Guía metodológica para la determinación del área de ...
69
1 Maestría en Gestión Ambiental Guía metodológica para la determinación del área de influencia del componente atmosférico por el tránsito de vehículos en vías sin pavimentar en proyectos del sector hidrocarburos en los llanos orientales Director: Alexander Valencia Cruz Bogotá, Marzo de 2016
Transcript of Guía metodológica para la determinación del área de ...
1
Maestría en Gestión Ambiental
Guía metodológica para la determinación del área de influencia del componente
atmosférico por el tránsito de vehículos en vías sin pavimentar en proyectos del sector
hidrocarburos en los llanos orientales
Director:
Alexander Valencia Cruz
Bogotá, Marzo de 2016
11
Guía metodológica para la determinación del área de influencia del componente
atmosférico por el tránsito de vehículos en vías sin pavimentar en proyectos del sector
hidrocarburos en los llanos orientales
Miguel Antonio De Luque Villa
Facultad de Estudios Ambientales y Rurales
Maestría en Gestión Ambiental
Bogotá, Marzo de 2016
iii
DEDICATORIA
A el que llamamos Dios, porque es el que hace todo posible e hizo que este trabajo se pudiera
realizar
A mi padre, que le toco hacer de madre también e hizo un buen trabajo en los dos papeles
A ti mami que estas allá arriba siempre protegiéndome e iluminándome
A mis tías, que toda la vida me han ayudado a salir delante de una u otra forma
A Lila y a BB, mi motor de vida
iv
AGRADECIMIENTOS
A:
Alexander Valencia Cruz, M.Sc. Ingeniero Mecánico y director de la investigación, por su gran
apoyo incondicional.
A todos mis amigos de la Maestría en Gestión Ambiental (Yesenia, Ledis, Viviana, Carolina,
Iván) por su gran amistad y apoyo.
v
TABLA DE CONTENIDO
1. INTRODUCCION...................................................................................................................2
2. PROBLEMA / TEMA DE INVESTIGACIÓN......................................................................5
3. JUSTIFICACIÓN...................................................................................................................9
4. MARCO DE ANTECEDENTES..........................................................................................11
5. OBJETIVOS 14
5.1 OBJETIVO GENERAL................................................................................................ 14
5.2 OBJETIVOS ESPECÍFICOS........................................................................................ 14
6. METODOLOGIA 15
6.1 ÁREA DE ESTUDIO......................................................................................................15
6.2 FACTORES DE EMISIÓN........................................................................................... 16
6.3 MODELACIÓN DE LA CALIDAD DEL AIRE............................................................20
6.3.1 Escenarios de simulación...................................................................................................................................21
6.3.2 Información topográfica del área modelada que pueda influir en los resultados de la modelación.... 22
6.3.3 Datos meteorológicos en la zona de estudio....................................................................................................24
6.3.4 Grilla de modelación...........................................................................................................................................26
6.3.5 Receptores discretos............................................................................................................................................27
6.4 COMPORTAMIENTO DE LA DISPERSIÓN DEL MATERIAL PARTICULADO AL
LADO DE LA VÍA 28
vi
6.5 IDENTIFICACIÓN DE LA FUNCIÓN DE DENSIDAD DE PROBABILIDAD QUE SE
AJUSTA AL COMPORTAMIENTO DEL MATERIAL PARTICULADO.............................. 29
7. RESULTADOS......................................................................................................................30
7.1 FACTORES DE EMISIÓN............................................................................................ 30
7.2 RESULTADOS GRILLA DE MODELACIÓN...............................................................30
7.3 RESULTADOS MODELACIÓN RECEPTORES DISCRETOS.................................... 32
7.4 RESULTADOS MODELACIÓN TRAMO 1 DE LA VÍA PUERTO GAITÁN CAMPO
RUBIALES CON TRES (3) FACTORES DE EMISIÓN DIFERENTES................................... 36
7.5 AJUSTE DE LA FUNCIÓN DE DENSIDAD DE PROBABILIDAD PARA
COMPORTAMIENTO DEL MATERIAL PARTICULADO.....................................................38
7.6 METODOLOGÍA PARA ENCONTRAR EL ÁREA DE INFLUENCIA EN VÍAS SIN
PAVIMENTAR PARA PROYECTOS DE HIDROCARBUROS................................................ 46
7.6.1 Encontrar el Factor de emisión anual...............................................................................................................46
7.6.2 Generar distribución Beta...................................................................................................................................47
7.6.3 Calcular concentraciones.................................................................................................................................... 47
7.6.4 Calcular área de influencia.................................................................................................................................47
7.7 APLICACIÓN DE LA METODOLOGIA A UN CASO REAL ..................................... 47
7.7.1 Encontrar el factor de emisión anual................................................................................................................49
7.7.2 Generar distribución Beta y calcular concentraciones...................................................................................50
7.7.3 Calcular área de influencia.................................................................................................................................50
8. CONCLUSIONES.................................................................................................................52
9. BIBLIOGRAFÍA...................................................................................................................54
Tabla 1. Valores de constantes empíricas- Factores de emisión de vías sin pavimentar...............17
Tabla 2. Resumen escenarios de simulación para la vía Puerto - Gaitán Campo Rubiales..........22
Tabla 3. Cálculos de tasas de emisión de PST para las fuentes de emisión por vías sin pavimentar
........................................................................................................................................................30
Tabla 4. Bondad de ajuste para los escenarios con factor de emisión 0,000019..39
Tabla 5. Bondad de ajuste para los escenarios con factor de emisión 0,00063 .... 39
Tabla 6. Bondad de ajuste para los escenarios con factor de emisión 0,001160..39
Tabla 7. Parámetros de la distribución Beta................................................................................. 41
Tabla 8. Variables para el cálculo de la velocidad perpendicular..................................................41
Tabla 9. Velocidades promedio y perpendiculares de cada estación............................................ 42
Tabla 10. Parámetros distribución beta PST................................................................................ 45
Tabla 11. Parámetros función Beta.............................................................................................. 45
Tabla 12. Porcentaje de finos en las vías de acceso e internas del Bloque LLA-66.....................49
Tabla 13. Factor de emisión en las vías de acceso e internas del Bloque LLA-66.......................50
vii
LISTA DE TABLAS
Figura 1. Esquema ilustrativo de la definición del área de influencia considerando la afectación
por componentes...........................................................................................................................3
Figura 2. Área de Estudio Vía Puerto Gaitán - Campo Rubiales.................................................16
Figura 3. Discriminación por tipo de camión...............................................................................19
Figura 4. Topografía del área de estudio......................................................................................23
Figura 5. Rosas de Viento, información meteorológica de Meta 2013........................................24
Figura 6. Promedio horario de radiación solar reportada por la estación meteorológica ubicada en
la región de las vías de Meta..........................................................................................................25
Figura 7. Promedio horario de las temperaturas reportadas por las estaciones meteorológicas
ubicadas en la región de las vías de Casanare y Meta................................................................... 26
Figura 8. Grilla de modelación......................................................................................................27
Figura 9. Receptores discretos en la Vía Puerto Gaitán - Campo Rubiales.................................28
Figura 10. Isopletas de concentración para periodo de exposición anual de Partículas
Suspendidas Totales (PST) con un factor de emisión de 0,001160............................................. 31
Figura 11. Isopletas de concentración para periodo de exposición anual de Partículas
Suspendidas Totales (PST) con un factor de emisión de 0,000630............................................. 31
Figura 12. Isopletas de concentración para periodo de exposición anual de Partículas
Suspendidas Totales (PST) con un factor de emisión de 0,000019............................................. 32
Figura 13. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
viii
LISTA DE FIGURAS
emisión 0,001160 g/s y Meteorología de Rubiales 33
ix
Figura 14. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
