Navigation – Plan du site

AccueilRubriquesEnvironnement, Nature, Paysage2017Modélisation de la pollution part...

2017
802

Modélisation de la pollution particulaire liée au trafic routier à l’échelle de la rue et étude des leviers d’atténuation

Modelling of particulate matter pollution from road traffic at the street scale and assessment of mitigation levers
街道尺度的交通颗粒物污染建模以及对降低污染的方法的评估
Pierre Navarith Ratsombath, Gilles Morel, Hipolito Martell-Flores et Maxime Berton

Résumés

Ces dernières années ont vu se renforcer, à travers de nombreuses études épidémiologiques, les liens entre le niveau de pollution aux particules fines au sein des grandes agglomérations, et l’apparition de divers troubles de santé dont un grand nombre de pathologies cardio-respiratoires telles que le cancer du poumon. Ces études ne permettent cependant pas de statuer sur les risques inhérents aux expositions de proximité, bien que celles-ci semblent entraîner des effets sanitaires beaucoup plus importants. Dans le but de répondre à cette problématique, l’Université de Technologie de Compiègne (UTC), en partenariat avec l’INSERM et l’université Pierre et Marie Curie (UPMC), a entrepris à travers le projet Partless, d’évaluer les impacts des émissions de particules fines sous un angle global intégrant la chaîne « émissions-propagation-réception », traduit plus concrètement par la chaîne « véhicule-ville-population ». Cet article expose la méthodologie adoptée dans le cadre de ce projet pluridisciplinaire ainsi que les résultats obtenus. Il propose des stratégies pertinentes envisageables dans le cas d’épisodes de forte pollution particulaire. Cette approche originale permet de faire émerger des leviers d’atténuation en jouant sur les paramètres d’ajustement appartenant à l’ensemble de la chaîne citée en amont. Il est ainsi possible d’évaluer des scénarios combinant, par exemple, un certain type de carburant, la présence de mobilier urbain et une planification particulière du trafic routier. Les atouts, les limites ainsi que les enjeux de la méthode employée seront discutés afin d’évaluer la possibilité d’intégrer une telle approche dans un processus d’aide à la décision en appui aux politiques environnementales.

Haut de page

Plan

Haut de page

Texte intégral

Introduction

1Les conséquences néfastes de la pollution atmosphérique des zones urbaines sur la santé humaine, rapportées par le Comité Général du Développement Durable (CGDD) dans une étude récente (Depoorter, Niklaus et Rafenberg 2012), ont conduit les décideurs politiques à entreprendre des actions destinées à assainir l’atmosphère au sein des grandes villes. La grande majorité de ces études s’est appuyée sur des niveaux de pollution de fond, c’est-à-dire sur des concentrations de polluants mesurées sur des sites éloignés de toutes sources identifiables (industrielle ou automobile). Cette pollution de fond résulte également des transferts à longue distance de la dispersion des polluants émis localement (chauffage, trafic routier, etc.). Pourtant, en Île de France, la majeure partie des sources de pollution associées aux particules fines provient du trafic routier (AirParif 2014). Les études réalisées jusqu’à présent n’ont pas permis de réellement statuer sur les risques inhérents à une exposition au voisinage de ces sources. Or il s’agit d’un problème majeur de santé publique. En effet, la concentration de polluants est généralement plus élevée à une échelle locale. De plus, alors que les niveaux de pollution de fond restent sous les seuils admis dans la réglementation, on constate régulièrement des dépassements de ces seuils en situation de proximité, notamment au coeur de l’agglomération (Ibid). La toxicité semble par ailleurs plus conséquente que pour la pollution de fond à cette échelle (Schlesinger, et al. 2006), entraînant des effets nuisibles plus importants sur la santé (Host, et al. 2012). Dans cet article, nous rappellerons tout d’abord les problématiques associées à la modélisation et à l’évaluation des impacts de la pollution aux particules fines. Nous présenterons ensuite de façon plus détaillée le projet Partless, qui vise à étudier les phénomènes qui entrent en jeu aux différentes étapes de la chaîne de pollution aux particules fines - ou Particle Matter (PM) en anglais -, la méthodologie associée ainsi que l’outil CEMULA développé à partir de la reformulation et de l’assemblage d’équations issues de méthodes déjà existantes. Il permet ainsi de calculer les facteurs d’émission des PM issues du trafic routier adapté à l’échelle de la rue, et de calculer la dispersion des PM, via le code commercial ADMS-Roads qui permet de calculer la dispersion spatiale de la concentration de polluants. Ainsi, en faisant varier les paramètres d’émission dans les modèles couplés, nous serons en mesure d’évaluer les impacts de différents scenarii destinés à réduire la pollution aux particules fines ainsi que leur faisabilité.

Contexte, objectifs et verrous scientifiques

Pollution aux particules fines : nature et origine

  • 1 cf. Directives Européennes 1999/30/CE et 2008/50/CE

2On classe habituellement les PM de deux façons, indépendantes l’une de l’autre. Une première classification de ces particules peut être établie selon leurs origines. Ainsi, on appelle particules primaires les particules dont les origines sont à la fois environnementales - incendies, feux de végétation, érosion éolienne ou encore éruptions volcaniques1 - et anthropiques - combustion issue des moteurs de véhicules, chauffage au bois domestique, centrales thermiques ou activités industrielles. On appelle ensuite particules secondaires celles qui se forment dans l’air ambiant à travers des processus chimiques complexes. Les particules primaires peuvent en effet, une fois rejetées, réagir avec des précurseurs (ou composés gazeux), pour donner naissance à d’autres types de particules différentes des émissions originelles. La pénétration des particules au sein du système respiratoire et leur passage dans le système circulatoire dépendent de leur taille, ce qui justifie une nouvelle classification qui distingue les PM10 dont la taille est inférieure ou égale à 10 µm, les PM2.5 qui n’excèdent pas 2,5 µm, les particules ultra-fines dont le diamètre ne dépasse pas 1 µm et enfin les nanoparticules, de diamètre inférieur à 0,1 µm, considérées comme les plus nocives pour la santé humaine.

Conséquences délétères de cette pollution

Conséquences sanitaires

3Les particules d’une taille supérieure à 10 µm, principalement d’origine naturelle, n’ont qu’un impact limité sur la santé. En revanche, la pénétration des matières particulaires PM10 et PM2,5 peut atteindre les alvéoles pulmonaires, où le passage de substances toxiques dans le sang peut entraîner diverses pathologies. L’éventuelle association à d’autres types de polluants, tels que les métaux lourds ou hydrocarbures aromatiques polyinsaturés (HAP), peut aggraver encore cette toxicité (Kok, et al. 2006). Dans le cadre du projet ESCAPE2, une étude récente a conclu à la nocivité d’une exposition à long terme aux PM2,5, et ce même en dessous des normes européennes préconisées (Beelen, et al. 2014). Selon l’European Environment Agency (EEA), le coût global induit par la pollution atmosphérique se chiffre approximativement à 100 milliards d’euros par an et serait à l’origine de plus de 100 millions de jours de congés maladies et de 350000 décès annuels3.

Conséquences climatiques

4En dehors des risques purement sanitaires, la pollution particulaire a vraisemblablement des conséquences non négligeables sur le climat (INERIS 2009). En effet, elle participe de façon directe et indirecte à des dérèglements climatiques. Directement d’abord, en absorbant et en diffusant le rayonnement solaire direct, modifiant ainsi le bilan radiatif de la planète. Bien que des incertitudes demeurent, certaines études suggèrent que les PM d’origine anthropiques ont contribué à refroidir le climat (Forster, et al. 2007). Cependant, la distribution inhomogène des particules fines dans l’atmosphère entraîne tantôt un refroidissement, tantôt un réchauffement local, induisant de légères modifications des courants atmosphériques ainsi que des précipitations. Bien que ces effets soient difficiles à observer et à modéliser, certaines études établissent que des modifications du positionnement et de l’intensité des moussons sont dues aux PM d’origine anthropique (Randles and Ramaswamy 2008). Indirectement ensuite, en modifiant les propriétés des nuages de glace et des nuages mixtes contenant de l’eau, à la fois sous forme liquide mais aussi sous forme de glace. L’évaluation de ces conséquences est plus difficile que pour l’effet direct. Néanmoins, les études existantes suggèrent également un refroidissement global du climat (Denman, et al. 2007).

Conséquences environnementales

5Le dépôt de particules sur le patrimoine immobilier - dont les monuments historiques et architecturaux en milieu urbain - entraîne un coût non négligeable en termes d’entretien et de nettoyage. Il semble cependant difficile d’isoler la part imputée aux seules PM. D’autres facteurs sont généralement associés à ces dégradations, tels que le dioxyde de sodium (SO2) et les pluies acides. Les particules fines peuvent également être absorbées par les plantes et/ou se déposer sur le sol et atteindre l’ensemble de la biosphère. En milieu urbain, cela peut directement se faire par le biais des eaux usées lors d’épisodes pluvieux. Là encore, le degré de toxicité, et donc les effets néfastes sur le milieu naturel, sont dépendants de la composition chimique des PM et de leur éventuelle association à d’autres polluants.

