I
DIRECCIÓN GENERAL DE INVESTIGACIÓN SOBRE LA CONTAMINACIÓN URBANA Y REGIONAL (DGICUR)
DIRECCIÓN DE INVESTIGACIÓN SOBRE LA CALIDAD DEL AIRE (DICA)
INFORME FINAL Número de proyecto: INE/A1‐004/2009 Nombre del proyecto: “Comportamiento de los contaminantes en cuencas atmosféricas: metodología y estudio de caso”
Duración: 6 meses Preparado por Dr. José Agustín García Reynoso,
Dr. Luís Gerardo Ruiz Suárez. IQ J. Sandra García Escalante y Norma Angélica Reséndiz Juárez.
Fecha. Septiembre 2009
I
Índice general ÍNDICE DE TABLAS....................................................................................................................................III ÍNDICE DE ILUSTRACIONES ...................................................................................................................... IV RESUMEN .................................................................................................................................................1 ABSTRACT .................................................................................................................................................1 INTRODUCCIÓN.........................................................................................................................................1 ANTECEDENTES .........................................................................................................................................2 OBJETIVO..................................................................................................................................................2
OBJETIVOS PARTICULARES .................................................................................................................................... 2 ALCANCES Y CONSIDERACIONES................................................................................................................3 METODOLOGÍA .........................................................................................................................................3
MÉTODO PARA LA EVALUACIÓN DEL COMPORTAMIENTO DE LOS CONTAMINANTES EN UNA CUENCA ATMOSFÉRICA................. 4 RESULTADOS.............................................................................................................................................7
ÍNDICES DE PROTECCIÓN A LA SALUD..................................................................................................................... 13 ÍNDICE DE PROTECCIÓN A ECOSISTEMAS................................................................................................................. 18
ANÁLISIS DE RESULTADOS.......................................................................................................................21 CONCLUSIONES Y SUGERENCIAS..............................................................................................................22 BIBLIOGRAFÍA .........................................................................................................................................24 APÉNDICE A ..............................................................................................................................................1
ÁREA DE MODELACIÓN UTILIZADA .......................................................................................................................... 1 ANÁLISIS A NIVEL NACIONAL.................................................................................................................................. 2 MODELOS MCCM Y CAMX............................................................................................................................... 12 COMPARACIÓN DE RESULTADOS DE LOS MODELOS MCCM Y CAMX CON MEDICIONES................................................... 15
Zona Metropolitana del Valle de México ................................................................................................ 15 Zona Metropolitana de Toluca................................................................................................................ 26 Zona Metropolitana de Guadalajara ...................................................................................................... 29 Zona Metropolitana de Monterrey ......................................................................................................... 32
COMPARACIÓN DE MODELOS PARA CONCENTRACIÓN DE OZONO................................................................................ 38 DOCUMENTACIÓN DE DIFERENCIAS Y SIMILITUDES ENTRE MODELOS ............................................................................ 42
Modelo Químico:..................................................................................................................................... 43 Dominio................................................................................................................................................... 43 Resolución ............................................................................................................................................... 44 Inventario................................................................................................................................................ 44 Altura Primera capa................................................................................................................................ 44 Preprocesmiento smoke.......................................................................................................................... 44 Mapeo de grupos .................................................................................................................................... 45 Emisiones biogénicas .............................................................................................................................. 45
APÉNDICE B.............................................................................................................................................47 APLICACIÓN DE LA METODOLOGÍA EN EL CENTRO DE MÉXICO. ................................................................................... 47
Temperatura ........................................................................................................................................... 49
II
Intensidades de Viento............................................................................................................................ 50 Ozono...................................................................................................................................................... 51 Partículas PM10...................................................................................................................................... 52 Dióxido de azufre .................................................................................................................................... 53
APÉNDICE C.............................................................................................................................................56 ASPECTOS TÉCNICOS DE LA MODELACIÓN .............................................................................................................. 56
APÉNDICE D ............................................................................................................................................59 EVALUACIÓN DE LA REPRESENTATIVIDAD DE LA MUESTRA.......................................................................................... 59
Ozono muestra de 20 días....................................................................................................................... 64 Ozono muestra de 15 días....................................................................................................................... 64 Ozono muestra de 10 días....................................................................................................................... 64 Ozono muestra de 5 días......................................................................................................................... 65 PM10 muestra de 20 días ....................................................................................................................... 65 PM10 muestra de 15 días ....................................................................................................................... 65 PM10 muestra de 10 días ....................................................................................................................... 65 PM10 muestra de 5 días ......................................................................................................................... 66 Temperatura muestra de 20 días............................................................................................................ 66
TEMPERATURA MUESTRA DE 15 DÍAS.................................................................................................................... 66 Temperatura muestra de 10 días............................................................................................................ 67 Temperatura muestra de 5 días.............................................................................................................. 67
VIENTO MUESTRA DE 20 DÍAS ............................................................................................................................. 67 VIENTO MUESTRA DE 15 DÍAS ............................................................................................................................. 68 VIENTO MUESTRA DE 10 DÍAS ............................................................................................................................. 68 VIENTO MUESTRA DE 5 DÍAS ............................................................................................................................... 68
APÉNDICE E.............................................................................................................................................70 MÉTRICAS ESTADÍSTICAS .................................................................................................................................... 70
Desviaciones estándar y media de las diferencias al cuadrado. ............................................................. 70 Raíz cuadrática media de la desviación sistemática y no sistemática. ................................................... 70 Índice de Concordancia ........................................................................................................................... 71 Errores..................................................................................................................................................... 71
APÉNDICE F.............................................................................................................................................72 DEPOSICIÓN SECA ............................................................................................................................................. 72
APÉNDICE G ............................................................................................................................................75 ÍNDICES PROPUESTOS PARA LA IDENTIFICACIÓN DE LA REGIÓN DE INFLUENCIA Y CAPACIDAD DE CARGA DE LA CUENCA ATMOSFÉRICA. ................................................................................................................................................. 75 PROTECCIÓN A ECOSISTEMAS: ............................................................................................................................. 76 USO DE LOS ÍNDICES .......................................................................................................................................... 77
APÉNDICE H ............................................................................................................................................78 SECUENCIA VAN DER CORPUT ............................................................................................................................. 78
III
Índice de Tablas Tabla 1 Comparación de métricas para ozono obtenidas de las modelaciones para la
ZMVM ........................................................................................................................... 35 Tabla 2 Comparación de métricas para NO2 obtenidas de las modelaciones para la ZMVM
...................................................................................................................................... 35 Tabla 3 Comparación de métricas para SO2 ......................................................................... 36 Tabla 4 Comparación entre áreas metropolitanas ozono febrero 1999.............................. 36 Tabla 5 Comparación entre áreas metropolitanas NO2 Febrero 1999 ................................ 36 Tabla 6 Comparación entre áreas urbanas SO2 febrero 1999.............................................. 37 Tabla 7 Comparación entre áreas urbanas CO febrero 1999............................................... 37 Tabla 8 Estadísticos de temperatura .................................................................................... 49 Tabla 9 Estadísticos de velocidad de viento......................................................................... 50 Tabla 10 Estadísticos ozono.................................................................................................. 51 Tabla 11 Estadísticos para PM10.......................................................................................... 53 Tabla 12 Estadísticos para SO2............................................................................................. 54 Tabla 13 . Valores de Van der Corput, y fechas a modelar del año 2004. ........................... 78
IV
Índice de ilustraciones Ilustración 1 Concentraciones de ozono máximas (ppb) para el 2004 .................................. 8 Ilustración 2 Comparación entre áreas de influencia de concentraciones de ozono
máximas para el 2004 y parcelas.................................................................................... 8 Ilustración 3 Concentración promedio móvil de 8h de ozono (ppb). .................................... 9 Ilustración 4 Comparación entre el contorno del promedio móvil de 8h de ozono 80ppb y
los contornos obtenidos por las trayectorias de parcelas. ............................................ 9 Ilustración 5 Concentración promedio de PM10 ................................................................. 10 Ilustración 6 Comparación entre áreas de influencia de PM10 y los contornos obtenidos
por las trayectorias de parcelas.................................................................................... 10 Ilustración 7 Concentración máxima de Ozono (ppb) del 28 de julio .................................. 11 Ilustración 8 Comparación entre áreas de influencia de concentración máxima de ozono
para el 28 de julio y los contornos obtenidos por las trayectorias de parcelas........... 11 Ilustración 9 Concentración promedio móvil de 8 horas de ozono (ppb), 28 de julio......... 12 Ilustración 10 Comparación entre áreas de influencia de la concentración promedio móvil
de 8h de O3 y los contornos obtenidos por las trayectorias de parcelas..................... 12 Ilustración 11 Concentración del máximo del promedio de 24h para SO2 2004 ................. 13 Ilustración 12 Índice de Peligrosidad y extensión para la concentración promedio móvil de
8hr de ozono del año 2004........................................................................................... 14 Ilustración 13 índice de Peligrosidad y extensión para la concentración promedio móvil de
8 hr para ozono, 28 de julio.......................................................................................... 14 Ilustración 14 Índice de Peligrosidad y extensión para el máximo promedio horario de O3
28 de julio. .................................................................................................................... 15 Ilustración 15 Índice de Peligrosidad y extensión para el 2004 de O3 máximo. .................. 15 Ilustración 16 Exposición potencial a ozono 2004 ............................................................... 16 Ilustración 17. Índice de Peligrosidad y extensión de PM10................................................ 17 Ilustración 18 Índice de Peligrosidad y extensión de la concentración promedio de 24hr
para PM10. ................................................................................................................... 17 Ilustración 19 AOT 40 para el 2004 ...................................................................................... 18 Ilustración 20 La línea de color púrpura indica el Ozono máximo para el 2004, la negra es
la exposición a O3, la verde es la extensión del promedio móvil de 8 hr, la línea azul claro es el O3 máx. para el 28 de julio y línea naranja es 6 veces el AOT 40................ 19
Ilustración 21 Cuenca atmosferica para ozono. ................................................................... 20 Ilustración 22 Dominio de modelación empleado que considera las emisiones del
inventario de emisiones y usos de suelo considerados en la región. ............................ 1 Ilustración 23 Dominio de modelación Zona Centro de México............................................ 2 Ilustración 24 Concentraciones promedio de NO (ppb) del 1 a 7 de diciembre 2008 (sup.) y
del 4 al 10 de feb 2009. .................................................................................................. 3 Ilustración 25 Concentración promedio de O3 (ppb) del 1 a 7 de diciembre 2008 (superior)
y del 4 al 10 febrero 2009............................................................................................... 4 Ilustración 26 Concentración promedio de HNO3 (ppb) del 1 a 6 de diciembre 2008
(superior) y del 4 al 10 de febrero 2009......................................................................... 5 Ilustración 27 Depósito promedio de ozono (pg/m3/s) del 1 a 6 de diciembre 2008
(superior) y del 4 al 10 de febrero 2009......................................................................... 6
V
Ilustración 28 Depósito promedio de SO3 (pg/m3/s) del 1 a 6 de diciembre 2008 (superior)
y del 4 al 10 de febrero 2009.......................................................................................... 7 Ilustración 29 Depósito promedio de SULF (pg/m3/s) del 1 a 6 de diciembre 2008
(superior) y del 4 la 10 de febrero 2009......................................................................... 8 Ilustración 30 Concentración promedio PM10 (mg/m3) 1 al 7 de diciembre 2008 (superior)
y del 4 al 10 de febrero 2009.......................................................................................... 9 Ilustración 31 AOT 40 (ppb.h) para 7 días de Diciembre 2008 (superior) y febrero 2009...10 Ilustración 32 AOT60 (ppb.h )para 1 a 7 de diciembre (superior) y del 4 al 10 de febrero
2009. .............................................................................................................................11 Ilustración 33 Uso de suelo en el área de modelación considerada.................................... 13 Ilustración 34 Domino de datos de North American Regional Reanalysis (NARR) utilizados.
...................................................................................................................................... 14 Ilustración 35 Ejemplo del análisis estadístico realizados para cada contaminante para los
períodos de análisis. De estos análisis se obtiene el percentil 50 empleado para las comparaciones. Datos de la RAMA superior izquierda, MCCM derecha y CAMx inferior. .........................................................................................................................15
Ilustración 36 Comparación de mediciones con modelo temperatura ZMVM................... 16 Ilustración 37 Comparación de mediciones con modelo para febrero velocidad del viento
ZMVM ........................................................................................................................... 16 Ilustración 38 Comparación de mediciones con modelos para febrero ozono ZMVM ....... 17 Ilustración 39 Comparación de mediciones con modelos para febrero NO2 ZMVM........... 18 Ilustración 40 Comparación de mediciones con modelos para febrero SO2 ZMVM........... 18 Ilustración 41 Comparación de mediciones con modelos para febrero CO ZMVM............. 19 Ilustración 42 Comparación de mediciones con modelos para mayo NO2 ZMVM.............. 20 Ilustración 43 Comparación de mediciones con modelos para mayo SO2 ZMVM............... 21 Ilustración 44 Comparación de mediciones con modelos para agosto ozono ZMVM......... 22 Ilustración 45 Comparación de mediciones con modelos para agosto NO2 ZMVM............ 22 Ilustración 46 Comparación de mediciones con modelos para agosto SO2 ZMVM............. 23 Ilustración 47 Comparación de mediciones con modelos para noviembre ozono ZMVM..24 Ilustración 48 Comparación de mediciones con modelos para noviembre SO2 ZMVM ...... 24 Ilustración 49 Comparación de mediciones con modelos para noviembre SO2 ZMVM ...... 25 Ilustración 50 Comparación de mediciones con modelos para febrero ozono ZMT ........... 26 Ilustración 51 Comparación de mediciones con modelos para febrero NO2 ZMT............... 27 Ilustración 52 Comparación de mediciones con modelos para febrero SO2 ZMT ............... 27 Ilustración 53 Comparación de mediciones con modelos para febrero CO ZMT ................ 28 Ilustración 54 Comparación de mediciones con modelos para febrero ozono ZMG........... 29 Ilustración 55 Comparación de mediciones con modelos para febrero NO2 ZMG ............. 30 Ilustración 56 Comparación de mediciones con modelos para febrero SO2 ZMG............... 30 Ilustración 57 Comparación de mediciones con modelos para febrero CO ZMG................ 31 Ilustración 58 Comparación de mediciones con modelos para febrero ozono ZMM.......... 32 Ilustración 59 Comparación de mediciones con modelos para febrero NO2 ZMM ............ 33 Ilustración 60 Comparación de mediciones con modelos para febrero SO2 ZMM.............. 33 Ilustración 61 Comparación de mediciones con modelos para febrero CO ZMM............... 34 Ilustración 62 Comparación de Ozono máximo del 1 al 15 de febrero de 1999.................. 38
VI
Ilustración 63 Comparación de Ozono máximo del 1 al 15 de mayo de 1999..................... 39 Ilustración 64Comparación de Ozono máximo del 1 al 15 de agosto de 1999.................... 40 Ilustración 65 Comparación de Ozono del 1 al 15 de noviembre de 1999. ......................... 41 Ilustración 66 Área (en amarillo) donde se tienen emisiones del inventario. ..................... 48 Ilustración 67 Comparación de resultados de temperaturas del modelo y mediciones ..... 49 Ilustración 68 Comparación de resultados de velocidad de viento del modelo y mediciones
...................................................................................................................................... 50 Ilustración 69 Comparación de resultados de concentración de ozono del modelo y
mediciones.................................................................................................................... 51 Ilustración 70 Comparación de resultados de concentración de PM10 del modelo y
mediciones.................................................................................................................... 52 Ilustración 71 Comparación de resultados de concentración de SO2 del modelo y
mediciones.................................................................................................................... 54 Ilustración 72 Histogramas de temperaturas....................................................................... 60 Ilustración 73 Histogramas de Velocidad de Viento ............................................................ 61 Ilustración 74 Histogramas de concentración de ozono ...................................................... 61 Ilustración 75 Histogramas de Concentración de PM10 ...................................................... 62 Ilustración 76 Comparación de medias y dispersión de datos anuales y muestras de datos
...................................................................................................................................... 63 Ilustración 77 Esquema de las resistencia de deposición empleadas.................................. 73
1
Resumen En este trabajo se presenta la metodología para la identificación de cuencas atmosféricas así como también la aplicación de la misma en un caso de estudio que es la Zona Centro de México. Se empleó la modelación de calidad del aire para la identificación de la cuenca atmosférica. Los resultados de las modelaciones de calidad del aire se compararon con mediciones ambientales realizadas en la zona de estudio con la finalidad de determinar el nivel de acierto del modelo. Se identificaron y presentan un conjunto de índices para especificar la extensión de la cuenca atmosférica. Los resultados muestran áreas similares a las obtenidas mediante el empleo de trayectorias hacia delante de parcelas de aire en superficie.
