La variation spatiale du contenu pollinique de l’air : implications pour la gestion d’un réseau métrologique

ARTICLE

Auteur(s) : Camille Rieux¹, Marie-Blanche Personnaz^2,3, Michel Thibaudon¹

¹Réseau national de surveillance aérobiologique (RNSA), Chemin des Gardes, BP 8, 69610 Saint-Genis-l’Argentière
²Association pour le contrôle et la préservation de l’air dans la région grenobloise (ASCOPARG), 44, avenue Marcelin Berthelot, 38100 Grenoble
³SUP’AIR, 22, rue Nicolas Avit, BP 345, 38150 Salaise-sur-Sanne

Article reçu le 1 Octobre 2007, accepté le 7 Janvier 2008

L’allergie au pollen, ou pollinose, est une affection saisonnière liée à la présence dans l’air de grains de pollen qui sont des particules biologiques. Cette pathologie provoque à la fois des symptômes légers, bien qu’invalidants, comme des conjonctivites, des rhinites et des éternuements en rafales, mais aussi des complications bronchiques (asthme) ou cutanées (eczéma). Telle quelle, la pollinose constitue une préoccupation majeure de santé publique, puisque près de 20 % de la population française sont désormais concernés.

La concentration en pollen dans l’environnement dépend de manière complexe de la végétation locale, de l’évolution phénologique et des conditions météorologiques. De ce fait, la modélisation déterministe, aujourd’hui opérationnelle dans le champ de la surveillance des polluants chimiques réglementés comme l’ozone, reste confinée au domaine de la recherche dans le cas de l’aérobiologie. La stratégie de surveillance du contenu pollinique de l’air doit donc être fondée avant tout sur une approche métrologique, ce qui suppose l’existence d’un réseau de capteurs convenablement conçu et exploité.

Le RNSA (Réseau national de surveillance aérobiologique) a établi un réseau de 70 capteurs de fond répartis sur l’ensemble du territoire de la France métropolitaine. Ce dispositif à visée sanitaire permet depuis une vingtaine d’années de délivrer des bulletins d’information à destination du corps médical, des autorités de santé et des allergiques, mais aussi d’incrémenter une base de données importante sur les pollens, qui peut être exploitée dans le cadre d’études spécifiques [1].

Mais, en raison de la forte hétérogénéité biogéographique et climatique rencontrée en France, le contenu pollinique de l’air varie de manière considérable selon la région considérée. L’objectif de cet article est de présenter une méthode statistique simple qui puisse être utilisée pour étudier la variation spatiale des concentrations polliniques et, ainsi, identifier des « bassins d’air » présentant des propriétés polliniques homogènes. Outre l’acquisition de connaissances relatives aux mécanismes aérobiologiques fondamentaux, cela a deux implications majeures liées à la gestion du réseau métrologique :

• – premièrement, la délimitation de bassins d’air homogènes permet d’exploiter les données collectées à une échelle spatiale pertinente (par exemple, élaboration et diffusion d’un bulletin d’information commun à tous les sites appartenant à un même bassin d’air) ;
• – deuxièmement, cette information peut être utilisée afin d’évaluer la représentativité spatiale du réseau métrologique (c’est-à-dire identifier les éventuelles redondances et/ou carences du plan d’échantillonnage) ; le cas échéant, cela permet aussi d’élaborer des propositions visant à optimiser le réseau, par ajout ou suppression de capteurs. En effet, parmi d’autres paramètres tels que la répartition de la population [2], l’architecture du réseau doit prendre en compte la répartition des bassins d’air. D’une manière schématique, les régions présentant une grande homogénéité spatiale des concentrations de pollen ne demandent pas une forte densité de capteurs, alors que des zones montrant des variations abruptes des propriétés polliniques nécessitent une fréquence spatiale d’échantillonnage beaucoup plus élevée.

