Modelo de proximidad espacial para definir sitios de muestreo en redes urbanas de calidad de aire
DOI:
https://doi.org/10.17533/udea.rfnsp.v35n1a12Palabras clave:
modelo de proximidad espacial, contaminación del aireResumen
Este artículo presenta un modelo de proximidad espacial a vías, usos industriales del suelo y zonas verdes para determinar concentraciones de material particulado y localizar sitios de monitoreo de calidad de aire en zonas urbanas. Se utilizan datos de concentración promedio mensual de PM10 (µgm/m3), medidos en nueve sitios de monitoreo en la ciudad de Medellín entre enero de 2003 y diciembre de 2008. Con estos datos se calculan mapas mensuales de concentración, usando métodos de interpolación geoestadísticos con semivariogramas J-Bessel que caracterizan espacialmente la concentración de PM10. Se calculan tres factores de proximidad espacial (a vías, a industrias y a zonas verdes) y uno combinado para multiplicarlos por los mapas de concentración. Con este resultado, se propone una red de sitios de monitoreo para Medellín. Las técnicas de análisis espacial y el modelo de proximidad permiten inspeccionar la distribución del contaminante sobre el territorio, resaltando el efecto de las intersecciones de las vías principales y las zonas industriales donde se dan las mayores concentraciones, y el efecto amortiguador de las zonas verdes. Esto complementa las disposiciones normativas existentes en Colombia para la definición de la ubicación de sitios de monitoreo en sistemas de vigilancia de la calidad del aire.
Descargas
Citas
Elbir T. Comparison of model predictions with the data of an urban air quality monitoring network in Izmir, Turkey. Atmospheric Environment 2003; 37: 2149 –2157.
Marcon A, Pesce G, Girardi P, Marchetti P, Blengio G, Sappadina S, et al. Association between PM10 concentrations and school absences in proximity of a cement plant in northern Italy. International Journal of Hygiene and Environmental Health 2014; 217 (2-3): 386-391.
García-Pérez J, Morales-Piga A, Gómez J, Gómez-Barroso D, Tamayo-Uria I, Pardo Romaguera P, et al. Association between residential proximity to environmental pollution sources and childhood renal tumors. Environmental Research 2016; 147: 405-414.
Gulliver J, Briggs D. STEMS-Air: a simple GIS-based air pollution dispersion model for city-wide exposure assessment. Science of the Total Environment 2011a; 409: 2419-2429.
Eeftens M, Beekhuizen J, Beelen R, Wang M, Vermeulen R, Brunekreef B, et al. Quantifying urban street configuration for improvements in air pollution models. Atmospheric Environment 2013; 72: 1-9.
Dionisio K, Rooney M, Arku R, Friedman A, Hughes A, Vallarino J, et al. Within-neighborhood patterns and sources of particle pollution: mobile monitoring and geographic information system analysis in four communities in Accra, Ghana. Environmet Health Perspect 2010; 118: 607–13.
Wang Y, Li J, Cheng X, Lun X, Sun D, Wang X. Estimation of PM10 in the traffic-related atmosphere for three road types in Beijing and Guangzhou, China. Journal of Environmental Sciences 2014; 26 (1): 197-204.
Clougherty J, Kheirbek I, Eisl H, Ross Z, Pezeshki G, Gorczynski J, et al. Intra-urban spatial variability in wintertime street-level concentrations of multiple combustion-related air pollutants: The New York City Community Air Survey (NYCCAS). Journal of Exposure Science and Environmental Epidemiology 2013; 23: 232-240.
Nejadkoorki F, Nicholson K, Hadad, K. The design of long-term air quality monitoring networks in urban areas using a spatiotemporal approach. Environmental Monitoring and Assessment 2011; 172 (1-4): 215-223.
Jerrett M, Potoglou D, Arain A, Kanaroglou P, Sahsuvaroglu T, Beckerman B, et al. A review and evaluation of intraurban air pollution exposure models. Journal of Exposure Analysis and Environmental Epidemiology 2005; 15: 185–204.
Ministerio de Ambiente Vivienda y Desarrollo Territorial. Protocolo para el monitoreo y seguimiento de la calidad del aire. Bogotá: página 57; 2007 [acceso 11 de abril de 2016]. Disponible en: https://www.cortolima.gov.co/sites/default/files/images/stories/calidadAire/protocolo_monitoreo_calidad_aire.pdf.
Laboratorio de Calidad del Aire. Universidad Nacional de Colombia Sede Medellín, Facultad de Minas; 2015.
Londoño L, Cañón J, Villada R, López L. Caracterización espacial de PM10 en la ciudad de Medellín mediante modelos geoestadísticos. Revista de Ingenierías USBMED [revista en Internet] 2015 julio-diciembre. [Acceso 11 de abril de 2016]; 6 (2): 26-35. Disponible en: http://revistas.usb.edu.co/index.php/IngUSBmed/article/view/1728
Chen X, Pei T, Zhou Z, Teng M, He L, Luo M, et al. Efficiency differences of roadside greenbelts with three configurations in removing coarse particles (PM10): A street scale investigation in Wuhan, China. Urban Forestry & Urban Greening 2015; 14(2): 354-360.
Saaty, T. Analytic Hierarchy Process. In: Gass S, Fu M. (eds) Encyclopedia of Operations Research and Management Science. US: Springer; 2013. p. 52-64.
Publicado
Cómo citar
Número
Sección
Licencia
El autor o los autores conserva(n) los derechos morales y cede(n) los derechos patrimoniales que corresponderán a la Universidad de Antioquia, para publicarlo, distribuir copias electrónicas, incluirlas en servicios de indización, directorios o bases de datos nacionales e internacionales en Acceso Abierto, bajo la licencia Creative Commons Atribución-No Comercial-Compartir Igual 4.0 Internacional Comercial (CC BY-NC-SA) la cual permite a otros distribuir, remezclar, retocar y crear a partir de la obra de modo no comercial, siempre y cuando se dé crédito respectivo y licencien las nuevas creaciones bajo las mismas condiciones.
--
--
--
