Air pollution, mobility and health in the Grenoble area
Pollution atmosphérique, mobilités et santé dans l'agglomération grenobloise
Résumé
Air pollution is a global public health issue responsible for an important part of mortality and various chronic diseases. It is therefore crucial to measure it as precisely as possible. The objectives of this thesis were to identify health risks associated with air pollutants in Grenoble (France), and to measure particulate matter (PM), recognized as a major contributor to mortality, as accurately as possible. This works starts with a health risks analysis during the COVID-19 period, showing significant changes in pollutants levels: NO2 (-32%), PM2.5 (-22%), PM10 (-15%), and O3 (+11%). These variations led to short-term reductions in health risks related to PM2.5 (-3% decrease in child asthma emergency room visits) and NO2 (-2% decrease in respiratory disease hospitalizations). In the long term, PM2.5 also played a major role, reducing all-cause mortality (-3%), lung cancer (-2%), and low birth weights (-8%), followed by NO2 (-1% non-accidental mortality). Due to their significant impact on health risks, the thesis then focused on PM2.5 and PM1 (PM <1 µm). In order to estimate PM levels and their heterogeneity in Grenoble, we assembled low-cost sensors (LCS) with the goal to deploy them in the city, in addition to the reference stations of Atmo Auvergne-Rhône-Alpes. The LCS were first calibrated using methods including machine-learning, while excluding days with Saharan dust events that impacted LCS’ ability to properly measure PM2.5. Given the poor performance of the LCS to measure PM10, we proceeded without including them. A fixed network of 8 LCS wad subsequently deployed in Grenoble, highlighting temporal and spatial disparities, notably a hotspot in the city center with higher PM1 ratios to the reference (PM1 ratio = PM1 / PM1 Ref). An experiment using mobile LCS also indicated the importance of transportation mode, travel time, and site, the latter being influenced by traffic and/or street layout. Cycling exhibited the highest PM1 ratios, followed by walking (-2%), bus (-9%), and tramway (-14%). For inhaled doses, the order was different, with walking first, followed by cycling (-2%), bus (-26%), and tram (-32%). This thesis underscores the importance of considering temporal and spatial variations in pollutants when calculating health risks and demonstrates the utility of LCS in estimating this variability. In conclusion, practical recommendations are given for assembling, calibrating, and deploying LCS that can benefit both scientists and citizen scientists.
La pollution atmosphérique est un problème de santé publique mondial responsable d’une partie de la mortalité et de diverses maladies chroniques. Il est donc important de la mesurer la plus finement possible. Les objectifs de ce travail étaient d’identifier les risques sanitaires liés aux polluants de l’air à Grenoble (France) et de mesurer le plus finement possible les particules fines (PM), responsables d’une part importante de la mortalité. Ce travail débute par une analyse des risques pendant la pandémie de COVID-19, montrant des variations de niveaux de polluants : NO2 (-32%), PM2.5 (-22%), PM10 (-15%), et O3 (+11%). Ces variations ont favorisé des baisses de risques sanitaires à court-terme liés aux PM2.5 (-3% de visites aux urgences pour asthme infantile) et au NO2 (-2% d’hospitalisations pour maladies respiratoires). À long terme, les PM2.5 jouaient aussi un rôle prédominant, réduisant la mortalité toutes causes (-3%), les cancers du poumon (-2%), et les petits poids de naissance (-8%), suivis du NO2 (-1% de mortalité non-accidentelle). En raison de leur impact sanitaire majeur, la thèse s'est ensuite focalisée sur les PM2.5, ainsi que sur les PM1 (PM <1 µm). Afin d’estimer le plus finement possible les niveaux de PM dans Grenoble, ainsi que leur hétérogénéité, nous avons assemblé des capteurs low-cost (LCS) pour compléter les stations de référence d’Atmo Auvergne-Rhône-Alpes. Les LCS ont été calibrés avec des méthodes incluant le machine-learning, en ôtant les jours de dusts sahariens perturbant les mesures de PM2.5. Les LCS utilisés étant peu performants pour mesurer les PM10, l’étude a été poursuivie sans les inclure. Un réseau fixe de 8 LCS a ensuite été déployé dans Grenoble, montrant des disparités temporelles et spatiales, avec en particulier un hotspot dans le centre-ville présentant des ratios à la référence (PM1 ratio = PM1 / PM1 Ref) plus élevés. Une expérience avec les LCS en mobilité a par ailleurs mis en évidence l'importance du mode de transport, de l'heure de déplacement et du site, influencé par le trafic et/ou la configuration de la rue. Le vélo montrait les PM1 ratios les plus élevés, suivi de la marche (-2%), du bus (-9%), et du tramway (-14%). Pour les doses inhalées, l'ordre était différent, avec d’abord la marche, suivie du vélo (-2%), du bus (-26%), et du tramway (-32%). Cette thèse souligne l'importance de considérer les variations temporelles et spatiales des polluants pour le calcul des risques sanitaires, et montre l'utilité des LCS pour estimer ces variations. En conclusion, des recommandations sont données pour monter, calibrer et déployer des LCS.
| Origine | Version validée par le jury (STAR) |
|---|