Abstract In this work the methodology for airshed identification is presented also the application of it on a base case study which is the Center Zone of Mexico. Air quality modeling is used in order to identify the atmospheric basin. Air quality modeling results have compared with ambient measurements in the study area with the objective of determine the accuracy level of the model. Were identified and presented a set of indices to specify the extent of the airshed. The results show similar areas to those obtained by using forward trajectories of surface air parcels.
Introducción En el siguiente trabajo se presenta la metodología para la identificación y capacidad de las cuencas atmosféricas y su aplicación en un caso de estudio. Para la identificación del caso de estudio se realizó un análisis a nivel nacional donde se empleó información de estudios previos del transporte de parcelas como de modelación de calidad del aire nacionales y regionales. Una vez identificada la región de estudio se aplicó la metodología y se analizaron los resultados obtenidos de la misma. Las herramientas que se emplearon para la comparación entre los resultados de los modelos y mediciones fueron gráficos y mapas de las concentraciones horarias para los contaminantes criterio complementado con una comparación estadística de los resultados para las diferentes zonas metropolitanas. A partir de este análisis se determino aplicar la metodología para la zona centro de México que abarca los estados de Hidalgo, Tlaxcala, Morelos, Puebla, de México y Distrito Federal. Se empleó como año base el 2004, se utilizó el inventario de emisiones del 2004 para la región. En el desarrollo de la metodología se identificaron las métricas, índices y niveles de concentración de contaminantes que pueden ser aplicados para identificar las cuenca atmosférica, se observó que en el caso del centro de México existe una interacción entre las cuencas atmosféricas de la región.
2
Antecedentes La gestión de calidad del aire es un proceso que requiere de implementar medidas de control de emisiones con las cuales no se rebasen las normas de salud y se tenga una calidad del aire saludable para la población y los ecosistemas. Para ello se requiere de conocer las emisiones, mediciones de calidad del aire, inventarios de emisiones y la distribución de los contaminantes en una región particular, que por un conjunto de criterios, se considera que la gestión de calidad del aire a su interior debe realizarse de forma uniforme y coordinada independientemente de las delimitaciones políticas a su interior. A esa región se le llama cuenca atmosférica. Una cuenca atmosférica se reconoce como un espacio geográfico delimitado por elevaciones montañosas u otros atributos naturales con características meteorológicas y climáticas afines donde la calidad del aire a nivel estacional está influenciada por las fuentes de emisión antropogénicas y naturales al interior de la misma y por concentraciones de fondo que llegan a la cuenca. En la legislación el artículo 111 referente al control, reducción de la contaminación atmosférica se menciona en el inciso X que se deben definir los niveles máximos permisibles de emisión de tal forma que no se rebasen las capacidades de asimilación de las cuencas atmosféricas y se cumplan las Normas Oficiales Mexicanas de calidad del aire. La capacidad de asimilación de ecosistemas es un estimado cuantitativo de la exposición (nivel de concentración o depositación atmosférica) a uno o más contaminantes bajo la cual no suceden efectos dañinos significativos en elementos sensitivos específicos del ambiente o en la estructura o función del ecosistema de acuerdo al conocimiento presente. Con base a lo anterior se requiere de conocer la calidad del aire en una región (concentraciones ambientales) y esto se puede lograr mediante el empleo de modelos de calidad del aire que puedan simular regiones amplias que el monitoreo atmosférico no puede abarcar. Así mismo los modelos de calidad del aire pueden calcular la depositación que servirá de base para la identificación de la cuenca y con ello también la capacidad de carga de la misma.
Objetivo Determinar la capacidad de carga de una cuenca atmosférica en México, para dar elementos a la instrumentación del artículo 111 de la LGEEPA y contribuir a una gestión de la calidad del aire más eficiente.
Objetivos particulares Desarrollar un método para identificar la capacidad de carga de una cuenca atmosférica,
Utilización de modelos de calidad del aire para obtener concentraciones ambientales de una región..
3
Identificar la aplicabilidad de la metodología así como las posibles adecuaciones a la misma.
Proponer índices para la identificación de la cuenca.
Alcances y consideraciones En este informe se presenta la metodología para la identificación de cuencas atmosféricas, la descripción de los datos empleados, los resultados de aplicar la metodología en un caso de estudio así como los índices y métricas propuestas para la caracterización de la cuenca. El caso de estudio corresponde a la zona centro de México, que fue identificada mediante el análisis de información entre los resultados obtenidos con el CAMx y el MCCM para la modelación de la calidad del aire a nivel nacional en México, así como también a partir de los resultados del proyecto “Identificación de Cuencas Atmosféricas en México” (INE/AI‐011/2007). Un elemento importante para la modelación de la calidad del aire es el inventario de emisiones, en este trabajo se emplea el inventario de emisiones nacional para modelación desarrollado por el INE para el año 1999, así como también del inventario regional desarrollado en el CCA del proyecto SEMARNAT‐CONACYT 23496 para el año 2004. El empleo de parcelas para conocer las trayectorias de contaminantes son útiles para identificar cuales son los patrones de transporte de los contaminantes, sin embargo los contaminantes dentro de la parcela sufren diversos procesos como la dilución, difusión, transformaciones químicas y procesos físicos que hacen que su concentración varíe mientras es transportada ya sea que disminuya (para contaminantes primarios) o aumente (contaminantes secundarios) con el tiempo, lo cual podría hacer que el área de influencia de las cuencas determinadas con trayectorias sea diferente a las cuencas establecidas con concentraciones de contaminantes ambientales. Los índices para determinar la capacidad de la cuenca se relacionan a la protección de la salud (exposición potencial, severidad, extensión e índice de peligrosidad) y protección a cultivos (AOT40). Para protección a ecosistemas se requiere adicionalmente de obtener la capacidad de asimilación para azufre (S) y nitrógeno (N) (acidificación y eutrofización) de los diferentes tipos de ecosistemas presentes dentro de la cuenca atmosférica a estudiar lo cual esta fuera del alcance de este proyecto.
Metodología Para la realización de este trabajo se aprovecharon los productos generados en proyectos anteriores de modelación de parcelas (INE/AI‐011/2007) y de modelación de calidad del aire a nivel nacional con esa información se identificó la región para el estudio de caso. La región seleccionada fue el centro de México (ver
4
Apéndice B), debido a la disponibilidad y confiabilidad de los datos de mediciones atmosféricas. Se aplicó el método presentado con lo cual se obtuvieron las propuestas de los índices a emplearse para determinar la extensión de la cuenca. A continuación se presenta el método y los resultados obtenidos. Marco Conceptual En este trabajo se considera que la capacidad de una cuenca atmosférica se encuentra rebasada cuando se tienen concentraciones ambientales de contaminantes a estudiar mayores a los límites de protección a la salud. Las redes de monitoreo sólo pueden medir las concentraciones ambientales en una región limitada por lo cual se hace necesario el uso de modelos de calidad del aire para identificar la extensión que cubren los contaminantes atmosféricos. Las concentraciones ambientales dependen de las emisiones y de las condiciones topográficas y meteorológicas en la región de estudio por lo que el uso de modelos acoplados de meteorología y química es recomendable. La capacidad de cálculo y almacenamiento hace poco factible el emplear la modelación para estudiar años completos por lo que se requiere de emplear un menor número de días que sean representativos del año o período a estudiar, la selección de estos días se puede hacer de forma aleatoria y mediante el empleo de criterios adicionales como los períodos de niveles de concentración de interés. Una vez obtenida la información de los modelos se requiere de comparar contra mediciones con la finalidad de conocer el nivel de acierto del modelo, cuando el nivel de acierto es aceptable se procede a generar los mapas para obtener las regiones donde los índices seleccionados son rebasados y con ello poder identificar la cuenca atmosférica.
Método para la evaluación del comportamiento de los contaminantes en una cuenca atmosférica
1. Obtención de datos de mediciones confiables de contaminantes atmosféricos y de variables meteorológicas para la región de estudio
2. Selección de períodos de modelación a. Mediante la identificación de periodos críticos de interés (p.e. 5to máximo del
promedio de 8hr para ozono) o b. Mediante la selección aleatoria de días representativos de la meteorología y de
las concentraciones ambientales de contaminantes de interés (ver
5
Apéndice D). 3. Obtención de inventario de emisiones
a. Desarrollar el inventario de emisiones para modelación de calidad del aire. 4. Modelación de escenarios
6
Modelación de la meteorología para los períodos seleccionados (ver
a. Apéndice C)
7
b. Comparación cualitativa de los resultados de modelo con mediciones (graficas y mapas)
c. Comparación cuantitativa (análisis estadístico) para esto se deben seleccionar un conjunto de métricas estadísticas e identificar los valores que deben de tener para considerarse aceptables. Entre los que destacan Índice de concordancia, raíz cuadrática media de las diferencias medias entre valores modelados y medidos (RMSD), el error craso normalizado (Nge), la tendencia del error normalizado (Nb) y el promedio de error normalizado (ANB), adicionalmente se puede emplear las desviaciones típicas, entre otros. Para la definición de éstos términos ver Apéndice E donde se describen las métricas estadísticas que se pueden utilizar.
d. Modelación de la calidad del aire empleando el inventario de emisiones, para los períodos seleccionados.
e. Evaluación del desempeño del modelo de calidad del aire, cualitativa y cuantitativa (ver Apéndice E)..
f. En caso de ser necesario ajustar el inventario de emisiones mediante modelación inversa, iniciando con los contaminantes primarios como lo son el CO, NOx , PM10 y SO2 una vez que den índices de concordancia para el NO y NO2 son mayores a 0.5 se ajustan las emisiones de los compuestos orgánicos se recomienda obtener una concordancia superior o igual a 0.7 entre el contaminante modelado y el medido para ozono .
5. Para la identificación de la zona de influencia de las emisiones se generan mapas ya sea empleando las concentraciones ambientales. En el caso de efectos en la salud, los mapas recomendados son el máximo del promedio horario para ozono, el promedio móvil de 8 horas para ozono, el promedio de 24 horas para PM10 y SO2. La extensión para concentraciones superiores a la norma, el índice de peligrosidad con valores iguales o superiores a 1, la exposición potencial para concentraciones iguales o superiores a la norma (ver Apéndice G).
6. El índice para protección a la vegetación que se emplea es el AOT40 (ver Apéndice G).
Resultados En esta parte se presentan los resultados de aplicar la metodología en la zona centro de México y para mas detalles se pueden encontrar tanto en el Apéndice A donde se muestra la identificación de la zona centro de México como el sitio de evaluación del caso base y Apéndice B se presenta de forma más detallada la aplicación de la metodología. Los resultados que se presentan son los mapas para la región centro de México de ozono, PM10 y SO2. Así como también de las áreas de la cuenca atmosférica para el centro de México. Un período de interés para en este estudio fue el del 5to máximo de los promedios móviles de 8hrs adicional a la muestra representativa del año. Las ilustraciones que muestran 2004 en el título corresponden al conjunto de fechas seleccionadas aleatoriamente y las del 28 de julio muestran los resultados del día donde se presento el 5to máximo del promedio móvil de 8h de ozono.
8
Ilustración 1 Concentraciones de ozono máximas (ppb) para el 2004
Esta ilustración presentan la concentración máxima del promedio horario de ozono para el conjunto de fechas seleccionadas aleatoriamente del año 2004. Se presenta el máximo de cada celda independientemente del día u hora a la cual haya ocurrido.
Ilustración 2 Comparación entre áreas de influencia de concentraciones de ozono máximas para el 2004 y parcelas.
La Ilustración 2 muestra el contorno del nivel de 110 ppb que es el límite recomendado por la norma NOM‐020‐SSA1‐1993 (izq.) y los contornos de las cuencas obtenidas por las trayectorias de parcelas en superficie.
9
Ilustración 3 Concentración promedio móvil de 8h de ozono (ppb).
Esta ilustración presentan el máximo del promedio móvil de 8h para ozono del conjunto de días aleatorios del año 2004.
Ilustración 4 Comparación entre el contorno del promedio móvil de 8h de ozono 80ppb y los contornos obtenidos por las trayectorias de parcelas.
Contorno de concentraciones de 80 ppb (límite del promedio móvil 8 h) a la izquierda y los contornos de las cuencas obtenidas por las trayectorias de parcelas en superficie (der.).
10
Ilustración 5 Concentración promedio de PM10
La ilustración muestra el máximo del promedio de 24 h para las concentraciones de PM10 de los días modelados para el 2004.
Ilustración 6 Comparación entre áreas de influencia de PM10 y los contornos obtenidos por las trayectorias de parcelas.
La Ilustración 6 muestra el contorno para la norma de 24hr de PM10 y los contornos obtenidos con trayectorias de parcelas.
11
Ilustración 7 Concentración máxima de Ozono (ppb) del 28 de julio
El 5to máximo de ozono en el 2004 se localizó en el 28 de julio; el máximo de la concentración promedio horaria para ozono de esa fecha se muestra en la ilustración anterior.
Ilustración 8 Comparación entre áreas de influencia de concentración máxima de ozono para el 28 de julio y los contornos obtenidos por las trayectorias de parcelas.
En negro se muestra el contorno de la concentración de 110 ppb (izq.) que es el límite de la norma de calidad del aire y se compara con los contornos obtenidos por las trayectorias de parcelas en superficie.
12
Ilustración 9 Concentración promedio móvil de 8 horas de ozono (ppb), 28 de julio
Resultados del promedio móvil de 8h para ozono del 5to máximo del año 2004, correspondiente al 28 de julio. Áreas en naranja representan concentraciones superiores al límite de protección a la salud de 80 ppb.
Ilustración 10 Comparación entre áreas de influencia de la concentración promedio móvil de 8h de O3 y los contornos obtenidos por las trayectorias de parcelas.
Se muestra el contorno de la concentración de 80 ppb (izq.) que es el límite de la norma de calidad del aire y se compara con los contornos obtenidos por las trayectorias de parcelas en superficie. Se puede observar que existe una diferencia entre la Ilustración 4 y la 10, principalmente por que el primero se refiere a condiciones típicas y el segundo a un caso particular, ya que este último cubre
13
áreas que en las cuencas determinadas con trayectorias de parcelas en superficie tampoco revelan.
