simulation et cartographiemedia.afastronomie.fr/rce/presentationsrce2018/...6 modélisation...

1

Pollution lumineuseSimulation et cartographie

Application aux projets de territoires

Sébastien Vauclair - sebastien@darkskylab.com

01 / 11 / 2018

2

Qu’est ce que DarkSkyLab?

en 2014Fondé

Localisation

Délivrer de l’expertise et des services dans le domaine de la pollution lumineuse et de ses impacts sur les écosystèmes

Objectif

Sébastien VauclairPhilippe DeverchèreMichel BonavitacolaGonzague Bosch

L’équipe&

Toulouse, France

DarkSkyLab Histoire

3

Qu’est ce que DarkSkyLab?

2013 2018

DarkSkyLab Histoire

4

Qu’est ce que DarkSkyLab?

Publication de Plans de Guide de l’Eclairage

DarkSkyLab Histoire

5

ModélisationSimulation de la pollution lumineuse avec Otus

Production de cartes de prédiction de la pollution lumineuses à partir de différentes sources de données

Données de populations

Sources lumineuses géolocalisées

Données de radiance satellite NOAA VIIRS-DNB

Modélisation de la pollution lumineuse Moteur de simulation Otus

Données d’occupation des sols OSO

6

ModélisationSimulation de la pollution lumineuse avec Otus

Otus est un environnement intégré développé en Python pour faciliter l’exécution des simulations et produire des résultats exploitables

• Multiples modes de simulation (populations, sources discrètes, radiance satellite, occupation des sols)

• Base de donnée avec les agglomérations et les populations de plusieurs pays d’Europe

• Production de rasters géoréférencés et d’isocontours pour une intégration facile dans des SIG

• Importation de shapefiles pour réaliser différentes tâches: ajustements et créations de sources, définition de zones, …

• Production de statistiques sur les points lumineuxModélisation de la pollution lumineuse Moteur de simulation Otus

7

ModélisationLimitations d’un approche basée sur les populations (P)

Modélisation de la pollution lumineuse Simulation en mode P

• Heuristique simple à symétrie sphérique qui relie les contribution à la brillance du ciel aux populations des agglomérations

• Pas de prise en compte de la topologie des réseaux d’éclairage

• Pas de lien avec les caractéristiques physiques des dispositifs d’éclairage (ULOR, puissance, type de lampe, …)

• Pas de capacité à prendre en compte des particularités locales (éclairage privé, …)

8

ModélisationSimulation en mode « sources discrètes » (D)

Modélisation de la pollution lumineuse Simulations en mode D

• Calcul de la diffusion lumineuse à partir de bases de données de sources géolocalisées avec leur paramètres physiques (puissance, ULOR, type de lampe, hauteur, albédo, etc.)

• Mode de simulation mixte pour prendre en compte les zones d’influences à plus grande distance pour lesquelles les données ne seraient pas disponibles

• Nécessité d’une base de données détaillée de sources lumineuses

9

L’éclairage public en FranceEn France [1]

• 9,5 millions de points lumineux

• Temps moyen de fonctionnement: 3200 heures/an (-24% depuis 1990)

• Pour les collectivités, l’éclairage public représente:• 2 milliards d’Euros par an (dont 450

millions pour la consommation d’énergie[2])

• 41% de la facture électrique

[1] Données Association Française de l'éclairage[2] Malgré une baisse de la consommation de 6% depuis 8 ans

L’éclairage L’éclairage public en France

Relevé Cervières(36 points lumineux)

10

Sources lumineuses géolocalisées

• Collecte de données d’éclairage auprès des syndicats départementaux d’énergie et des communes

• Plus de 520 000 sources collectées à ce jour

• Potentiellement 1 million de sources collectées environ (10% des sources en France)

Modélisation de la pollution lumineuse Collecte de données sur les points lumineux

11Light pollution modeling Light source data collecting

Sources lumineuses géolocalisées

• Haute-Garonne

• 255 000 sources

12Light pollution modeling Light source data collecting

Sources lumineuses géolocalisées

• Haute-Garonne

• 255 000 sources

13

Bubo* – Une plateforme dédiée à l’acquisition de points lumineux géolocalisés

• La disponibilité de bases de données de sources lumineuses géolocalisées représente un élément clé pour la réalisation de simulations réalistes (avec en particulier la type de lampe, la puissance et le ULOR)

• Bubo est basé sur un nano-ordinateur de type Raspberry Pi et une interface tournant sur un smartphone

• L’acquisition des positions GPS est réalisée automatiquement

• Entrée simple et rapides des caractéristiques des sources lumineuses

*Développé par les étudiants du “BTS Système Numérique Informatique et Réseau (SNIR) » au Lycée Technique de Colomiers

Métrologie de la pollution lumineuse Bubo, acquisitions de sources géolocalisées

14

DiagnosticDiagrammed’identitélumineuse

15

Simulations mode DAvantages des simulations basées sur les sources

Dispersion géographique des

agglomérations

Eclairages locaux spécifiques (e.g.

tourisme)

Capacité à introduire des dispositifs

d’éclairage privé

Sans données sur les sources Avec 334 sources dans des hameaux

Modélisation de la pollution lumineuse Simulations en mode D

16

Simulations en mode D

Modélisation de la pollution lumineuse Simulation en mode D

17

Contribution de la

publicité éclairée à la

pollution lumineuse

de Paris

18

Du

blin

Modélisation de la pollution lumineuse Dublin

19

Du

blin

Modélisation de la pollution lumineuse Dublin

20

ModélisationSimulation en mode « radiance satellite » (S)

