Introduction

La pollution atmosphérique se produit lorsque l'air environnant contient des gaz, de la poussière, des fumées ou de l'odeur en quantités suffisamment élevées pour être nocives. Autrement dit, des quantités qui peuvent être nocives pour la santé des humains et des animaux ou suffisamment pour endommager les plantes et les matériaux.

La pollution est souvent mesurée comme un Index de la qualité de l'air (AQI) notation et est utilisée par un certain nombre d'agences gouvernementales pour communiquer l'étendue de la pollution atmosphérique dans une zone. À mesure que l'AQI augmente, le pourcentage de la population susceptible de ressentir des effets néfastes sur la santé augmente également.

La sensibilisation des gens à la pollution atmosphérique augmente rapidement et, en tant que telle, la demande de prévisions précises de la qualité de l'air est également précise (Saadi et al. 2005).

Cependant, la prévision de la pollution, comme le temps, est difficile à prévoir. Il existe un grand nombre de variables à prendre en compte - dont certaines sont plutôt «imprévisibles», comme intervention du gouvernement et les catastrophes naturelles, qui peuvent toutes deux avoir un impact énorme sur AQI (Dye, 2003).

Néanmoins, les prévisions précises de la qualité de l'air deviennent des outils de plus en plus importants qui peuvent offrir des avantages sociétaux et économiques importants - dont le plus grand est la planification (Saadi et al. 2005). Les prévisions permettent aux gens de prendre des mesures de précaution pour éviter ou limiter l'exposition à des niveaux malsains de polluants aéroportés (Dye, 2003). Les gouvernements peuvent également utiliser les prévisions précoces pour établir des procédures tôt, ce qui pourrait aider à réduire la gravité des niveaux de pollution locale (Saadi et al.2005).

Facteurs qui influencent les niveaux de pollution

La pollution montre de fortes corrélations avec les conditions météorologiques locales et les émissions à proximité, cependant, il devient de plus en plus documenté que le transport à long terme de la pollution est un autre facteur d'influence significatif dans les lectures locales de l'AQI (Narsto, 2003). Par conséquent, la prédiction de la qualité de l'air implique non seulement les difficultés de prévision météorologiques, elle nécessite également une connaissance des concentrations de polluants et des émissions des emplacements environnants et éloignés, en tenant compte du mouvement et des transformations possibles (Saadi et al. 2005).

Lorsque vous regardez la gamme de facteurs qui peuvent influencer la prévision de l'AQI, vous comprenez que la prévision peut être à la fois subjective et objective. Pour garantir que les prévisions de prévision les plus précises, nous devons augmenter la base de données - plus la base de données est grande, plus le potentiel de prédictions précises est grande. Pour améliorer les programmes de prévision de précision, utilisez également des données continues en temps réel, qui est ensuite utilisée pour développer des méthodes de prévision, surveiller les conditions actuelles et évaluer les performances de prévision et modifier les prévisions en conséquence (Ballagas et al. 2003)

Techniques de transformation de la qualité de l'air

Prévision météorologique

La prévision météorologique, ou prévision météorologique, est la pierre angulaire de toutes les techniques décrites ci-dessous. La première étape vers une prévision précise de la qualité de l'air consiste à obtenir ou à créer une excellente prévision météorologique. Les prévisions météorologiques utilisent à la fois la science et la technologie pour faire des prédictions. En règle générale, plus la combinaison des méthodes utilisées dans une prédiction est grande, plus les prévisions seront précises

La prévision est une technique subjective et objective qui contient une grande variété de techniques, allant du simple au complexe. Les prévisions vont généralement d'une période d'un à trois jours - plus les prévisions sont généralement plus précises. Par souci de simplicité, les méthodes sont classées en trois catégories principales: (U.S.EPA, 1999):

1. Climatologie:

   La climatologie est basée sur l'hypothèse que le passé est un indicateur relativement bon pour l'avenir. Cette méthode est basée sur la relation entre les conditions météorologiques spécifiques et les niveaux de pollution, et peut donc être très unidimensionnelle. Cette méthode est souvent étendue pour inclure les conditions météorologiques - correspondant aux conditions météorologiques des modèles de pollution.

   La climatologie en tant que méthode de prévision est souvent considérée comme un outil pour compléter d'autres méthodes de prévision. Cela est dû en grande partie aux limites de la méthode - qui comprennent des difficultés à prédire les changements brusques dans les modèles d'émission et nécessitant une grande quantité de données pour pouvoir établir des tendances réalistes.

