BRE11 - Helping decision-makers in the event of water pollution: integrating dispersion models / Aider les décideurs en cas de pollution aquatique : intégration des modèles de dispersion

When oil or chemical pollution is detected off the coast, a race against time begins. A race against time begins to determine the nature of the pollutant, its behaviour, how it will disperse naturally in the environment or by using dispersion devices, and its impact on people, property and the environment. These elements are essential to the decision-making process for coordinating response actions at sea and on land. Having worked on improving the reliability of sampling in the event of aquatic pollution in 2022, the challenge now is to provide decision-makers with decision-making tools that will give them a better understanding of the behaviour of such pollution. The aim of this challenge is to develop a pollution dispersion model using sampling data from the SAMi case and integrating data on currentology, weather and the chemical characteristics of pollutants and dispersants, while taking account of the relevant regulations. The use of artificial intelligence seems appropriate at this stage to reduce calculation time and to be able to work with data in real time.

 

Lorsqu’une pollution par hydrocarbure ou par des produits chimiques est détectée au large du littoral. Une course contre la montre démarre, il faut alors déterminer la nature du polluant, son comportement, la façon dont il va se disperser naturellement dans l’environnement ou en utilisant des dispositifs de dispersion et son impact dans sur les personnes, les biens et l’environnement. Ces éléments sont essentiels à la prise de décision pour coordonner les actions de lutte en mer et sur terre.  Après avoir travaillé sur la fiabilisation de l’échantillonnage et du prélèvement en cas de pollution aquatique en 2022, les enjeux sont désormais de doter les décideurs d’outils d’aide à la décision permettant de mieux appréhender le comportement de ces pollutions. L’objectif de ce défi est d’élaborer un modèle de dispersion de la pollution utilisant les données de prélèvement de la mallette SAMi et intégrant des données de courantologie, de météo et des données sur les caractéristiques chimiques des polluants et des dispersants tout en prenant en compte la réglementation à ce sujet. L’usage de l’intelligence artificielle semble être opportun à ce stade pour diminuer le temps de calcul et pouvoir travailler avec les données en temps réel.

Proof of concept of a model for the dispersion of a pollutant at sea based on the properties of the pollutant and data on currentology, meteorology and the sensitivity of the areas concerned.


Une preuve de concept d’un modèle de dispersion d’un polluant en mer à partir des propriétés des polluants et des données de courantologie, de météorologie ainsi que sur la sensibilité des zones concernées.

Chemist, physicist, coder, oceanographer