Il est théoriquement possible d’identifier des « bassins d’air » homogènes sur la base de l’étude de la répartition des espèces végétales et des conditions météorologiques. Néanmoins, une telle approche est difficile à mettre en œuvre parce que les données de répartition des sources sont incomplètes, et parce que la prise en compte du transport des grains de pollen par le vent est complexe. Nous avons donc décidé de mettre en œuvre une approche géostatistique plus simple, fondée sur l’exploitation de la base de données du RNSA. Elle repose sur l’utilisation d’un indice développé spécifiquement pour la circonstance – la distance pollinique (DP) – qui mesure le degré de similarité des propriétés polliniques de deux sites de mesure. Ce terme, bien que recouvrant une définition mathématique originale, a été emprunté à Calleja et al. [3]. La DP est utilisée comme mesure de distance dans une analyse de regroupement (cluster analysis), afin d’identifier des groupes de sites partageant des caractéristiques polliniques similaires. L’analyse de regroupement est une méthode générale déjà utilisée avec succès dans les domaines de la surveillance de la qualité de l’air [4, 5] et de l’aérobiologie [6]. Cet article vise à illustrer l’approche statistique que nous avons développée, en présentant une étude pilote qui porte sur une partie limitée du réseau du RNSA (18 capteurs), sur 8 taxons et sur une période de 3 ans (2003-2005).

Matériel et méthode

Données polliniques

Distance pollinique

• – DP_jk désigne la distance pollinique qui sépare les sites j et k ;
• – x_ij et x_ik représentent la concentration moyenne quotidienne d’un taxon donné pour le jour i et les sites d’enregistrement j et k.

Une valeur de DP égale à 0 traduit l’absence de différence entre les enregistrements réalisés dans les deux sites, alors qu’une valeur approchant 1 indique une différence maximale. La figure 2 donne quelques exemples de séries temporelles de concentration, les valeurs de DP associées étant présentées dans le tableau 1.

La DP est une mesure relative de la différence entre des profils polliniques, puisque sa valeur varie entre 0 et 1, quelle que soit la différence absolue de concentration. Il est donc possible, pour une paire de sites donnée, de moyenner les valeurs de DP calculées pour différents taxons. Cela permet d’obtenir un indice global reflétant une information relative à plusieurs taxons simultanément. Bien que la procédure d’analyse ait été réalisée pour tous les taxons individuellement, seuls les résultats concernant la DP moyenne (DPm, moyenne des DP calculées pour chacun des 8 taxons considérés) seront détaillés ici. Une étude systématique des séries temporelles de concentration et des valeurs de DPm associées nous a conduits à considérer DPm = 0,5 comme une valeur seuil, à partir de laquelle les profils polliniques sont « fortement différents ».

Tableau 1 Valeurs de distance pollinique (DP) correspondant aux séries temporelles de concentration présentées dans la figure 2.Table 1. Pollinic Distance values (PD) corresponding to concentration time series represented in figure 2.

^a Average values (mPD) correspond to the three taxons considered in figure 2; note that mPD values provided in this article are based on the 8 taxons studied.

Analyse de regroupement

Résultats

Variation spatiale des propriétés polliniques

Afin de caractériser la variation spatiale des concentrations polliniques, les valeurs de DPm ont ensuite été rapportées à la distance séparant les sites (figure 4). D’une manière générale, il en ressort que plus la distance est grande, plus la DPm est élevée. Les quatre premières lignes du tableau 2 fournissent des exemples de paires de sites qui corroborent ce constat. Néanmoins, et même s’il existe une relation linéaire positive significative (p < 0,01) entre ces deux variables, la distance n’explique que 55 % de la variation de la DPm (R² = 0,55), ce que traduit aussi la dispersion du nuage de points. La faiblesse de la relation peut être illustrée par des exemples spécifiques. Roussillon et Saint-Étienne ne sont distants que de 34 kilomètres, pourtant les deux sites présentent une dissimilarité pollinique élevée (DPm = 0,65) ; à l’inverse, Roussillon et Dijon sont nettement plus proches polliniquement (DPm = 0,45) alors que ces sites sont séparés par environ 220 kilomètres (deux dernières lignes du tableau 2). Les propriétés polliniques présentent donc, dans la région considérée, une complexité spatiale que l’on ne saurait intégralement décrire à l’aide d’une analyse de régression menée sur la base de la distance. Afin de caractériser de manière plus satisfaisante les variations spatiales des concentrations polliniques, un autre type d’approche statistique a donc été mis en œuvre.

Tableau 2 Exemples de valeurs de distance pollinique moyenne (DPm) calculées sur la base des 8 taxons étudiés pour 6 exemples de paires de sites présentant des distances variables.Table 2. Examples of mean Pollinic Distance values (mPD). These values have been computed for the 8 taxons studied and are illustrated for 6 site-pairs at different separation distances.