emisión 0,000630 g/s y Meteorología de Rubiales.......................................................................34
Figura 15. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
emisión 0,0000119 g/s y Meteorología de Rubiales......................................................................35
Figura 16. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
emisión 0,0000119 g/s en el tramo 1 con meteorología de Rubiales.............................................36
Figura 17. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
emisión 0,000630 g/s en el tramo 1 con meteorología de Rubiales.............................................. 37
Figura 18. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de
emisión 0,001160 g/s en el tramo 1 con meteorología de Rubiales.............................................. 37
Figura 19. Ajuste de la distribución beta para las concentraciones de PST..................................40
Figura 20. Esquema ángulo de proyección de velocidad respecto al eje de la vía...................... 42
Figura 21. Velocidad promedio vs. Velocidad perpendicular...................................................... 43
Figura 22. Parámetros de la distribución alfa 1 vs velocidad del viento para PST. Los puntos
azules representan las estaciones que sí se ajustaron a la distribución Beta y los puntos rojos las
estaciones que no se ajustaron....................................................................................................... 44
Figura 23. Parámetros de la distribución alfa 2 vs velocidad del viento para PST. Los puntos
azules representan las estaciones que sí se ajustaron a la distribución Beta y los puntos rojos las
estaciones que no se ajustaron....................................................................................................... 44
Figura 24. Concentración anual de PST versus distancia..............................................................46
Figura 25. Calculo de concentraciones para el Bloque LLA-66...................................................51
Figura 26. Área de influencia para el componente atmosférico en el Bloque LLA-66.................53
x
LISTA DE FOTOGRAFÍAS
Fotografía 1. Vía de acceso al Bloque CPE-6 en Puerto Gaitán, Meta..........................................7
Fotografía 2. Vía Puerto Gaitán - Campo Rubiales.....................................................................15
Fotografía 3. Vehículos livianos utilizados en las actividades de exploración y explotación de
hidrocarburos..................................................................................................................................18
Fotografía 4. Buses utilizados en las actividades de exploración y explotación de hidrocarburos
.......................................................................................................................................................18
Fotografía 5. Vehículos de carga utilizados en las actividades de exploración y explotación de
hidrocarburos..................................................................................................................................19
1
RESUMEN
Se generó una metodología para determinar el área de influencia en vías sin pavimentar para el
sector hidrocarburos. Por medio del software Calpuff se modelaron diferentes escenarios, esta
información fue ajustada a diferentes tipos de distribuciones de probabilidad por medio del
software para ajuste de distribuciones EasyFit, en el que se evaluaron cerca de 55 distribuciones
dentro de las cuales se encuentran distribución Normal, Gamma, Weibull, Log-Pearson,
Lognormal, Burr, Beta. Los resultados arrojaron que la distribución que más se ajusta a la
dispersión de material particulado en vías sin pavimentar fue la distribución Beta. Con base en lo
anterior, se generó una metodología para el cálculo del área de influencia en vías sin pavimentar
para el sector hidrocarburos. La herramienta se utilizó para el proceso de licenciamiento
ambiental de un bloque de exploración de hidrocarburos, donde se encontró un buffer de 6 m a
lado y lado del eje de las vías sin pavimentar a utilizar por el proyecto.
2
1. INTRODUCCIÓN
El sector energético minero en nuestro país es uno de los pilares del plan de desarrollo del
gobierno del Presidente Juan Manuel Santos en sus llamadas locomotoras para el crecimiento y la
generación de empleo, razón por la cual conocer en que proporciones se ve afectada la calidad del
aire es importante a la hora de trazar las estrategias de desarrollo energético (Turtós, 2010, p.4).
Muchas actividades industriales, en particular las energéticas pudieran ser altamente
contaminantes y afectar de manera directa la calidad del aire y consecuentemente, la salud
humana (Turtós, 2010, p.4). En el año 2014, la industria petrolera le representaba a Colombia la
mitad de sus exportaciones, la tercera parte de la inversión extranjera directa y la cuarta parte de
los ingresos corrientes del Gobierno Nacional (Asociación Colombiana del Petróleo, 2014), sin
embargo debido a la caída del precio del petróleo, en Colombia se viene presentando un
escenario difícil y se espera que el petróleo casi no genere ingresos en el 2016
(http://revistapetroleoygas.co/, 2016), debido a esto último los procesos de licenciamiento
ambiental para la exploración y explotación de hidrocarburos ha venido disminuyendo en los
últimos años. En los países en vías de desarrollo los modelos de dispersión están siendo cada vez
más usados y pueden ser muy útiles en evaluaciones de impacto ambiental, así como para apoyar
la elaboración de planes de acción locales para mejorar la calidad del aire (Pierra, 2008).
El área de influencia es aquella en la que se manifiestan los impactos ambientales significativos
ocasionados por el desarrollo del proyecto, obra o actividad, sobre los medios abiótico, biótico y
3
socioeconómico, en cada uno de los componentes de dichos medios; la manifestación de estos
impactos deberá ser objetiva y en lo posible cuantificable, siempre que ello sea posible, de
conformidad con las metodologías disponibles. Esta área puede incluir, entre otros, las cuencas
atmosféricas, hidrográficas o hidrogeológicas, los ecosistemas y las unidades territoriales
(veredas, municipios, departamentos, etc.) y, o los territorios de las comunidades étnicas. Es
necesario tener en cuenta en la definición del área de influencia de un proyecto, obra o actividad,
que tal área varía de un componente a otro y de una actividad a otra dentro de un mismo
componente (ANLA, 2012) (Ver Figura 1).
Hidrología
Hidrogeoíogia
5 OPERACION Y \ DESMATE LAJAIEPLANEACKJN / CONSTRUCCIONM A N T E N IM IE N T O / YABANDONO
ANALISIS DE LAS IMPLICACIONES AMBIENTALES PARA CADA COMPONENTE
MEDIOABIÓTICO
MEDIOBÓTICO
MEDIOSOCIOECONÓMICO
/Geología r
r7 Geom ortología L___r
7 Suelos /
F m “ 7Poíiico- organizativo
__ _ Fauna /___7 terrestre
Faunaacuáica
CuturaiGeotecrva
rSpddal
AREA DE INFLUENCIA
ANLA, 2014
Figura 1. Esquema ilustrativo de la definición del área de influencia considerando la afectación por
componentes
4
Conocer la ubicación y extensión de esta área es imprescindible a la hora de establecer las
medidas de manejo ambiental de un proyecto, puesto que le facilita al ejecutor del proyecto
identificar y priorizar las áreas en las cuales se debe realizar la inversión de los recursos acorde
con las manifestaciones de los impactos ambientales significativos que se puedan generar
producto del desarrollo del proyecto. Actualmente en Colombia no existe una guía o directriz de
cómo determinar la extensión de esta área de influencia por la afectación del componente
atmosférico. El presente trabajo pretende plantear una guía para la determinación del área de
influencia por la dispersión de material particulado de proyectos del sector hidrocarburos en los
llanos orientales de Colombia, en los cuales se presenta el tránsito de vehículos en vías sin
pavimentar a través del modelo CALPUFF.
5
2. PROBLEMA / TEMA DE INVESTIGACIÓN
El plan de desarrollo del gobierno de Juan Manuel Santos tiene como objetivo, de mediano y
largo plazo, aumentar las reservas y la producción de hidrocarburos con el fin de disponer de los
recursos que le permitan dar continuidad a los programas sociales y a la inversión en
infraestructura para aumentar la competitividad del país (Departamento Nacional de Planeación,
2015). Esto último indica que aunque los precios del petróleo están disminuyendo, el gobierno
seguirá promoviendo los proyectos a realizar en este sector. Sin embargo no puede existir un
desarrollo sin sostenibilidad ni sustentabilidad (Gonzales, 2009, p.4), por lo cual es importante
para la gestión del medio ambiente, plantear estrategias para identificar y mitigar los impactos
ambientales significativos causados por este tipo de proyectos.
La gestión de la calidad del aire ha evolucionado rápidamente desde el control de unos pocos
contaminantes emitidos por fuentes industriales y lineales, a una red compleja de enfoques de
gestión para hacer frente a otras cuestiones relacionadas con la calidad del aire. Estos problemas
implican ubicación en el espacio (local a global) y el tiempo (corto plazo a largo plazo) e
involucran diferentes contaminantes emitidos desde distintos tipo de fuentes. Con el fin de
resolver estas complejidades, los gestores confían cada vez más en los modelos de dispersión de
calidad del aire, ya que proporcionan una forma de evaluar diferentes escenarios para el control
de emisiones que serían costosos y difíciles de ejecutar en el mundo real. Los modelos de
dispersión son a menudo el único método rentable y técnico para comprender la interacción
6
existente entre las fuentes futuras de emisión, con la meteorología, la topografía y la calidad del
aire de la zona a modelar. Estos generan respuestas cuantitativas a preguntas del tipo "qué pasaría
si", las cuales son necesarias para apoyar la toma de decisiones en la gestión de la calidad del aire
existente (British Columbia Ministry of Environment, 2008, p.13).
