E-MAIL

contact@karusphere.com

Téléphone

+590 690 76 61 21

Nos horaires

08H30- 17H30

22- Application of aggregation operators for forecasting PM10 fluctuations: From available Caribbean data sites to unequipped ones [Plocoste et al (2024)]

La pollution de l’air est un problème majeur pour la santé publique. Prédire les niveaux de particules en suspension dans l’air, en particulier celles d’origine naturelle comme les brumes de sable africaine, permet de donner des avertissements plus efficaces aux populations concernées. Actuellement, seules trois îles mesurent en continue les concentrations de PM10 dans la […]

21- Multifractal detrended fluctuation analysis of rainfall time series in the Guadeloupe archipelago Gómez-Gómez et al (2023)

En raison de la fragilité des îles caribéennes face au changement climatique, il est crucial de comprendre le comportement des précipitations. De surcroît, les sols des îles des Antilles françaises ont été contaminés par un insecticide organochloré (Chlordécone), dont le processus de décontamination se produit principalement par le lessivage naturel des sols. Par conséquent, il […]

20- Multiscale correlation analysis between wind direction and meteorological parameters in Guadeloupe archipelago [Plocoste and Sankaran (2023)]

En milieux insulaires, la gestion des déchets est un problème majeur en raison du manque d’espace. Les décharges à ciel ouvert sont souvent situées au cœur des agglomérations. Dans ces endroits où les microclimats sont nombreux, il est crucial de mieux comprendre le devenir des polluants atmosphériques des décharges. Il est bien connu que les […]

18- Forecasting PM10 Concentrations in the Caribbean Area Using Machine Learning Models [Plocoste and Laventure (2023)] 

Dans le bassin caribéen, les particules inférieures ou égales à 10 µm de diamètre (PM10) ont un impact épidémiologique conséquent dû principalement au transport des poussières désertiques. Pour la première fois dans cette zone géographique, le cadre théorique de l’intelligence artificielle a été appliqué pour prédire les concentrations de PM10. Six modèles d’apprentissage automatique ont […]

17- Analysis of particulate matter (PM10) behavior in the Caribbean area using a coupled SARIMA-GARCH model [Esdra et al (2022)]

Le transport périodique des brumes de sable au-dessus de l’Atlantique vers l’arc des Petites Antilles, constitue le facteur de pollution particulaire majeur de la zone caribéenne. Compte tenu de l’impact des poussières désertiques sur la santé humaine et le climat, il est nécessaire de modéliser et prédire les fluctuations des concentrations de particules avec un […]

16- Quantifying spatio-temporal dynamics of African dust detection threshold for PM10 concentrations in the Caribbean area using multiscale decomposition [Plocoste et al (2022)]

Le bassin Caribéen est l’une des régions de la planète avec un taux d’asthme très élevé dû à la présence des brumes de sable. Par conséquent, il est crucial de précisément quantifier la présence de ces brumes dans la couche limite atmosphérique de cette zone. Cet article détermine statistiquement et dynamiquement un nouveau seuil de […]

15- Detecting the Causal Nexus between Particulate Matter (PM10) and Rainfall in the Caribbean Area [Plocoste (2022)]

Les caractéristiques des aérosols sont des paramètres clés qui définissent les propriétés des nuages. Cet article analyse les interactions entre les particules (PM10) et les précipitations (RR) dans le cadre de l’entropie. Nos résultats ont montré qu’il existe une causalité bidirectionnelle entre les concentrations de PM10 et les valeurs de RR. Cela signifie que les […]

14- Multiscale analysis of the dynamic relationship between particulate matter (PM10) and meteorological parameters using CEEMDAN: A focus on ‘‘Godzilla’’ African dust event [Plocoste (2022)]

Les brumes de sable ont un fort impact sur les conditions climatiques. Cet article analyse la relation dynamique entre les particules PM10 et les paramètres météorologiques (rayonnement solaire (𝑆𝑅), température de l’air (𝑇), vitesse et direction du vent (𝑈 et 𝐷), pluviométrie (𝑅), humidité relative (𝑅ℎ) et visibilité (𝑉)) en utilisant une analyse de corrélation […]

13- Is there a causal relationship between Particulate Matter (PM10) and air Temperature data? An analysis based on the Liang–Kleeman information transfer theory [Plocoste and Calif (2021)]

Cet article présente les résultats de l’étude de la relation de cause à effet entre les particules PM10 et la température atmosphérique (T) dans le bassin Caribéen en utilisant des méthodes d’entropie. À notre connaissance, ce travail est le premier à analyser la relation causale entre ces deux paramètres pour différentes échelles de temps. Nos […]