité de l’air est donc essentielle pour anticiper les épisodes de pollution. Dans ce contexte, ce travail évalue la capacité du modèle SIRANE à prévoir les concentrations de NO2 selon différents horizons de prévision (0, 12, 24 et 36 heures). Les prévisions de concentrations de polluants issues d’un modèle à grande échelle (CAMS) sont donc intégrées dans SIRANE comme concentration de fond. Une estimation correcte de cette donnée d’entrée est primordiale, car elle joue un rôle important dans les niveaux de pollution locaux modélisés. Les performances du modèle ont été évaluées en comparant les concentrations estimées aux mesures du réseau télémétrique en 2022 et montrent une concordance satisfaisante aux critères d’acceptation. Les stations de mesure ne respectant pas ces critères sont celles qui sont les plus impactées par la concentration de fond, ainsi que certaines qui sont fortement influencées par le trafic. Par conséquent, certaines limites, qu’elles soient intrinsèques à SIRANE ou de nature externe, méritent d’être prises en considération. La représentativité des données relatives aux émissions est parfois limitée, ce qui suggère qu’une estimation plus précise du trafic pourrait constituer une voie d’amélioration. De plus, une faible corrélation entre les mesures de concentration de fond et les prévisions fournies par le modèle CAMS remet en cause la validité de ce dernier à fournir des prévisions précises de dioxyde d’azote à l’échelle horaire. L’utilisation de prévisions d’un autre modèle à grande échelle ou l’application de modèles neuronaux pour corriger les erreurs de prévision ouvrent des perspectives de recherche futures.