Ilustración 11 Concentración del máximo del promedio de 24h para SO2 2004
Para el SO2 se presenta el máximo del promedio de 24h para los días modelados del 2004. Se observa que las emisiones de la región de Tula se desplazan hacia el oeste y al norte principalmente, teniendo en algunas ocasiones transporte hacia el sur. Para conocer el área de influencia se pueden tomar los valores de la norma de calidad de aire nacional (Norma Oficial Mexicana NOM‐022‐SSA1‐1993) de 130 ppb promedio en 24 horas; la guía para protección a ecosistemas de la International Union of Forest Research Organizations (WHO Air Quality Guidelines, 2005) de 52 ppb también en promedio de 24 horas para protección a árboles en producción y la guía de la Organización Mundial de la Salud (WHO Air Quality Guidelines, 2005) de 76 ppb en promedio de 24 horas. Los resultados de SO2 en la ciudad de Toluca se deben tomar con cautela ya que el inventario de emisiones se encuentra en desarrollo y falta evaluar su nivel de acierto en esa región.
Índices de protección a la salud En esta sección se muestran los mapas elaborados considerando los índices de protección a la salud que se basan en la normatividad nacional, el índice de peligrosidad, la extensión y la severidad se encuentran descritos en el Apéndice G La extensión es el área donde la concentración da a un índice de peligrosidad mayor a 1, así mismo el Índice de peligrosidad muestra la regiones donde se tiene concentraciones superiores a la de referencia.
14
Ilustración 12 Índice de Peligrosidad y extensión para la concentración promedio móvil de 8hr de ozono del año 2004.
La ilustración anterior muestra la extensión y el índice de peligrosidad para el máximo del promedio móvil de 8hr para la muestra de días del 2004. Valores superiores a 1 indica que pueden haber efectos en la salud. La extensión nos la da el área con valores superiores a 1 en el índice de peligrosidad (HI)
Ilustración 13 índice de Peligrosidad y extensión para la concentración promedio móvil de 8 hr para ozono, 28 de julio
15
Ilustración 14 Índice de Peligrosidad y extensión para el máximo promedio horario de O3 28 de julio.
Ilustración 15 Índice de Peligrosidad y extensión para el 2004 de O3 máximo.
La siguiente ilustración muestra el índice de peligrosidad y la extensión para PM10 valores superiores a 1 indican que existen efectos a la salud. Los resultados fuera de la zona
16
metropolitana del valle de México deben tomarse con reserva ya que los resultados del modelo no se encuentran evaluados y no se conoce el nivel de acierto es esas regiones.
Ilustración 16 Exposición potencial a ozono 2004
La exposición potencial obtenida para el conjunto de días del 2004 se muestra en la ilustración anterior. Se observa que el área de influencia es menor ya que se encuentra ponderado por población.
17
Ilustración 17. Índice de Peligrosidad y extensión de PM10.
Ilustración 18 Índice de Peligrosidad y extensión de la concentración promedio de 24hr para PM10.
18
Índice de protección a ecosistemas Para identificar la zona de influencia de las concentraciones de ozono que pudiesen afectar a la vegetación se emplea el AOT40 (ver Apéndice G) donde el nivel recomendado es de 3000 ppb.h en un período de 3 meses.
Ilustración 19 AOT 40 para el 2004
La ilustración anterior muestra los niveles de AOT40 obtenidos para 10 días de modelación de la muestra representativa de año se tiene la fecha seleccionada más un día previo, así se tiene que por cada fecha seleccionada aleatoriamente se tiene 2 días lo cual da 10 días para poder evaluar el AOT40 en la región. Estas fechas representan 11% de los días que hay en 3 meses y se observan que ya existen áreas donde se sobrepasan la recomendación de 3000h.ppb. Por otra parte si estas concentraciones se mantuviesen durante otros 80 días el área cuyo nivel es de 330 sería la que rebasaría el nivel recomendado, para los 90 días. El área de la cuenca es toda el área coloreada, como no se tiene valores de afectación del crecimiento en México se propone como primera aproximación y con el objetivo de alcanzar en un futuro el valor recomendado se selecciona el nivel de 2000 ppb.h como limite para delimitar la cuenca (6 veces el AOT40). Para la vegetación en general, en México, sería recomendable definir el periodo de crecimiento con el concurso de especialistas en la materia y con ello el límite del AOT40. Una mejor aproximación es que las excedencias de los días representativos deben multiplicarse por el número de días que cada uno de estos representa durante el periodo
19
de acumulación, sin embargo para nuestro caso no se conoce cual es el período de crecimiento y por lo tanto la representatividad de cada fecha, por lo cual se considera que cada fecha tiene la misma representatividad.
Ilustración 20 La línea de color púrpura indica el Ozono máximo para el 2004, la negra es la exposición a O3, la verde es la extensión del promedio móvil de 8 hr, la línea azul claro es el O3 máx. para el 28 de julio y línea naranja es 6 veces el AOT 40.
Para el caso de ozono las zonas de influencia para los índices de AOT40, y el máximo de ozono para 2004 son similares adicionalmente la extensión del promedio móvil de 8hr incluye una región adicional al noreste de la Cd. de México. El área menor es la de exposición potencial y esta se encuentra subestimada ya que considera una población total de 33 millones de habitantes en la región y ciudades con habitantes menores a 2 millones se tengan valores bajos
20
Ilustración 21 Cuenca atmosférica para ozono y cuenca obtenida con parcelas .
Dependiendo del contaminante y del índice a aplicar la cuenca puede variar su extensión, así por ejemplo para la protección a ecosistemas el área que cubre es mayor (Ilustración 19) que el área para PM10 (Ilustración 6). La Ilustración 21 muestra un ejemplo del área
21
de influencia del ozono ambiental para este caso se emplearon los índices de protección a la salud de las concentraciones máximas, el promedio móvil de 8h para la muestra de días aleatorios del 2004, los resultados de los mismos índices para el 28 de julio (fecha del 5to máximo) y el valor del AOT40, esta ilustración incluye la extensión y el índice de peligrosidad para los índices anteriores, con los resultados anteriores se traza el contorno de todas las áreas obtenidas para definir la cuenca, como se puede observar ésta se encuentra incluida en la cuenca obtenida con trayectoria de parcelas en superficie.
Análisis de Resultados Se aplicó la metodología al centro de México y se pudieron obtener las regiones de influencia de los contaminantes. El empleo un grupo de fechas seleccionadas de forma aleatoria en conjunto con un período de interés que fue el 5to máximo de los promedios móviles de 8h para ozono da la información suficiente para identificar cuencas atmosféricas para el centro de México, el número de días a modelar depende del contaminante para el caso de ozono para el año 2004, 5 días son suficiente pero se requieren de 20 para PM10. La región del período de días representativos del 2004 es complementada por la región obtenida con el 5to máximo del promedio móvil. A partir del supuesto de considerar que la capacidad de asimilación de una cuenca se encuentra saturada cuando las concentraciones ambientales de los compuesto de interés rebasan los límites permitidos se puede determinar el área de influencia de las concentraciones ambientales y con ello la extensión de la cuenca atmosférica. Para el caso de estudio se observa que las áreas de influencia de los contaminantes atmosféricos se encuentra incluías dentro de las áreas obtenidas mediante la estimación de trayectorias de parcelas atmosféricas cerca de la superficie. Se observa que las zonas de influencia de contaminantes como PM10 y SO2 son diferentes a las de ozono aunque toda ellas esta dentro de las áreas obtenidas con las trayectorias de parcelas. Los índices del máximo del promedio horario de ozono, el promedio móvil de 8h, la exposición potencial, la extensión y el índice de peligrosidad son útiles para identifica la zona de influencia de una emisión y con ello identificar la cuenca atmosférica. Como indicador también se pudiese utilizar la deposición seca, sin embargo no se tiene información de mediciones para corroborar el nivel de acierto de los resultados del modelo en este parámetro . El nivel de acierto del modelo para ozono y temperatura es alto siendo que para viento, SO2 es regular y bajo para PM10. Para el caso de ozono en la zona centro de México se observa que las concentraciones del máximo en la región abarcan los estados del centro del país, se observa que existe una sobre posición de cuencas atmosféricas de las ciudades de Toluca, Distrito federal y Puebla, que llegan a influenciar a los niveles de contaminantes en la región.
22
La concentraciones ambientales en la Ciudad de México dependen parcialmente de las emisiones de las ciudades aledañas y viceversa, por lo que se requiere de aplicar medidas regionales y no solamente locales para abatir la contaminación en la ZMVM.
Conclusiones y Sugerencias Se desarrolló y presentó la metodología para la identificación de cuencas atmosféricas. Mediante la aplicación de la metodología se obtuvieron las áreas de influencia de contaminantes primarios y secundarios en la región centro de México cuya extensión es similar a la obtenida por el uso de trayectorias de parcelas. Se requiere de mejorar el inventario para emisiones de PM10 y SO2 de fuentes urbanas y rurales en la región. En el caso de PM10 se recomienda realizar en un estudio posterior con la finalidad de incluir en el inventario las fuentes naturales como incendios y tolvaneras que son fuentes importantes para las concentraciones ambientales del PM10. Se requiere de estudios para la evaluación de la capacidad de los ecosistemas en México para asimilar los contaminantes atmosféricos. Para la vegetación en general, en México, sería recomendable definir el periodo de crecimiento con el concurso de especialistas en la materia y con ello el límite del AOT40 para protección a ecosistemas vegetales ya que el recomendado se rebasa. En ausencia de una red rural de monitoreo de ozono, se pueden construir mapas de excedencias utilizando modelos regionales de calidad del aire. El método recomendado para seleccionar los días de simulación, para definir las cuencas atmosféricas, objeto de este trabajo, puede utilizarse para generar los mapas de excedencias. En este caso las excedencias de los días representativos deben multiplicarse por el número de días que cada uno de estos representa durante el periodo de acumulación.
Ventajas y desventajas La ventaja de este método es que se emplea un modelo de calidad del aire para poder estimar las concentraciones de forma regional No se requiere de estudiar todos los días del año de estudio sino una muestra representativa. Ayuda a delimitar el área de influencia con base en la protección a la salud humana y afectación a los ecosistemas. Da áreas más especificas en comparación a las regiones determinadas con trayectorias de parcelas en superficie. Se basa en protección a la salud y a ecosistemas. Si no se tiene datos de mediciones no se podría evaluar y por lo tanto corroborar el área de influencia de las emisiones en una cuenca. Si la muestra de fechas no se prueba que sea representativa puede inducir desviaciones en la identificación de la cuenca atmosférica.
23
Se requiere de mediciones en áreas no urbanas para confirmar los resultados de modelación. Requiere de uso extensivo de procesamiento numérico. Se requiere de la información de emisiones para se empleada en modelación de calidad del aire. En el caso de afectación a ecosistemas no se conoce el periodo de crecimiento de la vegetación. La región de contaminantes primarios puede ser diferente a la de secundarios la igual que la extensión para protección a la salud es diferente a la de protección a ecosistemas. Debido a que depende de la emisión en una región la identificación de cuencas potenciales no es posible con esta metodología. La selección del índice es muy relevante ya que la extensión de la cuenca depende del índice a aplicar si el nivel de concentración es alto la extensión disminuye y viceversa.
Recomendaciones La siguientes son recomendaciones propuestas más no son limitativas La selección de fechas debe ser representativa del año y la región a estudiar. Tener un inventario de emisiones distribuido espacial, temporal y en especies químicas que describa el fenómeno de la contaminación en el área. Identificar el contaminante y los indicadores a aplicar para identificar la cuenca atmosférica. Considerar los períodos o eventos de interés para ser incluidos en la identificación de la cuenca (p.e. 5to máximo de ozono).
24
Bibliografía Arteta, J., Cautenet, S., Taghavi, M., Audiffren, N. “Impact of two chemistry mechanisms fully coupled with mesoscale model on the atmospheric pollutants distribution”.(2006) Atmospheric Environment, 40 (40), pp. 7983‐8001.
Iniestra, R., Tania López, David Parra and Zachariah Adelman. “Preparation of the First National Emissions Inventory for Modeling at a national level in Mexico”.(2007) In preparation [email protected]
Carter, W.L. “Development of an Improved Chemical Speciation Database for Processing Emissions of Volatile Organic Compounds for Air Quality Models” (2007) http://pah.cert.ucr.edu/~carter/emitdb/ web page last visited on October 3, 2007
Cortés Palacios, Leonor “Simulación de Concentración de contaminantes empleando los códigos MM5 y MCCM.”. Maestría en Ciencia y Tecnología Ambiental. Centro de investigación en Materiales Avanzados. Chihuahua, Tesis de Maestría 2005
Díaz Nigenda, Emmanuel. Modelación de partículas PM10 emitidas por erosión eólica en el Valle de México. Tesis de Maestría DEPFI‐UNAM 2004
Fowler , D., et al. (1995). "Quantifying the spatial distribution of surface ozone exposure at the 1kmx1km scale." Water, Air, & Soil Pollution 85(1): 196‐205.
Fuhrer, J., Skärby, L., and Ashmore, M.R. (1997). Critical Levels for Ozone Effects on Vegetation in Europe. Environmental Pollution, volume 97, pages 91‐106.
Garcia Reynoso, José Agustín, “Evaluación de escenarios utilizando el modelo regional de calidad del aire Multiscale Climate Chemistry Model” Tesis de Doctorado 2002, Centro de Ciencias de la Atmósfera UNAM.
Garcia, R. A., Schoenemeyer, T., Jazcilevich, A. Ruiz‐Suárez, LG., Fuentes‐Gea, V., 2000. In: Longhurst, J.W.S. Brebbia, C.A., Power, H. (Eds.), Implementation of the Multiscale Climate Chemistry Model (MCCM) for Central Mexico, Air Pollution VII, WIT Press, Southampton, pp. 71‐78, ISBN 1‐85312‐822‐8.
Gratt Lawrence B. Air Toxic Risk Assessment and Management. Van Nostrand Reinhold 1996 Grell, Georg A., Richard Knoche, Steven E. Peckman and Stuart A. McKeen. “Online versus offline air quality modeling on cloud‐resolving scales”. Geophys. Res. Lett. 31, L16177, doi:10.1029/2004GL020175, 2004
Grell, G.A., Emeis, S., Stockwell, W.R., Schoenemeyer, T., Forkel, R., Michalakes, J., Knoche, R., and Seild, W. 2000 Application of a multiscale, coupled MM5/Chemistry model to the complex terrain of the VOLTAP valley campaign. Atmos. Environ. 34, 1435‐1453.
Fowler , D., et al. (1995). "Quantifying the spatial distribution of surface ozone exposure at the 1kmx1km scale." Water, Air, & Soil Pollution 85(1): 196‐205.
ICP Mapping (2004). Mapping Manual 2004. Manual on methodologies and criteria for modelling and mapping critical loads & levels and air pollution effects, risks and trends. R. a. T. International Cooperative Programme on Modelling and Mapping of Critical Loads & Levels and Air Pollution Effects: 251.