Analyse de regroupement : identification de bassins d’air homogènes

À un niveau de distance de 0,62, le dendrogramme se divise en trois clusters majeurs (figure 5). Alors qu’un groupe (cluster 1) réunit 12 sites (partie inférieure du dendrogramme) et un autre 5 sites (cluster 2), Gap reste isolé. Cela signifie que ce site présente, en termes polliniques, une forte spécificité. Il est intéressant de relever que les groupes de sites identifiés par la similarité de leurs profils polliniques correspondent à des zones distinctes (figure 6). En effet, le cluster 1 comprend tous les sites de la partie nord de la région étudiée (zone 1), alors que le cluster 2 inclut les sites proches de la côte méditerranéenne (zone 2), Gap étant situé entre ces deux zones. Il convient à cet égard de rappeler que la position précise de la limite entre les zones reste arbitraire et que seule la position des sites de mesure constitue un repère spatial fiable. Alors que la valeur maximale de DPm s’établit à 0,82 (pour une moyenne de 0,62) lorsque tous les sites sont considérés simultanément, cette valeur est réduite à 0,68 (avec une moyenne de 0,54) et à 0,61 (avec une moyenne de 0,52) quand l’échantillon de données est limité, respectivement, aux stations appartenant au cluster 1 et au cluster 2. Il s’ensuit que les zones 1 et 2 montrent une homogénéité pollinique beaucoup plus élevée que la région d’étude considérée dans son ensemble. Il n’empêche que ces valeurs restent supérieures à 0,5, seuil au-delà duquel les propriétés polliniques sont jugées fortement dissemblables.

L’analyse du dendrogramme à un niveau de distance inférieur (0,58) met en évidence l’existence de quatre clusters. Le cluster 2 subsiste tel qu’il a été décrit précédemment et Gap conserve son isolement, mais à ce niveau le cluster 1 est divisé en deux groupes de 9 et 3 sites (figure 5). Comme au niveau de distance supérieur, les membres des clusters 1.1 et 1.2 sont reliés spatialement (figure 6) ; les valeurs maximales de DPm y sont respectivement de 0,60 (moyenne = 0,49) pour le cluster 1.1 et de 0,59 (moyenne = 0,55) pour le cluster 1.2. Malgré une diminution de ces valeurs par rapport à celles présentées par le cluster 1 considéré dans son ensemble, elles restent supérieures au seuil de 0,5.

C’est pourquoi, afin d’identifier des groupes de sites très homogènes du point de vue de leurs propriétés polliniques, une distance de 0,44 entre les clusters a finalement été utilisée pour analyser le dendrogramme. À ce niveau, 12 clusters sont constitués d’un seul site. Les sites précédemment contenus dans le cluster 1.1 forment trois groupes, dont aucune des paires de sites ne présente de DPm supérieure à 0,45. Parmi les sites du cluster 2, les stations d’Aix-en-Provence et de Marseille présentent des enregistrements très similaires (PDm = 0,41) et sont donc regroupées. Ces quatre clusters très homogènes correspondent à des zones distinctes (zones 1.1.1, 1.1.2, 1.1.3 et 2.1 sur la figure 6).

L’analyse de regroupement permet ainsi d’identifier des groupes de sites d’enregistrement qui présentent des séries temporelles de concentrations similaires et nous avons montré qu’au niveau de la région étudiée, ces groupes correspondaient à des zones distinctes. La question qui se pose alors est celle de la stabilité dans le temps de la répartition des zones homogènes. Une étude préliminaire reposant sur une période de 3 ans a été réalisée (2003-2005 ; résultats non présentés). Les trois dendrogrammes sont dans l’ensemble très voisins. La principale différence est que, tout en restant systématiquement isolé des autres sites, Gap rejoint initialement, soit le cluster 1 (2004) soit le cluster 2 (2003 et 2005). Ainsi, sur les 3 années étudiées, les zones qui montrent des propriétés polliniques homogènes présentent une grande stabilité. Bien que ce résultat demande à être confirmé sur une série plus longue, il tend à suggérer que les conclusions fondées sur une année particulière peuvent être généralisées.

