Joint estimation decision methods for source localization and restoration in parametric convolution processes. Application to accidental pollutant release

In this paper, the problem of pollutant source localization and flow estimation is addressed. Potential applications of this work include leakage of hazardous chemicals or industrial effluents coming from an accidental situation. It is tackled in a one-dimensional context such as river, tunnel, canal with the aid of a single remote sensor. The pollutant is assumed to be coming from one out of N possible sources. Measurements are the result of a parametric convolution integral. The task may be viewed as a conditional deconvolution which requires a priori knowledge. In order to reduce the set of solutions, a source flow model is considered which introduces time bounds of the accidental spill. A joint estimation decision is derived in a Bayesian framework in both cases: with and without source assumptions. Without source model, the algorithm is unable to recover far sources location. On the contrary, the proposed source model enables to balance decision and take into account near and far sources as well. The benefit for this kind of solution is shown practically in terms of localization quality.

RésuméNous présentons dans cet article un aspect du problème dʼestimation de rejets et localisation de sources de pollution. Les applications potentielles de ce travail comprennent entre autre les fuites de substances chimiques ou les rejets dʼeffluents industriels provenant de situations accidentelles. Ce problème est traité dans un contexte à une dimension telle que les portions de rivières, canaux ou tunnels à lʼaide dʼun seul capteur distant. La pollution est supposée provenir dʼune source localisée parmi N possibles sources. Les mesures peuvent être considérées comme le résultat dʼune intégrale de convolution à paramètres partiellement connus. Le problème peut être abordé sous lʼangle de la déconvolution myope ce qui requiert une information à priori supplémentaire. Afin de limiter lʼespace des solutions, un modèle dʼémission qui introduit les temps dʼactivité de la source accidentelle est considéré. Une estimation décision jointe est alors obtenue dans un contexte bayesien dans les deux cas suivants : le modèle de la source est ignoré puis appliqué. Sans aucune hypothèse sur la source, lʼalgorithme nʼest pas capable de retrouver la position des sources lointaines. Au contraire, le modèle de la source proposé permet dʼéquilibrer la décision et de prendre en compte aussi bien les sources proches et lointaines. Le bénéfice pour cette dernière solution est montré de manière pratique en termes de qualité de localisation.