INTRODUCCIÓN
La contaminación atmosférica tiene origen natural pero principalmente se genera por actividades humanas. El ozono (O3), formado principalmente por la oxidación de dióxido de nitrógeno (NO2), es parte de los contaminantes potencialmente dañinos en zonas agrícolas (Alvarado-Rosales y Hernández-Tejeda 2002). Ambos tienen efectos dañinos en la salud del ser humano, animales y bosques. El O3 daña bosques, plantaciones y zonas de cultivo y disminuye la resistencia de las plantas ante sequías o bajas temperaturas (WHO 2006).
En la actualidad, muchas ciudades del mundo cuentan con registros de algunos contaminantes atmosféricos; sin embargo, en los bosques es poco común encontrar instalaciones para el registro de contaminantes. Éste es el caso de los bosques y áreas rurales colindantes con el Valle de México, donde a pesar de la presencia de daños a los bosques documentados (López-López et al. 1998, Hernández-Tejeda et al. 2001, Alvarado-Rosales y Hernández-Tejeda 2002, Bauer y Hernández-Tejeda 2007), se carece de registros que permitan relacionar los daños presentes en los árboles con las concentraciones de contaminantes atmosféricos.
Una opción para conocer las concentraciones de contaminantes del aire en zonas rurales es la elaboración de modelos de predicción a partir de datos de contaminantes y variables meteorológicas procedentes de estaciones cercanas a los sitios rurales.
En el Valle de México, la concentración de O3 está influenciada por la fisiografía de la región, pero la velocidad de reacción del O3 y el NO2 está fuertemente relacionada con vientos, humedad, temperatura y radiación solar (Alvarado-Rosales y Hernández-Tejeda 2002). Existen pocos estudios sobre modelos predictivos de O3 en el Valle de México, y aún menos estudios donde se consideran variables meteorológicas para desarrollar los modelos de estimación de las concentraciones de O3 y NO2 en localidades rurales como Ajusco Medio (AJM), Cuajimalpa (CUA), Cuautitlán (CUT) y Montecillo (MON).
Algunos estudios han demostrado que los contaminantes atmosféricos presentan correlación con las variables meteorológicas. En una investigación realizada en el Valle de México en las estaciones de monitoreo Merced, Tlalnepantla y Pedregal, Correa et al. (1999) demostraron que el NO2, precursor del O3, presenta una correlación moderadamente alta (r = 0.85) con este último, según un modelo de regresión múltiple, mientras que los parámetros meteorológicos presentan una relación débil. Además, estos autores propusieron inicialmente una ecuación de regresión lineal múltiple para predecir las concentraciones máximas diarias de O3 con base en concentraciones de esta sustancia observadas en periodos anteriores, tomando además como variables explicativas algunos parámetros del estado del tiempo y concentraciones de contaminantes precursores del día anterior.
Ramos et al. (2010) emplearon un análisis de regresión múltiple de los datos de las concentraciones de dióxido de azufre (SO2), NO2, ácido sulfhídrico (H2S) y material particulado de 10 µm (PM10) en la zona norte de Chiapas para describir las concentraciones en función del tiempo y/o de las variables meteorológicas temperatura, humedad relativa y dirección de los vientos; concluyeron que las variables meteorológicas describieron adecuadamente la concentración anual y mensual, pero no la concentración diaria. Además, reportaron que la correlación de NO2 fue negativa con la humedad relativa y la altura de la capa de mezcla, y positiva con la temperatura, la radiación solar y la velocidad escalar del viento. Esto indica que, de manera significativa (aunque con coeficientes de correlación relativamente bajos), al aumentar la humedad relativa y la altura de la capa de mezcla, disminuyó la concentración de NO2 y viceversa. Lo contrario ocurrió con la temperatura, radiación solar y velocidad del viento, variables que, al aumentar, indujeron el incremento de las concentraciones de NO2.
Por otro lado, Novoa et al . (2014) propusieron ecuaciones de regresión lineal múltiple para la estimación de las concentraciones en las estaciones Pedregal, Merced y Tlalnepantla, con base en datos de concentraciones O3, NO2, NOx, SO2, CO, PM10 y PM2.5 como variables independientes registrados por la Red Automática de Monitoreo Atmosférico (RAMA) de la Ciudad de México y las variables meteorológicas temperatura, humedad relativa, dirección de vientos y velocidad de vientos como variables independientes registrados por la Red de Meteorología y Radiación Solar (REDMET) del Valle de México. Estos autores encontraron una fuerte correlación entre el O3 y la temperatura en la estación de monitoreo Tlalnepantla. Por último, mediante el uso de análisis de componentes principales, determinaron que los parámetros meteorológicos como temperatura y humedad relativa tienen un fuerte impacto en la contaminación del aire de la Ciudad de México.
