Cartographie de la qualité de l'air à l'échelle urbaine à partir des données de micro-capteurs (guide d'utilisation)

Les instruments miniaturisés et à bas coût sont de plus en plus utilisés pour mesurer la qualité de l’air ambient. Le déploiement de ces micro-capteurs en statique ou en mobilité offre une couverture spatiale et temporelle d’observation unique. Dans ce contexte, le LCSQA propose une méthodologie de cartographie des concentrations de polluant à l’échelle urbaine à partir de ces nouvelles observations en tenant compte de leurs incertitudes. Une approche géostatistique (krigeage en dérive externe) est adaptée et appliquée pour fusionner les observations de micro-capteurs et les calculs d’un modèle de dispersion atmosphérique afin de fournir les cartographies horaires des concentrations de polluant. Ces travaux sont présentés dans un rapport LCSQA (Gressent et al., 2019) et dans une étude récemment publiée dans une revue scientifique (Gressent et al., 2020) pour l’estimation des concentrations de PM10 à Nantes. La présente note constitue un guide d’utilisation des codes de calcul scientifique ayant servi à l’élaboration et à l’application de la méthodologie de cartographie. Ces programmes peuvent être adaptés en fonction de l’objectif de l’utilisateur, en particulier sur la base du polluant choisi et du domaine d’estimation.

Ces programmes sont fournis en « open source », ce qui implique que l’origine des codes soit bien identifiée dans toute réutilisation, et que tout développement afférent soit proposés aux développeurs pour éventuelle intégration afin de servir la communauté d’utilisateurs.

Air quality mapping at the urban scale by using low cost sensor observations

Miniaturized and low-cost devices are increasingly used to measure ambient air quality. The deployment of fixed or mobile low-cost sensors offers a unique spatial and temporal measurement coverage. In this context, the LCSQA has developed a methodology for pollutant concentration mapping at the urban scale based on these new measurements and considering their uncertainties. A geostatistical approach (external drift kriging) is adapted and applied to combine sensor observations and calculations from a dispersion model to provide hourly maps of pollutant concentrations. This work is presented in a LCSQA report and in a scientific publication (Gressent et al., 2019, 2020), for the estimation of PM10 concentrations in Nantes. This note is a user guide of the programs that have been used for the implementation of the mapping methodology. These programs can be adapted depending on the user objectives, especially on the basis of the choice of the pollutant to be estimated and the domain of calculation. They are provided in open source which implies that the source of the codes must be identified in all copies and all related developments must be notified to the authors of the codes to serve the user community.