Tendances des concentrations de NO₂ sur la RT10 à l’horizon 2030
Santiana DIAZ
2025-03-07
1 Introduction
Ce document présente une analyse des tendances des concentrations de NO₂ sur la RT10 à l’horizon 2030. L’objectif est de modéliser l’évolution des niveaux de NO₂ en utilisant des données historiques et différentes méthodes de prévision.
Deux campagnes de mesures ont été menées par Qualitair Corse : - 2019 : 139 sites mesurés entre Aléria et Bonifacio. - 2022 : 40 sites mesurés entre Aléria et Casamozza.
Ces données servent à prédire les concentrations futures, notamment en vue de l’abaissement de la valeur limite réglementaire de NO₂ à 20 µg/m³ en 2030. Si des dépassements sont prévus, il sera crucial d’identifier les zones de risque.
Méthodes utilisées : 1. Courbe de tendance des données de la station fixe Abbatucci (2009-2030). 2. Taux de croissance annuel moyen (TCAM) appliqué aux données des tubes passifs. 3. Régression linéaire (moindres carrés) sur les mesures des tubes passifs. 4. Régression non paramétrique de Theil-Sen sur les mesures des tubes passifs.
Les résultats indiquent une tendance globale à la baisse des concentrations, mais certains sites pourraient encore dépasser la limite en 2030.
2 Cartographie des concentrations NO₂ (2019 et 2022)
Les 179 sites de mesure le long de la RT10 sont affichés sur une carte interactive. La palette de couleurs (vert pour les faibles et rouge pour les fortes concentrations) met en évidence les dépassements de la valeur limite de 40 µg/m³ (réglementation 2008).
3 Estimation des concentrations à la station Abbatucci jusqu’en 2030
3.1 Courbe de tendance sur la station Abbatucci
Les données de la station fixe (2009–2023) sont utilisées pour ajuster un modèle linéaire et visualiser la tendance.
3.2 Prédiction des concentrations à Abbatucci en 2030
Un modèle linéaire est ajusté pour prédire la concentration en 2030
## Équation du modèle: NO2 = 1714.61 + -0.83 * Année## Concentration prédite pour 2030: 20.29 µg/m³
4 Projection à l’horizon 2030 des concentrations pour les sites de tubes passifs de la RT10
4.1 Application du Taux de variation de la station Abbatucci sur les concentrations mesurée des sites de tubes passifs de la RT10
On calcule le ratio entre la prédiction 2030 et la valeur mesurée en 2009, puis on l’applique aux données de 2019 et 2022.
## Concentration mesurée en 2009: 38 µg/m³## Taux de variation (2030 / 2009): 0.5344.2 b. Cartographie des projections 2030 (ratio de variation)
4.3 c. Calcul et application du Taux de Croissance Annuel Moyen (TCAM)
