cartographie de la pollution atmosphérique en milieu urbain à l'aide ...

Chapitre 3 : Méthodes actuelles de surveillance et de cartographie
par le satellite. Les phénomènes radiatifs sont très complexes, et c'est probablement une combinaison
des deux processus qui conduira à une corrélation négative.
Wald & Baleynaud (1999) ont montré, par simulation, que le premier processus est prépondérant mais
soulignent que plusieurs hypothèses, autres que la pollution, pourraient expliquer des différences de
température entre zone polluée et non polluée. Par exemple, des changements dans le taux d'humidité,
d'occupation du sol (présence de végétation), de rugosité ou de température de l'air peuvent induire de
telles différences (Jaloustre-Audouin 1998). Basly (2000) souligne que le faible nombre de point de
stations de mesures (pas plus d’une dizaine) n’autorise pas à conclure si hâtivement. Il suffit de
modifier une mesure pour que le coefficient de corrélation varie fortement. Dans le cas de la
communauté urbaine de Strasbourg, une recherche de relation journalière entre les données
satellitaires et les mesures in situ ne peut être entreprise en raison du trop faible nombre de stations de
mesures.
En définitive les recherches menées ont démontré les potentialités de l’imagerie satellitaire,
notamment des images Landsat Thematic Mapper, pour l’estimation des concentrations de polluants
par télédétection. Permettant d’accéder à un ensemble d’informations utiles à la compréhension de
l’environnement urbain et à une vision contextuelle de la ville, les images satellitaires combinées avec
une loi d’estimation de la pollution ouvrent la voie à une spatialisation des mesures de polluants.
Toutefois, des travaux complémentaires restent nécessaires pour passer du stade de mesures
ponctuelles de polluants à celui de cartographie de la distribution spatiale des polluants.
3.5. Méthode de cartographie de la qualité de l’air par interpolation
Les autres outils pour cartographie la qualité de l’air font appel à l’interpolation et/ou extrapolation
des données in situ de pollution. L’objectif est de reconstruire la distribution spatiale du polluant
étudié dans une zone géographique connaissant la mesure de concentration de polluants à certains
points. Les modèles et méthodes d’interpolation et d’extrapolation sont variés. Certains travaux
préconisent le krigeage (Frangi et al. 1996, Carletti et al. 2000), d’autres recommandent la méthode
des plaques minces (Ionescu et al. 1996). D’autres recherchent et calculent de manière empirique des
variables explicatives du phénomène afin de mettre en place des guides d’interpolation (Jeannée
2003). Nous citons par exemple le logiciel ISATIS développé par la société Géovariances
(Géovariances 2002). C’est un outil d’analyse de données spatialisées qui permet de prendre en
compte des variables auxiliaires (cofacteurs) pour affiner la cartographie de la pollution
atmosphérique. Plusieurs cartes de la répartition spatiale de la pollution en dioxyde d’azote (NO2) et
en benzène (C6H6) ont été établies par l’ASPA à l’aide de cet outil sur plusieurs secteurs de la région
Alsace (rapport technique de l’ASPA).
Le principal problème dans ces méthodes faisant appel à l’interpolation/extrapolation concerne le
manque de données de mesures fournies par les réseaux d’observation de la qualité de l’air. Les
résultats sont dépendants du nombre et de la répartition spatiale des mesures, ainsi que de la méthode
d’interpolation (Basly, 2000). Ce problème peut être résolu partiellement en ayant recours à des
campagnes de mesures ponctuelles à l’aide de tubes à diffusion passives. Cependant, cela reste un
dispositif non-permanent.
31