El presente estudio tuvo por objeto evaluar la factibilidad técnica de estimar, mediante modelos matemáticos, las concentraciones de O3 y NO2 atmosférico en zonas suburbanas o rurales del Valle de México, a partir de datos de los mismos contaminantes y/o de variables meteorológicas de otros puntos del valle.
MATERIALES Y MÉTODOS
Se eligieron cuatro sitios de estudio dentro del Valle de México, todos cercanos a zonas rurales y en diferentes puntos cardinales: estación AJM al sur, CUA al oeste, CUT al norte y MON al este del valle. La selección de estos puntos permite determinar si mediante procedimientos estadísticos como los utilizados en el presente estudio, es posible estimar, con una precisión modesta, las concentraciones de O3 y NO2 en zonas rurales/suburbanas, de tal forma que sea posible estudiar los impactos de estos contaminantes en los ecosistemas agrícolas y forestales que prevalecen en esos puntos.
Los datos se obtuvieron de los registros de las concentraciones de O3, NO2 y variables meteorológicas de las estaciones de monitoreo de la RAMA y de las estaciones meteorológicas de la REDMET, localizadas en Ciudad de México (CDMX) y el Estado de México (EDOMEX). Ambas redes de monitoreo están conformadas por un total de 38 estaciones distribuidas en todo el Valle de México (Cuadro I).
Clave | Estación | Delegación o municipio | Estado | Latitud (DD) | Longitud (DD) | Altitud (m) |
ACOL** | Acolman | Acolman | EDOMEX | 19.635501 | -98.912003 | 2198 m |
AJU** | Ajusco | Tlalpan | CDMX | 19.154674 | 19.2721 | 2953 m |
AJM** | Ajusco Medio | Tlalpan | CDMX | 19.2721 | -99.207658 | 2619 m |
ATIZA** | Atizapán | Atizapán de Zaragoza | EDOMEX | 19.576963 | -99.254133 | 2341 m |
AZC | Azcapotzalco | Azcapotzalco | CDMX | * | * | 2252m |
BJU | Benito Juárez | Benito Juárez | CDMX | 19.371612 | -99.158969 | 2250 m |
CAM | Camarones | Azcapotzalco | CDMX | 19.468404 | -99.169794 | 2233 m |
CCA | Centro de Ciencias de la Atmósfera | Coyoacán | CDMX | 19.3262 | -99.1761 | 2280 m |
CHO** | Chalco | Chalco | EDOMEX | 19.266948 | -98.886088 | 2253 m |
COY | Coyoacán | Coyoacán | CDMX | * | * | 2240 m |
CUA** | Cuajimalpa | Cuajimalpa de Morelos | CDMX | 19.365313 | -99.291705 | 2704 m |
CUT** | Cuautitlán | Tepotzotlán | EDOMEX | 19.722186 | -99.198602 | 2263 m |
FAC | Fes Acatlán | Naucalpan de Juárez | EDOMEX | 19.482473 | -99.243524 | 2299 m |
GAM | Gustavo A. Madero | Gustavo A. Madero | CDMX | 19.4827 | -99.094517 | 2227 m |
HGM | Hospital General de México | Cuauhtémoc | CDMX | 19.411617 | -99.152207 | 2234 m |
INN** | Investigaciones Nucleares | Ocoyoacac | EDOMEX | 19.291968 | -99.38052 | 3082 m |
IZT | Iztacalco | Iztacalco | CDMX | 19.384413 | -99.117641 | 2238 m |
LPR** | La Presa | Tlalnepantla de Baz | EDOMEX | 19.534727 | -99.11772 | 2302 m |
LLA | Los Laureles | Ecatepec de Morelos | EDOMEX | 19.578792 | -99.039644 | 2230 m |
MPA** | Milpa alta | Milpa Alta | CDMX | 19.17688 | -98.990175 | 2592 m |
MER | Merced | Venustiano Carranza | CDMX | 19.42461 | -99.119594 | 2245 m |
MGH | Miguel Hidalgo | Miguel Hidalgo | CDMX | 19.40405 | -99.202603 | 2366 m |
MON** | Montecillo | Texcoco | EDOMEX | 19.460415 | -98.902853 | 2252 m |
NEZ | Nezahualcóyotl | Nezahualcóyotl | EDOMEX | 19.393734 | -99.028212 | 2235 m |
PED | Pedregal | Álvaro Obregón | CDMX | 19.325146 | -99.204136 | 2326 m |
SAG | San Agustín | Ecatepec de Morelos | EDOMEX | 19.532968 | -99.030324 | 2241 m |