Le TCAM est calculé à partir des données de la station Abbatucci, puis appliqué aux mesures de tubes passifs pour projeter jusqu’en 2030.
## Le TCAM calculé est de : -2.47 %Projection des données par TCAM
| id | site | x | y | type | conc | annee | conc_rounded | projection_projTCAM_annee | projection_projTCAM_conc_proj |
|---|---|---|---|---|---|---|---|---|---|
| 1 | RTN_1 | 9.507528 | 42.15279 | trafic | 11.434189 | 2022 | 11.5 | 2030 | 9.4 |
| 2 | RTN_2 | 9.533781 | 42.21341 | trafic | 8.791860 | 2022 | 8.8 | 2030 | 7.2 |
| 3 | RTN_3 | 9.452868 | 42.51052 | trafic | 12.608404 | 2022 | 12.7 | 2030 | 10.4 |
| 4 | RTN_4 | 9.468370 | 42.51094 | trafic | 11.544816 | 2022 | 11.6 | 2030 | 9.5 |
| 5 | RTN_5 | 9.479852 | 42.48473 | trafic | 21.141348 | 2022 | 21.2 | 2030 | 17.4 |
| 6 | RTN_6 | 9.481413 | 42.48780 | urbain | 10.064219 | 2022 | 10.1 | 2030 | 8.3 |
| 7 | RTN_7 | 9.550342 | 42.28124 | trafic | 8.036097 | 2022 | 8.1 | 2030 | 6.6 |
| 8 | RTN_8 | 9.529704 | 42.36703 | trafic | 15.387640 | 2022 | 15.4 | 2030 | 12.6 |
| 9 | RTN_9 | 9.517626 | 42.43769 | trafic | 23.949948 | 2022 | 24.0 | 2030 | 19.6 |
| 10 | RTN_10 | 9.498176 | 42.44360 | trafic | 5.503904 | 2022 | 5.6 | 2030 | 4.6 |
| 11 | RTN_11 | 9.505000 | 42.45292 | trafic | 9.576245 | 2022 | 9.6 | 2030 | 7.9 |
| 12 | RTN_12 | 9.523165 | 42.44612 | trafic | 4.896877 | 2022 | 4.9 | 2030 | 4.0 |
| 13 | RTN_13 | 9.499160 | 42.45320 | trafic | 3.358451 | 2022 | 3.4 | 2030 | 2.8 |
| 14 | RTN_14_1 | 9.508451 | 42.44319 | trafic | 11.294685 | 2022 | 11.3 | 2030 | 9.3 |
| 15 | RTN_14_2 | 9.508451 | 42.44319 | trafic | 9.832193 | 2022 | 9.9 | 2030 | 8.1 |
| 16 | RTN_14_3 | 9.508451 | 42.44319 | trafic | 10.632528 | 2022 | 10.7 | 2030 | 8.8 |
| 17 | RTN_15 | 9.507494 | 42.44663 | trafic | 10.560612 | 2022 | 10.6 | 2030 | 8.7 |
| 18 | RTN_16 | 9.516916 | 42.44793 | urbain | 6.006166 | 2022 | 6.1 | 2030 | 5.0 |
| 19 | RTN_17 | 9.511078 | 42.44201 | urbain | 5.031994 | 2022 | 5.1 | 2030 | 4.2 |
| 20 | RTN_18 | 9.512320 | 42.44743 | urbain | 6.345158 | 2022 | 6.4 | 2030 | 5.2 |
| 21 | RTN_19 | 9.505117 | 42.44463 | trafic | 7.393642 | 2022 | 7.4 | 2030 | 6.1 |
| 22 | RTN_20 | 9.513092 | 42.43733 | urbain | 3.629559 | 2022 | 3.7 | 2030 | 3.0 |
| 23 | RTN_21 | 9.500076 | 42.44604 | urbain | 8.375344 | 2022 | 8.4 | 2030 | 6.9 |
| 24 | RTN_22 | 9.510520 | 42.45132 | urbain | 5.785637 | 2022 | 5.8 | 2030 | 4.7 |
| 25 | RTN_23 | 9.507015 | 42.44154 | urbain | 4.261215 | 2022 | 4.3 | 2030 | 3.5 |
| 26 | RTN_24 | 9.513055 | 42.44505 | trafic | 5.605173 | 2022 | 5.7 | 2030 | 4.7 |
| 27 | RTN_25 | 9.494519 | 42.45823 | urbain | 4.193090 | 2022 | 4.2 | 2030 | 3.4 |
