|
Menu |
Discu1Les résultats que nous avons obtenus avec notre première approche expérimentale (décrite dans la section pré laboratoire) n’ont pas été très concluants. Ainsi, nous nous attendions à ce que la figure 14 affiche une tendance exponentielle. Comme on le remarque, une telle tendance n’est cependant pas observée. De nombreux facteurs permettent d’expliquer l’échec de notre démarche. D’abord, dans l’élaboration théorique de notre démarche, nous avons considéré que la lumière des luminaires était directement projetée vers le ciel (c’est cela qui nous a permis de déterminer l’équation LE’ = LE × cλα). Dans la réalité, cette supposition est cependant fausse, car la lumière des luminaires de la ville est en majeure partie dirigée vers le sol puis réfléchie par l’asphalte et la végétation. Au cours de cette réflexion, la lumière de certaines longueurs d’onde est partiellement absorbée. Notre modèle ne tient donc plus la route et notre analyse est faussée. Aussi, les spectres des lampes utilisés durant notre analyse ne sont peut-être pas représentatifs de l’ensemble des luminaires qui sont sources de pollution lumineuse. Ainsi, les luminaires de la région émettent probablement à des intensités différentes en fonction de la longueur d’onde. Cela pourrait fausser nos résultats. Enfin il est facile de constater que les rapports LE’/LE de la figure 9 sont extrêmement variables d’une nuit à l’autre. Aussi, aucune cohérence n’est remarquée entre les différentes longueurs d’onde (par exemple, si la luminance à 500 nm augmente, la luminance à 545 nm n’augmente pas nécessairement). Cela peut certainement être expliqué par la difficulté mathématique de modéliser toutes les courbes se superposant sur le spectre. Ainsi, en choisissant de petits pics isolés de PL, on augmente l’incertitude relative sur la mesure de leur luminance. Ainsi, l’effet cumulé de ces incertitudes est dévastateur et empêche toute analyse concluante des données. Afin de remédier à toutes ces causes d’erreur, nous avons rectifié notre démarche expérimentale. Ainsi, plutôt que de comparer nos spectres du ciel aux spectres des lampes, nous avons directement mesuré la luminance sur les spectres du ciel (on calcule l’aire sous la courbe spectrale puis on en soustrait la luminance naturelle). Cela a pour effet de réduire l’incertitude relative sur les mesures de luminance, puisque des pics plus hauts sont considérés dans le traitement des données. Les premières mesures de pollution lumineuse obtenues avec le spectromètre SAND sont indiquées dans le tableau 2. On remarque que les valeurs ainsi obtenues présentent une assez grande variabilité. C'est que plusieurs variables entrent en jeu Pour leur part, les données recueillies avec le radiomètre ont été obtenues en suivant exactement la démarche expliquée dans le cadre méthodologique du rapport. Les premières mesures que nous avons faites sont compilées dans le tableau 3. Les valeurs qui y sont indiquées représentent l’intensité moyenne des 50 pixels les plus sombres des images. La corrélation entre les données des filtres DS et IR est excellente, puisque quand la luminance mesurée avec un filtre augmente, la luminance mesurée avec l’autre augmente aussi (le coefficient de corrélation des données est de R = 0,94). Ce résultat est tout à fait logique, puisque les spectres conservés pour l'analyse des données présentent le même aspect général, c'est-à-dire que les proportions entre les pics de diverses longueurs d'onde sont conservées. La luminance augmente donc à peu près proportionellement dans toutes les régions du spectre. Du coup, même si les filtres ne laissent pas passer la lumière aux mêmes longueurs d'onde, il est tout à fait normal que si I DS augmente, I IR augmente aussi.  Figure 18 : Mesures d'intensité lumineuse avec les filtres IR et DS sur quelques nuits On peut ainsi les comparer à nos mesures de la PL effectuées avec le spectromètre. Tel que suggéré dans le cadre méthodologique, nous déterminons une combinaison linéaire afin de corréler les données du spectromètre et les données de chaque filtre du radiomètre. En utilisant le programme Mathematica, nous avons pu minimiser le carré des écarts entre les mesures de PLSAND et les résultats de notre combinaison linéaire de filtres. On obtient ainsi l’équation PLSAND ≈ (2,68 • 10-9) IDS – (1,28 • 10-9) IIR. La figure 10 illustre la corrélation entre les données du radiomètre et les données du spectromètre. Contrairement à nos attentes, la corrélation entre ces données est plutôt faible (R = 0,58). On peut expliquer cela de plusieurs manières. D’abord, il est possible que l’usage d’autres filtres sur le radiomètre (ex. : filtres H et Comet) ait permis d’avoir une meilleure corrélation linéaire. Cela nous permet de demeurer optimistes pour la suite du projet, puisqu’une analyse plus complète de nos résultats permettrait peut-être d’atteindre notre objectif, c’est-à-dire de quantifier la pollution lumineuse avec le radiomètre et le spectromètre. Une analyse plus approfondie des images du radiomètre serait nécessaire afin de vérifier la véracité de nos résultats. Comme il n'y a aucun calibrage photométrique sur le radiomètre, on ne peut discuter qualitativement les coefficients obtenus. Par ailleurs, le signe de la corrélation linéaire est très encouragent, car il semble dire que la différence entre l'ensemble de la lumière et seulement la lumière naturelle soit corrélée à la pollution lumineuse. Enfin, nous pensons être en mesure d'effectuer un contrôle de qualité en se basant sur les images du radiomètre, prises aux 2 minutes. En effet, il est possible d'observer si pendant une nuit il y a des nuages qui sont passés, affectant le spectre obtenu avec le spectromètre. Dans un tel cas, on perçoit, sur les images du radiomètre, que les étoiles sont voilées. |