Tendances des concentration de NO2 sur la RT10 à l’horizon 2030

R Markdown

Station de reference : Abbatucci

Tendance des concentrations annuelles NO2 à Abbatucci:

## Rows: 24 Columns: 2
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## dbl (2): date, NO2ABB
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
## `geom_smooth()` using formula = 'y ~ x'

Prédiction des concentrations NO2 à Abbatucci jusqu’en 2030 avec un modèle linéaire:

## Équation de la courbe: NO2 =  1714.61 + -0.83 * Année

## Concentration prédite pour 2030:  20.29 µg/m³

Prédiction des concentrations annuelles NO2 pour chaque site de tube passif de la RT10 avec le calcul du taux de variation des concentrations NO2 de la station de référence Abbatucci:

Cartographie des concentrations annuelles NO2 de la campagne de mesure RT10 en 2019 et 2022:

cartographie des concentrations NO2 de la RT10 en 2030:

Calcul des tendances avec TAM sur les données de référence : station Abbatucci

# Calcul du TAM à partir des données de référence
ref_data1 <- ref_data %>% arrange(date)
ref_data2 <- ref_data1 %>% mutate(taux_croissance = (NO2ABB / lag(NO2ABB) - 1) * 100)

# Moyenne des taux annuels de croissance
TAM <- mean(ref_data2$taux_croissance, na.rm = TRUE) / 100
print(paste("Le TAM calculé est de :", round(TAM * 100, 2), "%"))

## [1] "Le TAM calculé est de : -2.47 %"

Projection des Concentrations de la campagne de mesures RT10 jusqu’en 2030

Cartographie des Concentrations de la campagne de mesures RT10 en 2030

Calcul avec test de Mann Kendall sur les données de référence : station Abbatucci

# Convertir les dates au format Date si elles ne le sont pas déjà
ref_data$date <- as.Date(ref_data$date)

# Effectuer le test de Mann-Kendall avec les concentrations de NO2 et les dates
mann_kendall_test <- Kendall(ref_data$date, ref_data$NO2ABB)

# Afficher les résultats du test
tau <- mann_kendall_test$tau
p_value <- mann_kendall_test$sl  # p-value dans l'élément 'sl'
S <- mann_kendall_test$S

# Afficher les résultats du test
print(paste("Tau = ", round(tau, 2)))

## [1] "Tau =  -0.76"

print(paste("p-value = ", round(p_value, 8)))

## [1] "p-value =  0.00010906"

# Interprétation des résultats
if (p_value < 0.05) {
  print("Il existe une tendance significative dans les concentrations de NO2 au fil du temps.")
  if (S > 0) {
    print("La tendance est croissante (augmentation des concentrations).")
  } else if (S < 0) {
    print("La tendance est décroissante (diminution des concentrations).")
  } else {
    print("Il n'y a pas de changement observable dans les concentrations.")
  }
} else {
  print("Il n'y a pas de tendance significative dans les concentrations de NO2 au fil du temps.")
}

## [1] "Il existe une tendance significative dans les concentrations de NO2 au fil du temps."
## [1] "La tendance est décroissante (diminution des concentrations)."

Calcul pente de Sen - coef de confiance sur les données de référence : station Abbatucci

##   date NO2ABB
## 1 2009     38
## 2 2010     38
## 3 2011     36
## 4 2012     35
## 5 2013     35
## 6 2014     33

## 
## Call:
## mblm(formula = NO2ABB ~ date, dataframe = ref_data3, repeated = TRUE)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.7818 -0.0455  0.5000  1.5091  4.5727 
## 
## Coefficients:
##              Estimate       MAD V value Pr(>|V|)    
## (Intercept) 1955.5455  301.4997     120  6.1e-05 ***
## date          -0.9545    0.1501       0 0.000725 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.236 on 13 degrees of freedom

##  (Intercept)         date 
## 1955.5454545   -0.9545455

##                    0.025        0.975
## (Intercept) 1541.5222917 2020.8750000
## date          -0.9970409   -0.7467042

## 
## Call:
## lm(formula = ref_data3$NO2ABB ~ ref_data3$date)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.5733 -0.8867 -0.1465  0.9074  3.6613 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    1714.6133   240.0145   7.144 7.55e-06 ***
## ref_data3$date   -0.8346     0.1191  -7.011 9.19e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.992 on 13 degrees of freedom
## Multiple R-squared:  0.7908, Adjusted R-squared:  0.7747 
## F-statistic: 49.15 on 1 and 13 DF,  p-value: 9.195e-06

Prédictions des concentrations NO2 de la station Abbatucci jusqu’en 2030:

Graphe de l’evolution des concentrations annuelles NO2 predites et mesurees

Predictions des concentrations annuelles NO2 de la RT10 avec mblm et lm:

Carte des predictions des concentrations annuelles NO2 de la RT10 avec mblm et lm:

Tendances des concentration de NO2 sur la RT10 à l’horizon 2030

Santiana DIAZ

2025-02-26

R Markdown

Résultats