| 28 | RTN_26 | 9.509606 | 42.45722 | urbain | 10.166566 | 2022 | 10.2 | 2030 | 8.4 |
| 29 | RTN_27 | 9.501198 | 42.46060 | urbain | 11.389180 | 2022 | 11.4 | 2030 | 9.3 |
| 30 | RTN_28 | 9.468397 | 42.49797 | trafic | 9.688399 | 2022 | 9.7 | 2030 | 7.9 |
| 31 | RTN_29 | 9.485972 | 42.47236 | trafic | 10.045942 | 2022 | 10.1 | 2030 | 8.3 |
| 32 | RTN_30 | 9.527517 | 42.23160 | urbain | 5.665119 | 2022 | 5.7 | 2030 | 4.7 |
| 33 | RTN_31 | 9.542384 | 42.29801 | urbain | 3.222208 | 2022 | 3.3 | 2030 | 2.7 |
| 34 | RTN_32 | 9.536248 | 42.33482 | trafic | 8.155032 | 2022 | 8.2 | 2030 | 6.7 |
| 35 | RTN_33 | 9.529948 | 42.37346 | trafic | 10.386463 | 2022 | 10.4 | 2030 | 8.5 |
| 36 | RTN_34 | 9.523705 | 42.37590 | trafic | 8.039224 | 2022 | 8.1 | 2030 | 6.6 |
| 37 | RTN_35 | 9.521940 | 42.37396 | urbain | 5.830379 | 2022 | 5.9 | 2030 | 4.8 |
| 38 | RTN_36 | 9.525995 | 42.38521 | urbain | 6.121081 | 2022 | 6.2 | 2030 | 5.1 |
| 39 | RTN_37 | 9.531111 | 42.40283 | trafic | 27.414967 | 2022 | 27.5 | 2030 | 22.5 |
| 40 | RTN_38 | 9.526420 | 42.42701 | trafic | 18.176808 | 2022 | 18.2 | 2030 | 14.9 |
| 41 | RTS_75 | 9.510416 | 42.12186 | trafic | 10.700000 | 2019 | 10.7 | 2030 | 8.1 |
| 42 | RTS_77 | 9.504827 | 42.11342 | trafic | 13.000000 | 2019 | 13.0 | 2030 | 9.9 |
| 43 | RTS_76 | 9.513561 | 42.11399 | trafic | 19.000000 | 2019 | 19.0 | 2030 | 14.4 |
| 44 | RTS_74 | 9.520257 | 42.11307 | trafic | 7.100000 | 2019 | 7.1 | 2030 | 5.4 |
| 45 | RTS_78 | 9.514411 | 42.10977 | trafic | 7.200000 | 2019 | 7.2 | 2030 | 5.5 |
| 46 | RTS_79 | 9.503947 | 42.10250 | trafic | 4.100000 | 2019 | 4.1 | 2030 | 3.1 |
| 47 | RTS_80 | 9.504181 | 42.08885 | trafic | 10.600000 | 2019 | 10.6 | 2030 | 8.1 |
| 48 | RTS_82 | 9.451150 | 42.06876 | trafic | 13.500000 | 2019 | 13.5 | 2030 | 10.3 |
| 49 | RTS_83 | 9.424907 | 42.04393 | trafic | 13.000000 | 2019 | 13.0 | 2030 | 9.9 |
| 50 | RTS_84 | 9.413240 | 42.02606 | trafic | 12.900000 | 2019 | 12.9 | 2030 | 9.8 |
| 51 | RTS_44 | 9.413368 | 42.02388 | fond | 4.700000 | 2019 | 4.7 | 2030 | 3.6 |
| 52 | RTS_43 | 9.408645 | 42.02364 | fond | 4.700000 | 2019 | 4.7 | 2030 | 3.6 |
| 53 | RTS_42 | 9.408089 | 42.02114 | fond | 5.500000 | 2019 | 5.5 | 2030 | 4.2 |
| 54 | RTS_38 | 9.404129 | 42.02253 | fond | 10.100000 | 2019 | 10.1 | 2030 | 7.7 |
| 55 | RTS_37 | 9.403308 | 42.02392 | fond | 5.500000 | 2019 | 5.5 | 2030 | 4.2 |
| 56 | RTS_35 | 9.401124 | 42.02483 | fond | 5.100000 | 2019 | 5.1 | 2030 | 3.9 |
| 57 | RTS_31 | 9.394237 | 42.03288 | trafic | 10.000000 | 2019 | 10.0 | 2030 | 7.6 |