SFE | Santa Fe | Cuajimalpa de Morelos | CDMX | 19.357357 | -99.262865 | 2599 m |
SJA | San Juan de Aragón | Gustavo A. Madero | CDMX | * | * | 2450m |
SUR | Santa Úrsula | Coyoacán | CDMX | * | * | 2250m |
TLAH | Tláhuac | Xochimilco | CDMX | 19.246459 | -99.010564 | 2297 m |
TLA | Tlalnepantla | Tlalnepantla de Baz | EDOMEX | 19.529077 | -99.204597 | 2311 m |
TLI** | Tultitlán | Tultitlán | EDOMEX | 19.602542 | -99.177173 | 2313 m |
UIZ | UAM Iztapalapa | Iztapalapa | CDMX | 19.360794 | -99.07388 | 2221 m |
UAX | UAM Xochimilco | Coyoacán | CDMX | 19.304441 | -99.103629 | 2246 m |
VIF | Villa de las Flores | Coacalco de Berriozábal | EDOMEX | 19.658223 | -99.09659 | 2242 m |
XAL | Xalostoc | Ecatepec de Morelos | EDOMEX | 19.525995 | -99.0824 | 2160 m |
*Estaciones de monitoreo atmosférico con ubicación no especificada, **Estaciones de monitoreo atmosférico ubicadas en áreas rurales/suburbanas. EDOMEX: Estado de México, CDMX: Ciudad de México
Las bases de datos con la información utilizada en este estudio fueron obtenidas de la página oficial de la Secretaría del Medio Ambiente de la Ciudad de México (SEDEMA 2019). Se descargaron los registros del periodo 2010-2017 de las siguientes variables: O3, NO2, temperatura (Tem), humedad relativa (Hr), dirección de vientos (Dv) y velocidad de vientos (Vv).
El registro de contaminantes se ejecuta cada hora, produciendo un total de 24 registros de cada variable por día. Para este estudio se decidió conformar una sola base de datos con valores promedio diarios, obteniéndose un total de 17 520 registros promedio del periodo 2010-2017. La base de datos incluye los registros promedio de las siguientes variables en sus respectivas unidades: O3 en partes por billón (ppb), NO2 en ppb, temperatura en grados centígrados (ºC), humedad relativa en porcentaje (%), dirección de vientos en grados acimut (ºA) (Pérez-Camacho et al. 2013) y velocidad de vientos en metros sobre segundo (m/s).
La base de datos se utilizó fundamentalmente para correlacionar las concentraciones de O3 en las estaciones rurales/suburbanas con las correspondientes y las de NO2; asimismo, con variables meteorológicas de otras estaciones de las redes mencionadas. Para ello se utilizó el paquete estadístico SAS 9.4. Las variables que finalmente conformaron los modelos de estimación fueron seleccionadas mediante el procedimiento de pasos sucesivos (stepwise), previo análisis para probar los supuestos de normalidad, linealidad, multicolinealidad y homocedasticidad. Las variables dependientes fueron las concentraciones de O3 y NO2 en las estaciones rurales/suburbanas, mientras que las variables O3, NO2, temperatura, humedad relativa, velocidad de vientos y dirección de vientos (todas ellas en estaciones principalmente urbanas) fueron consideradas como variables independientes.
El procedimiento de análisis contempló la estimación de concentraciones de O3 en las estaciones de monitoreo atmosférico AJM, CUA, CUT y MON para el mismo día de registro con base en concentraciones de O3 registrado en otras estaciones de la RAMA. Asimismo, se estimó el O3 con base en concentraciones de O3, NO2 y variables meteorológicas registradas por la REDMET, tomando como base datos registrados de 2010 a 2017. Finalmente, para la estimación de NO2, en los modelos se tomaron en consideración las concentraciones de NO2 registradas en otras estaciones de la RAMA y se elaboró otro grupo de modelos en los que se consideraron las concentraciones de NO2 y variables meteorológicas.