La contaminación del aire es una amenaza aguda, acumulativa y crónica para la salud humana y
el ambiente. Las personas están expuestas a contaminantes del aire en exteriores e interiores. Esta
exposición puede detonar o agravar afecciones respiratorias, cardíacas y otras (Korc, 2010, p.1).
La contaminación atmosférica es el problema ambiental de mayor preocupación para los
colombianos y el generador de los mayores costos sociales después de la contaminación del agua
y de los desastres naturales (MAVDT, 2010). Debido a esto en el año 2010 el Ministerio de
Ambiente, Vivienda y Desarrollo Territorial (Hoy Ministerio de Ambiente y Desarrollo
Sostenible) expide la Política de Prevención y Control de la Contaminación del Aire con el fin de
gestionar la calidad del aire en el corto, mediano y largo plazo, donde se plantean los avances en
la estandarización de la gestión de la calidad del aire.
Para los años 2014 y 2015, la explotación de hidrocarburos en Colombia se ha dado en su
mayoría en la región de los Llanos Orientales, razón por la cual las comunidades de esta zona del
país han utilizado el mecanismo de participación denominado audiencia pública ambiental para
conocer, informarse y criticar la actividad petrolera, argumentando que ésta ha causado impacto
al ambiente y a los recursos naturales.
Uno de los principales impactos ambientales es el incremento de afectaciones a la salud asociadas
al material particulado generado por el incremento en tráfico de vehículos, durante las actividades
7
de transporte de crudo, de equipo pesado y demás maquinaria proyectada en todas las actividades
del proyecto.
La mayoría de las carreteras no pavimentadas consisten en una calzada graduada y compactada
por lo general creado a partir del material original (Fotografía 1). Las ruedas de rodadura de los
vehículos imparten una fuerza a la superficie que pulveriza el material de la banca y expulsa las
partículas tanto por la fuerza de corte, como por la estela turbulenta (EPA, 2006). Sin embargo,
poco se sabe acerca de la cantidad, composición, tamaño de partícula, característicos de
extinción, flujos y distancias de transporte del material particulado provenientes de las vías sin
pavimentar (Pinnick et al, 1985;. Kuhn et al, 2001;. Veranth et al., 2003).
Fotografía 1. Vía de acceso al Bloque CPE-6 en Puerto Gaitán, Meta
8
Este proyecto está dirigido a encontrar ¿Cómo utilizar el Modelo CALPPUF para desarrollar una
metodología que permita determinar el área de influencia del componente atmosférico por la
dispersión de material particulado proveniente del tránsito de vehículos en vías sin pavimentar
de los proyectos del Sector hidrocarburos en los Llanos Orientales?
9
3. JUSTIFICACIÓN
En Colombia, en la última década, se ha registrado un crecimiento significativo tanto en el
volumen como en el valor de la producción de los bienes primarios y en particular en el sector
minero y de hidrocarburos, afectando positivamente y de manera importante el producto interno
bruto, PIB, del país (FEDESARROLLO, 2012). Sin embargo estas actividades tienen también un
potencial de generación de impactos ambientales que, de no recibir un manejo técnico integral y
oportuno, puede contaminar y afectar los recursos naturales. La calidad del aire afecta tanto al
medio ambiente como a la salud.
La experiencia internacional demuestra no sólo que es viable desarrollar las actividades minero-
energéticas cuidando el ambiente, sino que la excelencia ambiental constituye un imperativo ético
imprescindible de solidaridad con las futuras generaciones y para el logro del Bien Común que es
la causa final del Estado y la sociedad en todo sistema (Ministerio De Energía Y Minas de Perú,
2007)
La estimación del área de influencia por la dispersión de material particulado en el tránsito de
vehículos en vías sin pavimentar provenientes de la explotación de hidrocarburos, resulta
necesaria para la implementación de medidas de manejo para el control de la contaminación
atmosférica producidas por fuentes lineales. Estas estimaciones pueden efectuarse mediante el
uso de diferentes tipos de modelos (Pierra, 2009 p.4).La utilización de los modelos de simulación
10
de la calidad del aire para estimar los costos sociales de las emisiones y realizar comparaciones
con la disminución de los costos se ha acrecentado en los últimos tiempos, así como para la toma
de decisiones por parte de organizaciones estatales o productivas (Szepesi, 1989). Los modelos
son útiles para predecir e identificar los impactos ambientales hacia el elemento atmosférico aire
que pueden generar los proyectos energéticos antes de su puesta en marcha y sirven de apoyo a la
hora de buscar soluciones para mitigar la contaminación atmosférica.
Conocer hasta donde se manifiestan los impactos sobre la calidad del aire del tránsito de
vehículos en vías sin pavimentar de las actividades petroleras es una tarea muy importante, tanto
para las empresas del sector como para sus consultores ambientales y las autoridades
ambientales. Por esta razón es importante la realización de una guía metodológica para
determinar el área de influencia por la dispersión de material particulado provenientes del tránsito
de vías sin pavimentar de la explotación petrolera en los Llanos Orientales. Esta guía será de gran
utilidad para la gestión de la calidad del aire y servirá de herramienta para las compañías minero-
energéticas, consultores ambientales y autoridades ambientales en la identificación, evaluación,
prevención y mitigación del impacto y las medidas de manejo de las actividades del sector en la
calidad del aire.
11
4. MARCO DE ANTECEDENTES
El interés por la contaminación del aire en América Latina y el Caribe se inició en la década de
los cincuenta, cuando las universidades y los ministerios de salud efectuaron las primeras
mediciones de la contaminación del aire (Korc, 2000, p.1).
Los modelos de contaminación del aire juegan un papel importante en la ciencia, debido a su
capacidad para investigar la importancia de procesos relevantes, al igual que un mayor rol en la
aplicación. Son los únicos métodos que pueden cuantificar la relación entre emisiones y
concentración/deposición, incluyendo las consecuencias de escenarios futuros y las estrategias de
minimización (Builtjes, 2001).
CALPUFF es un modelo de la calidad del aire avanzado desarrollado por los científicos de la
Corporación Sigma Research (SRC) y ha sido adoptado por la Agencia de Protección Ambiental
de estados unidos (EPA) en su guía de modelos de calidad del aire como el modelo preferido para
evaluar el transporte a larga distancia de contaminantes y sus impactos sobre la población
(Atmospheric Studies Group, 2011). El modelo consiste en tres componentes principales y un
conjunto de programas de pre-procesamiento y post-procesamiento. Los principales componentes
del sistema son CALMET (un modelo meteorológico de 3 dimensiones de diagnóstico),
CALPUFF (un modelo de dispersión de la calidad del aire) y CALPOST (un paquete de post
procesado).
12
Actualmente en Colombia existe un protocolo para el monitoreo y seguimiento de la calidad del
aire, adoptado mediante la resolución 650 de 2010 del Ministerio de Medio Ambiente, Vivienda
y Desarrollo Territorial, el cual recomienda el uso de modelos avanzados como Calpuff por ser
superior a los modelos usualmente utilizados (AERMOD, ISCST) en su capacidad para procesar
campos de vientos tridimensionales y transformaciones químicas de los contaminantes
(Ministerio de Ambiente, Vivienda y Desarrollo Territorial, 2010).
En Colombia en la última década se han desarrollado instrumentos para controlar la
contaminación del aire, y se vio la necesidad de formular una política de prevención y control de
la contaminación del aire de manera que se mantenga y fortalezca la gestión coordinada de todos
los actores relacionados con la calidad del aire y se garantice la coherencia, consistencia y
armonía con las políticas y regulaciones ambientales y sectoriales, a través de espacios de
coordinación y participación (Ministerio de Ambiente, Vivienda y Desarrollo Territorial, 2010),
por eso en el año 2010 el Ministerio de Medio Ambiente, Vivienda y Desarrollo Territorial
expidió la política de prevención y control de la contaminación del aire, en la cual se compilan
los avances hasta el momento en la gestión de la calidad del aire y se muestran las mejoras en su
estandarización, planteando la necesidad de desarrollar una guía de modelación de calidad del
aire que permita estandarizar la modelación de calidad del aire, buscando una herramienta tanto
para los sectores productivos como para las autoridades ambientales que permita facilitar los
procesos de evaluación y seguimiento ambiental.