Jazcilevich D.A., Garcia, A., Ruiz‐Suárez, L.G., 2002. A modeling study of air pollution trough land use change in the Valley of Mexico. Atmospheric Environment 36, 2297‐2307
Jazcilevich, A.D., Garcia, A. R., Ruiz‐Suárez, L.G., Cruz‐Nuñez, X, Delgado, J.C., Tellez, C., Chias, L.B. 2003. An Air quality Modeling study Comparing Two Possible Sites for the new international airport for Mexico City. J. Air & Waste Manage. Assoc. 53, 366‐378
Jazcilevich, A.D., Garcia, A. R., Ruiz‐Suárez, L.G. 2003B. A study o fair flow patterns affecting pollutant concentrations on the Central Region of Mexico. Atmospheric Environment 37, 183‐193
Korsholm, U.S., A. Baklanov, A. Gross, J.H. Sorensen, “On the importance of the meteorological coupling interval in dispersion modeling during ETEX‐1”, Atmospheric Environment, 43, 31, Urban
25
Air Quality ‐ Selected Papers from the 6th International Conference on Urban Air Quality, October 2008, Pages 4805‐4810, ISSN 1352‐2310, DOI: 10.1016/j.atmosenv.2008.11.017.
Matyssek,R., G. Wieser, A. J. Nunn, A. R. Kozovits, I. M. Reiter, C. Heerdt, J. B. Winkler, M. Baumgarten, K. ‐H. Haberle, T. E. E. Grams, H. Werner, P. Fabian, W. M. Havranek, “Comparison between AOT40 and ozone uptake in forest trees of different species, age and site conditions”, Atmospheric Environment, Volume 38, Issue 15, New methods of risk assessment for ozone impacts on vegetation, May 2004, Pages 2271‐2281, ISSN 1352‐2310, DOI: 10.1016/j.atmosenv.2003.09.078.
Mills, G., A. Buse, B. Gimeno, V. Bermejo, M. Holland, L. Emberson, H. Pleijel, “A synthesis of AOT40‐based response functions and critical levels of ozone for agricultural and horticultural crops”, Atmospheric Environment, Volume 41, Issue 12, April 2007, Pages 2630‐2643, ISSN 1352‐2310, DOI: 10.1016/j.atmosenv.2006.11.016.
NCEP Reanalysis data provided by the NOAA‐CIRES Climate Diagnostics Center, Boulder, Colorado, USA, from their Web site at http://www.cdc.noaa.gov/
NOAA_OI_SST_V2 data provided by the NOAA/OAR/ESRL PSD, Boulder, Colorado, USA, from their Web site at http://www.cdc.noaa.gov/
Olvera Coronel, Mario Alberto, “Simulación de concentración de contaminantes en la Ciudad de Querétaro empleando MCCM”. Tesis de Maestría. Universidad Autónoma de Querétaro. 2005
Ortinez, Abraham “Evaluación del impacto en calidad del aire y clima por desarrollos urbanos en la ciudad de Acapulco”. Tesis de Maestría. Centro de Ciencias de la Atmósfera, UNAM 2005
Van der Corput, Johannes, Verteilungsfunktionen I & II, Nederl. Akad. Wetensch. Proc., Volume 38, 1935, pages 813‐820, pages 1058‐1066.
West, J. J., Zavala, M. A., Molina, L. T., Molina, M. J., San Martini, F., McRae, G. J., Sosa‐Iglesias, G., and Arriaga‐Colina, J.L.: Modeling ozone photochemistry and evaluation of hydrocarbon emissions in the Mexico City metropolitan area, J. Geophys.Res., 109, D19312, doi:10.1029/2004JD004614, 2004
W.H.O. (2006) Guías de calidad del aire de la OMS relativas al material particulado, el ozono, el dióxido de nitrógeno y el dióxido de azufre. Actualización mundial 2005. Organización Mundial de la Salud (World Health Organization), 20 Avenue Appia, 1211 Ginebra 27, Suiza. Disponible en: http://www.who.int/phe/health_topics/outdoorair_aqg/en/index.html (vistado por última vez 2 oct 2009)
1
Apéndice A En este apéndice se presentan los resultados obtenidos para la identificación del área de modelación para la aplicación del caso de estudio. Se realizó un análisis de la información a nivel nacional para posteriormente identificar la zona del caso de estudio.
Área de modelación utilizada Para la modelación nacional se empleó un solo dominio de modelación que incluye el área del inventario de emisiones de 1999. El dominio posee un arreglo de 147x104 celdas de 24 Km. de longitud y que abarca una región de 8’805,888km2. La Figura 2 muestra el dominio con el correspondiente uso de suelo.
Ilustración 22 Dominio de modelación empleado que considera las emisiones del inventario de emisiones y usos de suelo considerados en la región.
2
Ilustración 23 Dominio de modelación Zona Centro de México
Análisis a nivel nacional Se aplicó el modelo de calidad del aire MCCM a nivel Nacional para evaluar la aplicabilidad de la metodología e identificar el área de internes para el caso base. Como primera apoximación se seleccionó un período de prueba en invierno correspondiente a diciembre del 2008 (1 al 7). Considerando que este período inicia en lunes, no se realizaron comparaciones con mediciones y tampoco se aplicaron los índices para identificación detallada de las cuencas ya que se aplicará esta metodología a una región mas específica. Posteriormente se empleó la información generada en el INE de modelación de calidad del aire con el modelo CAMx y en este caso se compararon los resultados con mediciones con el objeto de identificar la región donde se aplicaría a detalle la metodología. Se puede observar de las ilustraciones la influencia de las emisiones sobre diferentes regiones. Los resultados de la modelación para NO, SO2 y ozono se presentan en las siguientes ilustraciones:
3
Ilustración 24 Concentraciones promedio de NO (ppb) del 1 a 7 de diciembre 2008 (sup.) y del 4 al 10 de feb 2009.
4
Ilustración 25 Concentración promedio de O3 (ppb) del 1 a 7 de diciembre 2008 (superior) y del 4 al 10 febrero 2009.
5
Ilustración 26 Concentración promedio de HNO3 (ppb) del 1 a 6 de diciembre 2008 (superior) y del 4 al 10 de febrero 2009.
6
Ilustración 27 Depósito promedio de ozono (pg/m3/s) del 1 a 6 de diciembre 2008 (superior) y del 4 al 10 de febrero 2009.
7
Ilustración 28 Depósito promedio de SO3 (pg/m3/s) del 1 a 6 de diciembre 2008
(superior) y del 4 al 10 de febrero 2009.
8
Ilustración 29 Depósito promedio de SULF (pg/m3/s) del 1 a 6 de diciembre 2008 (superior) y del 4 la 10 de febrero 2009.
9
Ilustración 30 Concentración promedio PM10 (mg/m3) 1 al 7 de diciembre 2008 (superior) y del 4 al 10 de febrero 2009.
10
Ilustración 31 AOT 40 (ppb.h) para 7 días de Diciembre 2008 (superior) y febrero 2009.
11
Ilustración 32 AOT60 (ppb.h )para 1 a 7 de diciembre (superior) y del 4 al 10 de febrero 2009.
De las ilustraciones de las concentraciones ambientales se observa que los contaminantes primarios como el NO y el SO2 poseen una región de influencia cercana a las fuentes de emisión
12
mientras que los contaminantes secundarios como el ozono y ácido nítrico (HNO3) su área de influencia es lejana a las fuente como se puede observar en el caso de la región sur a la ciudad de México. Para el caso de PM10 se observa una interacción entre emisiones de EU y México en la costa del Golfo de México. En el caso de las concentraciones ambientales de ozono son menores dentro de las zonas urbanas ya que el NO emitido reduce las concentraciones de ozono al reaccionar con éste (véase Guadalajara y Cd. de México Ilustración 25)Por otra parte las concentraciones mas significativas abarcan extensiones amplias y fuera de las áreas urbanas esto es debido a que la química continua evolucionando después de que sale de la cuenca teniendo un valor máximo a varios kilómetros viento a bajo de la fuente lo anterior implica que la afectación a ecosistemas y población puede ser mayor fuera de la cuenca de emisión (ver Ilustración 25 en la intersección del Edo. México, Morelos y Guerrero). De las ilustraciones de deposito de SO2 se pueden identificar diferentes zonas donde se tiene un depósito de SO2 así de norte a sur y de oeste a este serian: Tijuana, Ciudad Juárez, Monterrey, Guadalajara, Jalisco con los limites de Aguascalientes, La ciudad de San Luís Potosí, el Bajío desde León a Querétaro, Morelia, Ciudad de México‐Toluca‐Morelos, Puebla‐Apizaco, Veracruz y Tabasco. Empleando el deposito de sulfatos tenemos Mexicali, Cd. Juárez, Monterrey, Guadalajara, León‐Querétaro, Toluca‐México‐Morelos, Aguascalientes‐Jalisco y Puebla. De los resultados anteriores se puede identificar que existe una cuenca de contaminantes primarios y una zona de afectación de los contaminantes secundarios. En el caso del calculo del AOT40 se observa que se tiene valores de mas de 1000 ppb.h en 7 días, para confirmar esto se requiere de comparar los resultados del modelo con mediciones. Para la extensión, severidad e índice de peligrosidad (HI) se empleó el límite de 80 ppb en 8 horas no se tuvieron celdas que sobrepasasen ese límite en ambos períodos por lo que la ïndice de Peligrosidad y extensióntienen el valor de 0 y el valor del HI varió de 0.15 a 0.85, no sobrepasando el valor de 1.
Modelos MCCM y CAMx Se realizaron las modelaciones de meteorología con química empleando el modelo MCCM para los primeros 15 días de los meses de febrero, mayo, agosto y noviembre de 1999 para el dominio mostrado en la Ilustración 33. Dichos meses corresponden a aquellos para los cuales se tiene el inventario nacional de 1999. La comparación de los resultados de modelos con mediciones se hizo mediante gráficas de las concentraciones horarias para los contaminantes criterio y con una comparación estadística de los resultados.
13
Ilustración 33 Uso de suelo en el área de modelación considerada.
Los datos meteorológicos empleados por el MCCM provienen del North American Regional Reanalysis (NARR) (http://www.emc.ncep.noaa.gov/mmb/rreanl/) que posee una malla con celdas de 34 Km. La región que cubre el domino de NARR se muestra en la Ilustración 34 donde se puede apreciar que cubre en su totalidad a México.
14
Ilustración 34 Domino de datos de North American Regional Reanalysis (NARR) utilizados.
El inventario empleado es el desarrollado por la dirección de investigación sobre la calidad del aire (DICA) para modelación. Las diferencia entre el inventario empleado en MCCM y por el CAMx es la emisión de compuestos biogénicos, éstas son generadas en línea en el MCCM mientras que para el CAMx son calculadas fuera de línea, otra diferencia entre ambos modelos son los mecanismos químicos empleados en el MCCM (RADM2) y el CAMx (CB‐IV), adicionalmente el MCCM es un modelo acoplado de meteorología y química. Se obtuvieron lo datos de mediciones realizadas por la Red de Monitoreo Ambiental y las generadas por el modelo CAMx. Del modelo MCCM se extrajeron los datos para cada estación de monitoreo empleando una interpolación bi‐lineal1. Los datos del modelo se extrajeron de la primera capa que se tiene una altura de 17.5m sobre le nivel del piso. Para comparar los resultados de los modelos se realizó un análisis estadístico de los datos de las concentraciones para las estaciones ubicadas en la ZMVM, de ahí se obtuvo el percentil 50 (p50) para cada fuente de datos (mediciones y modelos) y de cada contaminante (ver Ilustración 35). El p50 se empleó para hacer las comparaciones entre modelos aplicando las métricas estadísticas . Se consideraron 19 estaciones para ozono y 17 estaciones para NO2 y SO2.
1 La localización de la estación de monitoreo se ubica entre 4 puntos de malla y mediante la interpolación lineal sobre el eje horizontal y de los resultados obtenido de ésta se realiza una nueva interpolación lineal en el eje vertical para obtener el valor de la concentración en dicha localización
15
Ilustración 35 Ejemplo del análisis estadístico realizados para cada contaminante para los
períodos de análisis. De estos análisis se obtiene el percentil 50 empleado para las comparaciones. Datos de la RAMA superior izquierda, MCCM derecha y CAMx inferior.
Comparación de resultados de los modelos MCCM y CAMx con mediciones. Se presentan las comparaciones gráficas de los percentiles 50 para la RAMA, MCCM y CAMx para los primeros 15 días de febrero, mayo, agosto y noviembre de 1999. En las tablas se muestran las métricas estadísticas y los valores mínimos, máximos y promedio de cada serie de datos. Las variables meteorológicas (temperatura y velocidad de viento) sólo se tienen para el modelo MCCM. Los contaminantes químicos que se presentan son el ozono, dióxido de nitrógeno, dióxido de azufre y monóxido de carbono.
