Étude de distributions spatiales régionalisées de contaminants atmosphériques bio-accumulés par des mousses végétales

La biosurveillance de la qualité de l'air est l'utilisation d'un organisme ou d'un ensemble d'organismes pour mettre en évidence une altération de l'environnement et suivre son évolution. Au sein de ces organismes, les mousses végétales sont des accumulateurs efficaces des contaminants atmosphériques. Parmi les éléments accumulés, le cadmium (Cd) est un élément métallique classé cancérogène pour l'être humain dont les émissions sont réglementées et suivies. En France, il existe des stations de mesures physico-chimiques du Cd, cependant celles-ci sont essentiellement localisées en zones urbaines et péri-urbaines. En milieu forestier, l'utilisation des mousses pour suivre l'évolution des teneurs en Cd se fait grâce au dispositif BRAMM. Tous les 5 ans, depuis 1996, des campagnes de prélèvements sont réalisées sur l'ensemble du territoire métropolitain et les données sont toutes géolocalisées.Cette thèse se concentre sur les données de la campagne 2016 du dispositif BRAMM. Elle porte sur l'analyse statistique de l'hétérogénéité spatiale des concentrations de Cd dans les mousses à partir des variations régionales observées dans les données BRAMM. La nature des données nous a amené à adopter et développer des approches géostatistiques pour comprendre l'hétérogénéité des concentrations et prédire celles-ci sur l'ensemble du territoire métropolitain. Le chapitre 1 de cette thèse rappelle les notions et méthodes statistiques clés qui ont servi à notre étude et à nos développements.Dans le chapitre 2, nous présentons les modèles de régression déployés pour expliquer les hétérogénéités spatiales régionalisées des concentrations en Cd dans les mousses. Ces modèles à seuil intègrent au départ 55 variables contextuelles que nous avons construites, telles l'espèce de mousse, la concentration en Cd du sol, l'occupation des sols et les infrastructures de transport à différentes distances du site de collecte, les concentrations atmosphériques en Cd modélisées par EMEP, etc. Des modèles distincts sont choisis pour la France métropolitaine et son découpage en 4 régions biogéographiques (atlantique, continentale, méditerranéenne et alpine) pour affiner et préciser les prédictions. Les cartes construites, comparées aux cartes du krigeage ordinaire, montrent l'influence de certaines variables, notamment le lien avec les prédictions du modèle de concentration atmosphérique EMEP.Le chapitre 3 explore le phénomène de la confusion spatiale, amplement étudié actuellement en statistique spatiale, qui pourrait potentiellement expliquer nos résultats inférentiels contrastés entre modèles de régression liants concentration de Cd dans les mousses et concentration atmosphérique EMEP selon la prise en compte ou non de la dépendance spatiale. Ce travail nous a conduits à développer des implémentations originales de méthodes proposées dans la littérature pour atténuer la confusion spatiale afin de traiter des données géostatistiques sous le package R-inlabru. Ces méthodes sont la Régression Spatiale Restreinte (RSR), le modèle Spatial+ et sa version simplifiée publiée récemment. Nous étudions les comportements de nos développements dans une étude de simulation et sur les données de concentrations de Cd. Les résultats montrent la possible adaptation de ces méthodes dans l'approche INLA pour données géostatistiques sous réserve de choix de lois a priori adéquats et de difficultés de prédiction avec la version simplifiée de Spatial+ adaptée.Dans le chapitre 4, nous étudions les modèles à coefficients spatialement variables (SVC) pour capturer l'hétérogénéité spatiale des liens entre concentration de Cd dans les mousses et dans l'air EMEP. Ces modèles assouplissent grandement la relation entre réponse et variable explicative, et ainsi atténuent le phénomène de confusion spatiale en captant les effets de la covariable spatialement différents. Nous montrons ces résultats dans une étude de simulation et sur les données de concentrations de Cd dans les mousses.