| 58 | RTS_36 | 9.397263 | 42.02440 | fond | 5.200000 | 2019 | 5.2 | 2030 | 3.9 |
| 59 | RTS_34 | 9.399005 | 42.02075 | trafic | 5.900000 | 2019 | 5.9 | 2030 | 4.5 |
| 60 | RTS_32 | 9.401766 | 42.02083 | trafic | 12.100000 | 2019 | 12.1 | 2030 | 9.2 |
| 61 | RTS_39 | 9.403208 | 42.01718 | fond | 7.100000 | 2019 | 7.1 | 2030 | 5.4 |
| 62 | RTS_85 | 9.407335 | 42.01871 | trafic | 25.900000 | 2019 | 25.9 | 2030 | 19.7 |
| 63 | RTS_41 | 9.407436 | 42.01668 | fond | 8.400000 | 2019 | 8.4 | 2030 | 6.4 |
| 64 | RTS_40 | 9.406234 | 42.01428 | fond | 9.300000 | 2019 | 9.3 | 2030 | 7.1 |
| 65 | RTS_30 | 9.404631 | 42.01505 | trafic | 24.400000 | 2019 | 24.4 | 2030 | 18.5 |
| 66 | RTS_33 | 9.403191 | 42.01406 | fond | 10.500000 | 2019 | 10.5 | 2030 | 8.0 |
| 67 | RTS_45 | 9.412353 | 42.01499 | fond | 6.200000 | 2019 | 6.2 | 2030 | 4.7 |
| 68 | RTS_46 | 9.411253 | 42.01277 | fond | 7.900000 | 2019 | 7.9 | 2030 | 6.0 |
| 69 | RTS_29 | 9.410810 | 42.01090 | trafic | 12.400000 | 2019 | 12.4 | 2030 | 9.4 |
| 70 | RTS_86 | 9.403569 | 42.01022 | trafic | 14.800000 | 2019 | 14.8 | 2030 | 11.2 |
| 71 | RTS_72 | 9.409535 | 41.99737 | trafic | 29.000000 | 2019 | 29.0 | 2030 | 22.0 |
| 72 | RTS_51 | 9.374278 | 42.00603 | fond | 3.800000 | 2019 | 3.8 | 2030 | 2.9 |
| 73 | RTS_68 | 9.374387 | 42.00488 | trafic | 11.300000 | 2019 | 11.3 | 2030 | 8.6 |
| 74 | RTS_47 | 9.365368 | 42.00724 | fond | 7.700000 | 2019 | 7.7 | 2030 | 5.8 |
| 75 | RTS_52 | 9.378297 | 42.00535 | fond | 4.700000 | 2019 | 4.7 | 2030 | 3.6 |
| 76 | RTS_53 | 9.382212 | 42.00624 | fond | 3.700000 | 2019 | 3.7 | 2030 | 2.8 |
| 77 | RTS_66 | 9.378271 | 42.00232 | trafic | 4.700000 | 2019 | 4.7 | 2030 | 3.6 |
| 78 | RTS_87 | 9.377139 | 42.00038 | trafic | 12.800000 | 2019 | 12.8 | 2030 | 9.7 |
| 79 | RTS_55 | 9.387743 | 42.00346 | fond | 4.900000 | 2019 | 4.9 | 2030 | 3.7 |
| 80 | RTS_65 | 9.383897 | 41.99946 | fond | 4.800000 | 2019 | 4.8 | 2030 | 3.6 |
| 81 | RTS_69 | 9.383858 | 41.99815 | trafic | 20.600000 | 2019 | 20.6 | 2030 | 15.6 |
| 82 | RTS_63 | 9.386652 | 41.99564 | fond | 4.900000 | 2019 | 4.9 | 2030 | 3.7 |
| 83 | RTS_64 | 9.387593 | 42.00027 | fond | 5.000000 | 2019 | 5.0 | 2030 | 3.8 |
| 84 | RTS_67 | 9.360801 | 42.00713 | trafic | 3.300000 | 2019 | 3.3 | 2030 | 2.5 |
| 85 | RTS_48 | 9.365465 | 42.00470 | fond | 4.200000 | 2019 | 4.2 | 2030 | 3.2 |
| 86 | RTS_50 | 9.359278 | 42.00151 | fond | 2.900000 | 2019 | 2.9 | 2030 | 2.2 |
| 87 | RTS_49 | 9.367939 | 42.00234 | fond | 16.100000 | 2019 | 16.1 | 2030 | 12.2 |
| 88 | RTS_73 | 9.391011 | 42.00420 | trafic | 10.100000 | 2019 | 10.1 | 2030 | 7.7 |