Los modelos de estimación se utilizaron en fechas aleatorias de 2010 a 2018 (Cuadro II), con el objetivo de validar cada modelo y determinar su confiabilidad. Sin embargo, en algunos casos, ciertas estaciones de monitoreo no presentaron registros. Por lo anterior, se optó por utilizar el promedio de las estaciones que sí presentaron registros para conformar en su totalidad los modelos de estimación. Finalmente, se probó la aleatoriedad de la distribución de los errores (procedimiento Univariate de SAS).
RESULTADOS Y DISCUSIÓN
La variación de las estimaciones de O3 en las estaciones rurales y suburbanas se explica en más del 84 % por las concentraciones de O3 en otras estaciones de monitoreo atmosférico. Esto permite afirmar que mediante procedimientos de regresión múltiple es posible estimar las concentraciones de O3 en sitios rurales y suburbanos del Valle de México y conocer el tipo de relación que presentan (Cuadro III).
Estación rural (O3) | Modelo de estimación | R2 | RSME |
AJM | 0.4630 ([O3]PED) + 0.1887 ([O3]AJU) + 0.3304 ([O3]SFE) - 0.0540 ([O3]COY) + 0.3120 ([O3]CHO) - 0.0287 ([O3]LPR) - 0.0565 ([O3]TLA) | 0.9139 | 4.4289 |
CUA | 0.1565 ([O3]TLA) - 0.1971 ([O3]INN) - 0.3048 ([O3]CHO) + 0.3501 ([O3]ACOL) + 0.3477 ([O3]AJM) + 0.127 ([O3]AJU) + 0.2216 ([O3]SFE) + 0.1911 ([O3]MER) + 0.3656 ([O3]FAC) - 0.222 ([O3]CUT) | 0.9234 | 3.8674 |
CUT | 0.0405 ([O3]MPA) - 0.2101 ([O3]CAM) + 0.2424 ([O3]TLA) + 0.3347 ([O3]MGH) + 0.3575 ([O3]TLI) - 0.1136 ([O3]CCA) - 0.0617 ([O3]AJM) + 0.0927 ([O3]MER) + 0.2445 ([O3]VIF) | 0.8809 | 3.4784 |
MON | 0.0767 ([O3]UAX) - 0.077 ([O3]BJU) - 0.062 ([O3]COY) + 0.4410 ([O3]NEZ) - 0.039 ([O3]SAG) + 0.1999 ([O3]CHO) + 0.1043 ([O3]MER) + 0.2685 ([O3]ACOL) | 0.8481 | 3.3585 |
AJM: Ajusco Medio, CUA: Cuajimalpa, CUT: Cuautitlán, PED: Pedregal, AJU: Ajusco, SFE: Santa Fe, COY: Coyoacán, CHO: Chalco, LPR: La Presa, TLA: Tlalnepantla, ACOL: Acolman, MER: Merced, FAC: FES Acatlán, MPA: Milpa Alta, CAM: Camarones, MGH: Miguel Hidalgo, TLI: Tultitlán, CCA: Centro de Ciencias de la Atmósfera, VIF: Villa de las Flores, UAX: UAM Xochimilco, BJU: Benito Juárez, NEZ: Nezahualcóyotl, SAG: San Agustín, MON: Montecillo, [O3]: concentración de ozono en ppb
De acuerdo con los modelos obtenidos, el comportamiento del ozono en las estaciones objetivo muestra principalmente una relación directa con las estaciones cercanas a ellas, probablemente debido al patrón del movimiento de los vientos dominantes (Montiel-Palma 2006) y a la condición cerrada de la cuenca del valle, misma que promueve la acumulación de contaminantes en la zona sur del mismo. Ahí se concentra la mayor superficie de zonas de reserva ecológica y rurales, y se encuentran áreas ganaderas y agrícolas que se ven afectadas por la contaminación del aire. En esta zona, la contaminación daña principalmente cultivos de avena, frijol, hortalizas y sorgo, que son sensibles al O3, con las consecuentes pérdidas económicas (INECC 2016, CAME-SEMARNAT-INECC 2017) (Cuadro III). Este comportamiento coincide con el encontrado por Franco-Islas et al. (2015).
