Composition du jury

Dr. Hendrick Elbern Rapporteur
Pr. Daniel Guédalia Rapporteur
Pr. Gérard Mégie Examinateur
Dr. Vincent-Henri Peuch Examinateur
Dr. Robert Vautard Examinateur
Dr. Hans Wackernagel Examinateur
Dr. Christian Elichegaray Invité
Dr. Jean-Paul Boch Invité

Résumé

Les Modèles de Chimie-Transport (CTM) simulent aujourd’hui de façon assez réaliste les concentrations des espèces responsables de la pollution photochimique estivale. Cependant, la complexité des phénomènes mis en jeu et la variabilité spatiale et temporelle des émissions de polluants sont telles que, quel que soit le modèle utilisé, il est impossible de reproduire parfaitement ces concentrations. Lorsqu’un paramètre interne ou d’entrée du modèle est mal décrit, une erreur importante peut être observée certains jours. Le modèle CHIMERE est un CTM couvrant la majeur partie de l’Europe avec une résolution d’une cinquantaine de kilomètres. Il offre la possibilité de zoomer et de simuler de façon plus détaillée les concentrations des polluants sur des régions clefs, telles que l’Ile de France et la région de Berre et de Marseille.
Nous présentons les résultats d’une comparaison des simulations de ce modèle avec des observations de surface et des données aéroportées de la campagne d’Etude et Simulation de la QUalité de l’Air en Ile de France (ESQUIF) à l’échelle européenne et régionale. Cette comparaison nous permet ainsi de quantifier l’erreur globale commise sur les concentrations d’ozone et de son précurseur, le dioxyde d’azote. Nous exposons ensuite différentes méthodes (Interpolation Statistique,
Krigeage), que nous avons testées et adaptées au cas de la pollution dans le but de corriger cette erreur. Nous comparons ces méthodes et montrons de manière objective que la combinaison des observations
de surface et des simulations du modèle permet d’obtenir efficacement des cartes tridimensionnelles (i.e. des analyses) de concentration des deux polluants, plus réalistes que les simulations brutes.
Les expériences menées depuis trois ans dans le cadre du projet PIONEER (Prévisibilité et Incertitude de l’Ozone à l’Echelle Européenne et Régionale) montrent que l’erreur de prévision peut éventuellement se propager d’une région vers une autre. Les analyses des concentrations d’ozone, produites à l’échelle européenne, sont donc également utilisées pour réinitialiser le modèle de prévision. L’objectif est alors de savoir s’il est possible d’améliorer aussi les prévisions à court terme en utilisant de meilleurs états
initiaux que les prévisions de la veille.

The Chemistry-Transport Models (CTM) are now sufficiently efficient to simulate realistic photochemical pollutant concentrations. Nevertheless, the complexity of involved processes and the temporal and spatial variability of the emission sources make it impossible to perfectly reproduce pollutant concentrations. If an intrinsic parameter or an input is not well described, A huge error results. CHIMERE is a CTM which covers the major part of Europe with a resolution of about fifty kilometers. It offers the possibilty to zoom and simulate pollutant concentrations in a more detailed way over some key regions, such as Ile-de-France and the Berre and Marseille regions.
We present results of a comparison of the continental and regional simulations with surface observations and aircraft measurements from the ESQUIF campagne (Etude et Simulation de la QUalité de l’Air en Ile-de-France). This comparison allows us to quantify the total error made in ozone and nitrogen dioxyde concentrations. We also present different methods (e.g. Statistical Interpolation and Kriging) we have tested and adapted to the pollution case in order to correct this error. We compare the methods and show in an objective way that it is possible to obtain more realistic three-dimensional maps of pollutants (e.g. analyses) by combining both simulations and surface observations.
A series of real time experiements realized in the PIONEER project show that the forecast error may propagate from one region to another. The european scale ozone analyses are thus used to reinitialize the forecast model. The aim is then to answer the question of whether it possible to improve short time forecasts by using better initial values instead of the forecasts for the day before.