Abstrait
Ce travail évalue la technique d’assimilation des données du filtre à particules pour estimer le taux d’émission de méthane lors d’expériences de libération contrôlée de CH4 menées sur 3 à 4 jours à l’automne 2020 et 2021. Plusieurs rejets contrôlés de méthane ont eu lieu sur une plateforme de 40 m × 50 m en France, appelée TADI (TotalEnergies Anomaly Detection Initiative). Les fuites variaient de 0,01 à 5 g CH4 s-1 sur 24 à 71 min. Un drone de détection de méthane et cinq capteurs au sol ont enregistré simultanément la concentration de méthane. La précision des estimations de dispersion des contaminants atmosphériques, basées sur le modèle gaussien, est améliorée en appliquant une méthode d’assimilation de données utilisant un filtre à particules. Les coefficients de diffusion et le taux de rejet sont considérés comme des paramètres d’état dans la modélisation basée sur les données. Un filtre à particules est ensuite appliqué pour mettre à jour ces paramètres à chaque étape de calcul. Nous avons évalué divers cadres pour l’assimilation de données atmosphériques afin de surveiller les émissions de CH4 provenant de sites et d’infrastructures industriels. Pour la plupart des rejets, les assimilations fournissent systématiquement des estimations de taux précises, que l’on considère des données fixes ou mobiles et l’une quelconque des configurations d’assimilation particulières. Les erreurs relatives moyennes dans les taux de rejet de CH4 estimés varient généralement d’environ 35 % à 84 % pour la campagne 2020, et de 29 % à 72 % pour la campagne 2021. Les résultats d’inversion utilisant les mesures stationnaires ont une erreur relative moyenne d’environ 72 %, tandis que l’utilisation de mesures par drone donne une estimation du taux d’émission plus précise d’environ 51 %. L’approche hybride, qui a évalué simultanément les mesures par drone et stationnaires à l’aide d’un filtre à particules, a obtenu le coefficient de détermination le plus élevé et l’erreur relative la plus faible entre les débits déclarés et estimés par le modèle (R2 = 0,97 et 29 %, respectivement).
Lire l’article complet ici : Méthode d’assimilation de données pour quantifier les rejets contrôlés de méthane à l’aide d’un drone et de capteurs au sol