Discussion

Variation spatiale et bassins d’air

Premièrement, et comme cela a déjà été suggéré par l’analyse de régression fondée sur la distance, les sites présentant des profils polliniques similaires (donc appartenant au même cluster) sont toujours peu éloignés sur le terrain. Ils forment par conséquent de véritables bassins d’air, aux propriétés polliniques homogènes, et il est intéressant de noter qu’une étude méticuleuse des séries temporelles de concentrations enregistrées au niveau de chaque bassin d’air peut permettre d’établir une typologie du contenu pollinique de l’air.

Deuxièmement, les clusters majeurs sont répartis en fonction de leurs latitudes respectives, comme le montre la position relative des clusters 1 au nord et 2 au sud.

Troisièmement, l’altitude paraît également constituer un facteur structurant de la répartition des clusters. Une bonne illustration en est fournie par le cas de Gap, dont la spécificité pollinique peut être liée à son altitude élevée en regard des autres sites.

Ces deux derniers points sont en accord avec l’observation selon laquelle la DPm est influencée par la latitude et l’altitude [7]. Ces aspects de l’organisation spatiale ne sont pas inattendus, puisque le décours temporel de concentration pollinique dépend notamment de deux facteurs, eux-mêmes liés à la latitude et à l’altitude : la végétation locale et le climat local [8, 9].

Au-delà de ces observations générales, ce que révèle l’organisation en bassins d’air adjacents, c’est que le niveau d’uniformité spatiale des propriétés polliniques dépend de la localisation de la zone considérée. Cela peut être illustré de la manière suivante : la zone 1.1.1 présente une forte homogénéité pollinique (DPm moyenne = 0,41 ; DP maximale = 0,44) ; en revanche, une zone de même forme mais décalée de 50 kilomètres vers l’ouest, comprenant les sites de Saint-Étienne, Lyon et Roussillon, montrerait une bien plus forte hétérogénéité parce qu’elle échantillonnerait des « types » polliniques appartenant à deux bassins d’air différents (zones 1.1 et 1.2 ; DPm moyenne = 0,68 ; DPm maximale = 0,78).

Ces résultats ont des implications relatives à la caractérisation des facteurs biogéographiques et climatiques à l’origine de la variation spatiale des propriétés polliniques. Cependant, et bien que cette question soit d’un grand intérêt, elle ne sera pas abordée dans cet article et les paragraphes suivants seront dévolus au sujet qui a motivé cette étude : l’utilisation de l’approche statistique décrite pour consolider la gestion du réseau métrologique.

Implications relatives à la gestion du réseau métrologique

En premier lieu, cela permet d’élaborer et de diffuser des informations sanitaires à une échelle spatiale pertinente. Ainsi, les sites inclus dans un bassin d’air très homogène (tel que 1.1.1) peuvent être la cible d’un message sanitaire commun, reposant sur une analyse aérobiologique considérant l’ensemble de la zone. À l’opposé, des sites voisins mais représentant des types de contenu pollinique de l’air différents doivent être traités séparément ; ce serait le cas de Saint-Étienne et de Lyon. Plus spécifiquement, la conception des bulletins d’information par le RNSA implique la mise en œuvre de programmes de modélisation qui permettent de produire une description prévisionnelle des conditions aérobiologiques de la semaine à venir ; ce système d’alerte des médecins et des patients est essentiel, car les traitements actuels restent symptomatiques et, pour être les plus efficaces, doivent être initiés juste avant la survenue des symptômes. En l’absence d’informations spatiales sur les sources de pollen, l’approche statistique décrite permet de cerner les zones géographiques du territoire sur lesquelles doivent œuvrer les prévisionnistes.

En second lieu, les résultats présentés peuvent constituer la base d’une réflexion sur la représentativité spatiale du réseau métrologique. Jusqu’à présent, le choix des sites d’implantation des capteurs a été principalement fondé sur un critère d’équidistance entre les capteurs [2]. La répartition des différentes espèces végétales et des différents types de climats était également considérée afin d’estimer la distribution des différents taxons, mais parce que les données qualitatives et quantitatives relatives aux sources sont incomplètes, et parce que les grains de pollen sont susceptibles d’être transportés sur de grandes distances, cela demeurait délicat à réaliser. Nous avons donc décidé de mettre en œuvre l’approche géostatistique décrite dans cet article, afin d’évaluer l’architecture du réseau métrologique actuel. L’évaluation des réseaux métrologiques est couramment pratiquée dans le domaine de la surveillance de la qualité de l’air et de nombreuses approches analytiques ont été développées dans ce cadre [10-12], mais cette étude constitue à notre connaissance la première tentative d’évaluation d’un réseau de surveillance aérobiologique sur la base d’une méthode géostatistique.