Réglementations officielles

En France

  • 4 Code l’Environnement, Partie Législative, Livre II : Milieux physiques, Titre II : Air et pollution

6Aujourd’hui, les deux principales références réglementaires françaises en lien avec les impacts environnementaux des transports sont le Code des Transports et le Code de l’Environnement. C’est au sein de ce dernier qu’est défini le cadre général de la réglementation liée à la pollution atmosphérique4 qui planifie une lutte contre celle-ci autour des points suivants : le processus de surveillance de la qualité de l’air et d’information du public, les mesures d’urgence lors des pics de pollution, les dispositions fiscales et financières, les procédures de contrôles et de sanctions en cas de manquement, les éléments de planification ainsi que les mesures destinées à réduire les Gaz à effet de Serre (GES) et enfin, les initiatives diverses comme les Zones d’Actions Prioritaires pour l’Air (ZAPA).

Seuils d’alerte

7De manière générale, les seuils d’alerte relatifs à la pollution de l’air sont définis par l’OMS au niveau mondial. Dans la réglementation française, il existe pour chaque polluant un niveau de concentration limite au-delà duquel des mesures d’alerte doivent être mises en place5, bien qu’il n’existe pas d’effet de seuil pour les PM. Des effets délétères sur la santé se font sentir dès les premiers instants d’une exposition (Kok, et al. 2006). Malgré cela, leurs concentrations ne sont actuellement pas soumises à une réglementation spécifique malgré l’existence de recommandations européennes qui préconisent un seuil maximum de 25 µg/m3 d’exposition annuelle moyenne 6. La législation française se réfère à cette valeur, alors que l’OMS fixe ce seuil à 10 µg/m37.

Normes Euro

8Les normes Euro sont des mesures européennes imposant aux constructeurs automobiles des valeurs limites de rejets pour un certain nombre de polluants. Elles vont actuellement de Euro 1 à Euro 6 bien que cette dernière norme soit encore peu présente. Plus ce nombre augmente, plus les limites fixées sont basses. Notons que le dioxyde de carbone (CO2), un des principaux responsables du réchauffement climatique, n’est pas pris en considération dans ces normesdont les seuils, de plus en plus stricts, ont permis de faire baisser la concentration des polluants.

Nécessité d’estimer la pollution particulaire en milieu urbain

9Afin de pouvoir respecter ces normes réglementaires, il est nécessaire de disposer d’outils permettant d’estimer les émissions puis la dispersion des polluants à partir des sources d’émissions. Deux logiciels peuvent répondrent à notre cahier des charges : Street et ADMS-Roads. Nous avons choisi d’utiliser ce dernier, d’une part, parce qu’il permet ce calcul à l’échelle de la rue de manière spécifique et d’autre part, parce qu’il permet d’entrer manuellement les données d’émissions. Le logiciel STREET a vocation à etre utilisé comme un outil simple permettant une représentation qualitative des différents phénomènes entrant en compte, mais pas comme un modèle scientifique pointu. Enfin, ADMS est l’un des modèles les plus reconnus par la comunauté scientifique (Wroblewski, et al. 2005).

Description et objectifs du projet Partless

10Le but du projet Partless est d’étudier les phénomènes qui entrent en jeu aux différentes étapes de la chaîne de pollution aux particules fines - émission, dispersion, exposition - et ses conséquences sur la santé. Notons d’emblée que cet article ne décrit pas l’entiereté du projet, mais la partie qui s’est focalisée sur l’estimation de la pollution due au trafic routier urbain et sur les possibilités de la faire diminuer. L’originalité du projet réside dans l’exploration transdisciplinaire de la pollution aux particules fines, dont on connaît aujourd’hui la responsabilité dans l’augmentation de la prévalence du cancer des poumons et des maladies cardio-respiratoires. La traduction de ces différents maillons de la chaîne de pollution en une chaîne de modèles vise à évaluer quantitativement les effets des combinaisons de leviers d’atténuation, permettant de mettre en lumière l’efficacité et la pertinence de certaines mesures prises lors des pic de pollution. Ce projet, mené dans le cadre du programme « Convergence » de la Communauté d’Universités et d’Établissements (COMUE) Sorbonne Université, a nécessité une association de compétences pluridisciplinaires qui a permis l’étude globale des trois composantes de la chaîne citée en amont. Le travail réalisé par l’équipe de l’Institut Jean Rond d’Alembert (IJLRA) de l’UPMC a permis d’obtenir des données sur les émissions des suies provenant de la combustion de différents bio-carburants. L’Université de Technologie de Compiègne (UTC) a ensuite étudié la dispersion des PM en fonction des émissions associées au trafic routier afin de déterminer leurs taux de concentration dans l’environnement urbain. Enfin, à partir de celles-ci, l’équipe d’Epidémiologie des Maladies Allergiques et Respiratoires (EPRA) de l’INSERM a évalué les risques sanitaires encourus et l’efficacité des scénarios qui sont proposés en termes de santé publique, dont les résultats ont fait l’objet d’un travail de diffusion scientifique propre. Cet article se concentrera exclusivement sur la méthodologie de calcul de la concentration de PM à l’échelle d’une rue, développée dans le cadre de ce projet, ainsi que sur l’évaluation de la pertinence de leviers d’atténuation que nous identifierons au paragraphe suivant.

Identification des types de leviers potentiels d’atténuation et de décision

11Réduire la pollution aux PM passe d’abord par l’identification de leviers d’atténuation. Ces leviers vont s’appuyer sur des paramètres que nous avons classés en quatre catégories : météorologiques, ceux liés au trafic routier, à la morphologie urbaine et à des leviers innovants récemment testés dans certaines métropoles, tels que la projection de gouttelettes d’eau à Shanghai (Shaocai 2014). Notre étude s’est focalisée sur une grande avenue de la ville de Paris et les leviers d’action ont été appliqués à la pollution aux PM10 uniquement, en ne prenant en considération que l’exposition locale, dans un périmètre restreint d’habitations. Un ensemble de scénarii a été défini dans le but de voir quelles variations de paramètres peuvent être à l’origine d’une diminution conséquente des taux de ces particules en cas de pic de pollution à l’échelle d’une rue, et ce sur les différentes parties de la chaîne de propagation (émissions – chemin de propagation – réception).

De la modélisation à l’aide à la décision

12Dans le but de pouvoir faire varier différents leviers allant de la combustion du moteur à la planification de la circulation en milieu urbain, nous avons développé un modèle simplifié, basé sur une reformulation et un assemblage de méthodes déjà existantes : les équations de l’EEA (European Environment Agency (EEA) 2013) pour le calcul des émissions d’échappement, et les équations fournies par l’EPA (Environment Protection Agency (EPA) 2011) pour les émissions de non-échappement. Ces dernières correspondent à l’abrasion des freins et des pneus ainsi qu’à la resuspension dans l’air des particules fines préalablement déposées sur le sol par les sources primaires et secondaires, notamment à cause de la circulation automobile. Le résultat ainsi obtenu nous permet d’évaluer l’efficacité des différents leviers d’atténuation susceptibles d’être mis en oeuvre dans une politique globale de réduction de la pollution aux PM à l’échelle d’une rue, dans un contexte fortement urbanisé. Le résultat ainsi obtenu a été implémenté dans un logiciel de calcul, ce qui a permis d’évaluer l’efficacité d’un levier par rapport à une situation de référence, mais également de juger l’efficacité de la combinaison de différents leviers. Il peut alors constituer un outil d’aide à la décision.

Méthodologie adoptée

13Le calcul des émissions et dispersions de PM à l’échelle urbaine et l’évaluation de leur impact sont réalisés à partir du calcul des émissions associées au trafic routier. La démarche complète est composée des étapes suivantes :

  1. Répertorier les leviers d’atténuation des taux de concentration de PM ;

  2. Établir une correspondance entre les paramètres d’entrée du modèle d’émission et l’ensemble de ces leviers ;

  3. Exprimer celle-ci sous la forme d’une fonction vectorielle de plusieurs variables ;

  4. Implémenter cette fonction au sein d’un logiciel de calcul dans le but d’obtenir les facteurs d’émissions en fonction d’un levier unique ou de la combinaison de ces leviers ;

  5. Calculer les taux de concentrations spatiales à l’aide d’un modèle de dispersion ;

  6. Fournir ces données à l’équipe EPAR de l’INSERM qui établira, à l’échelle locale, une corrélation entre ces taux et leur incidence sur les pathologies cardio-respiratoires.