Zona Metropolitana del Valle de México
Febrero
Análisis estadístico de temperaturas febrero 1999: Estadístico MCCM vs. Rama RAMA
Índice Concordancia 0.90 ‐ RMSD 3.4 ‐ RMSDs 2.8 ‐ RMSDu 1.8 ‐ Nge (%) 22 ‐ Nb (%) ‐17 ‐
ΑΝΒ (%) ‐18 ‐ σ 4.9 5.8
Máximo 20.5 25.2 Promedio 11.7 14.3 Mínimo 0 1.4
16
Ilustración 36 Comparación de mediciones con modelo temperatura ZMVM
Análisis estadístico de intensidad del viento febrero 1999: Estadístico MCCM vs. Rama RAMA
Índice Concordancia 0.40 ‐ RMSD 2.4 ‐ RMSDs 2.0 ‐ RMSDu 1.5 ‐ Nge (%) 184 ‐ Nb (%) 180 ‐
ΑΝΒ (%) 133 ‐ σ 1.62 0.85
Máximo 8.2 6.3 Promedio 3.5 1.5 Mínimo 0.42 0.34
Ilustración 37 Comparación de mediciones con modelo para febrero velocidad del viento ZMVM
17
Análisis estadístico del ozono para febrero 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.77 0.64 ‐ RMSD 28.6 34.5 ‐ RMSDs 24.4 33.3 ‐ RMSDu 14.9 8.9 ‐ Nge (%) 198 84 ‐ Nb (%) 186 7 ‐ ANB (%) 38 ‐68 ‐
σ 21.8 15.4 36.6 Máximo 97 46.7 137 Promedio 46.7 11 33.8 Mínimo 4.7 0 4
Ilustración 38 Comparación de mediciones con modelos para febrero ozono ZMVM
Análisis estadístico del NO2 para febrero 1999:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.51 0.24 ‐
RMSD 17.2 33.4 ‐ RMSDs 12.2 28.8 ‐ RMSDu 12.0 17.0 ‐ Nge (%) 42 121 ‐ Nb (%) ‐12 114 ‐
ΑΝΒ (%) ‐21 85 ‐ σ 12.6 17.0 14.0
Máximo 81 110 90 Promedio 23 55 30 Mínimo 3 30 10
18
Ilustración 39 Comparación de mediciones con modelos para febrero NO2 ZMVM
Análisis estadístico del SO2 para febrero 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.36 0.27 ‐ RMSD 12.8 23.4 ‐ RMSDs 12.4 16.3 ‐ RMSDu 3.6 16.8 ‐ Nge (%) 47 174 ‐ Nb (%) ‐30 156 ‐ ANB (%) ‐48 94 ‐
σ 3.6 16.8 10.0 Máximo 21.3 80 69 Promedio 7.2 26.7 13.7 Mínimo 1.7 4 4
Ilustración 40 Comparación de mediciones con modelos para febrero SO2 ZMVM
Análisis estadístico del CO para febrero 1999:
19
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.42 0.58 ‐
RMSD 2.0 1.74 ‐ RMSDs 1.9 0.8 ‐ RMSDu 0.22 1.54 ‐ Nge (%) 65 57 ‐ Nb (%) ‐65 22 ‐ ANB (%) ‐70 9 ‐
σ 0.26 1.6 1.35 Máximo 1.9 7.3 7.6 Promedio 0.7 2.5 2.3 Mínimo 0.2 0.6 0.9
Ilustración 41 Comparación de mediciones con modelos para febrero CO ZMVM
Mayo
Análisis estadístico del ozono para mayo 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.88 0.62 ‐ RMSD 19.9 38.3 ‐ RMSDs 14.9 35.8 ‐ RMSDu 13.1 13.9 ‐ Nge (%) 79 85 ‐ Nb (%) 63 ‐58 ‐ ANB (%) 9 ‐65 ‐
σ 24.1 19.5 34.5 Máximo 105 70 139 Promedio 48.35 15.38 44 Mínimo 3.2 0 5
20
Ilustración 16 Comparación de mediciones con modelos para mayo ozono ZMVM
Análisis estadístico del NO2 para mayo 1999:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.49 0.20 ‐
RMSD 12.8 36.3 ‐ RMSDs 8.1 30.2 ‐ RMSDu 9.9 20.1 ‐ Nge (%) 38 161 ‐ Nb (%) ‐6 154 ‐ ANB (%) ‐14 110 ‐
σ 10.0 20.4 9.5 Máximo 60 110 64 Promedio 21 51.78 24.5 Mínimo 6.68 20 9
Ilustración 42 Comparación de mediciones con modelos para mayo NO2 ZMVM
Análisis estadístico del SO2 para mayo 1999:
21
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.47 0.06 ‐
RMSD 3.1 13.0 ‐ RMSDs 1.8 9.9 ‐ RMSDu 2.5 8.5 ‐ Nge (%) 32 144 ‐ Nb (%) ‐17 133 ‐ ANB (%) ‐19 116 ‐
σ 2.5 8.9 1.7 Máximo 15 52 15 Promedio 7.6 16.5 7.6 Mínimo 4 4 4
Ilustración 43 Comparación de mediciones con modelos para mayo SO2 ZMVM
Agosto
Análisis estadístico del ozono para agosto 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.75 0.57 ‐ RMSD 26.5 23.4 ‐ RMSDs 23.4 36.1 ‐ RMSDu 12.5 10.22 ‐ Nge (%) 176 82 ‐ Nb (%) 160 ‐72 ‐ ANB (%) 27 ‐73 ‐
σ 18.25 13.7 34.8 Máximo 96.7 50 154 Promedio 44 9 34.8 Mínimo 5 0 4
22
Ilustración 44 Comparación de mediciones con modelos para agosto ozono ZMVM
Análisis estadístico del NO2 para agosto 1999:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.46 0.22 ‐
RMSD 15.1 44.4 ‐ RMSDs 8.6 38.0 ‐ RMSDu 12.4 23.0 ‐ Nge (%) 53 197 ‐ Nb (%) 18 195 ‐ ANB (%) 2 149 ‐
σ 12.53 23.1 10.1 Máximo 68 130 60 Promedio 25 61 24 Mínimo 6 20 10
Ilustración 45 Comparación de mediciones con modelos para agosto NO2 ZMVM
23
Análisis estadístico del SO2 para agosto 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.39 0.09 ‐ RMSD 8.1 16.1 ‐ RMSDs 7.8 12.5 ‐ RMSDu 1.9 10.15 ‐ Nge (%) 47 155 ‐ Nb (%) ‐43 130 ‐ ANB (%) ‐51 81 ‐
σ 2.0 10.7 6 Máximo 11.3 50 45 Promedio 4.9 18.3 10 Mínimo 1.2 4 5
Ilustración 46 Comparación de mediciones con modelos para agosto SO2 ZMVM
Noviembre
Análisis estadístico del ozono para noviembre 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.69 0.50 ‐ RMSD 27.6 37.8 ‐ RMSDs 24.9 37.1 ‐ RMSDu 11.9 7.2 ‐ Nge (%) 188 90 ‐ Nb (%) 172 ‐90 ‐ ANB (%) 38 ‐86 ‐
σ 15.7 8.8 32.7 Máximo 80.9 47 145 Promedio 39.8 4 28.8 Mínimo 1 0 5
24
Ilustración 47 Comparación de mediciones con modelos para noviembre ozono ZMVM
Análisis estadístico del NO2 para noviembre 1999:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.57 0.35 ‐
RMSD 16.6 12.9 ‐ RMSDs 12.1 33.5 ‐ RMSDu 11.3 17.8 ‐ Nge (%) 43 153 ‐ Nb (%) ‐25 151 ‐ ANB (%) ‐30 116 ‐
σ 12.1 18.6 12.9 Máximo 64.5 120 80 Promedio 19.8 61 28 Mínimo 3.4 30 10
Ilustración 48 Comparación de mediciones con modelos para noviembre SO2 ZMVM
25
Análisis estadístico del SO2 para noviembre 1999: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.48 0.26 ‐ RMSD 17.9 21.1 ‐ RMSDs 17.6 15.8 ‐ RMSDu 3.3 13.9 ‐ Nge (%) 65 119 ‐ Nb (%) ‐65 78 ‐ ANB (%) ‐71 183 ‐
σ 3.7 14.0 13.5 Máximo 30.1 68 85 Promedio 5.3 21.5 18 Mínimo 1.2 3 6
Ilustración 49 Comparación de mediciones con modelos para noviembre SO2 ZMVM
26
Zona Metropolitana de Toluca Análisis estadístico del ozono para febrero 1999 ZMT:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.69 0.81 ‐
RMSD 31.3 18.5 ‐ RMSDs 28.6 13 ‐ RMSDu 12.6 13.2 ‐ Nge (%) 365 147 ‐ Nb (%) 364 104 ‐ ANB (%) 96 ‐0.6 ‐
σ 19.6 18.6 26.1 Máximo 106 71 111 Promedio 54 27 27.5 Mínimo 9 0 0
Ilustración 50 Comparación de mediciones con modelos para febrero ozono ZMT
Análisis estadístico del NO2 para febrero 1999 ZMT:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.51 0.57 ‐
RMSD 19.2 16.3 ‐ RMSDs 18.3 11.3 ‐ RMSDu 5.8 11.8 ‐ Nge (%) 63.9 46.2 ‐ Nb (%) ‐63.3 ‐23.3 ‐ ANB (%) ‐64.6 ‐29.4 ‐
σ 6.57 12.29 12.08 Máximo 34.0 50 80 Promedio 8.7 17.3 24.5 Mínimo 1.7 0 10
27
Ilustración 51 Comparación de mediciones con modelos para febrero NO2 ZMT
Análisis estadístico del SO2 para febrero 1999 ZMT:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.40 0.20 ‐
RMSD 8.65 12.78 ‐ RMSDs 8.69 7.98 ‐ RMSDu 2.12 9.98 ‐ Nge (%) 60.4 105 ‐ Nb (%) ‐49,3 72.6 ‐ ANB (%) ‐61.8 36.7 ‐
σ 2.14 10.01 6.43 Máximo 11.73 62.39 42 Promedio 3.78 13.49 9.85 Mínimo 0.93 2.89 0
Ilustración 52 Comparación de mediciones con modelos para febrero SO2 ZMT
28
Análisis estadístico del CO para febrero 1999 ZMT: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.43 0.44 ‐ RMSD 1.89 1.83 ‐ RMSDs 1.89 1.82 ‐ RMSDu 0.13 0.24 ‐ Nge (%) 72.1 66.8 ‐ Nb (%) ‐71.5 66.5 ‐ ANB (%) ‐78.0 73.3 ‐
σ 0.14 0.26 1.33 Máximo 1.0 1.49 9.3 Promedio 0.39 0.48 1.80 Mínimo 0.18 0.2 0
Ilustración 53 Comparación de mediciones con modelos para febrero CO ZMT
29
Zona Metropolitana de Guadalajara Análisis estadístico del ozono para febrero 1999 ZMG:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.69 0.89 ‐
RMSD 24.16 10.93 ‐ RMSDs 19.25 6.21 ‐ RMSDu 14.59 9.01 ‐ Nge (%) 230 68.9 ‐ Nb (%) 225 ‐47.4 ‐ ANB (%) 104 ‐29.4 ‐
σ 20.97 17.13 17.62 Máximo 79.46 60.02 90 Promedio 37.37 12.90 18.31 Mínimo 0.52 0 2
Ilustración 54 Comparación de mediciones con modelos para febrero ozono ZMG
Análisis estadístico del NO2 para febrero 1999 ZMG: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.54 0.63 ‐ RMSD 24.04 17.94 ‐ RMSDs 22.06 8.24 ‐ RMSDu 9.51 15.94 ‐ Nge (%) 62.9 39.8 ‐ Nb (%) ‐61.8 17.8 ‐ ANB (%) ‐59.6 8.9 ‐
σ 11.87 17.36 14.49 Máximo 45.82 95 100 Promedio 14.18 38.10 34.94 Mínimo 1.68 10 20
30
Ilustración 55 Comparación de mediciones con modelos para febrero NO2 ZMG 2
Análisis estadístico del SO2 para febrero 1999 ZMG:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.39 0.19 ‐
RMSD 9.21 24.38 ‐ RMSDs 9.02 15.46 ‐ RMSDu 1.88 18.89 ‐ Nge (%) 72.1 143 ‐ Nb (%) ‐72.1 138 ‐ ANB (%) ‐72.5 130 ‐
σ 2.15 19.53 3.90 Máximo 13.24 1081 26.5 Promedio 3.26 272 11.81 Mínimo 44.9 704 5
Ilustración 56 Comparación de mediciones con modelos para febrero SO2 ZMG
2 Lo valores de las concentraciones de NO2 se encuentran redondeadas a decenas, por lo cual se ven escalonadas.
31
Análisis estadístico del CO para febrero 1999 ZMG: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.48 0.73 ‐ RMSD 1.77 1.21 ‐ RMSDs 1.76 0.49 ‐ RMSDu 0.22 1.11 ‐ Nge (%) 76.3 47.3 ‐ Nb (%) ‐76.3 ‐17.2 ‐ ANB (%) ‐76.8 ‐18.8 ‐
σ 0.33 1.37 1.13 Máximo 1.98 6.62 7.15 Promedio 0.46 1.62 1.99 Mínimo 0.18 0.34 0.8
Ilustración 57 Comparación de mediciones con modelos para febrero CO ZMG
32
Zona Metropolitana de Monterrey Análisis estadístico del ozono para febrero 1999 ZMM:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.84 0.72 ‐
RMSD 14.99 17.45 ‐ RMSDs 9.52 14.43 ‐ RMSDu 11.58 9.87 ‐ Nge (%) 86.4 65.1 ‐ Nb (%) 64.3 ‐15.1 ‐ ANB (%) 27.4 ‐31.9 ‐
σ 17.73 12.82 20.71 Máximo 65.40 46.96 90 Promedio 28.51 15.24 22.37 Mínimo 1.99 0 0
Ilustración 58 Comparación de mediciones con modelos para febrero ozono ZMM
Análisis estadístico del NO2 para febrero 1999 ZMM: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.60 0.42 ‐ RMSD 13.11 19.82 ‐ RMSDs 6.12 15.6 ‐ RMSDu 11.58 12.25 ‐ Nge (%) 64.4 132 ‐ Nb (%) 33 125 ‐ ANB (%) 12.6 73.9 ‐
σ 12.49 12.50 10.34 Máximo 58.02 70 50 Promedio 20.62 31.78 18.25 Mínimo 3.06 10 0
33
Ilustración 59 Comparación de mediciones con modelos para febrero NO2 ZMM 3
Análisis estadístico del SO2 para febrero 1999 ZMM: Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA
Índice Concordancia 0.25 0.22 ‐ RMSD 12.15 20.85 ‐ RMSDs 11.36 17.40 ‐ RMSDu 4.27 11.50 ‐ Nge (%) 101 386 ‐ Nb (%) 38.3 375 ‐ ANB (%) ‐35 136 ‐
σ 4.32 11.56 10.24 Máximo 26.77 67.97 74 Promedio 6.30 22.81 9.65 Mínimo 2.07 5.21 0
Ilustración 60 Comparación de mediciones con modelos para febrero SO2 ZMM
3 Lo valores de las concentraciones de NO2 se encuentran redondeadas a decenas, por lo cual se ven escalonadas
34
Análisis estadístico del CO para febrero 1999 ZMM:
Estadístico MCCM vs. Rama CAMx vs. RAMA RAMA Índice Concordancia 0.49 0.56 ‐
RMSD 1.0 0.89 ‐ RMSDs 0.96 0.68 ‐ RMSDu 0.26 0.57 ‐ Nge (%) 50.4 50.8 ‐ Nb (%) ‐47.8 ‐6.2 ‐ ANB (%) ‐56.6 ‐23.8 ‐
σ 0.29 0.61 0.82 Máximo 1.81 3.48 5.43 Promedio 0.52 0.91 1.20 Mínimo 0.2 0.2 0.2
Ilustración 61 Comparación de mediciones con modelos para febrero CO ZMM
35
Para la mayoría de los casos el índice de concordancia es mayor en el MCCM que en el CAMx. Para el ozono la mayoría de los otras métricas estadísticas y comparaciones muestran que el MCCM posee un nivel de acierto mayor que el CAMx a excepción de los errores Nge y Nb. Un resumen de estos resultados se muestra en la Tabla 1. Los valores menores o más cercanos a cero representan un acierto mayor, estos se encuentran sombreados para una mejor identificación. Los máximos en el MCCM para ozono se encuentran subestimados de 34 a 64 ppb, para CAMx de 69 a 104 ppb. En cuanto a los promedios el MCCM sobreestima de 4 a 13 ppb y el CAMx subestima de 22 a 29 ppb.
Tabla 1 Comparación de métricas para ozono obtenidas de las modelaciones para la ZMVM Feb May Ago Nov Ozono
MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMxRSMD<σo
σo‐σp 15 21 10 15 17 21 17 24 Nge menor
Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 40 90 34 69 57 104 64 98 RAMAprom ‐ Modprom ‐13 22 ‐4 29 ‐9 26 ‐11 25
En el caso de NO2 se observa los resultados por el MCCM son más cercanos a las mediciones que los obtenidos por el CAMx lo cual apoya los resultados de ozono ya que se encuentran relacionados ambos compuestos. El comportamiento es mixto la diferencia de los máximos van de ‐15 a 8 ppb para el MCCM y de ‐20 a 70 ppb para el CAMx y para los promedios de ‐8 a 1ppb (MCCM) y de ‐33 a 37 ppb (CAMx).
Tabla 2 Comparación de métricas para NO2 obtenidas de las modelaciones para la ZMVM Feb May Ago Nov NO2
MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMxRSMD<σo ‐ ‐ ‐ ‐ ‐ ‐
σo‐σp 1 ‐3 0 10 ‐3 ‐13 1 6 Nge menor
Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 9 20 0 ‐50 ‐8 ‐70 15 ‐40 RAMAprom ‐ Modprom 7 ‐25 3 27 ‐1 ‐37 8 33
En el caso de SO2 se tiene que el mejor acierto se da en mayo y el menor en noviembre. El MCCM posee una subestimación en el máximo que llega hacer de ‐55 ppb el CAMx posee un comportamiento mixto teniendo subestimaciones de ‐17 a sobre‐estimaciones de 37 ppb. Para el caso de los promedios el MCCM subestima con una variación de ‐13 a 0 y el CAMx sigue teniendo resultados mixtos de ‐13 a 9 ppb.
