Évaluation des approches d’attribution source en temps réel dans six villes chinoises utilisant l’installation instrumentale AXA (ACSM, Xact, Aethalometer)

Pourquoi le suivi rapide de la pollution est important

La pollution de l’air est souvent présentée comme un seul chiffre sur une application météo, mais ce qui compte vraiment, c’est qui et quoi génère ces particules polluantes dans l’air, minute après minute. Dans de nombreuses villes chinoises, un brouillard hivernal dense peut s’installer rapidement, obligeant les autorités à décider en quelques heures s’il faut réduire la circulation, fermer des usines ou limiter d’autres activités. Jusqu’à présent, ces décisions ont largement été prises sans information en temps réel sur les sources réellement responsables. Cette étude présente et teste un nouveau système capable de démêler les principaux contributeurs aux particules fines nocives presque en temps réel dans six grandes villes chinoises.

Une nouvelle façon de « dactylographier » l’air pollué

Les chercheurs ont développé un système d’attribution des sources quasi en temps réel, en pratique un analyseur intelligent qui non seulement mesure la quantité de matière particulaire (PM2,5) dans l’air, mais détermine aussi sa provenance en quelques minutes. Le système associe trois instruments continus, appelés ensemble l’installation AXA : l’un suit les particules organiques et les ions majeurs, un autre mesure les éléments traces tels que les métaux, et le troisième se concentre sur le carbone suie absorbant la lumière. Chaque type de source — trafic, charbon, biomasse, poussière ou émissions industrielles — laisse sa propre empreinte chimique dans ces mesures. Un logiciel spécialisé utilise ensuite ces empreintes pour séparer automatiquement la pollution mélangée en contributions de chaque source, sans qu’un expert ait besoin de superviser en permanence.

Tester le système dans six villes

Pour vérifier si cette approche fonctionne hors du laboratoire, l’équipe a mené des campagnes de surveillance de plusieurs mois entre 2020 et 2022 à Pékin, Langfang, Shijiazhuang, Xi’an, Wuhan et Chongqing. D’abord, ils ont réalisé des analyses « offline » plus lentes et soigneuses sur l’ensemble des jeux de données afin d’identifier les principales sources et leurs profils chimiques dans chaque ville. Ces résultats hors ligne ont servi de référence. Ensuite, ils ont configuré le modèle en temps réel avec ces profils de source et l’ont laissé traiter les données comme s’il fonctionnait en direct, en ajoutant les nouvelles mesures pas à pas. Dans les deux dernières villes, Shijiazhuang et Wuhan, le modèle a aussi été exploité en véritable quasi-temps réel, fournissant des décompositions des sources mises à jour en quelques minutes après chaque mesure.

Ce qu’ils ont appris sur le brouillard lui‑même

Sur l’ensemble des six villes, l’étude confirme que les polluants secondaires — particules formées dans l’air à partir de gaz tels que les oxydes d’azote, le dioxyde de soufre, les composés organiques volatils et l’ammoniac — sont les principaux responsables de la PM2,5, représentant souvent la moitié ou plus de la masse des particules fines. Le nitrate, le sulfate et la matière organique oxygénée ont été particulièrement importants. Les émissions primaires, comme la fumée du charbon et de la biomasse, l’usure et les émissions des véhicules, et les activités industrielles, ont toutefois contribué de manière substantielle, généralement autour de 10–30 % de la masse, et parfois davantage lors d’événements spécifiques. Langfang, par exemple, a connu des tempêtes de poussière pendant la campagne, faisant dominer les poussières minérales transportées par le vent pendant des périodes prolongées. Des schémas saisonniers étaient également évidents : le chauffage hivernal a renforcé la fumée des combustibles solides, tandis que les périodes ensoleillées favorisaient l’accumulation de particules secondaires formées dans l’atmosphère.

La séparation des sources en temps réel est‑elle fiable ?

La question clé était de savoir si le système rapide et automatisé pouvait égaler le travail hors ligne plus minutieux. Les auteurs ont comparé les deux séries de résultats de plusieurs façons. Lorsque le modèle en temps réel utilisait des empreintes de source optimisées dérivées de l’analyse lente, ses estimations de chaque source majeure suivaient très bien la référence, avec un accord statistique (R²) supérieur à 0,82 pour toutes les sources principales. Ils ont ensuite mis le système au défi en l’entraînant sur seulement les deux tiers des données et en le testant sur le tiers restant, reproduisant une mise en œuvre dans une nouvelle période qu’il n’avait jamais « vue ». Même dans ces conditions, le modèle a reproduit la plupart des sources correctement, bien que des sources très variables comme la cuisine et la combustion de biomasse aient été un peu moins précises. Un test plus exigeant, utilisant des empreintes « multi‑villes » génériques plutôt que locales, a donné des résultats mitigés, soulignant que la configuration locale et les détails instrumentaux restent importants pour obtenir les meilleures performances.

Limites, défis et perspective générale

L’étude met aussi en évidence plusieurs défis. Les sources de pollution et les conditions atmosphériques changent selon les saisons, de sorte qu’un modèle ajusté sur les émissions de chauffage hivernal peut ne pas décrire correctement la chimie estivale. Les instruments installés sur différents sites ne mesuraient pas toujours le même ensemble de polluants, ce qui peut affecter la capacité à séparer certaines sources individuellement. Et parce que le système est conçu pour fonctionner sans intervention humaine, il échange une partie de la flexibilité — par exemple des réajustements manuels fréquents des profils de source — contre la robustesse et la facilité d’utilisation par des non‑experts dans des réseaux de surveillance de routine.

Ce que cela signifie pour un air urbain plus propre

Pour un lecteur non spécialiste, l’essentiel est que ce travail montre qu’il est désormais possible d’obtenir une décomposition quasi en temps réel des responsables de la pollution de l’air dans les grandes villes — pas seulement d’évaluer la gravité de l’air. Le nouveau modèle basé sur AXA peut, en quelques minutes, estimer quelle part des particules fines d’une heure donnée provient du trafic, des combustibles solides comme le charbon et la biomasse, de la poussière ou de la formation secondaire dans l’atmosphère, et il le fait avec une précision proche de celle des méthodes beaucoup plus lentes et dirigées par des experts. Bien que des tests supplémentaires sur des cycles annuels complets soient nécessaires, de tels outils pourraient aider les autorités à répondre plus précisément lors des épisodes de brouillard — en ciblant le bon secteur au bon moment — soutenant en fin de compte de meilleurs résultats sanitaires et une gestion de la qualité de l’air plus efficace.

Citation: Manousakas, M.I., Cui, T., Wang, Q. et al. Evaluation of real-time source apportionment approaches in six Chinese cities using the AXA (ACSM, Xact, Aethalometer) instrumental set-up. Sci Rep 16, 9890 (2026). https://doi.org/10.1038/s41598-026-38154-x

Mots-clés: pollution de l’air, particules en suspension, surveillance en temps réel, attribution des sources, villes chinoises