FLORIA

Mieux détecter les évènements de pollution liés aux catastrophes naturelles et aux activités humaines devient un enjeu majeur. Dans ce contexte, le projet FLORIA propose une approche statistique innovante basée sur l’intelligence artificielle couplée aux données satellites qui permettra d'orienter les différents acteurs chargés de la gestion des problématiques liées au changement climatique.

[en]

Avec le Spatial, anticipons face à la pollution de l’air. © Thales

Flexible algORIthm for the monitoring of Air pollution based on artificial intelligence and satellite observations

Présentation

Il est maintenant bien établi que les émissions polluantes sont un problème majeur pour le climat et notre santé. Depuis deux décennies, les produits satellites de niveau 2 (produits instantanés, acquis lors d'un seul passage du satellite) sont utilisés pour essayer d'extraire des informations sur la concentration en polluants à la surface. Mais les liens complexes qui lient la donnée mesurée par le satellite depuis son orbite à la concentration en polluants à la surface rendent ces méthodes difficilement généralisables. Pour rendre compte de cette complexité, des modèles numériques tels que CHIMERE (chimie transport) et MOCAGE (chimie atmosphérique de grande échelle) utilisés dans les plateformes Prév’Air et CAMS permettent de simuler l’atmosphère, la physico-chimie et le transport de polluants gazeux et de particules fines mais nécessitent des ressources de calcul importantes, ce qui rend leur accès difficile.

Pour surmonter ces différentes difficultés, notre idée innovante consiste à aborder la complexité du modèle physico-chimique par une approche statistique basée sur l’intelligence artificielle (surrogate model) couplée aux données satellites. La plus-value de cette solution est d’offrir un suivi en continu de la qualité de l'air à grande échelle, incluant les zones peu ou pas instrumentées en capteurs de mesure in-situ, en utilisant les produits satellites d'une grande variété de capteurs (géostationnaires et à orbite polaire).

Parmi les différents types de polluants, nous proposons de caractériser et suivre les concentrations de particules PM10 à la surface, ceci afin de répondre à la boucle de rétroaction engagée avec le changement climatique :

La multiplication d’évènements météo extrêmes (canicule) et de catastrophes naturelles (feux) modifie les mécanismes de formation, transport, et dépôts des PM10 et donc la typologie des évènements de pollution ;
Cette modulation des évènements de pollution en PM10 et ses effets radiatifs associés influence en retour le changement climatique.

Site(s) d'application

République Tchèque : région de Prague, Brno et Pilsen

Données

Satellite

Sentinel-3, produits L2 AOT
Landsat-8 et Landsat-9 : L2 température de surface

Autres

Mesures in-situ en PM10 des agences de surveillance de la qualité de l’air
Mesures des stations météorologiques nationales

Résultats – Produit(s) final(aux)

Le produit se compose d'une base de données sur les concentrations de PM10 à la surface dans le territoire concerné. Il inclut le traitement des données des 6 années de Sentinel-3, de 2019 à 2024, sur une base quotidienne, à la résolution spatiale native (4 km x 4 km) du satellite

👉 Une carte mensuelle des concentrations de PM10 en Europe sera disponible sur le site du SCO à des fins de diffusion auprès de la communauté.

Références

J. Staufer, C. Rakotondrainibe, J.-C. Péré, B. Gratadoux, J. Cuesta, G. Dufour, S. Tanguy, L. Chaumat and L. Le Barbier (2024) : Monitoring of gound-level pollutants concentrations from space, ESA ATMOS Conference, 1-4 July 2024, Bologna Italy, ATMOS 2024