36
Tabla 3 Comparación de métricas para SO2 Feb May Ago Nov SO2
MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMxRSMD<σo ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
σo‐σp 6 7 1 7 8 5 10 1 Nge menor
Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 48 11 0 ‐37 34 ‐5 55 17 RAMAprom ‐ Modprom 7 13 0 ‐9 5 8 13 ‐4
El mejor mes que reproduce el MCCM es mayo, seguido por febrero, agosto y finalmente por noviembre para el caso de ozono y NO2. Para el SO2 se tiene que mayo también es el mejor mes que reproduce seguido de agosto febrero y noviembre. Para el caso del SO2 las emisiones no consideran eventos extraordinarios como los que se observan en los días 13 a 15 de febrero, 2, 3 y 6 de agosto, 1,9 y 10 de noviembre. Cabe señalar que aunque se emplea el mismo inventario de emisiones las concentraciones del NO2 son mayores en el CAMx lo cual repercute en el ozono calculado en este modelo. Para el caso de PM10 sólo se realizó una comparación para mayo. En el caso de PM10 se recomienda realizar en un estudio posterior con la finalidad de incluir en el inventario las fuentes naturales como incendios y tolvaneras que son fuentes importantes para las concentraciones ambientales del PM10. En el caso de modelos un desempeño aceptable se tiene cuando los resultados del modelo son de 2 a 0.5 veces a los resultados medidos (Gratt L. 1996) en este caso ambos modelos serian aceptables para SO2 siendo el MCCM el que tiene un mejor desempeño y para el caso de NO2 y ozono sólo es aceptable el MCCM.
Tabla 4 Comparación entre áreas metropolitanas ozono febrero 1999 ZMVM ZMT ZMG ZMM Ozono
MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMxRSMD<σo
σo‐σp 14.8 21.2 6.5 7.5 ‐3.35 0.49 2.98 7.88 Nge menor
Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 40 90.3 5 40 10.54 29.98 24.6 43.04 RAMAprom ‐ Modprom ‐12.9 22.8 ‐26.5 0.5 ‐19.06 5.41 ‐6.14 7.13
Tabla 5 Comparación entre áreas metropolitanas NO2 Febrero 1999
ZMVM ZMT ZMG ZMM NO2 MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMx
RSMD<σo ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ σo‐σp 1.4 ‐3 5.51 ‐0.21 2.62 ‐2.87 ‐2.15 ‐2.16
Nge menor Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 9 ‐20 46 30 54.18 5 ‐8.02 ‐20
37
RAMAprom ‐ Modprom 7 ‐25 15.8 7.2 20.76 ‐3.16 ‐2.37 ‐13.53
Tabla 6 Comparación entre áreas urbanas SO2 febrero 1999 ZMVM ZMT ZMG ZMM SO2
MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMx RSMD<σo ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
σo‐σp 6.4 ‐6.8 4.29 ‐3.58 1.75 ‐15.63 5.92 ‐1.32 Nge menor
Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 47.7 ‐11 30.27 ‐20.39 13.26 ‐1054 47.23 51.19 RAMAprom ‐ Modprom 6.5 ‐13 6.07 ‐3.64 8.55 ‐260 3.35 ‐13.16
Tabla 7 Comparación entre áreas urbanas CO febrero 1999
ZMVM ZMT ZMG ZMM CO MCCM CAMx MCCM CAMx MCCM CAMx MCCM CAMx
RSMD<σo ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ σo‐σp 1.04 ‐0.3 1.19 1.07 0.8 ‐0.24 0.53 0.21
Nge menor Nb más cercano a 0 ANBmás cercano a 0
RAMAmax –Modmax 5.8 0.2 8.3 7.81 5.17 0.53 6.62 1.95 RAMAprom ‐ Modprom 1.6 ‐0.2 1.41 1.32 1.53 0.37 0.68 0.29
De los resultados de febrero para las cuatro zonas metropolitanas se observa que el MCCM posee un mejor reempeño para las ciudades de Monterrey y del Valle de México y el CAMx en las ciudad es de Toluca y Guadalajara La zona de estudio donde se tiene más información sobre calidad del aire, posee más población y el MCCM reproduce aceptablemente es la zona centro de México la cual se recomienda para realizar el estudio de caso.
38
Comparación de modelos para concentración de Ozono Las siguientes ilustraciones muestran la comparación entre el MCCM y el CAMx del Ozono máximo para febrero, mayo, agosto y noviembre, utilizándose el mismo inventario de emisiones para ambos modelos en el dominio con celdas de 24x24km. Para las emisiones antropogénicas se usaron los primeros 15 días del mes de febrero y las emisiones biogénicas son calculadas por el modelo.
Ilustración 62 Comparación de Ozono máximo del 1 al 15 de febrero de 1999
39
Ilustración 63 Comparación de Ozono máximo del 1 al 15 de mayo de 1999.
40
Ilustración 64Comparación de Ozono máximo del 1 al 15 de agosto de 1999.
41
Ilustración 65 Comparación de Ozono del 1 al 15 de noviembre de 1999.
42
Las figuras anteriores muestran la comparación de los resultados de ambos los modelos en este caso se comparan los dominios mayores que poseen celdas de 24km las similitudes y diferencias se presentan en la siguiente sección. El MCCM muestra concentraciones mayores a las del CAMx. Observamos, por ejemplo, que en la Ilustración 62 las concentraciones de ozono para el MCCM van de 60 a 110 ppm siendo que en la ZMVM se presentan concentraciones de 110 aproximadamente, mientras que en el modelo CAMx el rango de concentración de ozono es de 50‐80 ppm y la ZMVM tiene concentraciones de aproximadamente 70 ppm. En la Ilustración 63 se muestra el mismo comportamiento, en el sureste se observa que en los resultados del CAMx la concentración de ozono es menor, mientras que en el MCCM se muestran concentraciones de hasta 120 ppm. En el lugar donde se muestra un comportamiento similar es en California con concentraciones de 70 a 80 ppm. En la Ilustración 64 las concentraciones de ambos modelos son bajas a excepción de la ZMVM, donde en el MCCM muestra concentraciones altas y en el CAMx no. En la Ilustración 65 las diferencias son mayores debido a que con el modelo MCCM se presentas concentraciones altas en la zona sur del país mientas que con el CAMx son bajas tanto en esa parte como en toda la República.
Documentación de diferencias y similitudes entre modelos La siguiente tabla muestra un resumen de las diferencias y similitudes entre el modelo MCCM y CAMx
Descripción CAMx MCCM Acoplado No Sí Modelo Químico CB‐IV RADM2 Meteorología NARR
Con una resolución espacial de 32 Km. con 29 niveles en la vertical y una resolución temporal de 3 horas. http://www.emc.ncep.noaa.gov/mmb/rreanl/ Modelación con asimilación de datos (radiosondeos y superficie)
NARR Con una resolución espacial de 32 Km. con 29 niveles en la vertical y una resolución temporal de 3 horas. http://www.emc.ncep.noaa.gov/mmb/rreanl/
Dominio Nacional y Regional (para Valle de México,
Guadalajara, Monterrey y Tijuana y Mexicali)
Nacional
Resolución 24 Km. (nacional) y 8 Km. (regional) 24 Km. Inventario Proveniente de SMOKE Proveniente de SMOKE Altura primera capa 14.28m 17 m Preprocesamiento SMOKE
Si No
Mapeo de grupos CB‐IV a RADM2
No Si
Emisiones Biogénicas Calculadas durante el procesamiento con SMOKE a través del modelo BEIS3
Calculadas durante el proceso
43
Acoplado: El acoplamiento de la meteorología con química influye en la mejora de la evolución de la química atmosférica ya que se obtiene las variables meteorológicas en el instante que los módulos de química, fotólisis, dispersión y difusión los requieren evitando inconsistencias en la conservación de masa que pueden ocurrir en modelos desacoplados. Así mismo los modelos acoplados reproducen mejor la distribución de concentraciones en la vertical que modelos desacoplados (Grell, et al 2004 y Korsholm et al. 2008).
Modelo Químico: El RADM2 es el mecanismo químico empleado en el MCCM que representa la química orgánica mediante la técnica de moléculas agrupadas. Contiene parametrizaciones de varios procesos químicos importantes incluye tres clases de alcanos superiores, un tratamiento detallado de la química de los aromáticos; dos clases de alcanos superiores que representan los alquenos terminales e intermedios; manejo de cetonas y especies de dicarbonilos como clases diferentes a las de los aldehídos; inclusión de isopreno como especie explícita; y un tratamiento detallado de las reacciones de radicales peroxi. El RADM2 se ha evaluado y revisado contra cámaras de esmog (Stockwell et al., 1995), donde se muestra que este mecanismo puede reproducirla química atmosférica regional adecuadamente. CB‐IV. CAMx ofrece la posibilidad de usar 5 diferentes mecanismos químicos, todos ellos basados en el mecanismo CB‐IV. En nuestras corridas con CAMx se está usando el que el modelo reconoce como mecanismo 3, que corresponde al mecanismo CB‐IV expandido para incluir química de aerosoles y mercurio, incluyendo formación de aerosoles orgánicos secundarios a partir de gases condensables, química acuosa de partículas, termodinámica de partículas inorgánicas, evolución del tamaño de los aerosoles y varias reacciones inorgánicas adicionales apropiadas para modelaciones regionales. Incluye 117 reacciones y hasta 67 especies (37 en estado de gas, hasta 18 en estado de partículas y 12 radicales). En estudios donde se emplean dos mecanismos químicos diferentes (Arteta et al. 2006) , uno desarrollado y otro condensado, las diferencias en ozono son del 7% así tenemos que mecanismos desarrollados como el CB‐IV y RADM2 su diferencia sería menor a ese valor. Meteorología: Los datos meteorológicos empleados por el MCCM y CAMX provienen del North American Regional Reanalysis (http://www.emc.ncep.noaa.gov/mmb/rreanl/) (NARR) que posee una malla con celdas de 34 Km. y con valores cada 3 hrs. Quizá la única diferencia aquí es que en los casos donde se dispuso de información en la aplicación del INE (a través del Centro de Ciencias de la Atmósfera) se uso asimilación de datos tanto de radiosondeo como de superficie.
Dominio El dominio nacional posee la ventaja de incluir parcelas de aire procesadas de otros días y otras regiones las cuales pueden influir en el incremento de la concentración ambiental local. Lo anterior puede inducir que las emisiones en un sitio sean menores para obtener un mismo nivel de concentración ambiental cuando se utiliza un dominio mayor comparadas con las emisiones del
44
mismo sitio cuando se utiliza un dominio menor, debido al aporte de emisiones de los alrededores. Las aplicaciones de CAMx se hicieron tanto para un dominio con cobertura nacional (que incluye la porción sur de Estados Unidos y parte de Centroamérica). Las comparaciones estadísticas se realizaron entre el dominio a nivel nacional de celdas de 24km del MCCM con los dominios regionales del CAMx a 8km. Se considera que se debe tener un mejor desempeño a medida que se tiene una mejor resolución. En este caso el MCCM generaría resultados con un menor desempeño que el CAMx ya que emplea celdas mas grandes, por lo que para hacer más comparables los resultados de las modelaciones se recomienda usar la misma malla, para lo anterior ser requieren de hacer modelaciones del CAMx o del MCCM para asegurar tener los mismos dominios. Lo anterior esta fuera del alcance de este proyecto.
Resolución El modelo MCCM emplea celdas de 24k contra los resultados del CAMx que poseen celdas de 8 Km. lo anterior puede ocasionar que se tengan gradientes de concentración mayor e incremento en la concentración en superficie. NOTA: CAMx también se corrió para celdas de 24 Km. con una cobertura nacional las comparaciones cualitativas se presentan en las ilustraciones 61 a 64..
Inventario Ambos inventarios de emisiones provienen del Inventario Nacional desarrollado por el INE para modelación. Consideran emisiones de fuentes de área, móviles y puntuales, cubren parte de EU y todo México con resolución de 24 km. Los archivos de emisión contiene 19 variables de las cuales son 5 inorgánicos, 8 clases orgánicas, una categoría no reactiva y 5 tipos de emisiones de partículas primarias. Se puede considerar que las especies cuyas emisiones son idénticas ambos modelos serían las inorgánicas y poco reactivas como CO y SO2. Otras que pueden emplearse para comparar sería NOx.
Altura Primera capa Las alturas son similares sin embargo el que se tenga una capa más cercana a la superficie implica que se pueden tener concentraciones altas.
Preprocesmiento smoke En el MCCM no se dio ningun preprocesamiento con SMOKE este preprocesamiento se dio en el CAMx para incrementar la resolución al pasar de celdas de 24km a celdas de 8km. Lo anterior puede incrementar los gradientes de concentraciones. SMOKE permite distribuir espacialmente el inventario de emisiones con cualquier resolución, siempre y cuando se tenga el surrogate adecuado para cada fuente. En el caso de la aplicación el INE, el inventario nacional se procesó con resolución de 24 Km. para el dominio de cobertura nacional y de 8 Km. para los dominios regionales sobre las zonas metropolitanas de Valle de México, Guadalajara, Monterrey y Mexicali‐Tijuana. Así las cosas, esto no debería representar un problema en la comparación entre ambos modelos si se usan los mismos insumos. En este sentido,
45
las diferencias estarían más asociadas al transporte vertical convectivo y en la diferencias en los mecanismos químicos.
Mapeo de grupos En el CAMx no se requirió el mapeo de especies químicas debido a que el inventario se desarrollo para este modelo. En el MCCM si se realizó un mapeo, ya que se emplea otro mecanismo químico se emplearon los factores desarrollados por Carter (2007). Lo anterior puede inducir a que se tenga una reactividad diferente y se obtengan concentraciones mayores en contaminantes secundarios. La especiación de las emisiones después de procesarlas con SMOKE considera 21 especies para las emisiones provenientes de fuentes de área, móviles y puntuales, en tanto que para biogénicas considera sólo 12 especies. Las especies consideradas en cada caso se muestran en el siguiente cuadro. Área Móviles Puntuales Biogénicas CO CO CO CO Monóxido de carbono NO NO NO NO Óxido nítrico NO2 NO2 NO2 Bióxido de nitrógeno ALD2 ALD2 ALD2 ALD2 Altos aldehídos (basados en acetaldehído) ETH ETH ETH ETH Eteno FORM FORM FORM FORM Formaldehído ISOP ISOP ISOP ISOP Isopreno NR NR NR NR Especies no reactivas OLE OLE OLE Olefinas PAR PAR PAR PAR Parafinas TOL TOL TOL TOL Tolueno XYL XYL XYL XYL Xileno NH3 NH3 NH3 Amoniaco SO2 SO2 SO2 Bióxido de azufre SULF SULF SULF Ácido sulfúrico FPRM FPRM FPRM Partículas primarias finas (<2.5 µm) PEC PEC PEC Carbón elemental primario PNO3 PNO3 PNO3 Partículas de nitrato POA POA POA Aerosoles orgánicos primarios PSO4 PSO4 PSO4 Sulfatos CPRM CPRM CPRM Partículas primarias
OLE2 Olefinas biogénicas TERPB Terpenos biogénicos
Emisiones biogénicas La ventaja de calcular las emisiones biogénicas en línea es que se emplean las variables meteorológicas más actuales. Cambios en temperatura, radiación y humedad pueden inducir una emisión biogénica diferente a una calculada con promedios horarios. La variabilidad de las emisiones biogénicas puede inducir un cambios en la reactividad atmosférica.
46
La estimación de emisiones biogénicas en SMOKE es idéntica a la descrita para MCCM. Se estiman en línea con el modelo BEIS3 tomando en consideración los campos meteorológicos (temperatura, radiación y humedad) generados por MM5. En este caso la diferencia es principal es el modelo de emisiones biogénicas mientras MCCM emplea las aproximaciones de Guenther y Simpson el CAMx emplea el BEIS3.
