Dynamique saisonnière du dioxyde d'azote (NO₂) et du monoxyde de carbone (CO) dans le district d'Abidjan : analyse par télédétection et WebSIG
Abstract
Abidjan, capitale économique de la Côte d’Ivoire, connaît une urbanisation rapide qui favorise l’augmentation des émissions atmosphériques, alors même que la ville ne dispose pas de réseaux de surveillance performants. Cette étude analyse la dynamique saisonnière du dioxyde d’azote (NO₂) et du monoxyde de carbone (CO) de 2019 à 2023 à partir des données satellitaires Sentinel-5P. Les concentrations ont été traitées par interpolation spatiale et intégrées dans un système d’information géographique en ligne, permettant une visualisation interactive et accessible au public comme aux décideurs. Les résultats montrent une variabilité saisonnière marquée. Le NO₂ présente un pic de 6,73 × 10⁻⁵ en 2022, avec des concentrations plus élevées pendant la grande saison sèche, en lien avec la forte activité urbaine et une dispersion atmosphérique réduite. Le CO atteint un maximum de 0,0480 en 2020, soit une augmentation de 5,73 % par rapport à 2019, avec une intensité accrue également pendant la grande saison sèche. Ces tendances confirment le rôle des conditions météorologiques équatoriales, combinées aux activités industrielles et au trafic routier, dans l’accumulation des polluants. L’intégration des résultats dans un WebSIG interactif constitue une innovation majeure, car elle facilite l’exploration des variations spatio-temporelles et sensibilise la population aux enjeux de qualité de l’air. Cette approche offre une alternative fiable et peu coûteuse aux réseaux classiques, tout en fournissant un outil précieux pour guider les politiques publiques et réduire les risques sanitaires liés à la pollution atmosphérique à Abidjan.
Abidjan, the economic capital of Côte d'Ivoire, is undergoing rapid urbanization, which is contributing to an increase in atmospheric emissions, even though the city does not have effective monitoring networks. This study analyzes the seasonal dynamics of nitrogen dioxide (NO₂) and carbon monoxide (CO) from 2019 to 2023 using Sentinel-5P satellite data. The concentrations were processed using spatial interpolation and integrated into an online geographic information system, enabling interactive visualization accessible to both the public and decision-makers. The results show marked seasonal variability. NO₂ peaks at 6.73 × 10⁻⁵ in 2022, with higher concentrations during the dry season, linked to high urban activity and reduced atmospheric dispersion. CO reaches a maximum of 0.0480 in 2020, an increase of 5.73% compared to 2019, with increased intensity also during the dry season. These trends confirm the role of equatorial weather conditions, combined with industrial activities and road traffic, in the accumulation of pollutants. The integration of the results into an interactive WebGIS is a major innovation, as it facilitates the exploration of spatiotemporal variations and raises public awareness of air quality issues. This approach offers a reliable and inexpensive alternative to conventional networks, while providing a valuable tool for guiding public policy and reducing the health risks associated with air pollution in Abidjan.