| 89 | RTS_56 | 9.393222 | 42.00232 | fond | 4.500000 | 2019 | 4.5 | 2030 | 3.4 |
| 90 | RTS_61 | 9.393802 | 41.99950 | fond | 4.500000 | 2019 | 4.5 | 2030 | 3.4 |
| 91 | RTS_70 | 9.396214 | 41.99901 | trafic | 11.400000 | 2019 | 11.4 | 2030 | 8.7 |
| 92 | RTS_62 | 9.392780 | 41.99704 | fond | 5.300000 | 2019 | 5.3 | 2030 | 4.0 |
| 93 | RTS_57 | 9.398636 | 42.00053 | fond | 4.400000 | 2019 | 4.4 | 2030 | 3.3 |
| 94 | RTS_58 | 9.400590 | 41.99809 | trafic | 9.000000 | 2019 | 9.0 | 2030 | 6.8 |
| 95 | RTS_59 | 9.401777 | 41.99624 | trafic | 13.300000 | 2019 | 13.3 | 2030 | 10.1 |
| 96 | RTS_60 | 9.399151 | 41.99592 | fond | 5.200000 | 2019 | 5.2 | 2030 | 3.9 |
| 97 | RTS_88 | 9.402183 | 41.99311 | trafic | 12.200000 | 2019 | 12.2 | 2030 | 9.3 |
| 98 | RTS_89 | 9.398044 | 41.96831 | trafic | 17.100000 | 2019 | 17.1 | 2030 | 13.0 |
| 99 | RTS_126 | 9.393111 | 41.93971 | trafic | 12.600000 | 2019 | 12.6 | 2030 | 9.6 |
| 100 | RTS_91 | 9.378191 | 41.91803 | trafic | 3.800000 | 2019 | 3.8 | 2030 | 2.9 |
| 101 | RTS_90 | 9.391915 | 41.89518 | trafic | 14.800000 | 2019 | 14.8 | 2030 | 11.2 |
| 102 | RTS_92 | 9.395277 | 41.86415 | trafic | 7.600000 | 2019 | 7.6 | 2030 | 5.8 |
| 103 | RTS_94 | 9.399128 | 41.85780 | trafic | 16.600000 | 2019 | 16.6 | 2030 | 12.6 |
| 104 | RTS_127 | 9.391033 | 41.85786 | fond | 4.200000 | 2019 | 4.2 | 2030 | 3.2 |
| 105 | RTS_93 | 9.402130 | 41.83909 | trafic | 11.200000 | 2019 | 11.2 | 2030 | 8.5 |
| 106 | RTS_97 | 9.398290 | 41.80691 | trafic | 8.900000 | 2019 | 8.9 | 2030 | 6.8 |
| 107 | RTS_98 | 9.396763 | 41.78516 | trafic | 12.600000 | 2019 | 12.6 | 2030 | 9.6 |
| 108 | RTS_95 | 9.397015 | 41.77262 | trafic | 9.000000 | 2019 | 9.0 | 2030 | 6.8 |
| 109 | RTS_96 | 9.404995 | 41.75511 | trafic | 11.500000 | 2019 | 11.5 | 2030 | 8.7 |
| 110 | RTS_99 | 9.401637 | 41.72969 | trafic | 6.700000 | 2019 | 6.7 | 2030 | 5.1 |
| 111 | RTS_100 | 9.397534 | 41.71218 | trafic | 12.900000 | 2019 | 12.9 | 2030 | 9.8 |
| 112 | RTS_101 | 9.372414 | 41.70544 | trafic | 10.500000 | 2019 | 10.5 | 2030 | 8.0 |
| 113 | RTS_137 | 9.365054 | 41.68470 | fond | 3.900000 | 2019 | 3.9 | 2030 | 3.0 |
| 114 | RTS_129 | 9.354254 | 41.69552 | trafic | 5.600000 | 2019 | 5.6 | 2030 | 4.3 |
| 115 | RTS_105 | 9.351327 | 41.69902 | trafic | 17.400000 | 2019 | 17.4 | 2030 | 13.2 |
| 116 | RTS_128 | 9.350286 | 41.69652 | trafic | 5.300000 | 2019 | 5.3 | 2030 | 4.0 |
| 117 | RTS_102 | 9.348714 | 41.70034 | trafic | 22.400000 | 2019 | 22.4 | 2030 | 17.0 |
| 118 | RTS_103 | 9.340801 | 41.69625 | trafic | 28.300000 | 2019 | 28.3 | 2030 | 21.5 |
| 119 | RTS_104 | 9.342100 | 41.70077 | trafic | 12.500000 | 2019 | 12.5 | 2030 | 9.5 |