47
Apéndice B
Aplicación de la metodología en el Centro de México.
1. Obtención de datos de mediciones confiables para la región de estudio. a. Los datos de meteorología y calidad del aire provienen del sistema de
monitoreo atmosférico del gobierno del Distrito Federal y principalmente de la Red Automática, la información es para realizar es estudio tomando como caso de estudio al año 2004.
2. Selección de los períodos de modelación a. Se seleccionaron cuatro conjuntos de días aleatorios, se evaluó que tan
representativos esto días son con respecto al año 2004 y de ahí se selecciono la muestra para generar los casos de estudio.
b. A partir del análisis estadístico se demuestra que los 5 días aleatorios obtenidos son representativos del año de estudio 2004 los resultados y análisis estadísticos se presenta a en el
48
Apéndice D. 3. Inventario de Emisiones
El inventario de emisiones empleado se basa en el inventario oficial de emisiones del 2004 para la Zona Metropolitana del Valle de México. El inventario de emisiones para la región posee celdas de 3kmx3km de resolución, contando con 121 celdas de oeste a este y de 91 celdas de sur a norte. Posee 41 especies químicas y contiene las emisiones de fuentes de área, puntuales y móviles de la ZMVM, las áreas metropolitanas aledañas a la ciudad poseen emisiones similares a las de la ZMVM considerando la densidad de población como indicador de emisión. Este inventario es el empleado para el pronóstico de calidad del aire para la región centro de México, se encuentra en la etapa de desarrollo, considera los seis estados del centro de México y se ha evaluado para el distrito federal. El área del inventario se muestra en la siguiente ilustración:
Ilustración 66 Área (en amarillo) donde se tienen emisiones del inventario.
4. Modelación de Períodos de Interés:
Los períodos modelados consideran los siguientes días a partir de la selección aleatoria de días: 1‐jul, 1‐abr, 1‐oct, 15‐feb y 16‐ago de 2004 para observar el episodio del 5to máximo de ozono promedio móvil se modeló el día 28 de julio 2004. Se muestran los resultados del modelo y su comparación con mediciones, como se puede observar el desempeño en los resultados de temperaturas del modelo es menor durante febrero y abril mejorando en julio y siendo mayor en agosto y octubre:
49
Temperatura
Ilustración 67 Comparación de resultados de temperaturas del modelo y mediciones Se presenta el análisis estadístico del desempeño del modelo entre los datos medidos y modelados:
Tabla 8 Estadísticos de temperatura
Estadístico Febrero Abril 1‐Jul 28‐Jul Agosto Octubre
Índice Concordancia 0.83 0.91 0.91 0.79 0.93 0.94
RMSD 3.0 1.9 2.1 2.9 1.9 1.6
RMSDs 2.8 1.0 1.6 2.0 1.5 0.9
RMSDu 1.0 1.7 1.4 2.2 1.2 1.3
Nge (%) 14.5 10.2 10.3 14.3 11.4 8.6
Nb (%) ‐14.5 ‐2.4 ‐9.1 ‐3.9 ‐8.7 ‐5.2 ANB (%) ‐15.5 ‐3.7 ‐8.9 ‐6.0 ‐7.4 ‐4.6
50
Intensidades de Viento Para las intensidades de viento se obtiene lo siguiente:
Ilustración 68 Comparación de resultados de velocidad de viento del modelo y mediciones
Tabla 9 Estadísticos de velocidad de viento
Estadístico Febrero Abril 1‐Jul 28‐Jul Agosto Octubre Índice Concordancia 0.73 0.44 0.34 0.53 0.39 0.44
RMSD 1.3 1.7 1.7 1.5 2.0 1.5
RMSDs 1.0 1.4 1.5 1.2 1.4 1.3 RMSDu 0.9 1.0 1.0 0.9 1.5 0.8
Nge (%) 66.2 125.5 81.6 111.0 72.3 127.7 Nb (%) 61.0 124.8 78.8 106.0 67.2 125.5 ANB (%) 41.1 103.1 66.4 77.8 62.0 103.6
51
Ozono Para las concentraciones de ozono se obtiene los siguiente:
Ilustración 69 Comparación de resultados de concentración de ozono del modelo y mediciones
Tabla 10 Estadísticos ozono
Estadístico Febrero Abril 1‐Jul 28‐Jul Agosto Octubre Índice Concordancia 0.90 0.95 0.88 0.89 0.88 0.93
RMSD 11.5 11.6 19.8 22.9 18.6 20.0
RMSDs 6.4 2.6 11.9 5.2 12.3 10.9 RMSDu 9.6 11.3 15.8 22.3 13.9 16.8 Nge (%) 57.0 65.6 60.0 136.7 55.8 108.9
Nb (%) ‐38.3 ‐7.5 ‐27.8 75.7 ‐28.3 39.8
ANB (%) ‐8.4 7.5 3.0 14.2 ‐9.9 39.1
52
Partículas PM10
Ilustración 70 Comparación de resultados de concentración de PM10 del modelo y mediciones
53
Tabla 11 Estadísticos para PM10
Estadístico Febrero Abril 1‐Jul 28‐Jul Agosto Octubre
Índice Concordancia 0.19 0.38 0.40 0.37 0.43 0.27 RMSD 21.9 23.4 23.1 21.9 17.6 24.1
RMSDs 17.3 21.9 21.5 20.7 16.9 22.7 RMSDu 12.8 8.7 8.5 7.6 4.9 8.2 Nge (%) 68.0 94.1 51.9 46.7 48.0 49.5 Nb (%) 20.7 29.5 ‐20.1 ‐21.9 ‐18.0 ‐5.9 ANB (%) ‐6.7 ‐34.0 ‐38.6 ‐37.3 ‐38.1 ‐27.3
Para la identificación de la zona de influencia de las emisiones se generan mapas de las concentraciones ambientales para el máximo de ozono, el máximo del promedio móvil de 8 horas de ozono y el promedio de PM10.
Dióxido de azufre Para las concentraciones de SO2 se obtiene lo siguiente:
54
Ilustración 71 Comparación de resultados de concentración de SO2 del modelo y mediciones.
Tabla 12 Estadísticos para SO2
Estadístico Febrero Abril 1‐Jul 28‐Jul Agosto Octubre
Índice Concordancia 0.10 0.46 0.24 0.40 0.43 0.50
RMSD 7.3 3.7 9.6 5.5 3.5 3.8 RMSDs 4.3 2.3 8.7 3.4 2.2 1.8
RMSDu 5.8 2.9 4.1 4.4 2.7 3.4 Nge (%) 127.2 40.6 70.8 83.8 65.0 44.2
Nb (%) 111.6 2.2 19.4 66.3 57.2 19.1 ANB (%) 91.7 ‐5.9 ‐22.1 39.9 56.8 11.9
55
56
Apéndice C
Aspectos Técnicos de la modelación El módulo meteorológico en que se basa el modelo de calidad del aire MCCM es el MM5. Incluye la capacidad de anidamiento múltiple, una dinámica no‐hidrostática Dudhia (1993) y asimilación de datos en cuatro dimensiones Stauffer y Seaman (1994) así como también otras opciones de modelación de procesos micro‐físicos (Grell, 2000). El modelo MCCM es un modelo que:
acopla directamente los procesos meteorológicos y químicos. incluye la química de fase gaseosa, depositación y emisiones biogénicas. incorpora una descripción explícita de los procesos de precipitación y nubes. posee la capacidad de anidamientos múltiples. Diseñado para trabajar los procesos en paralelo en diferentes arquitecturas (UNIX, LINUX, ALPHA, SGI, CRAY).
MCCM posee dos mecanismos detallados de la fase gaseosa conocidos como RADM2 y RACM Stockwell et al. (1995, 1997) con 39 y 47 especies químicas respectivamente y se incluyen las partículas (PM10). En asociación con la química de la fase gaseosa se encuentras los sub‐modelos que contienen 21 y 23 frecuencias de fotólisis y se calculan de acuerdo a la cobertura de nubes, ozono, temperatura y presión en la atmósfera del modelo. Las emisiones biogénicas se calculan con base en los datos de uso de suelo, temperatura superficial y radiación. El modelo calcula simultáneamente los cambios meteorológicos y químicos en el dominio del modelo y genera las distribuciones tridimensionales dependientes del tiempo de las principales especies orgánicas e inorgánicas relevantes a la formación de oxidantes. Una ventaja del acoplamiento en línea de la meteorología y la química es que provee resultados consistentes sin la interpolación de datos en contraste con modelos no acoplados de química y transporte. El modelo MM5 requiere de un grupo de preprocesadotes para adecuar los datos de entrada al modelo. En el preprocesador TERRAIN se selecciona el centro del dominio madre y la estrategia de anidamiento. Una parte terrain.deck se presenta a continuación para el dominio nacional:
PHIC = 25.00, ; CENTRAL LATITUDE (minus for southern hemisphere) XLONC = ‐105.000, ; CENTRAL LONGITUDE (minus for western hemisphere) MAXNES = 1, ; NUMBER OF DOMAINS TO PROCESS NESTIX = 104, 60, 43, 82, 211, 221, ; GRID DIMENSIONS IN Y DIRECTION NESTJX = 147, 60, 43, 82, 211, 221, ; GRID DIMENSIONS IN X DIRECTION DIS = 24., 9., 3., 1.0, 1.0, 1.0, ; GRID DISTANCE NUMNC = 1, 1, 2, 3, 4, 5, ; MOTHER DOMAIN ID NESTI = 1, 20, 28, 17, 45, 50, ; LOWER LEFT I OF NEST IN MOTHER DOMAIN NESTJ = 1, 20, 26, 18, 55, 50, ; LOWER LEFT J OF NEST IN MOTHER DOMAIN RID = 1.5, 1.5, 1.5, 3.1, 2.3, 2.3, ; RADIUS OF INFLUENCE IN GRID UNITS (IFANAL=T) NTYPE = 5, 6, 6, 6, 6, 6, ; INPUT DATA RESOLUTION Para el caso del dominio regional se tiene la siguiente información: ��� � ���������������� �� ��� ������
57
���� � ������ � ������� �������� ������ ��� �������� ����������� ����� � ������� � ������� ��������� ������ ��� ������� ����������� ���� � ���� � ��� �������� ������ ������� ��� ��� ��������� � ������ �� ������� ��������������� ���� � ����� � ������ ��������� ���� ����� � ��������� � ����������������� ��� ���������� ������ � ��������� � ����� ������������� ��� ���������� ������ � ��������� � �������� ��� ���������� ���� �������� � ������ � �� � ������ �� ������� �� ������� ������ � ���� ��� ��� ��� ���� ���� � ���� ���������� �� � ��������� ������ � ���� ���� ��� ��� ���� ���� � ���� ���������� �� � ��������� ��� � ��� ��� ��� ���� ���� ���� � ���� �������� ����� � �� �� �� �� �� �� � ������ ������ �� ����� � �� ��� �� ��� ��� ��� � ����� ���� � �� ���� �� ������ ������ ����� � �� ���� �� ��� ��� ��� � ����� ���� � �� ���� �� ������ ������ ��� � ���� ���� ���� ���� ���� ���� � ������ �� ��������� �� ���� ����� ���������� ����� � �� �� �� �� �� �� � ����� ���� ���������� � � �� � ��� ����� ��� ������ ������� ��� ������� � �� �� ��� � ��� ��� ������ ������� ��� ������� � �� �� ��� � ��� ��� ������ ������� ��� ������� � �� � ��� � �� ��� ������ ������� ��� ������� � �� � ��� � �� ��� ������ ������� ��� ������� � �� �� ��� � ��� ��� ������ ������� ��� ������� � ������� �� �� �� �� �� �� � � �� ��� ��� ����� � �� ��� ��� ���� ���� Este preprocesador requiere de los archivos donde se tiene el uso de suelo, cobertura vegetal, cobertura de agua, elevación del terreno entre otras variables. Para nuestro caso se empleó el uso de suelo USGS de 23 categorías modificado con el inventario nacional forestal del 2000 y con actualización del área urbana a partir de información del INEGI. Los preprocesadores REGRID e INTERPF realizan la interpolación horizontal y vertical respectivamente de los datos meteorológicos . El módulo del MCCM que calcula la química requiere de información de las emisiones y las concentraciones iniciales de las 41 especies químicas de modelo RADM2. La Figura 3 muestra esquemáticamente los componentes del modelo.
58
Figura 1 Diagrama de flujo de MM5. Este modulo meteorológico requiere de un conjunto de preprocesadotes que adecuan la información requerida para correr el modelo.
Más detalles se pueden encontrar en http://www.mmm.ucar.edu/mm5/overview.html Las emisiones biogénicas se calculan con base en los datos de uso de suelo, temperatura superficial y radiación. El modelo calcula simultáneamente los cambios meteorológicos y químicos en el dominio del modelo y genera las distribuciones tridimensionales dependientes del tiempo de las principales especies orgánicas e inorgánicas relevantes a la formación de oxidantes. Una ventaja del acoplamiento en línea de la meteorología y la química es que provee resultados consistentes sin la interpolación de datos en contraste con modelos no acoplados de química y transporte.
59
Apéndice D
Evaluación de la representatividad de la muestra Se empleó el método de generación de números aleatorios de van de Corput (1935) se obtuvieron 20 números aleatorios de entre 1 y 366 (2004 es bisiesto) y las fechas a analizar fueron las siguientes 1‐jul, 1‐abr, 1‐oct, 15‐feb, 16‐ago, 16‐may, 15‐nov, 23‐ene, 24‐jul, 23‐apr, 23‐oct, 9‐mar, 8‐sep, 8‐jun, 8‐dic, 11‐ene, 12‐jul, 12‐apr, 12‐oct, 26‐feb, ver Apéndice H. Los datos de todas las estaciones de la RAMA se promediaron para generar un solo arreglo de datos de cada una de las variables a analizar. De las fechas anteriores se seleccionaron varios subconjuntos para evaluar hasta la aplicabilidad de seleccionar una muestra menor a 20 días. Así se generaron conjuntos de 20, 15, 10 y 5 días. A continuación se presentan los histogramas de los conjuntos de días con los datos anuales, para temperatura y ozono.
60
Ilustración 72 Histogramas de temperaturas
61
Ilustración 73 Histogramas de Velocidad de Viento
Ilustración 74 Histogramas de concentración de ozono
62
Ilustración 75 Histogramas de Concentración de PM10
A continuación se presentan los resultados de comparación entre los conjuntos de días con los datos anuales, para temperatura , ozono, SO2 y NO2.