La Asociación Colombiana del Petróleo (ACP) en asocio con el Ministerio de Ambiente y
Desarrollo Sostenible, financió el desarrollo de una metodología para determinar el área de
influencia de vías no pavimentadas y la aplicación de dicha metodología al caso de las vías no
13
pavimentadas en el Meta y Casanare, esta investigación, fue desarrollada por la empresa CAIA
Ingeniería SAS de Colombia y el Centro de Investigación en Ingeniería Automotriz - CIMA,
Instituto Tecnológico y de Estudios Superiores de Monterrey Campus Toluca de México. Este
proyecto se realizó dentro del instrumento de regionalización implementado por el ANLA, el cual
tiene como misión la gestión del conocimiento que aporte elementos de análisis a los procesos de
evaluación y seguimiento ambiental, a partir de una visión regional que involucre las condiciones
abióticas, bióticas y socioeconómicas de un territorio, mediante la integración de la información y
conocimiento de diferentes actores estratégicos, con el fin de aportar insumos de análisis
multivariados e integrales que contemplen las dinámicas regionales en los medios abiótico,
biótico y socioeconómico (ANLA, 2014).
14
5. OBJETIVOS
5.1 OBJETIVO GENERAL
Generar una guía metodológica para determinar el área de influencia por la dispersión de material
particulado provenientes del tránsito de vehículos en vías sin pavimentar de los proyectos del
sector hidrocarburos en los Llanos Orientales de Colombia.
5.2 OBJETIVOS ESPECÍFICOS
é Estimar los diferentes factores de emisión que se pueden presentar en las vías sin
pavimentar de los proyectos del sector hidrocarburos en los llanos orientales
é Determinar los perfiles de concentración del material particulado de las vías sin
pavimentar utilizadas en proyectos del sector hidrocarburos en los llanos orientales
15
6. METODOLOGIA
6.1 ÁREA DE ESTUDIO
Para la presente investigación se tomó como área de estudio la vía sin pavimentar que conduce de
la cabecera municipal de Puerto Gaitán hasta el Campo Rubiales, la cual es una vía terciaria de
aproximadamente 167 km en afirmado que accede a las veredas Rubiales, Santa Helena, entre
otras, utilizados por otras operadoras y la comunidad (Fotografía 2). Se escogió un trayecto de
aproximadamente 68 km y este a su vez se dividió en tres tramos, esto con el fin de verificar si el
comportamiento es homogéneo en el tramo estudiado (Figura 2).
Fotografía 2. Vía Puerto Gaitán - Campo Rubiales
16
78°0'0"W 72°0'0"W 76°0'0"W 74°0'0”W 72°0'0"W 70°0'0"W
M ETA
1230000 1240000 1250000 1260000
1230000 1240000 1250000 1260000
12 0 0 N
4 W NP u e rto G a itán
2°0'0"N
T ra m o 3
T ram o 2
T ra m o 1P uerto G a itán
Figura 2. Área de Estudio Vía Puerto Gaitán - Campo Rubiales
6.2 FACTORES DE EMISIÓN
Para el cálculo de los factores de emisión se utilizó la guía AP-42 de la EPA, Capitulo 13, fuentes
misceláneas (Sección 13.2.2. - Vías sin pavimentar). Para vías no pavimentadas, la US EPA
presenta dos posibles factores de emisión: Factor de emisión para vías industriales y factor de
emisión para vías públicas. De acuerdo con la EPA en las vías públicas se emiten menores
concentraciones de material particulado respecto a las vías industriales, debido a que estas
últimas suelen tener un mayor tráfico pesado. Por lo tanto, se utiliza el factor de emisión para vías
industriales no pavimentadas, puesto que el tramo vial estudiado es principalmente utilizado para
el transporte de hidrocarburos:
17
/ S \ a /W \b
Er = k t á ( ? )
Dónde:
Ef = Tamaño de factor de emisión especifico (Kg/VKT)
s = Porcentaje de finos (%)
w = Peso promedio del Vehículo (Ton)
k, a y b = constantes empíricas según tamaño de partículas (
Tabla ¡Tabla 1).
Tabla 1. Valores de constantes empíricas- Factores de emisión de vías sin pavimentar
C o n s t a n t e V ía s in d u s t r ia le s ( E q u a t io n 1 a ) V ía s p ú b lic a s ( E q u a t io n 1 b )
P M - 2 .5 P M - 10 P M - 3 0 P M - 2 .5 P M - 10 P M - 3 0
K ( lb /V M T ) 0 .1 5 1.5 4 .9 0 .1 8 1.8 6 .0
a 0 .9 0 .7 0 .7 1 1 1
b 0 .4 5 0 .4 5 0 .4 5 - - -
c - - - 0 .2 0 .2 0 .3
d - - - 0 .5 0 .5 0 .3
Q u a li ty R a t in g B B B B B B
Fuente: AP 42 EPA. 1995
Los tipos de vehículos que se evidencian en las actividades de exploración y explotación de
hidrocarburos son:
é Livianos: corresponden a los vehículos livianos de cuatro (4) llantas, tales como jeeps,
vans y pick-up (Fotografía 3).
18
Fuente: (Atención Social Integral S.A.S, 2014)
Fotografía 3. Vehículos livianos utilizados en las actividades de exploración y explotación de hidrocarburos
é Buses: Buses y busetas para la movilización del personal a los frentes de obra (Fotografía
4).
Fuente: (Atención Social Integral S.A.S, 2014)
Fotografía 4. Buses utilizados en las actividades de exploración y explotación de hidrocarburos
19
é Camiones: corresponden a los vehículos de carga de más de una (1) tonelada (Fotografía
5), discriminados de acuerdo al número de ejes, tal y como se muestra en la Figura 3.
Fuente: (Atención Social Integral S.A.S, 2014)
Fotografía 5. Vehículos de carga utilizados en las actividades de exploración y explotación de hidrocarburos
Fuente: (Atención Social Integral S.A.S, 2014)
Figura 3. Discriminación por tipo de camión
20
Para el presente estudio se simularán diferentes escenarios, razón por lo cual se estimaron (3) tres
factores de emisión variando (2) dos parámetros: El flujo vehicular (w) y el porcentaje de finos
en la vía (s).
Para determinar el peso promedio de los vehículos, se estimaron valores de la cantidad de
vehículos que transitan el tramo vial con base al estudio de tráfico Bloque de Explotación de
Hidrocarburos CPE-6 - Área De Desarrollo Fase I realizado por ASI S.A.S. el mes de Junio de
2014, el cual nos arroja un valor promedio de 22 toneladas.
Para el contenido de finos se retomaron los datos obtenidos en el estudio realizado por CAIA
Ingeniería SAS en las vías sin pavimentar en los departamentos del Meta y Casanare evaluada
por medio del método INV E 123 (Instituto Nacional de vías, 2007). 10,4 % para el Meta y 9,5
para el Casanare.
6.3 MODELACIÓN DE LA CALIDAD DEL AIRE
Para conocer la dispersión de material particulado en el tramo vial que comunica la cabecera
municipal de Puerto Gaitán y Campo Rubiales ubicado en el departamento del Meta se utilizó el
modelo de dispersión Gaussiana CALPUFF, mediante el cual se realizaron simulaciones bajo
diferentes condiciones meteorológicas y factores de emisión.
Una de las mayores dificultades en el empleo de modelos de dispersión atmosférica es la
obtención de información meteorológica representativa de la zona objeto de estudio (UNAM,
2012), En Colombia el Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM),
21
es el ente encargado de la obtención de la información hidrometeorológica en todo el país, sin
embargo debido a que la mayoría de modelos de dispersión incluyendo el Calpuff son
desarrollados en otros países, los datos meteorológicos para alimentar el modelo son horarios,
mientras que el IDEAM solo captura datos horarios de algunos parámetros, dejando una
incertidumbre de información al momento de correr el modelo.
