Modelo de proximidade espacial para definir áreas de amostragem em redes urbanas de qualidade do ar
DOI:
https://doi.org/10.17533/udea.rfnsp.v35n1a12Palavras-chave:
modelo de proximidade espacial, poluição do arResumo
Neste artigo se apresenta um modelo de proximidade espacial a vias, utilização industrial do solo e áreas verdes, para determinar concentrações de material particulado e localizar lugares de monitoração da qualidade do ar em áreas urbanas. Utilizam-se dados de concentração de média mensal de PM10 (µgm/m3), medidos em nove lugares de monitoração em Medellín, entre janeiro de 2003 e dezembro de 2008. Com estes dados calculam-se mapas mensais de concentração, utilizando métodos de interpolação geoestatísticos com semivariogramas J-bessel, caracterizando espacialmente a concentração de PM10. Calculam-se três fatores de proximidade espacial (a vias, as industrias e a áreas verdes), e um combinado para multiplicá-los nos mapas de concentração.Com este resultado, propõe-se uma rede de lugares de monitoração para Medellín. As técnicas de análise espacial e o modelo de proximidade permitem inspecionar a distribuição do poluente sobre o território, ressaltando o efeito das interseções das vias principais e as áreas industriais onde ficam as maiores concentrações, e o efeito amortecedor das áreas verdes. Isto complementa as disposições normativas que existem na Colômbia para a definição da localização de lugares de monitoração em sistemas de vigilância da qualidade do ar.
Downloads
Referências
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
Como Citar
Edição
Seção
Licença
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.