Por el contrario, en la mayoría de las estaciones lejanas a las estaciones objetivo (sin que esto sea una regla estricta) se presentó una correlación inversa, lo cual indica que al aumentar el O3 en la estación objetivo, éste disminuye en las estaciones lejanas y viceversa. Tal comportamiento se debe probablemente a la influencia de las variables meteorológicas, particularmente la temperatura y los vientos sobre las concentraciones y dispersión de O3, tal como lo han reportado Jazcilevich et al . (2003), Fernández-Fernández et al . (2011), Ooka et al . (2011), Franco-Islas (2014), Cano et al . (2016) y SEDEMA (2017) (Cuadro III).
El cuadro III muestra los modelos de estimación de las concentraciones de O3 en cuatro estaciones rurales/suburbanas, a partir de las concentraciones del mismo contaminante registradas en otras estaciones de la RAMA. Con excepción de la estación AJM, los registros de O3 son válidos para estimar las concentraciones de O3 en las estaciones rurales/suburbanas del Valle de México con coeficientes de determinación relativamente elevados (R2 > 0.84).
Asimismo, el cuadro III, señala que el ozono participa en los modelos, principalmente mediante correlación directa. En el caso de AJM con las estaciones seleccionadas en el modelo, cuatro presentan correlación directa y tres correlaciones inversas (proporción 4:3). Similarmente, las proporciones de registros de O3 con efectos directos respecto a los inversos, son 7:3, 6:3 y 5:3 para las estaciones CUA, CUT y MON, respectivamente.
En estos modelos, la variación de las concentraciones de O3 es explicada en más de 83 % por las concentraciones de O3 y NO2, y variables meteorológicas. Los modelos indican que de manera general el O3 de las estaciones rurales y suburbanas tiene una relación directa con el ozono registrado en estaciones cercanas a ellas (Cuadro IV).
Estación rural (O3) | Modelo de estimación | R2 | RSME |
AJM | 0.2273 ([O3]MPA) + 0.78369 ([O3]PED) + 0.2302 ([NO2] XAL) + (0.0190) ([NO2]UAX) - 0.13599 (HrSAG) + 0.1179 (HrMPA) - 1.3063 (TemINN) + 2.1348 (TemNEZ) - 0.0247 (DvAJU) + 0.0171 (DvPED) + 0.6642 (Vv MPA) - 5.9862 (VvBJU) | 0.9655 | 3.1203 |
CUA | 0.0658 ([NO2]XAL) - 0.0490 ([NO2]ATIZA) + 0.7177 ([O3]SFE) + 0.3032 ([O3]MGH) + 0.0258 (HrMPA) + 0.1044 (HrBJU) + 0.3921 (TemSAG) + 0.2898 (TemPED) + 0.0096 (DvACOL) + 1.4137 (VvHGM) | 0.9750 | 1.8855 |
CUT | 0.0771 ([O3]SFE) + 0.0947 ([O3]MER) + 0.2969 ([O3]FAC) + 0.2430 ([NO2]SJA) + 0.2178 ([O3]SJA) - 0.0099 ([NO2]SFE) - 0.1972 ([NO2]COY) + 1.4225 (VvCUT) + 0.4494 (TemCUA) + 0.0648 ([O3]INN) | 0.8309 | 3.7910 |
MON | 0.0225 ([NO2]ATIZA) - 0.0106 ([NO2]SJA) + 0.3878 ([O3]SAG) - 0.0637 ([O3]TLA) + 0.5839 ([O3]NEZ) + 0.1162 (HrHGM) - 0.1239 (HrMON) + 0.3170 (TemFAC) + 0.8314 (TemNEZ) - 0.8378 (TemPED) + 0.7780 (VvMON) | 0.8367 | 4.2468 |
ATIZA: Atizapán, MON: Montecillo, CUA: Cuajimalpa, CUT: Cuautitlán, PED: Pedregal, AJU: Ajusco, SFE: Santa Fe, COY: Coyoacán, TLA: Tlalnepantla, ACOL: Acolman, HGM: Hospital General de México, MER: Merced, FAC: FES Acatlán, SJA: San Juan de Aragón, MPA: Milpa Alta, MGH: Miguel Hidalgo, UAX: UAM Xochimilco, BJU: Benito Juárez, NEZ: Nezahualcóyotl, SAG: San Agustín, XAL: Xalostoc, INN: Instituto de Investigaciones Nucleares, AJM: Ajusco Medio, CUA: Cuajimalpa, CUT: Cuautitlán, MON: Montecillo,
[ O3 ]:concentraciones de ozono en ppb, [ NO2 ]: concentraciones de dióxido de nitrógeno en ppb, Hr: humedad relativa, Tem: temperatura, Dv: dirección de vientos, Vv: velocidad de vientos
El NO2 tiene, de manera general, una relación inversa con el O3 cuando se trata de estaciones cercanas; es decir, a menor distancia se reducen las concentraciones de O3 al aumentar las de NO2 y viceversa; esto tiene que ver con la conocida evolución del primero a partir del segundo en condiciones de elevada luminosidad (López et al. 1998, Musso et al . 2002, Ballester 2005, SEMARNAT 2018). La Hr también indica un comportamiento inverso respecto a las estaciones objetivo, ya que las condiciones de nubosidad restringen la formación de ozono y viceversa (López et al . 2008, Ooka et al. 2011, Franco-Islas 2014).