La meteorología disponible para el estudio fueron los datos de la estación del Aeropuerto Morelia
de Rubiales del año 2013. Al solo contar con esta meteorología, se decidió aparte de simular todo
el año, separarla mes a mes para obtener 12 meteorologías y así aumentar los escenarios de
simulación para un mejor análisis de los resultados.
6.3.1 Escenarios de simulación
Para definir los escenarios de simulación se tuvo en cuenta la meteorología disponible de la zona
y los factores de emisión de la vía. La topografía fue constante en los diferentes escenarios. En la
Tabla 2 se presenta el resumen de los diferentes escenarios de simulación para la vía Puerto
Gaitán - Campo Rubiales.
22
Tabla 2. Resumen escenarios de simulación para la vía Puerto - Gaitán Campo Rubiales
Escenario Factor de emisión Meteorología
Escenario 1 0,00116 Rubiales Anual 2012
Escenario 2 0,00063 Rubiales Anual 2012
Escenario 3 0,000019 Rubiales Anual 2012
Escenario 4 0,00116 Rubiales Enero
Escenario 5 0,00063 Rubiales Enero
Escenario 6 0,000019 Rubiales Enero
Escenario 7 0,00116 Rubiales Febrero
Escenario 8 0,00063 Rubiales Febrero
Escenario 9 0,000019 Rubiales Febrero
Escenario 10 0,00116 Rubiales Marzo
Escenario 11 0,00063 Rubiales Marzo
Escenario 12 0,000019 Rubiales Marzo
6.3.2 Información topográfica del área modelada que pueda influir en los resultados
de la modelación
Debido a que es necesario procesar la topografía en el modelo de dispersión para que no se asuma
un terreno completamente plano, a partir de un Modelo Digital de Elevación (MDE) de la zona a
estudiar se obtiene la altura respecto al nivel del mar de cada fuente y receptor a considerar. Para
nuestro estudio se utilizó el archivo 10s090w_20101117_gmted_mea075 de la NASA (U.S.
23
Geological Survey, 2015), definiendo las coordenadas en las cuales era necesario importar las
elevaciones (Figura 4).
1 2 3 6 0 0 0 12 4 4 0 0 0 1 2 5 2 0 0 0
Tramo 2
¡Tramo t1
1 2 3 6 0 0 0 12 4 4 0 0 0 1 2 5 2 0 0 0
‘ fL - i f « .* V ? ’
Tramo 3 • *, V
& r '/ ' O 7* ‘ ' - . I ; .
' N * 2K; v ^ ‘ vT:*%« O - n»*-" * ’ • *> i
Convenciones
— V ia - P uerto G aitan - R ub ia les
Topografía
Valué
m
High : 318
á j • »la >.■«. . . . .i______________ i
l ■v*Low : 18
_____ ,___
Figura 4. Topografía del área de estudio
24
6.3.3 Datos meteorológicos en la zona de estudio
6.3.3.1 Rosas de vientos Meta 2013
La rosa de vientos representativa de la meteorología analizada fue obtenida con el software
WRPLOT View, en este programa se establecen como parámetros de entrada los valores para
velocidad y dirección del viento. El resultado se presenta en la Figura 5, en la cual se observa que
en el Meta la dirección del viento predomina del oriente y nororiente y las velocidades se encuentran
entre los 0,5 y 5,7 m/s.
NORTH ■
W1NDSPEED(nVs)
11,1
__ 8 ,8 - 11,1
■ 5 .7 - 8,88 6 - 5,7
2,1 - 3,6
□ 0 ,5 - 2.1
Calms 23,40%
Fuente: CAIA INGENIERÍA SAS
Figura 5. Rosas de Viento, información meteorológica de Meta 2013
25
6.3.3.2 Radiación solar Meta 2013
Para analizar el comportamiento de los valores medidos de radiación solar de la estación
meteorológica se obtuvo el promedio horario de radiación solar, el resultado se presentan en la
Figura 6. Para el Meta, se observa que la máxima radiación solar se presenta durante las 12 a 14
horas.
Fuente: CAIA INGENIERÍA SAS
Figura 6. Promedio horario de radiación solar reportada por la estación meteorológica ubicada en la región
de las vías de Meta.
6.3.3.3 Temperatura Meta 2013
Al igual que para la radiación solar, para la temperatura se obtuvo el promedio horario de la
temperatura reportada por la estación meteorológica ubicada en las vías de Meta. La Figura 7
muestra la información de temperatura reportada, en la que se observa una temperatura horaria
relativamente constante cercana a los 25 °C y no mayor a los 40°C.
26
Fuente: CAIA INGENIERÍA SAS
Figura 7. Promedio horario de las temperaturas reportadas por las estaciones meteorológicas ubicadas en la
región de las vías de Casanare y Meta.
6.3.4 Grilla de modelación
Para el dominio de la modelación se ubicaron 6000 receptores distribuidos uniformemente en una
grilla de 30 km x 50 km cada 500 m. En la Figura 8 se presenta la ubicación de la grilla de
modelación.
27
Figura 8. Grilla de modelación
6.3.5 Receptores discretos
Se ubicaron 2000 receptores discretos que forman una línea recta perpendicular en tres (3) tramos
de la vía; se utilizaron estos receptores con el fin de conocer el perfil de concentración de
material particulado a partir del centro de la vía y cada dos metros hasta dos kilómetros a cada
lado. En la Figura 9 se presenta la ubicación de los receptores discretos utilizados.
28
Figura 9. Receptores discretos en la Vía Puerto Gaitán - Campo Rubiales
6.4 COMPORTAMIENTO DE LA DISPERSIÓN DEL MATERIAL PARTICULADO
AL LADO DE LA VÍA
Para determinar los perfiles de concentración del material particulado, se graficaron en Excel los
resultados de la modelación y se realizó un análisis de correlación entre la meteorología, los
tramos de la vía y los factores de emisión con la dispersión del material particulado.
29
6.5 IDENTIFICACIÓN DE LA FUNCIÓN DE DENSIDAD DE PROBABILIDAD QUE
SE AJUSTA AL COMPORTAMIENTO DEL MATERIAL PARTICULADO
Los resultados reportados por el CALPUFF fueron procesados para determinar las
concentraciones promedio aritmético anual. Esta información fue ajustada a diferentes tipos de
distribuciones de probabilidad a fin de generar una función representativa del comportamiento de
las concentraciones que involucrará todos los datos meteorológicos.
Dicho ajuste se efectuó por medio del software para ajuste de distribuciones EasyFit, en el que se
evaluaron cerca de 55 distribuciones dentro de las cuales se encuentran distribución Normal,
Gamma, Weibull, Log-Pearson, Lognormal, Burr, Beta, entre otras. EasyFit evalúa por medio de
pruebas estadísticas de bondad de ajuste (Chi-cuadrado, Kolmogorov-Smirnov y Anderson-
Darling) todas las distribuciones disponibles en la literatura e indica al usuario por medio del
parámetro estadístico de p-value sí los datos se ajustan a una determinada distribución. Para este
caso las pruebas de ajuste de bondad se definieron con un 95% de confianza.
30
7. RESULTADOS
7.1 FACTORES DE EMISIÓN
En la Tabla 3 se presentan los cálculos de los factores de emisión para PST.
Tabla 3. Cálculos de tasas de emisión de PST para las fuentes de emisión por vías sin pavimentar
P e so% d e F a c to r d e F a c to r d e L o n g R a ta d e T a sa de
p r o m e d io N o d e v ia je s E m isió nC o n ta m in a n te F in o s
s (% )v e h ícu lo s
(T on )
k a b E m isió n
(L b /V M T )
E m isió n
(g /V K T )(V e h ícu lo /d ía )
V ia je
(K m )
V K T(g /d ía )
e m isió n
(g /s)
E m isió n
(g /m 2 * s)
P S T F E 1 10 ,4 22 4 ,9 0,7 0 ,45 10,87 3063 9 80 40 3 3 0 5 1 ,4 8 1 0 1 2 4 2 8 0 6 1 1 7 1 ,7 9 0 ,0 0 1 1 6 0
P S T F E 2 10 ,4 22 4 ,9 0,7 0 ,45 10,87 3063 525 40 1770 6 ,1 5 5 4 2 3 7 2 1 7 6 2 7 ,7 4 0 ,0 0 0 6 3 0
P S T F E 3 9 ,5 22 4 ,9 0,7 0 ,45 10 ,2 0 2875 14 40 4 7 2 ,1 6 1 3 5 7 5 2 9 15,71 0 ,0 0 0 0 1 9
Los factores de emisión obtenidos fueron:
é 0,000019 g/s
é 0,000630 g/s
é 0,001160 g/s
7.2 RESULTADOS GRILLA DE MODELACIÓN
De la Figura 10 a la Figura 12 se presenta el resultado de la modelación en tres escenarios
diferentes donde la meteorología es similar y los factores de emisión son diferentes. Se evidencia
que la dispersión de material particulado para un periodo de exposición anual se comporta de
manera similar.
