Les poussières désertiques en phase aérosol affectent le climat, la biogéochimie et la qualité de l'air. De ce fait, la mesure de leur concentration est intéressante pour de nombreuses parties prenantes telles que la communauté scientifique, les décideurs politiques et les institutions de santé publique. Or, à l'heure actuelle, il n'est pas trivial de déterminer la nature chimique et l'origine des aérosols et donc d'agir sur les sources. Les techniques utilisées pour y parvenir sont à la fois complexes et coûteuses (chimie analytique, modèles météorologiques). L'Aer?tape, quant à lui, est un instrument relativement simple et robuste qui permet, grâce à un microscope embarqué, de visualiser les particules (1 - 100 µm) collectées par un impacteur in situ et à fréquence relativement élevée (un point toutes les 3 minutes). Couplée à un algorithme d'intelligence artificielle, l'imagerie confère à cet instrument le potentiel de classifier les particules, et notamment les poussières minérales. L'objectif final de cette étude est d'étudier la capacité de l'Aer?tape à réaliser cette classification. Le travail présenté ici restitue le résultat de deux étapes essentielles de ce processus : (1) la validation de la mesure de concentration de l'instrument, et (2) l'optimisation de l'échantillonnage pour segmenter efficacement les particules.

Airborne desert dusts impact climate, biogeochemistry and air quality. Hence, their monitoring is of interest for many stakeholders such as the scientific community, decision makers and public health authorities. However, determining the chemical nature and origin of aerosols, and thus acting on their sources, is not trivial and the techniques are both complex and costly (analytical chemistry, meteorological models). The Aer?tape, on the other hand, is a relatively simple and robust instrument that uses an on-board microscope to visualize particles (1 - 100 µm) inertially collected by an impactor for approximately 3 minutes. By coupling image processing and an artificial intelligence algorithm, it has the potential to classify particles, such as dusts. The ultimate goal of this study is to investigate the Aer?tape's ability to perform this classification. The work presented here reports the results of two essential steps in this process: (1) validating the instrument's concentration measurement and (2) optimizing the sampling to segment efficiently individual particles.