Modélisation de la pollution lumineuse Simulations en mode S

• Bonne prise en compte de l’éclairage privé

• Ajustements parfois nécessaires pour prendre en compte les extinctions (horaires de passage satellite non connus ou non utilisables sur les vues composites)

Dublin

Wicklow Mountains National Park

21

ModélisationSimulation en mode « radiance satellite » (S)

Modélisation de la pollution lumineuse Simulations en mode S

• Calcul de la diffusion lumineuse à partir de données de radiance satellite NOAA VIIRS-DNB (composites annuels 2015 ou 2016)

• Extraction automatique dans Otus des zones concernées (disponibilité de l’ensemble du globe terrestre)

• Heuristiques de diffusion ajustables à partir de points de référence NSB

• Problèmes potentiel: faible sensibilité au bleu et horaires de passages pour les extinctions (survol après 01:00)

Dublin

Wicklow Mountains National Park

22

Du

blin

Contribution des Councils au sud de dublin à la pollution lumineuse dans le Wicklow MountainsNational Park

Modélisation de la pollution lumineuse Dublin

23

Exemple de résultat de simulation de la pollution lumineuse

Diffusion à partir des données de radiance satellite VIIRS-DNB

Clermont-Ferrand

Roanne

Lyon

Saint-Etienne

Thiers

Vichy

24

Simulation de restauration de trames sombres

Extinction d’une zone spécifique

25

Simulation de restauration de trames sombres

Exemple de restauration d’une trame sombre Nord-Sud

26

Application – Caractérisation des trames sombres (ou noires ou nocturnes)

Zones forestières

Zones d’exclusion écologique du fait

de la pollution lumineuse Corridors sombres dans

les zones forestières

Outils de diagnostic et actions Caractérisation de zones de biodiversité

27

SCoT des Vosges Centrales :Trame noire

28

Cévennes avant/après application du plan de gestion de l’éclairage

29

MétrologieProblématique des mesures SQM manuelles

• Problèmes d’accès aux sites et disponibilité de personnes motivées

• Bonne prise en compte du cycle Lunaire

• Variabilité des conditions météo

• Protocole de mesure complexe: mise à température du SQM, orientation de l’instrument, influence de la position de la Voie Lactée, moyenne de plusieurs mesures, etc.

• Variabilité possible entre différents SQM dans les mêmes conditions de mesure

• Coûts associés à des campagnes de mesures systématiques sur de longues durées.

Métrologie de la pollution lumineuse Problématique

30

MétrologieMesure de la pollution lumineuse avec Ninox

• Enregistrement continu et totalement automatique de la brillance du fond de ciel sur de longues durées (mois ou années)

• Point d’accès Wi-Fi et interface Web pour contrôle et visualisation sur site

• Traitement statistique des données SQM pour caractérisation de la qualité d’un site

SMétrologie de la pollution lumineuse Métrologie avec Ninox

Mesure de la brillance (luminance) du fond de ciel en mag/arcsec2

© DarkSkyLab

31

MétrologieMesure de la pollution lumineuse avec Ninox

• Ninox Z1→ Développement logiciel sur la base d’un matériel standard: enregistrement en continu, horloge RTC, point d’accès Wi-Fi

• Ninox Z2 → Développement spécifique d’une carte électronique avec un boîtier et un SQM standard: enregistrement en continu, GPS intégré, enregistrement de la température / pression / humidité, horloge RTC, point d’accès Wi-Fi, port Ethernet

• Ninox Z3 → Photomètre, boîtier et carte électronique entièrement nouveaux avec des fonctions avancées (disponibilité à venir)

SMétrologie de la pollution lumineuse Métrologie avec Ninox

© DarkSkyLab

32

Nuit de mesure Ninox

Profil complexe avec évènements multiples

Métrologie de la pollution lumineuse Profils complexes de mesures Ninox

33

Sensibilité à la Voie Lactée

Métrologie de la pollution lumineuse Diagrammes de densité Ninox

34

Ajustement du modèle Otus et validation à partir de mesures in-situ

• Nécessite des mesures de NSB précises et homogènes qui peuvent être difficiles à obtenir

• Les relevés manuels de NSB impactent la précision des calibrations (utilisation de Ninox recommandée)

• Processus complexe nécessitant des mois voire de années de mesures

Modélisation de la pollution lumineuse Ajustement du modèle Otus

• Le « fitting » parfait n’existe pas: dépendance aux conditions météorologiques et atmosphériques

35

Corrélation brillance ciel clair / ciel couvert

• Données issues de l’article "Worldwide variations in artificialskyglow“, Kyba et al.

• L’accroissement de brillance du fond de ciel par ciel couvert est d’autant plus importante que le site est pollué.

• Cette corrélation permet d’implémenter dans Otus une heuristique d’ajustement du modèle et de produire des cartes de pollution lumineuse par ciel couvert.

36Modélisation de la pollution lumineuse Simulation de la France [ ciel clair / ciel couvert]

37Modélisation de la pollution lumineuse Simulation de la France [ ciel clair / ciel couvert]

38

International Dark Sky Places [IDA]

International Dark Sky Park

International Dark Sky Community

International Dark Sky Reserve [1]

[1] Réserve Internationale de ciel étoilé

Parc National des Cévennes

39

International Dark Sky Places [IDA]

International Dark Sky Park

International Dark Sky Community

International Dark Sky Reserve [1]

IDSR - ADSM

[1] Réserve Internationale de ciel étoilé

Parc National des Cévennes

Plusieurs réservesà venir!

40

41

42

Merci !

Contact

<nom><courriel>

http://www.darkskylab.com