La temperatura indica de manera general una relación directa con el O3, que a su vez está ligada con la nubosidad y la cantidad de radiación en la troposfera, la cual se relaciona con la producción de O3 a partir del NO2 (López et al. 1998).
Por su parte, la Dv no tiene un patrón de comportamiento definido en estos modelos, ya que en la misma proporción presenta correlaciones directas e inversas. Finalmente, la Vv muestra una correlación principalmente directa independientemente de la cercanía o lejanía de las estaciones respecto a las estaciones objetivo.
El cuadro IV muestra los modelos de estimación de las concentraciones de O3 de las estaciones rurales/suburbanas, a partir de las concentraciones del mismo contaminante, de NO2 y de variables meteorológicas registradas en otras estaciones de la RAMA y la REDMET. Con excepción de las estaciones AJM y MON, los registros de O3 en combinación con NO2 y variables meteorológicas pueden ser utilizados para estimar las concentraciones de O3 en las estaciones rurales/suburbanas del Valle de México con coeficientes de determinación relativamente elevados (R2 > 0.83).
De igual manera, el cuadro IV indica que el NO2 es una variable que regularmente participa en los modelos, de manera que para el caso de la estación CUT, de nueve variables independientes seleccionadas en el modelo, tres se refieren a NO2, cuatro a O3 y dos a variables meteorológicas. Asimismo, las proporciones de registros de O3 respecto a registros de NO2, y variables meteorológicas para las restantes estaciones rurales y suburbanas son 2:2:8, 2:2:6 y 2:3:6 para las estaciones AJM, CUA y MON, respectivamente. Las altas proporciones de participación de variables meteorológicas en los modelos significa que los diversos factores meteorológicos influyen consistentemente en la concentración de O3 en las regiones rurales/suburbanas del Valle de México. Para la estimación de las concentraciones de NO2 en las estaciones rurales o suburbanas en estudio, la variación de NO2 es explicada en más del 84 %, por las concentraciones del NO2 y variables meteorológicas en otras estaciones, principalmente urbanas (Cuadro V).
Estación rural (NO2) | Modelo de estimación | R2 | RSME |
AJM | 0.0660 ([NO2]CCA) + 0.7349 ([NO2]PED) - 0.2725 ([NO2]SAG) - 0.0506 ([NO2]COY) + 0.1015 ([NO2]UIZ) + 0.6324 (TemUAX) - 0.9332 (TemSAG) - 0.0131 (DvUIZ) - 0.1120 (VvPED) | 0.8437 | 2.3586 |
CUA | 1.1539 ([NO2]SFE) - 0.0398 ([NO2]TLA) - 0.0858 ([NO2]CCA) + 0.0861 ([NO2]MER) + 0.3879 ([NO2]MON) - 0.1822 ([NO2]LPR) - 0.4386 (TemMER) + 0.0281 (DvSFE) - 0.0138 (DvMER) | 0.9919 | 1.5645 |
CUT | 0.3788 ([NO2]IZT) + 0.2055 ([NO2]ATIZA) | 0.2558 | 8.1898 |
MON | - 1.0471 ([NO2]SFE) - 0.2822 ([NO2]TLA) + 0.0381 ([NO2]CCA) - 0.2843 ([NO2]MER) + 0.5642 ([NO2]LPR) - 0.0121 (TemMER) - 0.0445 (DvSFE) + 0.0078 (DvMER) + 0.1907 ([NO2]NEZ) + 0.1454 ([NO2]PED) + 0.9521 ([NO2]CUA) | 0.9233 | 2.1745 |
ATIZA: Atizapán, MON: Montecillo, LPR: La Presa, IZT: Iztacalco, CUA: Cuajimalpa, PED: Pedregal, SFE: Santa Fe, COY: Coyoacán, TLA: Tlalnepantla, MER: Merced, UIZ: UAM Iztapalapa, SAG: San Agustín, CCA: Centro de Ciencias de la Atmósfera, AJM: Ajusco Medio, CUA: Cuajimalpa, CUT: Cuautitlán, MON: Montecillo, [NO2]: concentración de dióxido de nitrógeno, Hr: humedad relativa, Tem: temperatura, Dv: dirección de vientos, Vv: velocidad de vientos
Los modelos indican una correlación predominantemente directa de NO2 entre las estaciones objetivo y las estaciones independientes. Es decir, al elevarse las concentraciones de NO2 en las estaciones rurales, generalmente también lo hacen en las estaciones urbanas. Esta relación probablemente es explicada por tratarse de un gas producido, en el Valle de México, principalmente por la oxidación de combustibles fósiles dentro de los motores de combustión interna (ITF-OECD-CDMX 2017), cuya actividad experimenta un patrón diario con alta intensidad desde las primeras horas del día y menor intensidad durante la noche en todas partes del valle, incluyendo las áreas suburbanas.