| 120 | RTS_106 | 9.321762 | 41.68648 | trafic | 15.200000 | 2019 | 15.2 | 2030 | 11.5 |
| 121 | RTS_107 | 9.306115 | 41.66576 | trafic | 15.900000 | 2019 | 15.9 | 2030 | 12.1 |
| 122 | RTS_109 | 9.289117 | 41.65776 | fond | 6.400000 | 2019 | 6.4 | 2030 | 4.9 |
| 123 | RTS_108 | 9.300248 | 41.65216 | trafic | 19.700000 | 2019 | 19.7 | 2030 | 15.0 |
| 124 | RTS_110 | 9.290430 | 41.62987 | trafic | 20.500000 | 2019 | 20.5 | 2030 | 15.6 |
| 125 | RTS_130 | 9.295900 | 41.62416 | trafic | 11.900000 | 2019 | 11.9 | 2030 | 9.0 |
| 126 | RTS_111 | 9.277897 | 41.60792 | trafic | 20.600000 | 2019 | 20.6 | 2030 | 15.6 |
| 127 | RTS_112 | 9.266138 | 41.59563 | trafic | 24.400000 | 2019 | 24.4 | 2030 | 18.5 |
| 128 | RTS_125 | 9.306362 | 41.58617 | fond | 4.200000 | 2019 | 4.2 | 2030 | 3.2 |
| 129 | RTS_113 | 9.274902 | 41.57611 | trafic | 20.800000 | 2019 | 20.8 | 2030 | 15.8 |
| 130 | RTS_136 | 9.286593 | 41.56021 | fond | 8.600000 | 2019 | 8.6 | 2030 | 6.5 |
| 131 | RTS_114 | 9.268324 | 41.54390 | trafic | 22.800000 | 2019 | 22.8 | 2030 | 17.3 |
| 132 | RTS_138 | 9.273409 | 41.56472 | trafic | 16.400000 | 2019 | 16.4 | 2030 | 12.5 |
| 133 | RTS_124 | 9.220282 | 41.55241 | fond | 8.600000 | 2019 | 8.6 | 2030 | 6.5 |
| 134 | RTS_133 | 9.255157 | 41.51524 | trafic | 5.500000 | 2019 | 5.5 | 2030 | 4.2 |
| 135 | RTS_115 | 9.257325 | 41.51532 | trafic | 15.700000 | 2019 | 15.7 | 2030 | 11.9 |
| 136 | RTS_134 | 9.239157 | 41.51712 | trafic | 3.800000 | 2019 | 3.8 | 2030 | 2.9 |
| 137 | RTS_117 | 9.214566 | 41.46870 | fond | 2.800000 | 2019 | 2.8 | 2030 | 2.1 |
| 138 | RTS_139 | 9.235641 | 41.47835 | NA | 8.000000 | 2019 | 8.0 | 2030 | 6.1 |
| 139 | RTS_116 | 9.213571 | 41.45603 | trafic | 7.800000 | 2019 | 7.8 | 2030 | 5.9 |
| 140 | RTS_123 | 9.134087 | 41.49444 | trafic | 7.900000 | 2019 | 7.9 | 2030 | 6.0 |
| 141 | RTS_122 | 9.117933 | 41.44897 | trafic | 4.200000 | 2019 | 4.2 | 2030 | 3.2 |
| 142 | RTS_118 | 9.185092 | 41.42706 | trafic | 7.700000 | 2019 | 7.7 | 2030 | 5.8 |
| 143 | RTS_132 | 9.123630 | 41.41614 | trafic | 7.100000 | 2019 | 7.1 | 2030 | 5.4 |
| 144 | RTS_28 | 9.221247 | 41.40444 | fond | 4.900000 | 2019 | 4.9 | 2030 | 3.7 |
| 145 | RTS_27 | 9.197268 | 41.40429 | fond | 4.000000 | 2019 | 4.0 | 2030 | 3.0 |
| 146 | RTS_135 | 9.190379 | 41.40726 | trafic | 8.100000 | 2019 | 8.1 | 2030 | 6.2 |
| 147 | RTS_14 | 9.192267 | 41.39116 | trafic | 9.000000 | 2019 | 9.0 | 2030 | 6.8 |
| 148 | RTS_119 | 9.170112 | 41.40555 | trafic | 10.300000 | 2019 | 10.3 | 2030 | 7.8 |
| 149 | RTS_121 | 9.156060 | 41.40372 | trafic | 10.400000 | 2019 | 10.4 | 2030 | 7.9 |
