Hiérarchisation des déterminants de la composition atmosphérique future en Europe - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2017

Drivers of the future european atmospheric composition

Hiérarchisation des déterminants de la composition atmosphérique future en Europe

Résumé

The atmospheric composition is mainly driven by the emission of primary pollutants and precursors and meteorology. Because of its sensitivity to unfavorable weather patterns, air pollution is expected to be sensitive to climate change. That is why the aim of this work is to estimate the effect of climate change over air pollution in Europe at the end of the century. To achieve this we rely on modeling which allow to cover such timescales. To reduce uncertainties and quantify the effect of climate change on air quality, ensemble approaches should be applied. However, the computing cost of such methods is substantial. To overcome this issue we developed a statistical method which does not require forcing a chemistry and transport model with a large ensemble of climate projections. The results obtained with this statistical method are in good agreement with full chemistry-transport models when considering long time periods. But we point out the limits of the method when focusing on extreme pollution events. The statistical model can be used to assess the uncertainty of using a comprehensive ensemble of climate forcing in terms of air quality impacts. The statistical approach can also help identifying a subset of climate forcing that should be explored in priority to drive chemistry-transport models.Such a subset of climate models is however only available at a degraded vertical resolution on existing databases such as EuroCordex. To quantify the error induced when using a meteorological variables only saved for a few vertical levels, a sensitivity study focused on the impact of the vertical resolution of the meteorological data has been perfomed. We emphasized that a minimum of 10 vertical levels and some specific variables were required to study the impact of climate change on air quality to keep the error lower than the climate change signal.Finally, we use the statistical method to compare the climate change effect and the future emissions reduction impact estimated also with a surrogate model. We exhibit that the magnitude of climate benefit for PM2.5 will be comparable to the emissions reductions of the dominant sector in each country studied. These emissions decreases will therefore be reinforced the climate change. On the opposite, for SOMO35, the climate penalty will jeopardize the emission reductions between 2010 and 2050. We also evaluate that climate change will become more important than the expected reduction emissions signal.
La composition chimique atmosphérique dépend principalement des émissions de polluants, de leurs précurseurs et de la météorologie. Les stratégies de gestion de la qualité de l’air ambitionnent des réductions substantielles d’émissions à long terme. Mais il est légitime d’évaluer si l’impact du changement climatique pourrait compenser ces efforts.Afin de répondre à cette problématique, on a recours à la modélisation qui permet de faire des projections à long terme, sous différents scénarios de sensibilité pour isoler les principaux facteurs. Se pose alors le problème des incertitudes dans la modélisation. L’approche privilégié pour les études d’impact du climat est la modélisation ensembliste. Cependant du fait de l'important coût de calcul, on constate qu’aucune étude passée d’impact du climat sur la qualité de l’air ne repose sur un ensemble large de projections climatiques. C’est pourquoi, nous avons développé une méthode statistique alternative, entraînée sur des grands ensembles de simulation, pour caractériser l'impact des émissions et de la météorologie sur la qualité de l'air dans un contexte de changement climatique.Nous avons montré qu'un modèle statistique permettait d'obtenir des réponses sur l'impact du climat sans forcément avoir à réaliser explicitement des modélisations d'ensemble. La méthode développée donne des résultats avec une incertitude faible sur le long terme, même si nous avons montré ses limites lorsqu'il s'agit de traiter des cas de pollution extrêmes.Afin de quantifier l'erreur induite par les données climatiques des modèles actuellement conservées de manière partielle, nous avons réalisé une étude de sensibilité à la résolution verticale des modèles climatiques régionaux. Nous avons montré qu'un minimum de dix niveaux verticaux, ainsi que des variables supplémentaires à l'existant étaient indispensables si l'on voulait que l'erreur de simulation reste inférieure au signal climatique étudié.Enfin, nous avons utilisé le modèle statistique pour confronter l’impact du changement climatique aux réductions d'émissions anthropiques attendues à l’avenir. Les résultats ont permis de mettre en évidence que le bénéfice climatique pour les particules fines, PM2.5, était du même ordre de grandeur que les baisses réalisées dans le secteur le plus influent de chaque pays étudié. Ces baisses d'émissions vont donc être renforcées par le changement climatique. Au contraire, pour le SOMO35, la pénalité climatique va contrebalancer les efforts de réductions d'émissions réalisés entre 2050 et 2010. Pour les pays analysés, on peut estimer la date approximative de l’émergence du signal induit par le changement climatique malgré la réduction des émissions attendue dans la législation actuelle.
Fichier principal
Vignette du fichier
65315_LEMAIRE_2017_archivage.pdf (21.46 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01775191 , version 1 (24-04-2018)

Identifiants

  • HAL Id : tel-01775191 , version 1

Citer

Vincent Lemaire. Hiérarchisation des déterminants de la composition atmosphérique future en Europe. Océan, Atmosphère. Université Paris Saclay (COmUE), 2017. Français. ⟨NNT : 2017SACLX091⟩. ⟨tel-01775191⟩
830 Consultations
59 Téléchargements

Partager

Gmail Facebook X LinkedIn More