Figure 1 : Représentation schématique d’une chaîne de modélisation avec les données associées

Figure 1 : Représentation schématique d’une chaîne de modélisation avec les données associées

Leviers d’atténuation des émissions de PM associés au trafic routier

14Diminuer les taux de concentration de particules fines dans une ville revient à agir, soit au niveau des émissions associées au trafic routier, soit sur la manière dont se dispersent ces émissions. Le taux d’émission de PM dépend du nombre de véhicules et de leur vitesse sans y être directement proportionnel. Pour les émissions associées à l’échappement, l’évolution technologique des moteurs équipant les véhicules permet de diminuer de manière importante les rejets de polluants. Ces améliorations ont été accompagnées d’importants travaux sur le carburant et ont conduit à l’apparition des bio-carburants. Par conséquent, nous avons fait varier les paramètres associés à ces leviers d’atténuation afin de calculer les facteurs d’émissions correspondants et d’évaluer l’efficacité des différentes combinaisons possibles. Notre modèle vise à mesurer :

  • les bénéfices engendrés par les différentes mesures liées à la circulation automobile (circulation alternée, interdiction de certaines catégories de véhicules, etc.) ;

  • les gains résultant d’une évolution du parc automobile en fonction de la proportion de chaque norme et de celle des différentes motorisations (un moteur diesel rejette plus de PM qu’un moteur essence ou hybride)  ;

  • les effets des bio-carburants sur le rejet de PM ;

  • l’influence de mesures destinées à diminuer le phénomènes de re-suspension des PM.

15 Notons que la dispersion des polluants dans l’air dépend également de la morphologie urbaine En effet, selon (Maignant 2001), la ville peut être vue comme un milieu poreux variant selon l’altitude - la porosité étant plus importante en hauteur qu’au niveau de la rue -, avec des pleins (les bâtiments) et des vides (interstices entre les bâtiments). Ainsi, la morphologie urbaine est considérée comme une double complexité, verticale et horizontale, et le logiciel ADMS prend en considération cette spécificité permettant une modélisation suffisante, bien qu’incomplète, dans le cadre de notre étude. Le modèle de dispersion est donc alimenté par des données provenant du modèle d’émission qui tient lui-même compte des données de circulation issues du modèle de trafic routier (cf. figure 2). La description de ces modèles fait l’objet des prochains paragraphes.

Modélisation du trafic routier

16L’immission des PM, c’est-à-dire le résultat des émissions après dispersion, est directement dépendante du trafic routier local. La variation de ce dernier, à travers la mise en place de mesures concrètes telles que, par exemple, la circulation alternée, permet de réduire de manière significative la pollution particulaire. Il est donc important de pouvoir modéliser un tel paramètre dans un contexte urbain et de le coupler avec un modèle d’émission. Dans ce but, les données que nous avons utilisées ont été obtenues, soit à partir d’observations vidéo des véhicules en circulation dans Paris intra-muros (Carteret, André et Pasquier 2014), soit à partir d’enquêtes (Observatoire des déplacement à Paris 2013). Ainsi, à l’échelle de Paris, nous pouvons obtenir la proportion en pourcentage des différentes normes Euro qui circulent pour chaque genre de véhicule, la répartition en pourcentage des différentes motorisations, le trafic moyen jouralier (TMJ) pour notre site d’étude (avenue du Général Leclerc) en véhicules par jour, la répartition en pourcentage du type de véhicules circulant à une tranche horaire de la journée, et enfin le nombre moyen de véhicules circulant, ainsi que leurs vitesses selon l’heure de la journée. Ces informations sont fournies sous la forme de nombreux tableaux. Le calcul matriciel a été utilisé afin d’obtenir des expressions permettant une meilleure manipulation des variables d’entrées. Il permet également de coupler ces expressions avec celles obtenues pour l’expression matricielle du modèle d’émission, que nous aborderons au paragraphe suivant. Ainsi, nous obtenons des expressions algébriques dont la forme finale permet d’obtenir le nombre de véhicules d’une norme Euro donnée (ligne) à une tranche horaire donnée (colonne) et ce, pour un type de moteur considéré (diesel, essence ou autres). Nous avons pour cela, au préalable, traduit les données brutes citées précédemment sous la forme de vecteurs. La forme finale est la matrice Λ :

Conventions adoptées

17Le genre « g » d’un véhicule est un indice qui correspond au nombre 1 pour les véhicules particuliers (VP), 2 pour les véhicules utilitaires légers (VUL) et 3 pour les poids lourds (PL). L’indice « m » représente quant à lui le type de motorisation (diesel, essence, hybride ou électrique).

Modèle d’émission adapté au milieu urbain

18On distingue deux types d’émissions de PM liées au trafic automobile : les émissions d’échappement, qui correspondent au rejet de PM associé à la combustion de carburant dans le moteur, et les émissions de non-échappement, comprenant les émissions liées à l’abrasion des pneus et des freins ainsi que la re-suspension des particules fines. Un milieu fortement urbanisé possède certaines caractéristiques propres qui influencent, de manière directe ou indirecte, les émissions provenant des véhicules en circulation. Cette particularité nous a permis d’émettre des hypothèses simplifiant les équations permettant le calcul de ces émissions. Nous avons alors pu développer plusieurs expressions matricielles (Ratsombath 2015) exprimant les émissions d’échappement, appelées ici EFβ, et les émissions de non-échappement, notées EFγ. Ces expressions permettent d’évaluer rapidement l’efficacité de nos leviers d’atténuation et la pertinence de leurs combinaisons.

Modélisation des émissions d’échappement EFβ

19Voici les hypothèses que nous avons émises et qui concernent principalement ce type d’émissions :

  1. Nous supposons négligeables les sur-émissions associées aux moteurs fonctionnant à froid. En effet, les grandes avenues possèdent peu de places de stationnement de longue durée ou de stationnement résidentiel. En outre, le temps moyen d’utilisation d’un véhicule dans Paris est de trente quatre minutes (Caenen, et al. 2011), ce qui permet au moteur d’atteindre une température proche d’un fonctionnement optimal, réduisant ainsi de manière significative les émissions à froid des véhicules circulant sur ce site.

  2. Nous n’utiliserons également que des vitesses moyennes et négligerons les flutuations d’émissions liées à l’accélération-décélération. En effet, à l’échelle considérée, les vitesses sont réduites (vitesse moyenne de 16km/h (Observatoire des déplacement à Paris 2013)) avec un maximum théorique de 30km/h et la présence de feux tricolores réguliers le long de l’avenue, ce qui limite les fortes variations de vitesse dans les deux sens.

  3. Nous avons également négligé les sur-émissions liées aux pentes. Dans notre contexte d’étude, où nous considérons de grandes avenues dont le sens de circulation est double, nous nous sommes appuyés sur la littérature (Centre d'étude des tunnels (CETU) 2012) pour supposer que celles-ci pouvaient être compensées par les sous-émissions de PM associées au trafic dans le sens inverse.

  4. Nous avons également négligé le phénomène d’évaporation, qui est une source de pollution due à la perméabilité du réservoir de carburant (Joumard, et al. 2000). En effet, l’évaporation peut être négligée dans les véhicules à moteurs diesel (Massoud 2014) qui sont principalement responsables de la pollution particulaire liée à l’échappement. Cette simplification n’est donc pas adaptée au calcul des émissions d’autres types de polluants et est spécifique aux PM.

20Nous pouvons alors réduire l’expression des équations permettant le calcul des facteurs d’émission à :

  • 8 Pour plus de détails sur l’ensemble des développements concernant tous les types de véhicules, se r (...)
  • 9 Nous utilisons ici la notation tensorielle pour des raisons pratiques. Les tenseurs d’ordre 1 et 2 (...)

