Les émissions atmosphériques sont un enjeu majeur pour la société, à la fois pour les problématiques santé – qualité de l'air (maladies respiratoires, allergies,…) que pour les problématiques liées au réchauffement climatique et aux gaz à effet de serre. Les sources anthropiques, industrielles en particulier, émettent dans l'atmosphère gaz et aérosols qui jouent un rôle important dans les échanges atmosphériques. Néanmoins leur suivi à haute résolution spatiale en terme de facteurs d'émission reste peu précis et lacunaire. Cela s'explique par une grande diversité des espèces émises sur un site industriel, et par la complexité de la modélisation des phénomènes de chimie-transport prenant en compte ces interactions multi-sources.
Nous nous sommes intéressés lors de nos travaux de thèse à la caractérisation des émissions anthropiques d'espèces gazeuses et à la cartographie de leurs concentrations près des sources, par imagerie hyperspectrale infrarouge aéroportée à haute résolution spatiale.
Une première partie a été consacrée au développement d'un outil de simulation de scènes hyperspectrales. L'intérêt de cet outil réside dans la maîtrise totale de tous les paramètres de la scène, qui nous a permis de réaliser une étude de sensibilité détaillée des perturbateurs du signal hyperspectral infrarouge en présence de panache.
Dans un second temps, une nouvelle approche de caractérisation des effluents gazeux, CONLIE (Constrained Optimal Non-Linear Iterative Estimator), est proposée. Cette méthode est composée d'un algorithme de détection de panache, d'une classification de la scène selon la nature des matériaux la composant, et d'une régression non-linéaire itérative permettant d'estimer la distribution 3D des concentrations des différents gaz.
Lors de la dernière partie de nos travaux, nous avons réaliser une étude de sensibilité de notre approche de caractérisation de panache, à l'aide de nos données synthétiques. Enfin, une validation de cette méthode sur des images synthétiques et réelles, a permis d'illustrer son apport par rapport aux différents approches rencontrées dans la littérature.
|
The air pollution is a very important issue for industrialized society, both in terms of health (respiratory diseases, allergies...) and in terms of climate change (global warming and greenhouse gas emissions). Anthropogenic sources, especially industrial, emit into the atmosphere gases and aerosols, which play an important role in atmospheric exchanges. However emissions remain poorly estimated as most of existing space sensors have a limited spectral range as well as a too low spatial resolution. The use of the new hyperspectral airborne image sensors in the infrared range opens the way to new development to improve the plume characterization.
The aim of our thesis work was to provide, from the hyperspectral airborne measurements, a 3D distribution of the plume gases concentrations.
The first part of our work is devoted to the development of hyperspectral scenes simulation tool. Its advantage is to have a total control of all parameters of the scene, which allowed us to make a detailed sensitivity analysis of disruptive parameters of the infrared hyperspectral signal in the presence of panache.
In a second part, a new method for detecting and characterizing gas plumes, CONLIE (Constrained Optimal Non-Linear Iterative Estimator), is presented. This method consists of a plume detection algorithm, a classification of the scene according to the nature of the materials component, and an iterative nonlinear regression to estimate the 3D distribution of the concentrations of the different gases.
Then, we performed a sensitivity study of our plume characterization approach, using our synthetic data. Finally, a validation of CONLIE on both synthetic and real data, has illustrated its contribution over the existing methods. |