Downloads
Metrics
References
2. Bahino, J., Véronique, Y., Corinne, G.-L., Adon, M., Aristide, A., Keita, S., Liousse, C., Gardrat, E., Chiron, C., Ossohou, M., Gnamien, S., & Djossou, J. (2018). A pilot study of gaseous pollutants’ measurement (NO2, SO2, NH3, HNO3 and O3) in Abidjan, Côte d’Ivoire: Contribution to an overview of gaseous pollution in African cities. Atmospheric Chemistry and Physics, 18, 5173‑5198. https://doi.org/10.5194/acp-18-5173-2018
3. Chen, H. H., Qi, Y., Wang, Y., & Chai, F. (2019). Seasonal variability of SST fronts and winds on the southeastern continental shelf of Brazil. Ocean Dynamics, 69(11‑12), 1387‑1399. https://doi.org/10.1007/s10236-019-01310-1
4. Ejikeme, J., Adogu, K., & Onwuzuligbo, C. (2023). Monitoring of Spatio-Temporal Dynamics of Air Pollution in Enugu Urban using Remote Sensing and GIS. European Journal of Environment and Earth Sciences, 4(2), 22‑31. https://doi.org/10.24018/ejgeo.2023.4.2.387
5. Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18‑27. https://doi.org/10.1016/j.rse.2017.06.031
6. HEI, H. E. (2019, janvier 29). Annual Report 2018. Health Effects Institute. https://www.healtheffects.org/publication/annual-report-2018
7. Ialongo, I., Virta, H., Eskes, H., Hovila, J., & Douros, J. (2020). Comparison of TROPOMI/Sentinel-5 Precursor NO2 observations with ground-based measurements in Helsinki. Atmospheric Measurement Techniques, 13(1), 205‑218. https://doi.org/10.5194/amt-13-205-2020
8. Landrigan, P. J., Fuller, R., Acosta, N. J. R., Adeyi, O., Arnold, R., Basu, N. (Nil), Baldé, A. B., Bertollini, R., Bose-O’Reilly, S., Boufford, J. I., Breysse, P. N., Chiles, T., Mahidol, C., Coll-Seck, A. M., Cropper, M. L., Fobil, J., Fuster, V., Greenstone, M., Haines, A., … Zhong, M. (2018). The Lancet Commission on pollution and health. The Lancet, 391(10119), 462‑512. https://doi.org/10.1016/S0140-6736(17)32345-0
9. Levy, R. C., Remer, L. A., Martins, J. V., Kaufman, Y. J., Plana-Fattori, A., Redemann, J., & Wenny, B. (2005). Evaluation of the MODIS Aerosol Retrievals over Ocean and Land during CLAMS. Journal of the Atmospheric Sciences, 62(4), 974‑992. https://doi.org/10.1175/JAS3391.1
10. Ma, J., Ding, Y., Cheng, J. C. P., Jiang, F., Tan, Y., Gan, V. J. L., & Wan, Z. (2020). Identification of high impact factors of air quality on a national scale using big data and machine learning techniques. Journal of Cleaner Production, 244, 118955. https://doi.org/10.1016/j.jclepro.2019.118955
11. Malan, D. F., Kougbo, M. D., Dogba, M., & Konan, A. S. (2023). Dynamique Spatio-Temporelle et Intérêt pour la Conservation de la Forêt Classée de Goin-Débé, une Aire Protégée Menacée de Disparition à l’Ouest de la Côte d’Ivoire. European Scientific Journal, ESJ, 20, 547‑547.
12. Mejía C., D., Alvarez, H., Zalakeviciute, R., Macancela, D., Sanchez, C., & Bonilla, S. (2023). Sentinel satellite data monitoring of air pollutants with interpolation methods in Guayaquil, Ecuador. Remote Sensing Applications: Society and Environment, 31, 100990. https://doi.org/10.1016/j.rsase.2023.100990
13. N’Guessan BI, V. H., Stephanie, L., André, L., & Affian, K. (2021). Estimation Des Concentrations Et Cartographie De La Dynamique Des Polluants Atmosperiques Particulaires Dans La Ville D’abidjan. European Scientific Journal, ESJ, 17, 116. https://doi.org/10.19044/esj.2021.v17n43p116
14. OMS. (2008). Rapport sur la santé dans le monde 2008 : Les soins de santé primaires—Maintenant plus que jamais. https://iris.who.int/items/367c3918-3146-4fac-b0f1-641cbbd7ee0d
15. Sako, N., Beltrando, G., Atta, K. L., N’da, H. D., & Brou, T. (2013). Dynamique forestière et pression urbaine dans le Parc national du Banco (Abidjan, Côte d’Ivoire). VertigO, 13‑2. https://doi.org/10.4000/vertigo.14127