21Où v̅ est la vitesse moyenne et k une constante dont la valeur, obtenue expérimentalement, est fournie par les tableaux présents dans le rapport de l’EEA (European Environment Agency (EEA) 2013). Après développement8, nous obtenons l’expression matricielle 2, où i est un indice dont dépendent les émissions de PM en fonction des normes Euro considérées avec i ∊ F = {a,b,c}. i = a indique ici que ce facteur d’émission ne concerne que les normes allant de 1 à 4. i = b indique que le facteur d’émission ne concerne que la norme Euro 5 et, dans le cas i = c, que la norme pré-Euro. Comme pour le paragraphe précédent, l’indice g fait correspondre un numéro et un genre de véhicule : 1 pour les VP, 2 pour les VUL et 3 pour les PL. Les expressions des facteurs d’émissions pour les véhicules particuliers diesel (D) peuvent finalement s’écrire 9 :

22FE est le facteur d’émission. Cette démarche a été transposée aux VP essence, aux VUL diesel et aux PL diesel. En revanche, pour les VUL et PL essence, compte tenu de leur faible proportion à Paris (Atelier Parisien de l'Urbanisme (APUR) 2014), leurs rejets en PM peuvent être négligés. L’expression 2 nous permet d’avoir un facteur d’émission unitaire, c’est-à-dire pour un seul véhicule, en g/veh.km. Sa valeur est dépendante de la vitesse et des normes Euro. Or, nous avons vu dans le paragraphe 4.2 que la quantité de véhicules d’une norme Euro donnée est différente selon les heures et le genre de véhicule considéré. En outre, la vitesse moyenne horaire varie également selon la tranche horaire de la journée. Par conséquent, il a été nécessaire de coupler les expressions matricielles 2 et l’expression matricielle du trafic Λ (cf § 4.2) afin d’obtenir des facteurs d’émissions de particules fines plus représentatifs de l’état du trafic routier au cours d’une journée. Nous obtenons alors une matrice, nommée Θ, définie pour un genre de véhicule et une motorisation donnée, qui fournit les facteurs d’émissions réels pour chaque tranche horaire de la journée et chaque norme Euro, de Pré-Euro 1 à Euro 5. Ainsi, dans notre exemple pour les VP diesel, on a l’expression :

1 à e24 (correspondant aux tranches horaire d’une journée) avec la somme des matrices. On obtient finalement le vecteur recherché :

Où :

Définition du Yield Sooting Indice ysi

23Nous nous sommes basés sur des études évaluant la propension d’un carburant à produire de la suie (Kashif, et al. 2014). L’indice principalement utilisé sera le ysi. Cet indice rend compte de la quantité de suies produites en termes de fraction volumique de suie maximale fvol.max mesurée au sein de la flamme de référence produite sur un brûleur. La valeur utilisée sera de 14, 56 % pour un mélange avec 7,5 % de 3-méthyl-2-butanol.

Modélisation des émissions de non-échappement

24Le contexte urbain de notre étude nous a permis une simplification reposant sur les hypothèses suivantes : (i) température à froid négligée ; (ii) sur-émissions liées aux pentes considérées comme négligeables ; (iii) phénomène d’évaporation négligé ; (iv) les deux-roues sont négligés car la motorisation essence nous permet de négliger leur apport dans les émissions de PM.

Re-suspension EFγ

25Nous avons utilisé la méthode adoptée par l’EPA pour estimer les émissions liées à la re-suspension des particules fines sur une route urbaine :

  • est le facteur d’émission pour une route urbaine en g/(veh.km) pour une taille i donnée ;
  • k est une constante propre aux PM10 et PM2,5 ;

    • 10 Le mot « silt » est difficilement traduisible en français et comporte une certaine ambiguïté. Selon (...)

    sL est le Silt Loading10 en g/m2 ;

  • W est le poids moyen en t des véhicules, qui est changeant en fonction de l’horaire de la journée ;

  • P est le nombre de jours durant lesquels la précipitation a été supérieure à 0,254 mm sur une période donnée (mois, jours, heures) ;

  • N est le nombre de jours de la période considérée (année, saison ou mois).

Tableau : Valeurs choisies dans notre étude pour le calcul des émissions de resuspension

Constantes

Valeurs

Unité

k1 (PM10)

0,62

g/veh.km

k2 (PM2,5)

0,15

g/veh.km

sL

0,3

g/m2

26Le nombre de chaque genre de véhicule n’étant pas le même pour chaque tranche horaire journalière (il y a plus de PL le matin que l’après-midi et moins de VP, par exemple), le poids moyen des véhicules circulant sur le tronçon étudié variera. Dans le but de prendre cela en considération, nous définissions :

  • ω : le vecteur-colonne dont les coefficients sont le poids en tonnes des VP (ligne 1), des VUL (ligne 2) et des PL (ligne 3) circulant sur la route. Nous avons choisi les valeurs de 1,4 t, 2,5 t et 7,5 t pour les poids moyens respectifs des VP, VUL et PL ;

  • dont chaque coefficient est le nombre de véhicules d’un genre donné, toutes motorisations confondues, circulant à une heure donnée de la journée. On la nommera matrice de débit horaire. Il s’agit en fait de la matrice dont la ième colonne est les vecteur des débits horaires qi.

On peut alors définir le vecteur W tel que :

27En utilisant l’équation 6 et en l’adaptant à l’équation 5, le facteur d’émission pour les émissions de PM dues à la resuspension peut s’écrire sous la forme d’un vecteur que nous notons EFγ et qui s’écrit, avec i=1 pour les PM10 et i=2 pour les PM2,5 :

Abrasion EFα

28En ce qui concerne le facteur d’émission pour l’abrasion, étant donnée l’importante proportion qu’elle représente dans la pollution atmosphérique au sein d’une grande agglomération (AirParif 2014), nous avons opté pour la méthode « Tier 2 » formulée par l’EEA (European Environment Agency (EEA) 2013) pour les PM10, dans le cas de l’abrasion des pneus et des freins. Ce qui nous donne l’expression finale 8 :

  • FETSP,s,g est le facteur d’émission de toutes les particules en suspension (en anglais TSP) évalué pour un genre g de véhicule en g/km.veh ;

  • fs,g est la fraction massique de TSP inhérente à la particule i (PM10 ou PM2,5) pour un genre g ;

  • SS (v̅) est le facteur de correction pour un véhicule roulant à la vitesse moyenne v̅ ;

29Le paramètre s fait référence à la source des particules (abrasion des freins ou des pneus). Nous avons choisi les valeurs de ces facteurs TSP en fonction de notre contexte d’étude et nous obtenons alors les résultats présentés dans le tableau 2. Nous avons négligé les deux-roues dans le calcul de ce facteur d’émissions, au regard de leur faible impact en termes de pollution en particules fines.

Tableau 2 : Facteurs d’émissions par catégorie de véhicule et par taille (en g/veh.km)

PM10

PM2,5

VP

0,0269

0,0133

VUL

0,0422

0,0210

PL

0,0919

0,0382

Modèle d’émission général proposé

30Le modèle d’émission général est la somme des expressions vectorielles obtenues pour EFβ (éq. 3) et EFγ (éq. 7). Le résultat est un vecteur pour lequel chaque coefficient se voit ajouter la valeur de EFα (éq. 8) (cf. tableau 2) correspondant au cas envisagé. Chaque coefficient du vecteur final exprime alors le facteur d’émission horaire total, c’est-à-dire incluant toutes les formes d’émissions de PM, pour une tranche horaire donnée. C’est donc un vecteur dont chaque ligne correspond à une heure de 0h à 24h et dépend de la taille i des particules que l’on souhaite étudier. Soit :

31La modification des paramètres permettant l’obtention des différents facteurs d’émissions permet la simulation des différents leviers identifiés.

Modélisation de la dispersion à l’échelle de la rue

  • 11 Il existe également des modèles Eulériens, Lagrangiens, Hybrides (plume-in-grid).

32La dispersion des PM a été calculée à partir d’un modèle Gaussien, plus adapté que d’autres11 à la caractérisation de la pollution de proximité (Belcher, et al. 2012), implémenté dans le logiciel de modélisation ADMS-Roads. Ce logiciel est basé sur des équations Gaussiennes qui ne prennent pas directement en compte le panache de particules mais plutôt l’enveloppe dans laquelle celui-ci évolue. Cette approche consiste à calculer une trajectoire en fonction du vent, des turbulences et des caractéristiques des polluants, puis admet qu’à partir d’un certain temps, les concentrations moyennes de polluants suivent une loi de distribution normale autour de cette trajectoire, et ce dans chacune des directions. Pour déterminer les concentrations de polluants, le modèle procède en trois étapes. Premièrement, il calcule un champ de vent et de turbulences en se basant sur les données météorologiques et les caractéristiques de l’espace urbain. Il met ensuite en relation ce champ de vent avec les sources d’émissions et les caractéristiques des polluants étudiés. Enfin, il ajoute aux concentrations ainsi trouvées une pollution de fond. Cette pollution de fond est une valeur constante pour toute la zone étudiée et permet de prendre en compte, en plus de la pollution locale calculée, les sources d’émissions non-modélisées, la pollution présente avant la modélisation et les polluants venant de l’extérieur de la zone étudiée. ADMS-Roads est une version adaptée d’ADMS-Urban permettant de prendre en considération les problématiques liées à une échelle locale, particulièrement à l’échelle de la rue. Les sources d’émissions peuvent être fournies soit à partir de données internes au logiciel, soit à partir d’un fichier de données fourni par l’utilisateur. Dans notre cas, ce fichier est élaboré à partir des équations développées précédemment.

