Développement et évaluation d’approches géostatistiques à l’échelle urbaine pour l’estimation de l’exposition aux particules fines et à l’ozone troposphérique
Bibliographic record
Abstract
La pollution atmosphérique constitue un risque environnemental majeur dont les effets néfastes sur la santé et sur l’environnement sont déjà clairement démontrés. Toutefois, la mesure d’exposition des populations aux polluants tels que les particules fines et l’ozone troposphérique demeure approximative en raison de la faible densité des stations d’échantillonnage de ces polluants. Peu d’études ont considéré la variation spatiale intra-urbaine dans la modélisation spatiale des concentrations de polluants. Certaines études ont cependant combiné interpolation spatiale et corrélation avec des facteurs locaux. De plus, l’effet du régime météorologique (par exemple l’occurrence d’une inversion de température) sur l’amplitude de ces corrélations n’est pas pris en compte. Cette thèse a donc pour objectif d’évaluer de nouvelles manières de caractériser la distribution spatiale et temporelle des particules fines (PM2.5) et de l’ozone troposphérique (O3) à l’échelle intra-urbaine. Plus particulièrement, nous avons développé un modèle de géostatistique multivariable appelée krigeage avec dérive externe (KED, kriging with external drift) basé sur l’intégration de variables auxiliaires dans le processus d’estimation journalière des PM2.5 et de l’O3. Le krigeage constitue une forme d’interpolation spatiale des données de stations de mesures éparses, alors que la dérive externe mise sur des corrélations entre des conditions locales (axes de transport routier, espaces verts, etc.) et la concentration des polluants atmosphériques. Afin de prendre en compte les variations temporelles, notamment celles reliées aux conditions météorologiques, ces modèles ont été développés par groupes basés sur des conditions synoptiques et six classes d’états établies selon la température, le vent, l’humidité relative et les précipitations, d’après des données météorologiques journalières. Les résultats montrent que l’intégration des variables auxiliaires telles que la densité de la végétation et les zones des activités industrielles locales dans le KED expliquent en partie les variations intra-urbaines des PM2.5 de l’île de Montréal, mais que cet apport est variable selon la classe météorologique. Ainsi, lorsque les corrélations sont très faibles, une interpolation spatiale simple, comme la méthode IDW (inverse distance weighting) est plus exacte que l’interpolation multivariable, alors que pour d’autres conditions synoptiques le KED produit les prédictions les plus certaines. Nous avons pour cette raison proposé un modèle d’interpolation hybride (KED-IDW) s’adaptant aux conditions météorologiques. Nous avons également montré, particulièrement dans le cas de l’O3, que le krigeage avec dérive externe améliore les résultats obtenus par krigeage ordinaire (sans variables auxiliaires). Cette thèse a aussi permis d’évaluer l’apport d’un modèle spatio-temporel (BME, bayesian maximum entropy) dans l’estimation de l’effet à court terme de l’exposition à l’O3 sur les décès à Montréal. Les résultats suggèrent que ce modèle spatio-temporel dans les conditions développées (par ex. basé sur les données de 12 stations de mesures, pour un territoire de 1 310 km2) n’apporte pas de gains significatifs dans l’estimation de l’effet de l’exposition. Dans l’ensemble, cette thèse contribue au progrès de modélisation spatiale empirique des polluants atmosphériques en se fondant notamment sur l’adaptation aux conditions météorologiques et par l’ajout de certains facteurs météorologiques comme prédicteurs. Dans ce contexte, cette thèse ouvre une voie prometteuse pour l’amélioration des estimations de polluants atmosphériques à l’échelle intra-urbaine et de la capacité à évaluer les risques à la santé de la population par une meilleure caractérisation de l’exposition. Mots-clés : pollution de l’air, particules fines, ozone troposphérique, santé, géostatistique, krigeage avec dérive externe, environnement urbain.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".