16. Sameh, S., Zarzoura, F., & El-Mewafi, M. (2023). Spatio-temporal Analysis Mapping of Air Quality Monitoring in Cairo using Sentinel-5 satellite data and Google earth engine. Mansoura Engineering Journal, 49(1). https://doi.org/10.58491/2735-4202.3122
17. Shepard, D. (1968). A two-dimensional interpolation function for irregularly-spaced data. Proceedings of the 1968 23rd ACM National Conference On -, 517‑524. https://doi.org/10.1145/800186.810616
18. Tra Bi, F., & Zamblé. (2020). Evaluation de la qualité de l’air dans le district autonome d’Abidjan (Côte d’Ivoire) à partir des caractéristiques spectrales et biochimiques des feuilles de plantes ornementales. [Thesis, Université Jean Lorougnon Guédé]. https://dicames.online/jspui/handle/20.500.12177/5894
19. Traore, K. M. (2016). Analyse des vulnérabilités de la ville côtière de San-Pedro (Sud-Ouest de la Côte d’Ivoire) [These de Doctorat, Université Felix Houphouet-Boigny de Cocody-Abidjan]. https://sde.hal.science/tel-01539494
20. Veefkind, J. P., Aben, I., McMullan, K., Förster, H., de Vries, J., Otter, G., Claas, J., Eskes, H. J., de Haan, J. F., Kleipool, Q., van Weele, M., Hasekamp, O., Hoogeveen, R., Landgraf, J., Snel, R., Tol, P., Ingmann, P., Voors, R., Kruizinga, B., … Levelt, P. F. (2012). TROPOMI on the ESA Sentinel-5 Precursor : A GMES mission for global observations of the atmospheric composition for climate, air quality and ozone layer applications. Remote Sensing of Environment, 120, 70‑83. https://doi.org/10.1016/j.rse.2011.09.027
21. Verhoelst, T., Compernolle, S., Pinardi, G., Lambert, J.-C., Eskes, H. J., Eichmann, K.-U., Fjæraa, A. M., Granville, J., Niemeijer, S., Cede, A., Tiefengraber, M., Hendrick, F., Pazmiño, A., Bais, A., Bazureau, A., Boersma, K. F., Bognar, K., Dehn, A., Donner, S., … Zehner, C. (2021a). Ground-based validation of the Copernicus Sentinel-5P TROPOMI NO2 measurements with the NDACC ZSL-DOAS, MAX-DOAS and Pandonia global networks. Atmospheric Measurement Techniques, 14(1), 481‑510. https://doi.org/10.5194/amt-14-481-2021
22. Verhoelst, T., Compernolle, S., Pinardi, G., Lambert, J.-C., Eskes, H. J., Eichmann, K.-U., Fjæraa, A. M., Granville, J., Niemeijer, S., Cede, A., Tiefengraber, M., Hendrick, F., Pazmiño, A., Bais, A., Bazureau, A., Boersma, K. F., Bognar, K., Dehn, A., Donner, S., … Zehner, C. (2021b). Ground-based validation of the Copernicus Sentinel-5P TROPOMI NO2 measurements with the NDACC ZSL-DOAS, MAX-DOAS and Pandonia global networks. Atmospheric Measurement Techniques, 14(1), 481‑510. https://doi.org/10.5194/amt-14-481-2021
23. Wang, J., Alli, A. S., Clark, S., Hughes, A., Ezzati, M., Beddows, A., Vallarino, J., Nimo, J., Bedford-Moses, J., Baah, S., Owusu, G., Agyemang, E., Kelly, F., Barratt, B., Beevers, S., Agyei-Mensah, S., Baumgartner, J., Brauer, M., & Arku, R. E. (2022). Nitrogen oxides (NO and NO2) pollution in the Accra metropolis: Spatiotemporal patterns and the role of meteorology. Science of The Total Environment, 803, 149931. https://doi.org/10.1016/j.scitotenv.2021.149931
24. Yang, T., & Liu, W. (2018). Does air pollution affect public health and health inequality? Empirical evidence from China. Journal of Cleaner Production, 203, 43‑52. https://doi.org/10.1016/j.jclepro.2018.08.242
25. Zhang, Y., Yu, H., Smedt, I., Lin, J., Theys, N., Van Roozendael, M., Pinardi, G., Compernolle, S., Ni, R., Ren, F., Wang, S., Chen, L., van Geffen, J., Liu, M., Cede, A., Tiefengraber, M., Merlaud, A., Friedrich, M., Richter, A., & Fabris, L. (2025). Global retrieval of TROPOMI tropospheric HCHO and NO2 columns with improved consistency based on the updated Peking University OMI NO2 algorithm. Atmospheric Measurement Techniques, 18, 1561‑1589. https://doi.org/10.5194/amt-18-1561-2025
Copyright (c) 2026 Djaha Levix Nadir Koffi, Bi Vami Hermann N’Guessan, Kouadio Justin Konan
This work is licensed under a Creative Commons Attribution 4.0 International License.