| 150 | RTS_131 | 9.160074 | 41.39769 | fond | 4.600000 | 2019 | 4.6 | 2030 | 3.5 |
| 151 | RTS_26 | 9.164664 | 41.40005 | trafic | 8.500000 | 2019 | 8.5 | 2030 | 6.5 |
| 152 | RTS_120 | 9.163897 | 41.39419 | trafic | 20.600000 | 2019 | 20.6 | 2030 | 15.6 |
| 153 | RTS_7 | 9.161924 | 41.39440 | fond | 4.700000 | 2019 | 4.7 | 2030 | 3.6 |
| 154 | RTS_1 | 9.151884 | 41.38695 | fond | 5.700000 | 2019 | 5.7 | 2030 | 4.3 |
| 155 | RTS_17 | 9.149929 | 41.38633 | fond | 5.700000 | 2019 | 5.7 | 2030 | 4.3 |
| 156 | RTS_8 | 9.153347 | 41.38805 | trafic | 8.200000 | 2019 | 8.2 | 2030 | 6.2 |
| 157 | RTS_18 | 9.156439 | 41.38715 | trafic | 10.200000 | 2019 | 10.2 | 2030 | 7.7 |
| 158 | RTS_19 | 9.156259 | 41.38662 | fond | 7.300000 | 2019 | 7.3 | 2030 | 5.5 |
| 159 | RTS_20 | 9.157261 | 41.38701 | fond | 16.800000 | 2019 | 16.8 | 2030 | 12.8 |
| 160 | RTS_2 | 9.158171 | 41.38743 | trafic | 9.500000 | 2019 | 9.5 | 2030 | 7.2 |
| 161 | RTS_9 | 9.158447 | 41.38809 | trafic | 16.800000 | 2019 | 16.8 | 2030 | 12.8 |
| 162 | RTS_21 | 9.158521 | 41.38680 | fond | 12.300000 | 2019 | 12.3 | 2030 | 9.3 |
| 163 | RTS_3 | 9.161117 | 41.38709 | trafic | 7.200000 | 2019 | 7.2 | 2030 | 5.5 |
| 164 | RTS_10 | 9.160606 | 41.38871 | trafic | 40.300000 | 2019 | 40.3 | 2030 | 30.6 |
| 165 | RTS_22 | 9.161452 | 41.38777 | fond | 13.600000 | 2019 | 13.6 | 2030 | 10.3 |
| 166 | RTS_24 | 9.162063 | 41.38938 | trafic | 16.600000 | 2019 | 16.6 | 2030 | 12.6 |
| 167 | RTS_11 | 9.163127 | 41.38778 | trafic | 11.400000 | 2019 | 11.4 | 2030 | 8.7 |
| 168 | RTS_23 | 9.164783 | 41.38822 | trafic | 15.000000 | 2019 | 15.0 | 2030 | 11.4 |
| 169 | RTS_4 | 9.165364 | 41.38980 | trafic | 15.800000 | 2019 | 15.8 | 2030 | 12.0 |
| 170 | RTS_16 | 9.164988 | 41.39122 | trafic | 19.200000 | 2019 | 19.2 | 2030 | 14.6 |
| 171 | RTS_25 | 9.167597 | 41.38924 | trafic | 19.600000 | 2019 | 19.6 | 2030 | 14.9 |
| 172 | RTS_12 | 9.168521 | 41.38785 | trafic | 14.500000 | 2019 | 14.5 | 2030 | 11.0 |
| 173 | RTS_5 | 9.170119 | 41.38908 | fond | 7.400000 | 2019 | 7.4 | 2030 | 5.6 |
| 174 | RTS_6 | 9.169883 | 41.39159 | fond | 7.600000 | 2019 | 7.6 | 2030 | 5.8 |
| 175 | RTS_15 | 9.171911 | 41.39096 | fond | 7.300000 | 2019 | 7.3 | 2030 | 5.5 |
| 176 | RTS_13 | 9.174827 | 41.38389 | trafic | 5.700000 | 2019 | 5.7 | 2030 | 4.3 |
| 177 | RTS_140 | 9.388934 | 41.86483 | trafic | 4.500000 | 2019 | 4.5 | 2030 | 3.4 |
| 178 | RTS_141 | 9.347215 | 41.69956 | trafic | 38.900000 | 2019 | 38.9 | 2030 | 29.5 |
| 179 | RTS_81 | 9.430935 | 42.08619 | trafic | 5.900000 | 2019 | 5.9 | 2030 | 4.5 |
