Avec son climat notoirement chaud et humide et son environnement industriel robuste, Houston est l’une des villes les plus polluées par la couche d’ozone des États-Unis. Aujourd’hui, une équipe de recherche de l’Université de Houston intègre la puissance de l’apprentissage automatique (ML) à des techniques d’analyse innovantes pour identifier plus précisément les sources de pollution atmosphérique de la ville.
Si la couche d’ozone dans la stratosphère protège la Terre, et nous-mêmes, des rayons nocifs du soleil, elle constitue également un polluant majeur qui peut être nocif pour la santé humaine lorsqu’elle se trouve plus près du sol. Selon l’Environmental Protection Agency, une exposition à long terme à l’ozone de surface peut entraîner des difficultés respiratoires, aggraver l’asthme et augmenter le risque de maladie cardiaque.
L’équipe de recherche a intégré le modèle de factorisation matricielle positive (PMF) à l’algorithme d’apprentissage automatique SHAP, ce qui permet d’expliquer pourquoi les modèles ML prennent certaines décisions tout en rendant les données plus compréhensibles. Leur analyse a révélé que dans les zones industrielles, l’industrie pétrolière et gazière de Houston avait l’impact le plus élevé sur les émissions, tandis que le rayonnement à ondes courtes et l’humidité relative étaient les deux facteurs d’influence les plus importants pour la concentration globale d’ozone. L’ouvrage est publié dans la revue Pollution environnementale.
Combiner ces deux méthodes pour mieux comprendre ce qui cause la pollution par l’ozone est une approche innovante qui n’avait jamais été essayée à Houston auparavant, ont partagé les chercheurs.
« Nous utilisons essentiellement les nouvelles technologies pour identifier les principales sources d’émissions dans la région de Houston en fonction des différentes espèces ou types de polluants. C’est comme une empreinte digitale, si certaines espèces apparaissent ensemble, cela indique une certaine source de pollution », a déclaré Delaney Nelson. , doctorant au Département des sciences de la terre et de l’atmosphère du Collège des sciences naturelles et des mathématiques de l’UH et premier auteur de l’article. « Ensuite, nous avons utilisé SHAP pour identifier quelles sources d’émission affectent le plus la ville et à quelle ampleur. »
Les concentrations d’ozone dans différentes zones peuvent varier en fonction de plusieurs facteurs, notamment le fait qu’une zone soit urbaine, rurale ou industrielle, ainsi que des conditions atmosphériques. Houston est unique car elle comprend toutes ces régions et possède un climat chaud et humide qui attire l’accumulation d’ozone. L’ozone, un gaz composé de trois molécules d’oxygène, est formé par des réactions photochimiques entre des composés à base d’azote et des composés organiques volatils (COV). Ce sont les deux composés que l’équipe scientifique atmosphérique de l’UH a suivi pour l’étude.
Les composés à base d’azote proviennent essentiellement des émissions des véhicules, mais les COV sont plus difficiles à identifier.
« Étant donné la mesure dans laquelle les COV contribuent à la création d’ozone, il est essentiel de savoir d’où proviennent ces produits chimiques et quels sont les facteurs d’influence », a déclaré Yunsoo Choi, auteur correspondant et professeur de chimie atmosphérique, d’apprentissage profond de l’IA, de modélisation de la qualité de l’air et télédétection par satellite. « Une fois que nous connaîtrons les sources et les facteurs d’émission spécifiques, nous pourrons élaborer des stratégies ciblées pour réduire les émissions, ce qui réduira à son tour la couche d’ozone dans l’air et la rendra plus saine pour tout le monde. »
Les chercheurs ont utilisé les données de mesures pluriannuelles des COV provenant des stations de surveillance de la Texas Commission on Environmental Quality (TCEQ) situées dans une zone industrielle et une zone urbaine. Le site de Lynchburg Ferry a été choisi comme représentatif du secteur industriel de Houston car il est situé sur une péninsule qui mène au Houston Ship Channel, l’un des ports maritimes les plus fréquentés au monde. Et la station Milby Park a été choisie pour représenter une zone urbaine typique car elle se trouve juste au sud-est du centre-ville et est entourée de zones résidentielles et commerciales.
L’approche en deux étapes de l’équipe avec modélisation et analyse a montré une différence chimiquement définitive entre la zone du chenal maritime et le site urbain. De plus, les émissions chimiques n’avaient pas seulement un impact sur le site général du chenal des navires, mais également sur les zones situées sous le vent.
Nelson et Choi sont ravis que leur approche innovante se soit révélée efficace et précise pour identifier les sources d’émission et les facteurs influençant les concentrations d’ozone.
« La pollution est un problème critique à Houston, où la chaleur est extrêmement élevée et la concentration d’ozone est élevée en été », a déclaré Choi. « Les types d’informations que nous avons obtenues sont des informations très utiles qui permettent à la communauté locale d’élaborer des politiques efficaces. C’est pourquoi nous avons consacré notre temps, nos efforts et notre expertise technologique à ce projet. »
Il souhaite appliquer la méthode en deux étapes à d’autres domaines. « Austin, San Antonio et Dallas ont toutes des caractéristiques différentes, donc je m’attends à ce que les sources de COV soient également différentes », a déclaré Choi. « L’identification des sources de COV dans différentes villes est très importante car chaque ville devrait avoir sa propre stratégie de lutte contre la pollution. »
Nelson, qui habite à Houston, est heureux qu’ils aient commencé avec « H-town ». Cependant, elle peut envisager d’élargir davantage ses recherches pour comparer les zones rurales et les zones urbaines, réaliser une étude à l’échelle de l’État, puis s’étendre à l’échelle nationale, État par État.
« Tout cela est un énorme casse-tête et j’adore résoudre des énigmes », a-t-elle déclaré.
Plus d’information:
Delaney Nelson et al, Une approche globale combinant la modélisation de factorisation matricielle positive, la météorologie et l’apprentissage automatique pour la répartition des sources de précurseurs de l’ozone de surface : facteurs sous-jacents contribuant à la formation d’ozone à Houston, Texas, Pollution environnementale (2023). DOI : 10.1016/j.envpol.2023.122223