Air quality measurements from low-cost sensors : statistical calibration and bias correction of numerical model outputs

Cette thèse explore les enjeux et les perspectives liés à l'utilisation des micro-capteurs pour la surveillance de la qualité de l'air, en mettant l'accent sur deux polluants : le dioxyde d'azote (NO₂) et les particules fines (PM₁₀). Elle s'inscrit dans l'écosystème de la qualité de l'air rouennais à travers l'exploitation et la valorisation des données collectées à l'échelle locale. La thèse est structurée autour de deux axes principaux : proposer des méthodologies de calibration des micro-capteurs en zone urbaine afin d'améliorer la fiabilité de leurs mesures, et modéliser et estimer le biais des cartes de pollution issues de modèles déterministes. Dans une première partie, nous constituons et diffusons plusieurs jeux de données construits à partir de mesures effectuées à Rouen. Ensuite, nous proposons plusieurs méthodologies de calibration ponctuelle des capteurs, que nous évaluons à partir de ces données. Une approche de calibration globale est également proposée à travers une régression géographiquement pondérée (GWR). Nous évoquons enfin les perspectives ouvertes par l'essor des micro-capteurs mobiles dans les stratégies de calibration. Dans une seconde partie, nous proposons deux approches distinctes pour modéliser le biais des cartes de pollution issues de modèles déterministes, en fusionnant des données hétérogènes, issues de modèles, de stations de référence et de micro-capteurs. Nous terminons par évoquer l'approche de multi-fidélité permettant d'améliorer les cartes de pollution à partir de plusieurs réseaux de mesures de qualité et de densité différentes. Ces différents aspects mettent en lumière la contribution des micro-capteurs aux réseaux de surveillance de la qualité de l'air, tout en explorant de nouvelles approches pour en garantir un meilleur usage à l'échelle urbaine.