Cartographie des données par TCAM
Visualisation des tendances TCAM
5 Analyses complémentaires : Tests de tendance et régressions non paramétriques
5.1 Test de Mann-Kendall sur la station Abbatucci
## Tau = -0.76## p-value = 0.00010906## Tendance significative détectée.
## La tendance est décroissante.5.2 Régression de Theil-Sen (MBLM)
##
## 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## Coefficients Theil-Sen : 1955.545 -0.9545455## Intervalles de confiance : 1541.522 -0.9970409 2020.875 -0.7467042##
## Call:
## lm(formula = NO2ABB ~ date, data = ref_data3)
##
## 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 ***
## 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
5.3 Prédictions jusqu’en 2030 (LM vs MBLM)
## 1 2 3 4 5 6
## 0.0017957199 0.0394217413 0.0005922918 0.0019766104 0.0041884563 0.0049863282
## 7 8 9 10 11 12
## 0.0334606762 0.1231125477 0.1372215088 0.0076497605 0.1060702881 0.1632714471
## 13 14 15
## 0.0011044728 0.1278193243 0.0677039071
Graphique comparatif des prédictions
6 Prédictions sur la RT10 avec LM et MBLM
6.1 Fonction de prédiction:
La fonction suivante permet de projeter la concentration en soustrayant annuellement une valeur correspondant à la pente du modèle.
## Contenu de la fonction predire_concentration_geo :## function (annee_depart, conc_mesuree, slope, annees_projection)
## {
## annees_retenues <- annees_projection[annees_projection >=
## annee_depart]
## concentrations <- numeric(length(annees_retenues))
## concentrations[1] <- conc_mesuree
## for (i in 2:length(annees_retenues)) {
## concentrations[i] <- concentrations[i - 1] - slope
## }
## data.frame(annee = annees_retenues, concentration = concentrations)
## }6.2 Carte des prédictions 2030 (LM vs MBLM):
7 Synthèse des résultats
Les résultats issus des différentes méthodes (ratio de variation, TCAM, Theil-Sen LM et MBLM) sont comparés en comptant le nombre de sites dépassant les seuils de 20 µg/m³ et 18 µg/m³ en 2030.
## En 2030, avec la méthode LM , il est prédit que 3 sites dépassent 20 µg/m³ et 5 sites dépassent 18 µg/m³ sur 179 sites.
## En 2030, avec la méthode MBLM , il est prédit que 2 sites dépassent 20 µg/m³ et 4 sites dépassent 18 µg/m³ sur 179 sites.
## En 2030, avec la méthode TCAM , il est prédit que 5 sites dépassent 20 µg/m³ et 9 sites dépassent 18 µg/m³ sur 179 sites.
## En 2030, avec la méthode Taux de variation , il est prédit que 2 sites dépassent 20 µg/m³ et 2 sites dépassent 18 µg/m³ sur 179 sites.7.1 Comparaison des méthodes
8 Autres indicateurs (mais peu d’intérêt car échantillon très petit)
8.1 Recherche de résidus
## 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.## Seuil de Cook = 0.2667
## Nombre d'observations identifiées comme outliers : 0## # A tibble: 0 × 4
## # ℹ 4 variables: date <dbl>, NO2ABB <dbl>, .cooksd <dbl>, .std.resid <dbl>## Coefficients avec tous les points :## (Intercept) date
## 1714.6133333 -0.8346429## Coefficients sans outliers :## (Intercept) date
## 1714.6133333 -0.8346429## Prédiction pour 2030 sans outliers : 20.29 µg/m³## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
8.2 Analyse des résidus
On ajuste un modèle, puis on examine la distribution des résidus et leur conformité à une loi normale.
8.3 Validation croisée (k-fold)
## Linear Regression
##
## 15 samples
## 1 predictor
##
## No pre-processing
## Resampling: Cross-Validated (3 fold)
## Summary of sample sizes: 11, 9, 10
## Resampling results:
##
## RMSE Rsquared MAE
## 1.788373 0.8238867 1.380939
##
## Tuning parameter 'intercept' was held constant at a value of TRUE- Le modèle est ajusté sur 15 échantillons avec 1 prédicteur (date).
- La validation croisée à 3 folds montre : RMSE : environ 1.788373 Rsquared : environ 0.8238867 (ce qui signifie que ~82,4% de la variabilité est expliquée) MAE : environ 1.380939
- Le paramètre ‘intercept’ est fixé à TRUE.
Ces indicateurs suggèrent que le modèle a de bonnes performances sur ces échantillons, bien que la taille totale du jeu de données soit limitée. Néanmoins, les valeurs de performance peuvent varier en fonction de la répartition des données dans les folds.