31
Figura 10. Isopletas de concentración para periodo de exposición anual de Partículas Suspendidas Totales
(PST) con un factor de emisión de 0,001160
Figura 11. Isopletas de concentración para periodo de exposición anual de Partículas Suspendidas Totales
(PST) con un factor de emisión de 0,000630
32
Figura 12. Isopletas de concentración para periodo de exposición anual de Partículas Suspendidas Totales
(PST) con un factor de emisión de 0,000019
7.3 RESULTADOS MODELACIÓN RECEPTORES DISCRETOS
A continuación se presentan los resultados de la modelación en los tres (3) tramos de la vía, con
tres (3) factores de emisión diferentes e igual meteorología.
33
Figura 13. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,001160 g/s y Meteorología de Rubiales
34
Figura 14. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,000630 g/s y Meteorología de Rubiales
35
Figura 15. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,0000119 g/s y Meteorología de Rubiales
De la Figura 13 a la Figura 15, se puede afirmar que el comportamiento de la dispersión de
material particulado es similar en cualquier tramo de la vía.
36
7.4 RESULTADOS MODELACIÓN TRAMO 1 DE LA VÍA PUERTO GAITÁN
CAMPO RUBIALES CON TRES (3) FACTORES DE EMISIÓN DIFERENTES
Se analizó como el factor de emisión influye en el comportamiento de la dispersión de material
particulado, para lo cual se presentan los resultados de la modelación en el tramo 1 de la vía en
los diferentes factores de emisión.
Figura 16. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,0000119 g/s en el tramo 1 con meteorología de Rubiales
37
Figura 17. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,000630 g/s en el tramo 1 con meteorología de Rubiales.
Figura 18. Perfiles de concentración de PST promedio a 2000 m a lado de la vía con un factor de emisión
0,001160 g/s en el tramo 1 con meteorología de Rubiales.
38
De la Figura 16 a la Figura 18, se puede observar que el comportamiento de la dispersión de
material particulado presenta una forma similar y la calidad del aire es directamente proporcional
al factor de emisión.
7.5 AJUSTE DE LA FUNCIÓN DE DENSIDAD DE PROBABILIDAD PARA
COMPORTAMIENTO DEL MATERIAL PARTICULADO
De la Tabla 4 a la Tabla 6 se presentan los tres mejores ajustes arrojados por el software EasyFit,
para cada uno de los escenarios.
39
Tabla 4. Bondad de ajuste para los escenarios con factor de emisión 0,000019
Bondadde E N E F E B M A R A B R M A Y J U N J U L A G O S E P O C T N O V D I C
ajuste
1 Log-Pearson 3 JohnsonSB
JohnsonSB Johnson SB Beta Johnson SB Johnson SB Johnson SB Johnson SB Johnson SB Johnson
SBJohnson
SB2 Weibull
(3P) Log-Pearson 3 Beta Kumaraswamy Gen. Gamma (4P) Kumaraswamy Beta Beta Beta Kumaraswamy Kumaraswamy Log-Pearson 3
3 Fatigue Life(3P) Pareto 2 Gen. Gamma
(4P) Beta Johnson SB Beta Gen. Gamma(4P)
Gen. Gamma(4P) Kumaraswamy Beta Log-Pearson 3 Kumaraswamy
Tabla 5. Bondad de ajuste para los escenarios con factor de emisión 0,00063
Bondadde E N E F E B M A R A B R M A Y J U N J U L A G O S E P O C T N O V D I C
ajuste
1 Log-Pearson 3 JohnsonSB
JohnsonSB Johnson SB Beta Johnson SB Johnson SB Johnson SB Johnson SB Johnson SB Johnson
SBJohnson
SB2 Weibull
(3P) Log-Pearson 3 Beta Kumaraswamy Gen. Gamma (4P) Kumaraswamy Beta Beta Beta Kumaraswamy Kumaraswamy Log-Pearson 3
3 Burr (4P) Pareto 2 Gen. Gamma(4P)
Gen. Gamma(4P) Johnson SB Beta Gen. Gamma
(4P)Gen. Gamma
(4P)Gen. Gamma
(4P) Beta Log-Pearson 3 Kumaraswamy
Tabla 6. Bondad de ajuste para los escenarios con factor de emisión 0,001160
Bondadde E N E F E B M A R A B R M A Y J U N J U L A G O S E P O C T N O V D I C
ajuste
1 Log-Pearson 3 JohnsonSB
JohnsonSB Johnson SB Beta Johnson SB Johnson SB Johnson SB Johnson SB Johnson SB Johnson
SBJohnson
SB2 Weibull
(3P) Log-Pearson 3 Beta Kumaraswamy Gen. Gamma (4P) Kumaraswamy Beta Beta Beta Kumaraswamy Kumaraswamy Log-Pearson 3
3 Burr (4P) Pareto 2 Gen. Gamma(4P)
Gen. Gamma(4P) Johnson SB Beta Gen. Gamma
(4P)Gen. Gamma
(4P)Gen. Gamma
(4P) Beta Log-Pearson 3 Kumaraswamy
40
A partir de los resultados arrojados por el Software EasyFit, se obtuvo que las distribuciones
para la cual se producía el mejor ajuste de los datos correspondieran a la distribución de
Johnson SB y Beta.
El presente estudio pretende que la metodología para hallar el área de influencia sea lo más
sencilla posible. Tomando como base lo anterior y siguiendo los resultados arrojados por el
estudio realizado por la ACP, se utilizará la distribución Beta para encontrar el área de
influencia. En la Figura 19 se presentan las concentraciones que se ajustaron a la distribución
Beta, para las concentraciones de PST.
Figura 19. Ajuste de la distribución beta para las concentraciones de PST
41
Las variables que involucran dicha distribución se presentan en la Tabla 7, donde A y B son
constantes ya que representan la distancia en metros mínima y máxima respectivamente, desde
el eje de la vía.
Tabla 7. Parámetros de la distribución Beta
Variable Función
Alfa 1 (al) Parámetro de forma
Alfa 2 (al) Parámetro de forma
A Límite mínimo eje x
B Límite máximo eje x
La apertura de la distribución beta está determinada por los parámetros al y a2, físicamente
esta apertura corresponde a la dispersión de material particulado el cual está asociado a la
velocidad del viento perpendicular a la vía. Por tanto esta velocidad fue determinada de
acuerdo con la Tabla 8 y como se presenta en la Figura 20. La Tabla 9 presenta los
resultados para cada una de las meteorologías analizadas.
Tabla 8. Variables para el cálculo de la velocidad perpendicular
Dirección VientoVelocidad
Viento0
Velocidad Perpendicular a
la vía
B Ni P-C90-Y) V Cos(0)
Fuente: CAIA INGENIERÍA SAS
42
Vb
9=P"(90-y)
Y
Vía
A
Fuente: CAIA INGENIERIA SAS
Figura 20. Esquema ángulo de proyección de velocidad respecto al eje de la vía
Tabla 9. Velocidades promedio y perpendiculares de cada estación
Nombre estación Velocidad perpendicular [m/s]
Velocidad promedio [m/s]
ENERO 1,54 2,48
FEBRERO 1,35 2,17
MARZO 0,60 0,93
ABRIL 0,40 0,64
MAYO 0,50 0,70
JUNIO 0,43 0,56
JULIO 0,39 0,52
AGOSTO 0,49 0,53
SEPTIEMBRE 0,51 0,57
OCTUBRE 0,61 0,64
NOVIEMBRE 0,81 1,12
DICIEMBRE 1,10 1,64
43
Al graficar la velocidad del viento perpendicular a la vía vs la velocidad del viento
promedio anual para cada meteorología se observa una alta relación lineal (R > 0.9) como
se presenta en la Figura 21. Por tanto, se decidió evaluar la relación existente entre los
valores de al y a2 con respecto a la velocidad promedio mensual, la cual es más sencilla y
práctica de determinar.