2. Méthodes statistiques:

   L'association entre la qualité de l'air et les paramètres météorologiques spécifiques peut être quantifiée à l'aide d'une variété de techniques statistiques. Les trois des méthodes les plus couramment utilisées sont les suivantes:

   1. Classification et arbre de régression (CART) - Cette méthode statistique a été conçue pour classer les données en groupes différents. En utilisant un logiciel spécialisé, il identifie les variables (qualité météorologique ou de l'air) qui sont fortement corrélées avec les niveaux de pollution ambiante. Ces données sont ensuite utilisées pour créer un arbre de décision qui prévoit des concentrations en fonction des variables prédictives (conditions météorologiques) et de leur niveau de corrélation avec les concentrations de polluants.
   2. Analyse de régression - L'analyse de régression estime les relations entre les variables. En analysant les ensembles de données historiques, nous sommes en mesure de déterminer les associations entre les niveaux de pollution et les variables de données météorologiques. Il en résulte une équation de régression linéaire multivariée qui peut être utilisée pour prévoir de futurs niveaux de pollution.
   3. Réseaux de neurones artificiels - Les données historiques peuvent être analysées de manière plus complexe. Les réseaux de neurones artificiels calculent l'association entre les données historiques et les facteurs atmosphériques grâce à l'application de techniques d'apprentissage adaptatif et de reconnaissance des modèles. Cette méthode utilise des algorithmes informatiques conçus pour simuler le cerveau humain en termes de reconnaissance de motifs. L'utilisation de données non linéaires compliquées, identifiez les tendances «imprévisibles» des données. Il s'agit de la méthode la plus adaptée pour prévoir la pollution en raison de son approche multidimensionnelle
      
      L'un des inconvénients des méthodes statistiques ci-dessus est qu'ils assument la stabilité en termes de processus qui affectent la qualité de l'air. Par conséquent, toute modification drastique des émissions ou du climat (à court ou à long terme) diminuera gravement la précision de ces techniques. Il existe cependant des méthodes plus complexes qui tentent de prendre en compte ces lacunes - les modèles tridimensionnels.
3. Modèles en trois dimensions (3D)

   Il s'agit d'une approche déterministe de la prédiction de la qualité de l'air; Il crée des modèles 3D qui cherchent à représenter mathématiquement tous les processus importants qui ont un impact sur les niveaux de pollution ambiante. Le modèle simule l'émission, le transport et la transformation de la pollution de l'air en utilisant plusieurs sous-modèles dans le centre du modèle. Des exemples de sous-modèles sont:

   1. Modèles d'émission - Ces modèles simulent la répartition spatiale des émissions et les émissions dépendant du temps des polluants provenant de sources naturelles et anthropiques.
   2. Modèles météorologiques - Ces modèles prévoient toutes les conditions météorologiques qui détermine le transport, le dépôt, le mélange, la chimie et l'émission de polluants. Le modèle prédit ensuite les niveaux ambiants de pollution en créant un modèle de trajectoire - utilisant le modèle météorologique 3D et les données d'émissions précédemment collectées.
   3. Modèles chimiques - Les modèles chimiques examinent la transformation de la pollution primaire (émise) en pollution secondaire, y compris leur composition et leur morphologie. En utilisant des lois chimiques fondamentales, des propriétés spectroscopiques (rayons UV) et des relations thermodynamiques, le modèle détermine la composition finale des polluants et la morphologie.

Les classifications de modèles tridimensionnels sont basées sur les méthodes utilisées pour simuler la distribution des concentrations de pollution. Ils sont classés comme lagrangienne ou l'uLerian:

1. Modèles lagrangiens Utilisez des données de terrain météorologiques pour montrer le transport et la dispersion des polluants comme poches d'air individuelles au fil du temps. Il en résulte un réseau efficace en calcul. Un problème avec cette méthode, cependant, est que la pollution de l'air implique souvent une chimie non linéaire, ce qui rend difficile la caractérisation de l'interaction d'un grand nombre de sources individuelles.
2. Modèles eulériens Utilisez des grilles fixes, à la fois verticalement et horizontalement. Toutes les équations chimiques sont résolues simultanément dans les grilles, y compris l'échange de polluants entre les cellules. Différentes grilles sont utilisées en fonction des conditions et des exigences. Les grilles de cours sont généralement utilisées sur les zones rurales (régions homogènes) et les grilles plus fines seront utilisées sur les zones urbaines (hétérogènes). Ces modèles sont capables de produire des champs de concentration tridimensionnels pour plusieurs polluants mais nécessitent une puissance et une expertise informatiques importantes.

Précision

Pour garantir que les prévisions sont aussi précises que possible, nous devons nous assurer que le système de prévision de la qualité de l'air contient une disposition des composants compatibles. Ceux-ci comprendront des valeurs / techniques prédictives et des réseaux observés capables de fournir des mesures en temps réel de la condition atmosphérique. Ces mesures sont utilisées pour créer les modèles et évaluer la qualité des prévisions.

Conclusion

Les prévisions de qualité de l'air sont des prédictions et, par nature, inexactes - tout comme les prévisions météorologiques. Bien qu'ils puissent fréquemment être précis, parfois des variations se produiront en raison de la nature imprévisible de la pollution atmosphérique. Deux événements particulièrement imprévisibles comprennent des catastrophes naturelles et des changements brusques dans les émissions (les usines réduisant les émissions en raison de certains événements, tels que de l'air propre sanctionné par le gouvernement).

Les techniques de prévision s'améliorent rapidement et continueront de devenir plus précises à l'avenir. Les gouvernements et le public comprennent la nécessité de prévisions de qualité de l'air non seulement pour surveiller leur propre santé et sécurité, mais aussi pour que les gouvernements appliquent des techniques de gestion adaptative pour essayer de réduire la pollution atmosphérique. La sensibilisation du public à la pollution atmosphérique est d'une importance clé et les prévisions AQI sont un moyen de sensibiliser en fournissant des informations.