Développement de l’outil CEMULA

33CEMULA est l’acronyme de l’outil de Calcul des Émissions (de PM) en Milieu Urbain (et étude) des Leviers d’Atténuation. Nous avons implémenté les expressions du paragraphe précédent dans Excel 2010 et développé un outil VBA permettant d’obtenir les facteurs d’émissions. Ces derniers sont ensuite utilisés dans le logiciel ADMS-Roads à partir duquel une carte des taux de concentration en PM peut être générée. CEMULA permet de calculer les facteurs d’émissions et de comparer ces taux pour de nombreux jeux de paramètres correspondant à des combinaisons de leviers d’atténuation, et ce pour une zone préalablement paramétrée. Ce paramétrage consiste à remplir les champs se rapportant à la pluviométrie, au trafic moyen journalier de véhicules, à la proportion des normes Euro in situ, etc. En somme, cela consiste à compléter les différents vecteurs et matrices de la fonction 9 (cf. §4). Cet outil permet également de choisir une combinaison de leviers d’atténuation à partir de plusieurs listes déroulantes. Chaque liste est propre à un domaine dans lequel vont s’exercer ces leviers : l’énergie de la motorisation (E), la circulation (C), la morphologie du bâti ou des rues (U) ou le reste, qui sera qualifié par Autres (A). Nous appelons ces combinaisons des scénarios. Un bouton permet d’obtenir la description de chacun des leviers. Les résultats se visualisent graphiquement avec un pas de temps en heures, en g.km–1.s–1. La proportion des EFα, EFβ et EFγ est donnée. Cela permet d’évaluer la pertinence des combinaisons testées. Enfin, une fois les résultats calculés, ceux-ci sont convertis en un fichier dont l’extension .hfc est compatible avec ceux destinés à alimenter ADMS-Roads dans le but de calculer la dispersion des particules fines, i.e leur taux de concentration en tout point de l’espace.

Figure 2 : Fenêtre principal de l'outil de calcul de facteur d'émission de PM - CEMULA

Figure 2 : Fenêtre principal de l'outil de calcul de facteur d'émission de PM - CEMULA

Mise en œuvre des modèles et expérimentation sur une avenue de Paris

Choix du site d’étude

34La zone qui a été choisie est située à Paris dans le 14e arrondissement. Il s’agit de l’avenue du général Leclerc, d’une longueur de 1,14 km, reliant la place Denfert-Rochereau et la place Hélène et Victor Bash (ex-place d’Alésia). Ce site a été choisi car il répondait à des critères essentiels pour notre étude : (i) un niveau élevé de pollution aux PM (supérieur aux préconisations fixées par l’UE) ; (ii) la disponibilité des données météorologiques et géographiques ; la proximité avec une station de mesures de particules fines du réseau AirParif (PM10 et/ou PM2,5) ; une avenue dont la morphologie urbaine peut être considérée comme représentative de certaines grandes artèreS parisiennes propices à la concentration de polluants.

Point sur les conditions météorologiques

35Nos simulations ont été effectuées pour deux situations météorologiques différentes. La première est qualifiée de moyenne et correspond à des conditions météorologiques propices à un bas niveau de pollution aux PM. L’autre situation est dite extrême et correspond à un contexte météorologique favorable à l’apparition d’un pic d’un pollution. Les données ont été recueillies auprès de l’Agence Parisienne du Climat (Agence parisenne pour le climat 2015).

Situation moyenne : code M1

36Les conditions météorologiques sont celles correspondant à la période du 16 au 19 octobre 2013. En effet, les concentrations moyennes en PM10 relevées par Airparif sont de 39,6 µg/m3 sur cette période et de 40 µg/m3 sur l’année 2013 (AirParif 2014). La différence entre les moyennes de ces deux concentrations étant faible, nous avons jugé les conditions météorologiques comparables. En effet, la température moyenne annuelle est de 12,1°C contre 13,1°C sur la période considérée plus haut. De plus, les conditions de précipitations, la force et la direction des vents évoluent beaucoup pendant ces quatre jours, ce qui nous permet de balayer un spectre représentatif de la météo d’une année à Paris.

Situation extrême : code M2

37Pour ce cas, nous avons considéré un épisode de pollution aux particules fines qui s’est déroulé du 7 au 15 mars 2014. Les conditions météorologiques sont caractérisées par une situation anticyclonique avec des vents faibles, la présence d’inversions thermiques, l’absence de précipitations, ainsi que la douceur des températures ; celles-ci ont empêché la dispersion des particules et ainsi fortement influencé les concentrations de polluants. La station de mesure AirParif a enregistré sur cette période des concentrations moyennes en PM10 de 86 µg/m3, atteignant un maximum de 175 µg/m3 le 14 mars à 12h. Le seuil d’alerte Européen, de 80 µg/m3, a été largement dépassé.

Calibrage du modèle sur le site d’étude

38Un calibrage du modèle a été effectué à l’aide des mesures de concentration dans une situation normale, c’est-à-dire exempte de toute mise en place de levier d’atténuation et pour une météo moyenne M1. L’analyse des résultats est présentée sur la figure 3 et bien que les courbes suivent un comportement relativement identique, on constate une sous-estimation des valeurs mesurées. Rappelons que notre modèle ne se préoccupe que de la pollution particulaire à l’échelle de la rue. Cette différence peut donc s’expliquer par la présence d’une pollution plus globale, appelée pollution de fond, qui résulte essentiellement des transferts de particules émises par les sites industriels, domestiques et de sources naturelles, telles que les volcans, mais également par le trafic des véhicules en dehors de la zone d’étude (provenant notamment du boulevard périphérique dans notre cas).

Figure 3 : Comparaison des valeurs obtenues pour la période du 16 au 19 octobre 2013 (météo moyenne M1)

Figure 3 : Comparaison des valeurs obtenues pour la période du 16 au 19 octobre 2013 (météo moyenne M1)

Figure 4 : Calibrage avec prise en compte de la pollution de fond

Figure 4 : Calibrage avec prise en compte de la pollution de fond

Pollution de fond et correction du modèle

39Nous avons choisi dans notre étude de définir la pollution de fond comme étant la différence entre la moyenne des concentrations mesurées et la moyenne des concentrations simulées sur une même durée. Bien que simple, cette définition nous permet d’avoir une bonne estimation des valeurs mesurées localement. Cet aspect pourrait bien entendu être amélioré dans le cadre d’une poursuite du projet. La correction ainsi apportée est représentée sur la figure 4.

Présentation des scénarios basés sur des leviers d’atténuation de la pollution en PM

Scénario de référence

40Pour chacune des conditions météorologiques citées au paragraphe précédent (M1 et M2), nous avons développé un scénario de référence intégrant des paramètres correspondant à la réalité du trafic et de la morphologie urbaine actuelle de l’axe. Ces deux configurations de base du modèle permettent d’effectuer une comparaison avec les scénarios exploratoires développés dans le but d’étudier l’influence de l’évolution de certains leviers (carburant, trafic, etc.) susceptibles de faire diminuer les taux de particules fines.

Source d’énergie du moteur : code En

41Dans un premier temps, nous avons étudié les scénarios qui ne modifient pas la circulation mais simplement le type d’énergie utilisé par les véhicules présent dans notre zone d’étude.

Tableau : Scénarios en lien avec la motorisation des véhicules

Code levier

Description

E0

Flotte de véhicules actuels

E1

Véhicules ne roulant qu’aux bio-carburants, utilisation de l’indice YSI (cf. ci-dessous)

E2

Interdiction de circulation pour les véhicules diesels

E3

Véhicules hybrides roulant à l’électricité et à l’essence ou au diesel

E4

Flotte composée uniquement de véhicules électriques

E5

Véhicules équipés uniquement de moteurs respectant la norme Euro 5

Planification de la circulation : code Cn

42Nous avons ensuite étudié les plans de circulation que pourrait adopter la ville de Paris en vue de faire diminuer les émissions de particules fines. La circulation alternée est un exemple régulier de mesure d’urgence prise par les responsables locaux. Le tableau suivant résume ainsi les dispositions qui pourraient être prises. Les résultats obtenus figureront dans le prochain paragraphe.

Tableau 4 : Scénarios en lien avec la circulation des véhicules dans Paris intra-muros

Code levier

Description

C0

Circulation normale, actuelle

C1

Interdiction des poids-lourds en centre-ville

C2

Alternance des véhicules (immatriculations paires ou impaires)

C3

Réduction générale de la vitesse

C4

Circulation des poids-lourds uniquement la nuit

Modifications des formes urbaines : code Un

43En matière de formes urbaines, ces mesures nécessitent pour la plupart de lourds travaux et investissements et ne sont envisageables que dans le cadre de projets d’aménagement urbain sur le long terme. Nous n’allons décrire brièvement que les scénarios apportant un gain significatif (la description du levier mettant en œuvre la présence de boucliers acoustiques a donc été omise).