La Figura 22 y Figura 23 indican que no existe una relación lineal fuerte entre los valores
de a1 y a2 con respecto a la velocidad promedio anual, sino que ambos parámetros
permanecen constantes. La Tabla 10 presenta los valores determinados para los parámetros
de la distribución beta.
44
Figura 22. Parámetros de la distribución alfa 1 vs velocidad del viento para PST. Los puntos azules
representan las estaciones que sí se ajustaron a la distribución Beta y los puntos rojos las estaciones que
no se ajustaron.
Figura 23. Parámetros de la distribución alfa 2 vs velocidad del viento para PST. Los puntos azules
representan las estaciones que sí se ajustaron a la distribución Beta y los puntos rojos las estaciones que
no se ajustaron.
45
Tabla 10. Parámetros distribución beta PST
Parámetro PSTal 0,726a2 1,567A 0B 2085
Para determinar la concentración anual para PST se propone hacer uso de la Ecuación 1o
tomada del estudio de la ACP. Donde, Ca es la concentración anual en pg/m , y Fa
corresponde al factor de dispersión anual.
Ecuación 1. Ca= Fa Beta (al, a2,A, B)
El factor de dispersión (constante Fa) se determinó ajustando los datos de la distribución
Beta a los datos modelados, para lo cual se aplicó un método de optimización por medio del
cual se minimizan los errores entre los datos modelados y los datos asociados a la curva de
la distribución Beta. Este procedimiento se desarrolla en Excel por medio de la herramienta
de Solver.
Finalmente, el resultado de concentración con respecto a la distancia es comparado contra
la norma anual y se determina el área de influencia, la cual corresponde a la franja paralela
a la vía cuyo ancho está definido por la intercepción entre la norma de calidad del aire y
Ca.
Tabla 11. Parámetros función Beta
Parámetros Factor de dispersión al a2PST Promedio Anual 834,74 0,726 1,567
46
2000
1800 en1600 W3140031200
en1000
■o
800 uro
600 c ai400 o u200
00 500 1000 1500 2000 2500
Distancia (m)
MARZO
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
Fa Beta(a1, a2,A, B)
Figura 24. Concentración anual de PST versus distancia
7.6 METODOLOGÍA PARA ENCONTRAR EL ÁREA DE INFLUENCIA EN
VÍAS SIN PAVIMENTAR PARA PROYECTOS DE HIDROCARBUROS
7.6.1 Encontrar el Factor de emisión anual
s a w b£ r = * y ( ? )
Dónde:
Ef = Tamaño de factor de emisión especifico (Kg/VKT)
s = Porcentaje de finos (%)
w = Peso promedio del Vehículo (Ton)
k, a y b = constantes empíricas según tamaño de partículas (
Tabla 1).
47
7.6.2 Generar distribución Beta
Generar la distribución Beta de acuerdo con los parámetros de la Tabla 11.
7.6.3 Calcular concentraciones
Calcular el perfil de concentraciones empleando la ecuación:
Ca = Fa E Beta(a1, a2,a, b) Ecuación Para comparar contra norma anual
Donde:
Fa: Factor de dispersión anual
a l : Parámetro de forma (0,726)
a2 : Parámetro de forma (1,567)
a : Límite inferior eje x (0 m)
b: Límite superior eje x (2085 m)
E: Emisión (mg/m2*s)
7.6.4 Calcular área de influencia
Calcular el área de influencia teniendo en cuenta que esta es la franja paralela a la vía cuyo
ancho está definido por la intercepción entre la norma de calidad del aire y Ca.
7.7 APLICACIÓN DE LA METODOLOGIA A UN CASO REAL
El presente estudio y el realizado por la ACP se enfocó en una vía sin pavimentar que
actualmente está siendo utilizada por muchas compañías petroleras en campos de
explotación de hidrocarburos. En Colombia el proceso de licenciamiento ambiental para los
bloques de exploración y explotación de hidrocarburos es diferente dependiendo las
48
actividades a realizar, siendo diferente las exigencias para exploración y explotación.
Debido a esto la autoridad ambiental ha establecido términos de referencia para el
licenciamiento diferentes, para los proyectos de exploración de hidrocarburos aplican los
términos M-M-INA-01 adoptados por la resolución 0421 de 20 de marzo de 2014 del
ministerio de ambiente y desarrollo sostenible y para explotación los términos HI-TER-1-
03 adoptados por la resolución 1543 del 6 de agosto de 2010 del mismo ministerio.
Cuando la licencia ambiental a solicitar es para exploración de hidrocarburos, las
actividades a realizar son mínimas, puesto que la empresa petrolera únicamente está
intentando conocer las formaciones subterráneas que pueden contener hidrocarburos, el
primer pozo que se perfora en un área geológicamente inexplorada se denomina “pozo
exploratorio”, Cuando se descubre el petróleo, alrededor del pozo exploratorio se perforan
otros pozos, llamados de avanzada, con el fin de delimitar la extensión del yacimiento y
calcular el volumen de hidrocarburos que pueda contener (Ecopetrol, 2014), teniendo en
cuenta las pruebas de producción ya identificado este, las empresas optan por solicitar una
licencia ambiental global para poder comercializar el crudo, donde las actividades de
explotación son diferentes y por lo tanto la autoridad ambiental exige otros términos de
referencia para el licenciamiento.
Con base en lo anterior el flujo de vehículos en una fase exploratoria es mínimo,
comparado con la fase de explotación. A continuación se empleará la metodología para
identificar el área de influencia de un bloque exploratorio.
49
7.7.1 Encontrar el factor de emisión anual
é La proyección futura de vehículos en el proyecto para el mayor escenario es de 40
diarios.
é Peso Promedio de vehículo: 27,2 Ton promedio de todos los tipos de vehículos del
proyecto.
é Constantes k, a y b para PST se obtuvieron según la Tabla 1.
El porcentaje de finos (s) se determinó por medio del método INV E 123 (Instituto
Nacional de vías, 2007), realizando un barrido en tres (3) puntos de las vías de acceso y así
determinando el porcentaje de finos como el material que atraviese la malla 200. El valor
final para la modelación fue el promedio de los tres puntos, correspondiente a 6,43 (Tabla 12).
Tabla 12. Porcentaje de finos en las vías de acceso e internas del Bloque LLA-66
CARRETERA 1 CARRETERA 2 CARRETERA 3 PROMEDIO
10,46 4,45 4,39 6,43
(Atención Social Integral S.A.S, 2014)
Cálculo FE para PST
E = k (s /12)a (W/3 )b
50
Tabla 13. Factor de emisión en las vías de acceso e internas del Bloque LLA-66
Peso Factor% de
promedio de No de viajesLong
EmisiónRata de T asa de
C ontam inan te Finosvehículos
k a bEmisión (V ehículo/día)
Viaje VKT(g/día)
emisión Emisión
(g/m2 * s)s (%)(Ton) (g/VKT)
(Km) (g/s)
PST FE 1 10,4 22 4 ,9 0,7 0,45 2399,06 40 40 400 959625 ,32 0,115695 0 ,0000482
(Atención Social Integral S.A.S, 2014)
7.7.2 Generar distribución Beta y calcular concentraciones
Se generó la distribución Beta en Excel de acuerdo con los parámetros de la Tabla 11 y se
calcularon las concentraciones.
7.7.3 Calcular área de influencia
En la Figura 25 se presentan los resultados para el cálculo del área de influencia del Bloque
Lla-66, donde los resultados arrojan un buffer de 6 metros al eje de la vía.
51
Figura 25. Calculo de concentraciones para el Bloque LLA-66
52
8. CONCLUSIONES
De acuerdo a los resultados de las modelaciones y los análisis de distribución realizados
sobre la dispersión de material particulado en este estudio, podemos concluir que el
decaimiento del material particulado en vías sin pavimentar en el departamento del Meta, se
ajusta a una distribución beta con los siguientes parámetros:
Parámetros Factor de dispersión al a2
PST Promedio Anual 834,74 0,726 1,567
Se realizó un ejemplo real para un bloque exploratorio a licenciar y se encontró un área de
influencia de 6 metros a lado y lado a partir del eje de la vía principal (Figura 26).