La temperatura exhibe de manera general correlación predominantemente inversa con las concentraciones de NO2 de las estaciones rurales. Esto probablemente se debe a la conocida influencia de la radiación solar (que contiene radiación ultravioleta, acompañada de radiación infrarroja o calor) en la transformación de NO2 en O3 (Ramos et al. 2010).
La dirección y velocidad de los vientos también muestran de manera general una relación directa con la concentración de NO2 cuando se trata de estaciones cercanas a la estación objetivo, y se presenta una correlación inversa cuando se trata de estaciones lejanas a las estaciones de estudio. Por su parte, la humedad relativa no fue significativa para la estimación del NO2.
Con excepción de la estación CUT, los registros de NO2 en combinación con variables meteorológicas pueden ser utilizados para estimar las concentraciones de NO2 en las estaciones rurales/suburbanas del Valle de México, con coeficientes de determinación relativamente elevados (R2 > 0.84).
Según el cuadro V, el dióxido de nitrógeno es una variable que participa de forma recurrente en los modelos, de manera que para el caso de AJM, de nueve variables independientes seleccionadas en el modelo, cinco se refieren al NO2 y cuatro a variables meteorológicas. Similarmente, las proporciones de registros de NO2 respecto a registros de tipo meteorológico para las restantes estaciones rurales y suburbanas son 6:3, 2:0 y 8:3 para las estaciones CUA, CUT y MON, respectivamente. El análisis para la validación de los modelos de estimación de la concentración de O3 en función del O3 registrado en estaciones principalmente urbanas indica que los modelos CUA, CUT y MON exhibieron baja desviación estándar, mientras que los valores de R2 fueron elevados y la raíz del cuadrado medio del error (RMSE, por sus siglas en inglés) presentó baja dispersión, por lo cual se concluye que los modelos son adecuados para la estimación de O3. En cuanto al modelo de la estación AJM, se determinó que no es adecuado debido a la presencia de una alta dispersión de los datos, pese a tener un elevado R2 y una baja RMSE (Cuadro VI).