Tableau 5 : Scénarios en lien avec des modifications de la morphologie urbaine

Code levier

Description

U0

Configuration urbaine actuelle

U1

Présence de boucliers acoustiques (non décrite car non pertinente)

U2

Aération des rues par modification de la morphologie des bâtiments

U3

Fluidification du trafic par modification des infrastructures routières (installation de ronds-points et suppression des feux rouges)

Aération des rues (U2)

44L’aération des rues est un aménagement particulier où un espace libre est laissé entre les bâtiments tous les 30 mètres. Ceci permettrait d’éviter tout effet « canyon », c’est-à-dire l’accumulation de polluants dans un couloir supposé fermé sur une certaine longueur. Nous n’avons pas tenu compte de l’embranchement des rues perpendiculaires à l’avenue du Général Leclerc, car ADMS Roads ne permet que des géométries simples. Par conséquent, on peut s’attendre à ce que les taux de concentration obtenus soient légèrement supérieurs à ceux mesurés. Cependant, compte tenu de la taille des rues attenantes et de leur nombre, en proportion des dimensions de l’avenue considérée, cette approximation est acceptable dans le cadre de notre étude. L’espacement des bâtiments permettrait ainsi une meilleure évacuation des particules et autres polluants. Ce scénario semble bien entendu peu envisageable sur notre site d’étude, mais montre l’importance de penser l’agencement des bâtiments dans le cadre de la construction d’un nouveau quartier ex-nihilo, en tenant compte de la circulation de l’air.

Fluidification du trafic (U3)

45Ce scénario correspond à un état du trafic quasi-fluide. Ainsi, en supprimant les feux tricolors et en leur substituant des ronds-points par exemple, nous réduirons la stagnation du trafic, ce qui augmentera sa fluiduité. Il s’agit ici d’étudier l’effet d’une vitesse moyenne régulièrement proche de la vitesse maximale autorisée le long de l’axe. Les aménagements envisagés de voirie peuvent directement être paramétrés sur ADMS-Roads.

Autres leviers possibles : Code An

Projection de gouttelettes d’eau, ou brumisation

46Cette solution consiste à placer, soit sur certains bâtiments, soit directement en les intégrant à certains éléments de mobilier urbain tels que les abri-bus ou les lampadaires, un brumisateur d’eau, c’est-à-dire un appareil capable de simuler une pluie légère en projetant de fines gouttelettes d’eau sur les routes. Cela permet de capter les particules fines directement dans l’atmosphère, diminuant de fait le phénomène de re-suspension. Ainsi, on obtient une diminution des PM2,5 allant jusqu’à 35 µg/m3 (Shaocai 2014), et ce en un temps relativement court (de quelques minutes à l’heure en fonction du taux de concentration de particules fines). Ce scénario se base sur une étude récente effectuée en Chine (Ibid). Puisqu’il s’agit ici d’un procédé de géoingénierie imitant le phénomène de pluie, nous le traduirons dans le modèle par une augmentation de la pluviométrie, soit un nombre P plus important.

Obligation de covoiturage

47Dans ce scénario, on envisage le covoiturage comme une pratique imposée par la réglementation pour rouler dans Paris. En partageant les véhicules et en utilisant toute leur charge utile, on pourrait réduire leur nombre sur les routes, et donc les émissions de polluants. Dans notre modèle, cela se traduit par une réduction par deux du parc automobile roulant concernant les véhicules particuliers (VP).

Tableau 6 : Autres mesures envisageables pour réduire la pollution aux PM

Code levier

Description

A0

Situation normale

A1

Projection de gouttelettes d’eau - Brumisation

A2

Obligation ou incitation au covoiturage

Analyse et comparaison des résultats

48Comme nous l’avons vu, le modèle d’émission en PMs par le trafic urbain et son implémentation dans l’outil CEMULA, couplés avec le modèle de dispersion ADMS, permettent d’étudier rapidement l’impact de tout type de levier et de combinaison de leviers sur la concentration finale, puisque ADMS produit in fine une cartographie de la concentration en particules fines. Nous proposons dans ce paragraphe un exemple de carte produite pour un scénario représentatif, puis une analyse comparée des résultats pour certaines combinaisons étudiées de leviers d’atténuation.

Exemple de carte de dispersion pour le scénario M2E4U0C0A0 (Flotte de véhicules électriques)

49Une cartographie de la dispersion générée par le logiciel ADMS-Roads est présentée sur la figure 8 pour une météo de type M2, c’est-à-dire propice à l’apparition d’un pic de pollution. La concentration de PM10 est donnée par heure. Ce scénario prévoit la disparition totale des véhicules essence et diesel et un remplacement par une flotte de véhicules équipés de moteur électriques.

Figure 6 : Résultat dispersion pour le scénario bio-carburant avec ADMS-Roads pour une météo moyenne

Figure 6 : Résultat dispersion pour le scénario bio-carburant avec ADMS-Roads pour une météo moyenne

50Les résultats obtenus montrent une baisse relative de 68 % par rapport au scénario de référence pour une météo moyenne et une météo extrême, bien que la baisse absolue soit plus importante pour un cas de pic de pollution (-49,85 µg/m3 contre -30,09 µg/m3), ce qui montre que cette mesure s’avère efficace pour réduire la dispersion des PM10 durant des périodes.

Tableau comparatif partiel des résultats obtenus

Tableau 7 : Exemple comparatif de résultats par rapport au scénario de référence E0C0U0A0, pour les PM10

Combinaison

Descript.

Faisabilité

Différence relative météo M1

Différence absolue météo M1 µg/m3

Différence relative météo M2

Différence absolue météo M2 en µg/m3

E0C0U0A2

Co

voiturage

+++

-40.62%

-17.81

-41.13%

-29.87

E0C2U0A0

Véh. alternés +

+++

-14.41%

-6.32

-14.48%

-10.51

E0C1U0A0

PL interdits

+++

-12.6%

-5.52

-12.6%

-9.15

E0C0U0A0

Config. actuelle

réf.

0

0

0

0

E0C4U0A0

PL de nuit

++

+0.03%

+0.01

-2.64%

-1.92

E0C3U0A0

Réduct. de la vitesse à 30km/h

++

+21.51%

+9.43

+10.06%

+7.31

E1C0U0A0

Biocarburant

+

-14.56%

-6.38

-14.56%

-10.57

E0C0U1A0

BA seuls

+

+24.64%

+10.80

+22.46%

+16.32

E5C0U0A0

Moteurs Euro 5

-

-74.87%

-32.83

-74.87%

-54.38

E2C0U0A0

VP diesel interdits

-

-67.79%

-29.72

-67.79%

-49.24

E0C0U3A0

Trafic fluide et électrisation du parc auto

-

-14.76%

-6.47

-16.08%

-11.68

E4C0U0A0

Parc auto électrique

--

-68.63%

-30.09

-68.63%

-49.85

E3C0U0A0

Véh. hybrides seulement

--

-41.06%

-18

-41.12%

-29.87

E0C0U2A0

Rues aérées

--

-11.93%

-5.23

-12.93%

-9.39

Observations

51Ces résultats de la modélisation suscitent plusieurs types de commentaires. Il convient de différencier les types de mesures selon leur échéance possible de mise en oeuvre, du court terme (gestion de la circulation), au moyen terme (évolution des moteurs et des carburants) et au long terme (évolutions significatives des infrastructures et des véhicules). Considérons tout d’abord celles qui reposent sur un changement ou sur un renouvellement du parc roulant. Ainsi, même si les voitures électriques rejettent moins de particules fines, le scénario où tous les véhicules seraient de norme Euro 5 - dont les PL -, est celui qui obtient les meilleurs résultats : -75 % de PM10 si tous les véhicules étaient munis d’un moteur de la norme Euro 5 contre -69 % pour l’écart entre les valeurs extrêmes. Les mesures portant sur une évolution technologique du moteur sont également très efficaces puisqu’elle permettent une réduction de -40 % dans le cas d’une utilisation généralisée de moteurs hybrides. De même, une suppression totale des moteurs diesels au bénéfice de moteurs essences permettrait de diminuer de presque 68 % les taux de concentration locaux en PM10.