53
Figura 26. Área de influencia para el componente atmosférico en el Bloque LLA-66
54
9. BIBLIOGRAFÍA
ANLA. (2012). Asociación Nacional de Empresarios de Colombia. Recuperado de
http://www.andi.com.co/Archivos/file/AREADEINFLUENCIA.pdf
ANLA. (2014). ANLA. Recuperado de
http://www.anla.gov.co/documentos/normativa/TdR%20exploracion%20HC%20VF
%20Para%20adopci%C3%B3n%20sin%20CC.pdf
Asociación Colombiana del Petróleo. (2014). http://www.acp.com.co/. Recuperado de
http://www.acp.com.co/index.php/es/petroleo-y-gas
Atención Social Integral S.A.S. (2014). Estudio de trafico bloque de explotación de
hidrocarburos CPE-6 área de desarrollo fase 1.
Atmospheric Studies Group. (2011). Atmospheric Studies Group. Recuperado de
http://www.src.com/calpuff/calpuff1.htm
British Columbia Ministry of Environment Environmental Protection Division
Environmental Quality Branch Air Protection Section.(2008). Guidelines For Air
Quality Dispersion Modelling In British Columbia. Recuperado de
http://www.bcairquality.ca/reports/pdfs/air_disp_model_08.pdf
55
Builtjes, P.J.H. (2001). Major twentieth century milestones in air pollution modeling and its
application.Gryning and Schiermeier, Kluwer Academic/Pleniun Publishers.
Recuperado de http://www.springerlink.com/content/h3p3x274p657g830/
Chapman, P. et al. (2000). CRISPDM 1.0:Step-by-step data mining guide. CRISP-DM
Consortium. SPSS Inc..
Centro de Ciencias de la Atmosfera UNAM. (2012). Boletín 01 recuperado de
http://www.atmosfera.unam.mx/vinculacion/boletin/01_BOLETIN.pdf
Cimorelli, A. et al. (2005). AERMOD: A Dispersion Model for Industrial Source
Applications. Part I: General Model Formulation and Boundary Layer
Characterization. Journal of Applied Meteorology, 44(5): 682-693.
Departamento Nacional de Planeación. (2015) Plan Nacional De Desarrollo 2014-2018
recuperado de https://colaboracion.dnp.gov.co/CDT/PND/PND%202014-
2018%20Tomo%201%20internet.pdf
Environmental Protection Agency, EPA. (2006). Background Document for Revisions to
Fine Fraction Ratios Used for AP-42 Fugitive Dust Emission Factors. Recuperado
de https://www3.epa.gov/ttn/chief/ap42/ch13/bgdocs/b13s02.pdf
56
Environmental Protection Agency, EPA. (1995). Compilation of air pollution emission
factors AP-42, Fifth edition. Recuperado de
https://www3.epa.gov/ttn/chief/ap42/toc_kwrd.pdf
Environmental Protection Agency, EPA. (1995). Background Document for Revisions to
Fine Fraction Ratios Used for AP-42 Fugitive Dust Emission Factors. Recuperado
de https://www3.epa.gov/ttn/chief/ap42/ch13/bgdocs/b13s02.pdf
FEDESARROLLO. (2012). Impacto socioeconómico de la minería en Colombia
recuperado de http://www.fedesarrollo.org.co/wp-content/uploads/2011/08/Impacto-
socioecon%C3%B3mico-de-la-miner%C3%ADa-en-Colombia-
Informe_Impacto_de_la_miner%C3%ADa_Final-26-abril.pdf
García, D. (2005) Manual de WEKA. Recuperado de
http://www.metaemotion.com/diego.garcia.morate/download/weka.pdf
Gonzales Francisco (2009). Desarrollo Sostenible: Problemática Ambiental Y
Ecoeficiencia. Revista Javeriana: El Pensamiento Cristiano En Diálogo Con El
Mundo. Medio Ambiente Universal Y Desarrollo Sostenible. Volumen (145), p.8-
p.13.
http://revistapetroleoygas.co/. (2016). Revista Petroleo y Gas. Recuperado de, de
http://revistapetroleoygas.co/los-precios-del-petroleo-continuaran-por-el-piso/
57
Huertas, J., Huertas M., Daza N., Valencia A., Prato D. (2015). Área de influencia de vías
no pavimentadas. Centro de Investigación en Ingeniería Automotriz - CIMA
Instituto Tecnológico y de Estudios Superiores de Monterrey Campus Toluca.
Korc. (2000). Situación de los Programas de Gestión de Calidad del Aire Urbano en
América Latina y el Caribe. Recuperado de
http://www.foroiberoamericano.ambiente.gov.ar/archivos/web/salud_ambiente/File/
Gestion_Calidad_UrbanoAmerica_2000.pdf
Kuhns, H., Etyemezian, V., Landwehr, D., MacDougall, C., Pitchford, M., Green., M
(2001). Testing re-entrained aerosol kinetic emissions from roads (TRAKER): A
new approach to infer silt loading on roadways. Atmos. Environ. 35: 2815-2825.
Lemus, G. et al (2009). Estimación de parámetros meteorológicos secundarios aplicando
minería de datos. Recuperado de
http://bibdigital.epn.edu.ec/bitstream/15000/9367/1/P30.pdf
MAVDT. (2010). Política de prevención y control de la contaminación del aire.
Recuperado de
http://www.minambiente.gov.co/documentos/normativa/ambiente/politica/polit_cali
dad_aire.pdf
58
Ministerio de Ambiente, Vivienda y Desarrollo Territorial. (2010). Protocolo para el
monitoreo y seguimiento de la calidad del aire. Bogotá.
Morales, A. (2009). Predicción de Parámetros Meteorológicos Secundarios: Longitud de
Monin-Obuckov, velocidad de fricción y flujo de calor superficial, en la zona de la
CUJAE, utilizando técnicas de Minaría de Datos. Tesis para optar por el título en
Ingeniería Informática. CEIS, Centro de Estudios de Ingeniería y Sistemas. Instituto
Superior Politécnico José Antonio Echeverría CUJAE
Pierra Allan. (2008), Planes de acción locales para mejorar la calidad del aire y estudios de
impacto ambiental apoyados en modelos de dispersión atmosférica. Recuperado de
http://www.conama9.org/conama9/download/files/CTs/2693_APierra.pdf
Pinnick, R., Fernandez, G., Hinds, B., Bruce, C., Schaefer, R. (1985): Dust generated by
vehicular traffic on unpaved roadways: size and infrared extinction. Aerosol Science
and Technology 4, pp. 99-121
República Del Perú Ministerio De Energía Y Minas. (2007), Guía Para La Evaluación De
Impactos En La Calidad Del Aire Por Actividades Minero Metalúrgicas.
Recuperado de
http://www.minem.gob.pe/minem/archivos/file/DGAAM/guias/VXXI_Calidad_Air
e.pdf
59
Szepesi, D. J., (1989): Compendium of regulatory air quality simulation models.
Akademiai Kiado. Budapest, Hungria.
Turtos Leonor. (2010). Guía de modelación de la dispersión local de contaminantes
gaseosos y partículas con el Sistema de modelos AERMOD. Recuperado de
http://cub7007.cubaenergia.cu/Documentacion/GuiaAERMOD.pdf
U S. Geological Survey. (2015). ASTER Global DEM.
Veranth, J., Pardyjak, E.and Seshadri. G. (2003). Vehicle generated fugitive dust transport:
analytic models and field study. Atmos. Environ., 37: 2295-2303.
Zerquera, R. (2009). Predicción de Parámetros Meteorológicos Secundarios: Altura de la
capa de mezcla convectiva, altura de la capa de mezcla mecánica y velocidad
convectiva de escala, en la zona de la CUJAE, utilizando técnicas de Minaría de
Datos. Tesis para optar por el título en Ingeniería Informática. CEIS, Centro de
Estudios de Ingeniería y Sistemas. Instituto Superior Politécnico José Antonio
Echeverría CUJAE. Ciudad de La Habana, Cuba.
