Contribution de G. FORÊT, G. DUFOUR, A. COMAN, B. GAUBERT, M. EREMENKO, A. BOYNARD, A. UNG & M. BEEKMANN:


SMOQA (synergie modèles/observations pour l'étude de la qualité de l'air)



Les modèles régionaux de pollution sont des outils centraux pour l'évaluation, la prévision et le contrôle de la qualité de l'air. Leur utilisation pour la prévision opérationnelle et l'évaluation des scénarios de réduction des émissions nécessite d'améliorer encore leur précision. Pour cela, nous avons fait le choix des méthodes d'assimilation et de modélisation inverse pour corriger et les champs simulés a posteriori et les cadastres d'émissions de polluants primaires. Nous présenterons les activités développées au cours de projet SMOQA pour l'assimilation des données de surface et satellite ainsi que pour l'inversion des sources biogéniques d'isoprène en Europe. Concernant la modélisation inverse, la principale partie des travaux a consisté en une étude préparatoire à l'inversion des émissions biogéniques d'isoprène à partir des colonnes troposphériques du formaldéhyde. Grâce à un algorithme original de traceur, nous avons déterminé les zones sources les plus importantes et établi la dimension de l'espace des observations afin qu'elles représentent une contrainte pertinente pour l'inversion. Un premier inventaire des émissions d'isoprène a été inversé à partir des observations de SCIAMACHY, montrant ainsi l'apport significatif des observations satellitaires de formaldéhyde même dans une région, l'Europe, où les sources biogéniques d'isoprène restent faibles. Par ailleurs, un système d'assimilation des observations d'ozone a été développé dans le cadre du projet SMOQA. Ce système est basé sur le modèle de qualité de l'air CHIMERE couplé à un filtre de Kalman d'ensemble. Il permet actuellement l'assimilation des observations d'ozone de surface mais aussi des observations satellitaires (IASI). Nous proposons ici de décrire le système et les résultats obtenus avec les différentes données utilisées ainsi que les travaux en cours pour améliorer l'estimation des erreurs du modèle par l'ensemble utilisé dans la procédure d'assimilation.

up arrow