52Cependant, le changement total du parc roulant qu’implique l’ensemble de ces leviers nécessiterait plusieurs années avant d’être réellement effectif. Au niveau des mesures efficaces réalisables à court terme ou de façon ponctuelle, on peut ensuite citer les scénarios d’incitation ou d’obligation au covoiturage ou encore de réduction du trafic. Des plans d’urgence comme la mise en place d’une circulation alternée sont relativement efficaces avec une réduction de 12.21 % par rapport au scénario de référence. Néanmoins, ces plans de prévention doivent être mis en oeuvre suffisamment tôt lors d’un épisode de pollution, afin de renforcer leur efficacité, d’où la nécessité de disposer d’un outil d’aide à la décision. Enfin, en considérant le parc automobile actuel, l’utilisation d’un bio-carburant contenant 7,5 % d’alcool permettrait une réduction de 14,56 %. Notons que ce levier est relativement aisé à mettre en place puisqu’il n’affecte ni le parc roulant, ni même les habitudes des usagers. En revanche, à l’échelle de la rue, notre étude montre que les mesures portant sur la circulation de poids-lourds ne fournissent pas de gains significatifs. Cela peut s’expliquer par le fait que peu de poids-lourds sont destinés au transport de marchandises dans Paris intra-muros et qu’ils empruntent généralement le boulevard périphérique comme circuit préférentiel. En outre, la grande majorité des véhicules de la catégorie PL correspond aux différents moyens de transports en commun (lignes de bus en particulier) et il semble difficilement envisageable de les supprimer totalement. Il serait cependant intéressant de tester ces scénarios dans des agglomérations n’utilisant pas de système de boulevard périphérique par exemple. Notons également que des mesures dont la mise en place serait longue, telles que l’aération des rues, obtenue grâce à l’espacement des bâtiments construits, peuvent être reprises dans les documents d’urbanisme comme les Plan Locaux d’Urbanisme (PLU). D’autres sont en revanche à proscrire comme l’installation de panneaux acoustiques qui accentuent encore plus « l’ effet canyon » (Ratsombath 2015) Ces résultats sont par conséquent à mettre en perspective par rapport à leur faisabilité et à leur rapidité d’action. De plus, bien que les résultats obtenus soient d’un ordre de grandeur satisfaisant, ils doivent également être modérés par la reproductibilité des hypothèses faites sur Paris. C’est l’objet du paragraphe suivant qui met en avant les limites de cette étude et les champs d’investigation possibles.

Limites, conclusion et perspectives

53Cette étude permet l’estimation des pollutions aux particules fines puis l’évaluation des leviers qui en permettent l’atténuation en milieu urbain. Elle constitue ainsi un outil efficace d’aide à la décision dans les politiques de protection de la population face à la multiplication des pics de pollution et doit permettre aux institutions publiques de définir les solutions les plus efficaces pour respecter les seuils définis par les directives européennes. Les limites se situent principalement au niveau :

  • du choix de certaines valeurs nécessaires aux équations empiriques formulées par l’EPA et l’EEA. Par exemple, le choix du coefficient sL liée à la re-suspension, a été effectué en fonction d’un benchmark d’études réalisées sur des villes comparables à Paris, en termes de circulation et de densité (Ratsombath 2015). Toutefois, aucune donnée n’a été trouvée dans la littérature pour le cas de villes françaises et il serait envisageable d’étudier le coût d’une collecte des données manquantes afin de rendre notre modèle plus pertinent ;

  • de la modélisation du trafic des véhicules. En effet, nous avons constaté qu’une différence non négligeable existe entre un comptage effectué par des enquêtes et un comptage effectué à partir d’observations vidéo (Carteret, André et Pasquier 2014). Or, nous n’avons pas pu utiliser pour les VUL et PL des données provenant d’une étude vidéo des sites, tel que cela a été fait pour les VP, ce qui représente une source d’erreur potentielle. D’autre part, nous avons utilisé une extrapolation des moyennes des vitesses et des débits de véhicules sur le réseau instrumenté parisien, et non des données acquises par une observation directe ;

  • de la taille des particules modélisées : nous n’avons, dans le cadre de ce travail, modélisé que la pollution aux PM10. Il serait intéressant d’étendre cette méthodologie aux PM2.5  ;

  • de la prise en compte de la pollution de fond qui reste succincte dans notre étude et qui, bien qu’elle ait permis d’avoir des valeurs proches des mesures, ne peut être reproductible pour l’ensemble des quartiers d’une zone urbaine ;

  • de notre hypothèse sur la température optimale de fonctionnement du moteur, basée sur la durée moyenne à Paris qui, bien qu’elle puisse être améliorée, fournit des résultats cohérents sur la zone considérée ;

  • du comportement du conducteur sur la route, dont nous avons négligé le type de conduite. En effet, l’intensité des accélérations est corrélée à la surconsommation du carburant, donc à la surémission de polluants, dont, entre autres, les particules fines (Prud'homme 2013). Plus l’intensite est faible, autrement dit plus le conducteur accélère de manière douce et progressive (« éco-conduite »), plus le moteur a le temps de ré-équilibrer la combustion. A l’échelle d’une rue et au sein d’une agglomération telle que Paris, cette hypothèse fournit des résultats en cohérence avec les mesures in situ. Cependant, il est vrai que cela semble difficilement généralisable dans un contexte différent du nôtre et il serait souhaitable d’approfondir cet aspect.

54 Ce travail ouvre de nouvelles perspectives de recherche dans divers champs disciplinaires. Par exemple, nous pouvons citer l’évaluation du taux de sL (Silt Loading) en France, les méthodes de comptage du parc automobile, ou encore la performance des moteurs lors de la combustion de bio-carburant en ce qui concerne l’émission de PM, etc. Le rôle de l’EPRA est d’établir à présent une corrélation entre certaines pathologies cardio-respiratoires et les niveaux de concentration de PM à l’échelle de la rue. En outre, d’autres scénarios d’atténuation peuvent être envisagés. La présence de végétation aux abords d’une route semble par exemple apporter une réduction significative des taux de PMs. Une récente étude suggère également que l’augmentation de la fréquence de lessivage des routes semble limiter les phénomènes de re-suspension (Karanasiou, et al. 2014). Quant à la morphologie urbaine, elle semble aussi influencer de façon perceptible la dispersion de polluants à l’échelle intra-urbaine (Maignant 2001).

55Par ailleurs, CEMULA est un outil adapté au contexte urbain et applicable dans l’étude d’une grande artère où la circulation automobile est dense. La méthode de calcul des émissions implémentée nécessite un nombre important de données accessibles, en grande partie parce qu’il s’agit ici d’une grande agglomération. Il n’est donc pas certain que nous aurions pu obtenir certaines informations telles que, par exemple, la proportion des différentes normes de moteurs des véhicules circulant dans Paris pour chaque jour de la semaine. De fait, bien que CEMULA soit adapté au calcul des émissions de PM à Paris, sa portabilité reste, pour l’instant, limitée aux agglomérations disposant déjà de méthodes fiables de mesure et de comptage du parc automobile.

56La suite de ce travail sera d’imaginer, entre autres, la traduction de ces leviers innovants et/ou de ces indicateurs en termes de paramètres d’entrée pour le modèle que nous proposons dans le cadre de ce projet. Nous pourrions également voir comment simplifier CEMULA pour l’étude des villes de taille moyenne où existent également des problèmes sanitaires liés à la pollution, en ne gardant par exemple que certains paramètres tout en s’assurant de la cohérence des résultats obtenus par rapport aux mesures des taux de PM effectuées in situ. Ainsi, nous aurons la possibilité d’enrichir les combinaisons des leviers d’atténuation et d’évaluer leur efficacité, ce qui permettrait de mettre en œuvre, lors des épisodes de forte pollution, les politiques de prévention les plus efficientes.

Haut de page

Bibliographie

Agence parisenne pour le climat, 2015, Bulletin climatique annuel, Paris, Météo France

AirParif, 2014, La qualité de l'air en Île de France en 2013, Paris, AirParif.

Atelier Parisien de l'Urbanisme (APUR), 2014, "Logistique urbaine : vers un schéma d'orientation logistique parisien", Rapport technique - Fascicule n°5, Paris.

Beelen R., et al., 2014, "Effects of long-term exposure to air pollution on natural-cause mortality: an analysis of 22 european cohorts within the multicenter - ESCAPE project", The Lancet 383, No.9919, 785-795.

Belcher S.E., Coceal O., Hunt J.C.R., Carruthers D.J. and Robins A.G., 2013, “A review of urban dispersion modelling”, Atmospheric Dispersion Modelling Liaison Committee (ADMLC).

Caenen Y., Courel J., Paulo C., et Schmitt D., 2011, "Les Franciliens utilisent autant les transports en commun que la voiture pour se rendre au travail", Ile-de-France à la page, No.333, Paris: INSEE.

Carteret M., André M., et Pasquier A., 2014, "Evaluation de la composition du parc automobile en Île de France pour le calcul des émissions de polluants liées au traffic routier", Pollution atmosphérique, No.221.

Centre d'étude des tunnels (CETU), 2012, "Calculs des émissions de polluants des véhicules automobiles en tunnel", Paris, CETU, 24 p.

Denman K.L., et al., 2007, "Couplings Between Changes in the Climate System and Biogeochemistry", Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, 501-568.

Depoorter S., Niklaus D., et Rafenberg C., 2012, "Rapport de la commission des comptes et de l'économie de l'environnement santé et qualité de l'air extérieur", Paris, Commissiarat général au développement durable.

Environment Protection Agency (EPA), 2011, Emission factor documentation for AP-42, Section 13.2.1, Paved Roads, Office of Air Quality Planning and Standards, 166 p.

European Environment Agency (EEA), 2013, "EMEP/EEA air pollutant emission inventory guidebook 2013", EEA Technical Report, No.12/2013, Copenhague, 50-75.

