La dégradation de la qualité de l’air en raison de l’émission de particules fines dans l’atmosphère (encore nommées aérosols) est un problème environnemental et sanitaire majeur. Les sources d’émission d’aérosols sont nombreuses et diversifiées (trafic routier, industrie, chauffage, ...) et les mécanismes de dispersion et de modification physico-chimique de ces particules restent complexes à représenter dans les modèles de prévision de la qualité de l’air. L’évolution spatio-temporelle des émissions de panaches industriels reste encore mal appréhendée, mais sa connaissance demeure primordiale pour le suivi de la qualité de l'air dans le voisinage des sources. La collecte d’observations est donc essentielle pour améliorer nos connaissances sur ces émissions et de leurs impacts. Les mesures in-situ n'offrent toutefois pas une spatialisation géographique adéquate autour des sites d’émission. Plusieurs travaux menés en partie par l’ONERA ont permis de montrer la sensibilité l’imagerie hyperspectrale aéroportée dans le domaine réflectif (0.4-2.5 µm) pour la caractérisation des propriétés des particules émises par la source. L’utilisation de ces produits satellites pourrait permettre de compléter les données déjà existantes pour le suivi d’émissions d’aérosols.
L’objectif de cette thèse est alors d'évaluer la sensibilité de l’imagerie hyperspectral satellitaire pour la détection et la caractérisation des propriétés physico-chimique des aérosols industriels nécessaire à la réalisation d'un bilan de masse pour les fines particules.
Cela nécessite d’être capable de modéliser les interactions entre les aérosols d'un panache avec le flux solaire. De plus, une connaissance de l’information spectrale des sols en dessous du panache est nécessaire pour modéliser le signal des aérosols du panache. Ce signal ou réflectance de surface est modélisé par une méthode de fusion s’appuyant sur l’utilisation d’une donnée exogène provenant généralement d’une donnée multispectrale dont le temps de revisite est de quelques jours.
Une caractérisation des propriétés des aérosols est ensuite réalisée par l’intermédiaire d’un algorithme d’optimisation utilisant le formalisme Bayésien. Cela permet de restituer conjointement des paramètres dont les signatures spectrales peuvent être partiellement similaires et d’analyser les incertitudes statistiques associées aux restitutions. Ensuite, un bilan de masse, puis une estimation du flux et de son incertitude est réalisé.
Pour mener à bien cette étude, une première application de ce processus d’inversion a été réalisée sur une image hyperspectrale aéroportée d'un site sidérurgique, puis une seconde sur des images PRISMA sur différents sites industriels : une centrale à charbon, un site d’exploitation pétrolière et un site sidérurgique.Les images satellitaires PRISMA ont une résolution spatiale de 30 m et une résolution spectrale de 10 nm.Une telle approche a permis de montrer la sensibilité de la donnée hyperspectrale satellite à différents types d’aérosols tout en adaptant notre modélisation aux différentes géométries d’émissions rencontrées.Enfin, cela nous a permis de restituer des débits de particules pour le mode d'accumulation variant entre 131 et 394 g.s-1 pour des rayons médians moyens variant entre 0.10 et 0.12 µm pour les sites étudiés à partir des données PRISMA. |
The air quality degradation due to the fine particle emissions in the atmosphere (also called aerosols) is a major environmental and health problem. There are multiple and diversified sources of aerosol emissions (road traffic, industry, heating, ...) and the dispersion mechanisms and physico-chemical modification of these particles remain complex to represent in air quality forecasting models. The spatio-temporal evolution of industrial plume emissions is not well understood, but its knowledge remains essential for air quality monitoring in the vicinity of the sources. The collection of observations is essential to improve our knowledge of the emission and their impacts. In-situ measurements do not offer an adequate geographical spatialization around the mission sites. Several works carried out by ONERA have shown the sensitivity of airborne hyperspectral imaging in the reflective domain (0.4-2.5 µm) for the characterization of the particle properties emitted by the source. The use of these satellite products could thus allow to complete the already existing data for the monitoring of aerosol emissions.
The objective of this thesis is to evaluate the sensitivity of hyperspectral satellite imagery for the detection and characterization of the physicochemical properties of industrial aerosols.
This requires first the ability to model the interactions between industrial aerosols emitted into the atmosphere with the upward and downward solar flux, by taking into account the scene acquisition properties and the chemical composition of the atmosphere. In addition, knowledge of the spectral information of the soils below the plume is required to model the plume aerosol signal. This signal, also called surface reflectance, is modeled by a fusion method based on the use of an exogenous data generally coming from a multi-spectral data whose revisit time is a few days.
A characterization of aerosol properties is performed after through an optimization algorithm using a Bayesian formalism. This allows first to jointly retrieve parameters whose spectral signatures can be partially similar and next to analyze the statistical uncertainties associated with the obtained restitutions. From these restitutions, a mass balance, then an estimation of the flux and its uncertainties is performed.
To carry out this study, a first application of this inversion process was carried out on an airborne hyperspectral image of a sinter plant and a second one was carried out on different industrial sites: a coal-fired power plant, an oil exploitation site and a steel site. The PRISMA satellite images have a spatial resolution of 30 m and a spectral resolution of 10 nm. Such an approach allowed us to show the sensitivity of hyperspectral imagery to different types of aerosols while adapting our modeling to the different emission geometries encountered. Finally, this allowed us to retrieve particle flow rates for the accumulation mode varying between 131 and 394 g.s-1 for mean median radii varying between 0.10 and 0.12 µm for the sites studied from the PRISMA data. |