| | |  | Le smog couvre Katmandou | |
Exercice 3
Première partie
Peut-être as-tu déjà remarqué que les jours de forte pollution atmosphérique, l’air est moins transparent. Comme tu le sais certainement, ce phénomène est appelé smog. Il réduit la visibilité - on ne peut pas voir aussi loin qu’en temps normal. Ces jours-là, les collines environnantes que l’on voit parfaitement bien les jours dégagés, sont à peine, voire, pas du tout visibles. D’ailleurs, la visibilité horizontale est aussi un bon indicateur de mesure du niveau de pollution atmosphérique.
Pour mesurer l’épaisseur de l’atmosphère, nous analysons les images prises depuis le satellite Envisat. Lors d’un test, nous comparons les données compilées dans l’espace avec les mesures scientifiques effectuées au sol (les mesures de PM10 des stations de contrôle). Tu vas maintenant pouvoir faire de la science pure.
On estime que les mesures satellite sont représentatives pour une certaine surface autour de la station et que la pollution de l’air influence la transparence de l’atmosphère. En fait, chaque pixel de l’image satellite correspond à 300 m x 300 m.
L’avantage quant à utiliser les données satellite est que les images sont prises à différentes couleurs, y compris l’infrarouge que l’œil humain ne peut voir. Ces couleurs interagissent différemment dans l’atmosphère ; la brume, le brouillard et le smog influent généralement plus sur le bleu que sur le rouge. Sais-tu pourquoi ? Demande à ton professeur de physique.
Tu trouveras ci-dessous 3 jeux de données. Chacun d’entre eux comprend 5 bandes : la bande 1 est mesurée dans la plage de couleurs bleu, la bande 2 dans le vert, la bande 3 dans le jaune, la bande 4 dans le rouge et la bande 5 dans l’infrarouge. La question scientifique est : l’une de ces bandes peut-elle servir à représenter les PM10 qui indiquent le degré de pollution ? En d’autres termes, nous essayons de trouver une corrélation entre les mesures au sol et les différentes bandes.
Télécharge et enregistre les images de la vallée de Katmandou prises par MERIS:
- 4 novembre 03 - bande 1 à bande 5
- 7 novembre 03 - bande 1 à bande 5
- 22 décembre 03 - bande 1 à bande 5
Toutes les images sont géoréférencées. Les paramètres sont :
Projection : Lat / Lon géographique(WGS 84)
Télécharge et enregistre le fichier de formes « PM10_monitoring_stations » de la vallée de Katmandou, pour les stations placées à Thamel, Putalisadak, T.U.Kirtipur, Bhaktapur, Matsyagaon, et Patan Hospital.
| | Fig. 11: PM10 Ground Data | |
Ouvre le tableau de la Fig. 11 11 correspondant aux données au sol de PM10 pour les dates susmentionnées.
Dans LEOWorks, ouvre l’image du 4 novembre 03 Bande 1r. Sélectionne l’option Enhance>Interactive Stretching et rehausse modérément le contraste. Charge maintenant le fichier GIS « PM10_monitoring_station ». Dans la fenêtre « Select the Transformation Method », sélectionne « Arbitrary » et « Map Based ». Les six stations de contrôle apparaissent sur l’image.
Dans l’outil SIG, ouvre Tools>Information et clique sur le Point 2 pour voir apparaître le nom de la station (Putalisadak) et les mesures effectuées au sol au cours de ces trois jours (4 novembre, 7 novembre et 22 décembre 2003). Dans l’image, le point apparaît en surbrillance.
Clique et sélectionne View>Cursor Position/Value. Survole lentement le point avec ta souris et lis les valeurs mesurées par le satellite comme « Original data », par exemple, 61 pour Putalisadak le 4 nov. Bande 1. Dans les tableaux et graphiques ci-dessous, tu verras que cette valeur est en fait de 61,35. Ceci s’explique par le fait que nous avons dû réduire la quantité de données et avons donc supprimé les décimales.
1. Maintenant, dans Microsoft Excel, crée un tableau et insère les données PM10 et les valeurs numériques (DN values) correspondantes. À l’aide des graphiques générés, étudie le rapport entre les valeurs numériques et les bandes, ainsi que le rapport entre les valeurs numériques et celles de PM10. Regarde l’exemple ci-dessous.
2. Répète la procédure pour toutes les images/bandes.
| |