Fallah Shorshani M., 2014, Modélisation de l'impact du trafic routier sur la pollution de l'air et des eaux de ruissellement, Thèse de doctorat, Paris, Université Paris-Est, 186 p.

Fillit H.M., Butler R.N., O'Connell A.W., Albert M.S., Birren J.E., Cotman C.W., Greenough W.T., Gold P.E., Arthur F.K., Lewis H.K., Thomas T.P., Barbara G.S., Tully T., 2002, "Achieving and Maintaining Cognitive Vitality With Aging", Mayo Clinic Proceeding, vol.77, No.7, 681-696.

Forster P., et al., 2007, "Changes in atmospheric constituents and in radiative forcing", Climate change: the physical science basics. Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change, 129-134.

Host S., Chatignoux E., Leal C., et Grémy I., 2012, "Exposition à la pollution atmosphérique de proximité liée au trafic : quelles méthodes pour quels risques sanitaires ?", Revue d’Épidémiologie et de Santé Publique, vol.60, No.4, 321-330.

INERIS, 2009, Interactions entre pollution atmosphérique et changement climatique, Paris, Insittut National de L'Environnement et des Risques Industriels.

Joumard R., André M., Vidon R., Tassel P., and Pruvost C., 2000, "Influence of driving cycles on unit emissions from passenger cars", Atmospheric Environment, vol.34, No.27, 4621-4628.

Karanasiou, Angeliki, et al., 2014, "Road dust emission sources and assessment of street washing effect", Aerosol and Air Quality Research, vol.14, 734-743.

Kashif M., Bonnety J., Guibert P., Morin C., and Legros G., 2014, "Sooting tendencies of primary reference fuels in atmospheric laminar diffuion flames burning into vitiated air", Combustion and Flame, vol.161, No.6, 1575-1586.

Kok T.D., Driece Hermen A.L., Hogervorst Janeke G.F., and Briedé Jacob J., 2006, "Toxicological assessment of ambient and traffic-related particulate matter: a recent review of recent studies", Mutation Research/ Reviews in Mutation Research, 103-122.

Maignant G., 2001, "Modélisation de la dispersion de polluants à l'échelle intra-urbaine et mise en place d'indicateurs morphologiques", 16 p. URL: https://hal.archives-ouvertes.fr/hal-00130986

Observatoire de mobilité en Île-de-France (OMNIL), 2012, Enquête globale transport, Paris.

Observatoire des déplacement à Paris, 2013, Bilan des déplacements à Paris, Paris.

Prud'homme J., 2013, Estimation et analyse spatiales des émissions de polluants de transports individualisés : évaluation des performances environnementales d'un "Transport à la demande (TAD)", Thèse de Doctorat, Université d'Avignon et des pays du Vaucluse, 275 p.

Randles C.A., and Ramaswamy V., 2008, "Absorbing aerosols over Asia: A Geophysical Fluid Dynamics Laboratory general circulation model sensitivity study of model response to aerosol optical depth and aerosol absorption", Journal of geophysical research, 113.

Ratsombath Navarith P., 2015, "Modélisation de la dispersion des particules fines à Paris et étude des leviers d'atténuation", Compiègne, Laboratoire AVENUES - UTC.

Schlesinger R.B., Kunzli N., Hidy G.M., Gotschi T., and Jerrett M., 2006, "The Health Relevance of Ambient Particulate Matter Characteristics: Coherence of Toxicological and Epidemiological Inferences", Inhalation toxicology, vol.18, No.2, 95-125.

SETRA, 2009, Emissions routières de polluants : courbes et facteurs d'influence, Paris, CEREMA - Direction technique infrastructures de transports et matériaux

Shaocai Y., 2014, "Water spray geoengineering to clean air pollution for mitigating haze in China's cities”, Environmental chemistry letters, vol.12, No.1, 109-116.

Smith W. H., and Staskawicz B. J., 1977, "Removal of atmospheric particles by leaves and twigs of urban trees : some preliminary observations ans assessment of research needs", Environmental management, vol.1, No.4, 317-330.

Wilson J.G., Kingham S., Pearce J., and Sturman P., 2005, “A review of intraurban variations in particulate air pollution : implications for epidemiological research", Atmospheric Environment, Vol.39, Issue 34, 6444–6462.

Haut de page

Notes

1 cf. Directives Européennes 1999/30/CE et 2008/50/CE

2 Plus d’information sur le site http://www.escapeproject.eu/

3 http://www.eea.europa.eu/fr/pressroom/newsreleases/reduire-les-45-milliards-d2019euros

4 Code l’Environnement, Partie Législative, Livre II : Milieux physiques, Titre II : Air et pollution

5 Article R221-1 du Code de l’Environnement

6 http://eur-lex.europa.eu/ Directive 2008/50/CE du 21 mai 2008 qualité de l’air ambiant pour l’Europe.

7 http://www.who.int/mediacentre/factsheets/fs313/fr/

8 Pour plus de détails sur l’ensemble des développements concernant tous les types de véhicules, se référer au rapport [(Ratsombath 2015) p.71]

9 Nous utilisons ici la notation tensorielle pour des raisons pratiques. Les tenseurs d’ordre 1 et 2 se confondent respectivement avec des vecteurs (une barre en dessous) et des matrices (deux barres) dans une base orthormée (cas ici).

10 Le mot « silt » est difficilement traduisible en français et comporte une certaine ambiguïté. Selon le rapport de l’US Environment Protection Agency (US EPA, 2011, Chap.5), ce terme se réfère à la masse de matière sédimentaire de taille égale ou inférieure à 75 micromètres de diamètre physique par unité de surface d’une route considérée. La charge totale de la poussière présente sur la surface de la route est composée de différents matériaux en vrac qui peuvent être recueillis grâce à un système de balayage et d’aspiration.

11 Il existe également des modèles Eulériens, Lagrangiens, Hybrides (plume-in-grid).

Haut de page

Table des illustrations

Titre Figure 1 : Représentation schématique d’une chaîne de modélisation avec les données associées
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-1.png
Fichier image/png, 25k
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-2.jpg
Fichier image/jpeg, 24k
Titre (1)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-3.png
Fichier image/png, 889 octets
Titre (2)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-4.png
Fichier image/png, 2,6k
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-5.jpg
Fichier image/jpeg, 24k
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-6.png
Fichier image/png, 1,6k
Titre (3)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-7.png
Fichier image/png, 2,0k
Titre (4)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-8.png
Fichier image/png, 934 octets
Titre (5)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-9.png
Fichier image/png, 1,7k
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-10.png
Fichier image/png, 1,6k
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-11.png
Fichier image/png, 1,4k
Titre (6)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-12.png
Fichier image/png, 1,0k
Titre (7)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-13.png
Fichier image/png, 1,5k
Titre (8)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-14.png
Fichier image/png, 1,2k
Titre (9)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-15.png
Fichier image/png, 975 octets
Titre Figure 2 : Fenêtre principal de l'outil de calcul de facteur d'émission de PM - CEMULA
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-16.png
Fichier image/png, 77k
Titre Figure 3 : Comparaison des valeurs obtenues pour la période du 16 au 19 octobre 2013 (météo moyenne M1)
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-17.png
Fichier image/png, 34k
Titre Figure 4 : Calibrage avec prise en compte de la pollution de fond
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-18.png
Fichier image/png, 31k
Titre Figure 6 : Résultat dispersion pour le scénario bio-carburant avec ADMS-Roads pour une météo moyenne
URL http://journals.openedition.org/cybergeo/docannexe/image/27882/img-19.png
Fichier image/png, 415k
Haut de page

Pour citer cet article

Référence électronique

Pierre Navarith Ratsombath, Gilles Morel, Hipolito Martell-Flores et Maxime Berton, « Modélisation de la pollution particulaire liée au trafic routier à l’échelle de la rue et étude des leviers d’atténuation », Cybergeo: European Journal of Geography [En ligne], Environnement, Nature, Paysage, document 802, mis en ligne le 06 janvier 2017, consulté le 28 mars 2024. URL : http://journals.openedition.org/cybergeo/27882 ; DOI : https://doi.org/10.4000/cybergeo.27882

Haut de page

Auteurs

Pierre Navarith Ratsombath

Ingénieur de recherche, laboratoire AVENUES-GSU, Université de Technologie de Compiègne (UTC), France pratsomb@utc.fr

Gilles Morel

Directeur du département Génie des Systèmes Urbains (GSU), enseignant-chercheur, laboratoire AVENUES-GSU, Université de Technologie de Compiègne (UTC), France gilles.morel@utc.fr

Articles du même auteur

Hipolito Martell-Flores

Maître de conférences, enseignant-chercheur, laboratoire AVENUES-GSU, Université de Technologie de Compiègne (UTC), France hipolito.martell-flores@utc.fr

Maxime Berton

Ingénieur, laboratoire AVENUES-GSU, Université de Technologie de Compiègne (UTC), France, mberton@utc.fr

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search