Les résultats indiquent en premier lieu que la représentativité spatiale de la portion étudiée du réseau métrologique du RNSA présente un certain niveau d’hétérogénéité : certaines régions semblent relativement surreprésentées, et d’autres relativement sous-représentées. Les quatre zones 1.1.1, 1.1.2, 1.1.3 et 2.1 sont manifestement très bien représentées par le réseau, puisqu’elles incluent des stations de mesures présentant des enregistrements très similaires, attestés par des DPm maximales < 0,5. Ces zones pourraient donc être ciblées dans l’hypothèse où le nombre de stations devrait être réduit. Inversement, la région qui apparaît la plus mal représentée par le réseau actuel, et qui devrait donc en priorité être dotée de capteurs supplémentaires, est localisée entre les zones 1 et 2. En effet, ces deux zones correspondent à deux types polliniques très contrastés, et il apparaît impossible de savoir à quel type appartiennent les sites situés dans cette « lacune » du réseau. Ainsi, l’approche présentée permet d’évaluer l’architecture du réseau métrologique dans l’optique d’en améliorer la couverture spatiale, tout en en limitant le coût. Il convient de noter que les recommandations faites sur la seule base de la représentativité spatiale doivent être pondérées par d’autres paramètres tels que la répartition de la population [2].

Les préconisations réalisées n’étant fondées que sur les données collectées en 2005, il conviendra de vérifier qu’elles ont une valeur plus générale, avant de les prendre en compte dans la gestion du réseau. S’il se confirme que l’organisation du dendrogramme est remarquablement stable d’une année à l’autre, comme l’a suggéré une étude préliminaire sur une période de 3 ans, la mise en œuvre des conclusions avancées précédemment pourrait conduire à une amélioration durable de la gestion du réseau.

Conclusion

Remerciements

Références

2 Besancenot JP, Sulmont G, Laaidi M, Thibaudon M. The French airborne pollen network : current situation and prospects for improvement. Allerg Immunol 2003 ; 35 : 158-63.

3 Calleja M, Farrera I, Almeras T, et al. Métrologie des pollens dans l’air : étude intercomparative en région Languedoc-Roussillon. Rapport final. Montpellier : DRASS Languedoc-Roussillon, 2005.

4 Saksena S, Joshi V, Patil RS. Cluster analysis of Delhi’s ambient air quality data. J Environ Monit 2003 ; 5 : 491-9.

5 Wongphatarakul V, Friedlander SK, Pinto JP. A comparative study of PM2.5 ambient aerosol chemical databases. Environ Sc Technol 1998 ; 32 : 3926-34.

6 Norton DA, McGlone MS, Wigley TML. Quantitative analyses of modern pollen-climate relationships in New Zealand indigenous forests. NZ J Bot 1986 ; 24 : 331-42.

7 Rieux C, Personnaz MB, Thibaudon M. Pollen spatial variation over south-east France : characterization and implications for monitoring network management (à paraître dans Aerobiologia).

8 Sánchez-Mesa JA, Smith M, Emberlin J, Allitt U, Caulton E, Galan C. Characteristics of grass pollen seasons in areas of southern Spain and the United Kingdom. Aerobiologia 2003 ; 19 : 243-50.

9 Rodriguez-Rajo FJ, Dopazo A, Jato V. Environmental factors affecting the start of pollen season and concentrations of airborne Alnus pollen in two localities of Galicia (NW Spain). Ann Agric Environ Med 2004 ; 11 : 35-44.

10 Martuzevicius D, Luo J, Reponen T, et al. Evaluation and optimization of an urban PM2.5 monitoring network. J Environ Monit 2005 ; 7 : 67-77.

11 Silva C, Quiroz A. Optimization of the atmospheric pollution monitoring network at Santiago de Chile. Atmosph Environ 2003 ; 37 : 2337-45.

12 Raffuse SM, Sullivan DC, McCarthy MC, Penfold BM, Hafner HR. Ambient air monitoring network assessment guidance. Analytical techniques for technical assessments of ambient air monitoring networks, 2007. www.epa.gov/ttn/amtic/files/ambient/pm25/datamang/network-assessment-guidance.pdf.