Fecha | O3 AJM1 | O3CUA1* | O3 CUT1* | O3 MON1* | O3 AJM2 | O3 CUA2* | O3 CUT2* | O3 MON2 | NO2 AJM3* | NO2 CUA3* | NO2 CUT3 | NO2 MON3* |
18 febrero 2010 | -1.3 | 3.6 | 4.7 | 2.1 | -2.6 | 16.2 | -3.3 | 3.2 | 13.1 | -6.6 | 10.5 | 11.1 |
19 marzo 2011 | 6.0 | 11.5 | 3.7 | -0.3 | -29.3 | 29.3 | -3.5 | 2.6 | 15.8 | -5.7 | 17.1 | 9.9 |
7 abril 2012 | -4.8 | -3.4 | -1.5 | -0.2 | -10.1 | 41.2 | -4.6 | 9.3 | 11.5 | -2.1 | 4.1 | 3.9 |
10 mayo 2013 | -19.6 | 12.5 | 5.9 | 31.5 | -29.5 | 68.9 | -5.6 | -26.0 | 17.2 | -13.3 | 2.2 | 7.0 |
17 junio 2014 | -6.6 | 7.9 | 7.0 | 7.0 | -10.6 | 36.6 | -10.0 | 1.1 | 6.9 | -4.2 | -4.8 | -0.5 |
7 agosto 2015 | 9.8517 | -2.1917 | 24.8 | 2.8 | 3.7 | 21.0 | -6.6 | 2.4 | 2.5 | -7.0 | 5.5 | 4.0 |
6 octubre 2016 | 8.7418 | -0.3917 | 15.8 | 7.6 | -1.2 | 25.3 | -6.7 | 3.1 | 4.3 | -8.5 | 0.6 | -1.4 |
2 julio 2017 | 3.2 | -0.4 | 13.3 | 4.2 | -9.2 | 20.6 | -3.7 | -0.8 | 1.2 | -0.7 | -0.9 | 3.6 |
10 enero 2018 | -16.3 | 0.8 | 15.3 | 20.9 | -32.4 | 38.9 | -6.9 | -12.7 | -6.2 | -9.8 | 8.1 | 3.6 |
16 noviembre 2018 | -8.4 | -7.8583 | 2.1 | 3.8 | -21.0 | 16.3 | 4.8 | -0.7 | 3.3 | -11.6 | 9.6 | 14.1 |
X̅ Residual (ppb) | -2.92 | 3.79 | 9.11 | 7.95 | 11.91 | 30.73 | -4.60 | 1.83 | 6.95 | -6.94 | 5.20 | 5.54 |
s Residual (ppb) | ±10.13 | ±5.77 | ±7.96 | ±10.27 | ±12.91 | ±16.29 | ±3.88 | ±10.14 | ± 7.34 | ±3.99 | ±6.36 | ±4.97 |
*Modelos con adecuada capacidad predictiva de las concentraciones de contaminantes
s: desviación estándar, X̅: media, ppb: partes por billón
1O3 en función de las concentraciones de O3; 2O3 en función de las concentraciones de O3, NO2 y variables meteorológicas; 3NO2 en función de las concentraciones de NO2 y variables meteorológicas
El proceso de validación de los modelos de estimación de O3 en las estaciones de monitoreo AJM, CUA, CUT, MON con base en concentraciones de O3, NO2 y variables meteorológicas indica que los modelos CUA y CUT obtuvieron baja desviación estándar, valores elevados de R2 y una baja RMSE, por lo que se concluye que son adecuados para estimar O3. En cuanto a los modelos de las estaciones AJM y MON, se determinó que no son adecuados para la estimación de NO2, ya que tienen alta dispersión de los datos pese a tener elevado R2 y baja RMSE (Cuadro VI).
Los modelos de estimación de NO2 de las estaciones de monitoreo AJM, CUA y MON, en función de las concentraciones de NO2 y variables meteorológicas, obtuvieron baja desviación estándar, elevado R2 y baja RMSE; se concluyó que son adecuados para estimar NO2. En cuanto al modelo de la estación CUT, se determinó que no es adecuado para estimar NO2 por presentar un bajo valor de R2 y no incluir variables meteorológicas (Cuadro VI).
CONCLUSIONES
Los modelos con mejor precisión para la estimación de las concentraciones de O3 en las estaciones rurales/suburbanas son los que únicamente incluyen como variables independientes las concentraciones de O3 de otras estaciones de la RAMA. Estos resultados podrían establecer aún mejor los daños que ocasiona el O3 en la vegetación natural, cultivos y ganado en zonas rurales.
Por otra parte, los modelos de las estaciones CUA y CUT que incluyen concentraciones de NO2 y variables meteorológicas registran buenas estimaciones, demostrando el impacto de las variables independientes mencionadas sobre el comportamiento de O3 en el Valle de México, destacando la temperatura, humedad relativa y la velocidad de los vientos.
Finalmente, los modelos de estimación de NO2 muestran en general un buen comportamiento, lo cual indica que las variables meteorológicas tienen un impacto sobre las concentraciones de NO2 que se presentan en zonas rurales del Valle de México.
En la estimación de la concentración de O3 o NO2 en una estación rural, participa principalmente el respectivo contaminante registrado en otras estaciones de monitoreo, pero las variables meteorológicas juegan un papel importante al tener capacidad para modificar las concentraciones de estos u otros contaminantes en un sitio dado.
El uso de la técnica de regresión lineal múltiple para la estimación de concentraciones de O3 y NO2 en zonas rurales, a partir de las concentraciones de los mismos contaminantes en otros sitos, es factible; pero la concomitancia de variables meteorológicas, especialmente dirección de viento y temperatura, pueden mejorar la precisión de los modelos.