63
Ilustración 76 Comparación de medias y dispersión de datos anuales y muestras de datos
De la se puede observar que la media y dispersión en la muestra de 5 elementos se puede considerar representativa del año 2004 y para ello también ser realizó una prueba de hipótesis donde se muestra que todos los conjuntos de días son representativos para el año 2004. Por lo anterior se escogió el conjunto que tiene 5 días para realizar las modelaciones. Se empleó el programa STATA© para realizar las pruebas de hipótesis para temperatura, ozono, NO2 y SO2 para evaluar si las medias de las muestras son iguales a las medias
64
anuales. La hipótesis nula (H0) dice que la diferencia entre medias es cero y la hipótesis alternativa (Ha) nos dice que la diferencia es diferente a cero. Así tenemos que si la probabilidad de la Ha es mayor a 0.05 esta hipótesis se rechaza aceptando a H0. Los resultados se muestran a continuación:
Ozono muestra de 20 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ o3_prom | 2165 71.17667 .4739959 22.05482 70.24714 72.10621 O3_samp | 131 70.19634 1.794518 20.5392 66.6461 73.74657 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 2296 71.12074 .4584657 21.96811 70.22169 72.01979 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | .9803386 1.856062 ‐2.687319 4.647996 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 148.729 Ho: mean(o3_prom) ‐ mean(O3_samp) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 0.5282 t = 0.5282 t = 0.5282 P < t = 0.7009 P > |t| = 0.5982 P > t = 0.2991
Ozono muestra de 15 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ o3_prom | 2165 71.17667 .4739959 22.05482 70.24714 72.10621 O3_s~p15 | 94 68.06808 1.903709 18.45714 64.2877 71.84847 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 2259 71.04732 .4612387 21.92219 70.14283 71.95182 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | 3.108589 1.961831 ‐.7814146 6.998593 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 104.871 Ho: mean(o3_prom) ‐ mean(O3_samp15) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 1.5845 t = 1.5845 t = 1.5845 P < t = 0.9420 P > |t| = 0.1161 P > t = 0.0580
Ozono muestra de 10 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ o3_prom | 2165 71.17667 .4739959 22.05482 70.24714 72.10621 O3_s~p10 | 77 70.13169 2.196583 19.27494 65.75681 74.50656 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 2242 71.14078 .463829 21.96219 70.23121 72.05036 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | 1.044986 2.247143 ‐3.424303 5.514275 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 83.2362 Ho: mean(o3_prom) ‐ mean(O3_samp10) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 0.4650 t = 0.4650 t = 0.4650 P < t = 0.6784 P > |t| = 0.6431 P > t = 0.3216
65
Ozono muestra de 5 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ o3_prom | 2165 71.17667 .4739959 22.05482 70.24714 72.10621 O3_samp5 | 31 72.71452 4.043296 22.51212 64.457 80.97203 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 2196 71.19838 .4706819 22.05686 70.27535 72.12141 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐1.537842 4.070985 ‐9.842525 6.766841 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 30.8302 Ho: mean(o3_prom) ‐ mean(O3_samp5) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐0.3778 t = ‐0.3778 t = ‐0.3778 P < t = 0.3541 P > |t| = 0.7082 P > t = 0.6459
PM10 muestra de 20 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ pm10_p~m | 8784 50.29473 .2989423 28.01777 49.70873 50.88073 pm10_s~p | 552 49.83442 1.233652 28.98426 47.41118 52.25766 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9336 50.26751 .2905567 28.07445 49.69796 50.83707 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | .4603088 1.269356 ‐2.032469 2.953086 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 617.476 Ho: mean(pm10_prom) ‐ mean(pm10_samp) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 0.3626 t = 0.3626 t = 0.3626 P < t = 0.6415 P > |t| = 0.7170 P > t = 0.3585
PM10 muestra de 15 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ pm10_p~m | 8784 50.29473 .2989423 28.01777 49.70873 50.88073 pm10~p15 | 360 46.07028 1.45365 27.58106 43.21154 48.92902 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9144 50.12841 .2929306 28.01127 49.5542 50.70262 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | 4.224451 1.48407 1.306672 7.14223 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 389.979 Ho: mean(pm10_prom) ‐ mean(pm10_samp15) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 2.8465 t = 2.8465 t = 2.8465 P < t = 0.9977 P > |t| = 0.0047 P > t = 0.0023
PM10 muestra de 10 días
66
Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ pm10_p~m | 8784 50.29473 .2989423 28.01777 49.70873 50.88073 pm10~p10 | 264 46.19432 1.491602 24.23567 43.25732 49.13132 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9048 50.17509 .2935423 27.92203 49.59968 50.7505 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | 4.100411 1.521264 1.106052 7.09477 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 284.538 Ho: mean(pm10_prom) ‐ mean(pm10_samp10) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 2.6954 t = 2.6954 t = 2.6954 P < t = 0.9963 P > |t| = 0.0074 P > t = 0.0037
PM10 muestra de 5 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ pm10_p~m | 8784 50.29473 .2989423 28.01777 49.70873 50.88073 pm10_~p5 | 120 37.9375 1.525257 16.70835 34.91734 40.95766 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 8904 50.12819 .2960083 27.93164 49.54795 50.70843 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | 12.35723 1.554277 9.2819 15.43256 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 128.316 Ho: mean(pm10_prom) ‐ mean(pm10_samp5) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 7.9505 t = 7.9505 t = 7.9505 P < t = 1.0000 P > |t| = 0.0000 P > t = 0.0000
Temperatura muestra de 20 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ temp_p~m | 8784 16.26709 .0503571 4.719619 16.16838 16.3658 temp_s~p | 552 16.34168 .1967444 4.622446 15.95522 16.72815 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9336 16.2715 .0487847 4.713719 16.17587 16.36713 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.0745923 .2030866 ‐.4734067 .324222 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 625.39 Ho: mean(temp_prom) ‐ mean(temp_samp) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐0.3673 t = ‐0.3673 t = ‐0.3673 P < t = 0.3568 P > |t| = 0.7135 P > t = 0.6432
Temperatura muestra de 15 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
67
Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ temp_p~m | 8784 16.26709 .0503571 4.719619 16.16838 16.3658 temp~p15 | 360 16.54536 .2266439 4.300265 16.09964 16.99108 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9144 16.27805 .0491916 4.703911 16.18162 16.37447 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.2782687 .2321708 ‐.7347127 .1781753 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 395.281 Ho: mean(temp_prom) ‐ mean(temp_samp15) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐1.1986 t = ‐1.1986 t = ‐1.1986 P < t = 0.1157 P > |t| = 0.2314 P > t = 0.8843
Temperatura muestra de 10 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ temp_p~m | 8784 16.26709 .0503571 4.719619 16.16838 16.3658 temp~p10 | 264 16.70977 .2686576 4.365169 16.18078 17.23877 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9048 16.28001 .0495161 4.71002 16.18295 16.37707 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.4426803 .2733363 ‐.9807205 .0953598 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 281.795 Ho: mean(temp_prom) ‐ mean(temp_samp10) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐1.6195 t = ‐1.6195 t = ‐1.6195 P < t = 0.0532 P > |t| = 0.1064 P > t = 0.9468
Temperatura muestra de 5 días Two‐sample t test with unequal variances
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ temp_p~m | 8784 16.26709 .0503571 4.719619 16.16838 16.3658 temp_~p5 | 120 16.22383 .3584615 3.926749 15.51404 16.93362 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 8904 16.26651 .0499109 4.709639 16.16867 16.36435 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | .0432591 .3619813 ‐.673218 .7597362 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 123.743 Ho: mean(temp_prom) ‐ mean(temp_samp5) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = 0.1195 t = 0.1195 t = 0.1195 P < t = 0.5475 P > |t| = 0.9051 P > t = 0.4525
Viento muestra de 20 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ws_prom | 8784 1.839021 .0097858 .9171501 1.819839 1.858203
68
ws_samp | 552 1.945924 .0396904 .9325125 1.867961 2.023887 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9336 1.845342 .0095046 .9183611 1.826711 1.863973 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.106903 .0408789 ‐.1871809 ‐.026625 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 619.881 Ho: mean(ws_prom) ‐ mean(ws_samp) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐2.6151 t = ‐2.6151 t = ‐2.6151 P < t = 0.0046 P > |t| = 0.0091 P > t = 0.9954
Viento muestra de 15 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ws_prom | 8784 1.839021 .0097858 .9171501 1.819839 1.858203 ws_s~p15 | 360 2.031083 .0477025 .9050916 1.937272 2.124895 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9144 1.846582 .0095937 .9173902 1.827777 1.865388 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.1920624 .0486959 ‐.2878018 ‐.0963229 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 389.823 Ho: mean(ws_prom) ‐ mean(ws_samp15) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐3.9441 t = ‐3.9441 t = ‐3.9441 P < t = 0.0000 P > |t| = 0.0001 P > t = 1.0000
Viento muestra de 10 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ws_prom | 8784 1.839021 .0097858 .9171501 1.819839 1.858203 ws_s~p10 | 264 1.927652 .0510978 .830241 1.827039 2.028264 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 9048 1.841607 .0096173 .9148109 1.822755 1.860459 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.0886306 .0520264 ‐.191039 .0137778 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 282.634 Ho: mean(ws_prom) ‐ mean(ws_samp10) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐1.7036 t = ‐1.7036 t = ‐1.7036 P < t = 0.0448 P > |t| = 0.0896 P > t = 0.9552
Viento muestra de 5 días Two‐sample t test with unequal variances ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ws_prom | 8784 1.839021 .0097858 .9171501 1.819839 1.858203 ws_samp5 | 120 2.05425 .0776747 .8508835 1.900446 2.208054
69
‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ combined | 8904 1.841922 .0097136 .9165804 1.822881 1.860962 ‐‐‐‐‐‐‐‐‐+‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ diff | ‐.2152291 .0782887 ‐.3701991 ‐.060259 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ Satterthwaite's degrees of freedom: 122.807 Ho: mean(ws_prom) ‐ mean(ws_samp5) = diff = 0 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 t = ‐2.7492 t = ‐2.7492 t = ‐2.7492 � � � � ������ � � ��� � ������ � � � � ������
70
Apéndice E
Métricas estadísticas Con estas métricas se puede determinar que el nivel de acierto del modelo. Se considerado un nivel de acierto alto si la desviación estándar de los datos de predicción es similar a la desviación de los datos de observación, mientras que RMSD sea menor que la desviación estándar de los datos observados, así como un índice de concordancia cercano a 1.
Desviaciones estándar y media de las diferencias al cuadrado.
Donde σp y σo son las desviaciones estándar de los datos predichos y observados respectivamente, para un parámetro o contaminante dado en las N ubicaciones o puntos de monitoreo. Los parámetros pi y oi fueron tomados como promedio por hora para cada punto o estación de monitoreo, donde p y o son los valores de las medias para las N ubicaciones. RMSD (root‐mean‐square‐difference) es la raíz cuadrática de las diferencias medias entre los valores predichos y los observados.
Raíz cuadrática media de la desviación sistemática y no sistemática. RMSD se descompone en dos componentes: La raíz cuadrática media de la desviación sistemática (RMSDs), entre valores medidos y modelados.
Y la raíz cuadrática media de la desviación no sistemática (RMSDu), entre valores medidos y modelados.
Donde: ˆ p i = a + boi Donde a y b son la ordenada y pendiente respectivamente de la regresión lineal de mínimos cuadrados entre p y o. RMSDs es una medida de error sistemático en el modelo de predicción mientras que RMSDu describe la discrepancia no lineal entre las
71
predicciones y lo observado, la cual puede ser interpretada como una medida de precisión, que corresponde a errores aleatorios.
Índice de Concordancia El índice de concordancia entre las predicciones y las observaciones de un parámetro es definido como:
Este índice compara las salidas de los valores de predicción con los valores observados. El rango posible para este índice es de 0 a 1, siendo el valor de 1 una concordancia perfecta.
Errores Nge y Nb: Las mediciones Nge error Craso normalizado (normalized gross error) y Nb Tendencia del error normalizado (normalized bias) fueron usadas para evaluar el desempeño del modelo. Nge esta definido por: Nb esta definido por:
Donde N es el número de estaciones de monitoreo pi y oi son los valores de los resultados del modelo y observación en la i‐ésima estación. Estas medidas de error también se pueden presentar como porcentajes, cuando Nb es negativo quiere decir que en promedio los datos de pronóstico fueron menores a los medidos, y si es positivo los valores sobrepasan a las mediciones. El Nge muestra el error craso, es decir cuantifica los promedios de los errores sin importar si hubo sobre valoración o si los datos del modelo fueron menores a los medidos. Promedio de error normalizado (average normalizad bias) ANB (West et al 2004) es una medición cuantitativa de la concordancia entre mediciones y modelo tanto para variables meteorológicas como especies químicas. El ANB se define como el promedio del residual entre el promedio de las mediciones:
donde N es el numero total de observaciones, siendo pi y oi son los valores de los resultados del modelo y observación en la i‐ésima estación. Esta definición sopesa los subestimados y sobreestimados de igual forma, así un sobreestimado de 1 ppb con un subestimado de una ppb podría resultar en una ANB de cero.
72
Apéndice F
Deposición seca El modulo de deposición del MCCM maneja la deposición seca mediante el tratamiento de las tasas de deposición que cambian espacial y temporalmente, calculados mediante un modelo de deposición de resistencia. El modelo de deposición expresa la velocidad de deposición como el inverso de una suma de “resistencias”. Estas resistencias representan el grado de oposición al transporte del contaminante a través de la atmósfera y hacia la superficie. A. Capa superior, que es la región arriba de la capa de mezcla. Se considera que no hay deposición seca B. Capa de mezclado, en donde el mezclado es dominado por procesos turbulentos. En general hay poca resistencia a transferencia de contaminantes, aunque puede ser mayor en condiciones estables. El tratamiento de la resistencia en esta capa se basa en la difusividad general de la capa de mezcla, parameterizada en términos de las variables micrometeorológicos escaladas. C. Capa superficial, que es una capa angosta (aprox. 10 m) cerca al suelo que se ajusta rápidamente a cambios en las condiciones de superficie. Flujos verticales son aproximadamente constantes y la tasa de transferencia de contaminantes se parameteriza mediante la resistencia atmosférica, ra. D. Capa de deposición, que es una capa delgada y no turbulenta que se desarrolla justo arriba de superficies muy suaves. Para superficies rugosas típicas, esta capa cambia constantemente y generalmente es intermitentemente turbulento (a veces llamada capa quasi‐laminar). El mecanismo primario de transferencia en esta capa son difusión molecular para gases y difusión Browniano e impactación inercial para partículas. Cuando la resistencia atmosférica es baja, la resistencia de la capa de deposición, rd, puede ser la resistencia dominante que controla la deposición para partículas y algunos gases solubles de alto peso molecular. E. Capa vegetativa, que solamente se toma en cuenta para gases, ya que la vegetación es un sumidero importante para muchos contaminantes gaseosos solubles o reactivos. La capacidad de absorción, reacción, etc. de la vegetación depende de factores externos como humedad, temperatura y radiación solar; por lo tanto, la resistencia de la capa vegetativa, rc, puede variar significativamente durante el día y época del año. Para superficies con poca vegetación o agua, se puede incluir la resistencia de suelo/agua como componente de rc.
73
Ilustración 77 Esquema de las resistencia de deposición empleadas.
En cada momento del tiempo, se registra la fracción de material contaminante arriba y debajo de la capa de mezcla. Solamente material que está por debajo de la capa de mezcla se puede depositar. Como cambia la altura de mezcla en el tiempo, se transfiere constantemente masa de contaminante entre las capas A y B. Para gases, la velocidad de deposición a la altura de referencia zs, se expresa como la inversa de una suma de tres resistencias (en s/m):
1. La resistencia ambiental se obtiene integrando las relaciones micrometeorológicas de flujo‐gradiente
Sobre el agua, debido al efecto del viento sobre la altura de las olas, la rugosidad varía en función de la velocidad de viento:
2. Debido a la importancia de la difusión molecular en la capa de deposición la resistencia de la capa de deposición se parameteriza para los gases en función del número de Schmidt:
rd =d1Scd2
κu*
74
3. Para determinar la resistencia vegetativa, se considera que hay 3 diferentes formas de reacción del contaminante con la vegetación de la superficie: • Transporte a través de las estomas de las plantas disolución o reacción en las células interiores (rf es la resistencia interna del follaje, s/m) • Reacción con o transporte a través de la cutícula de la hoja (rcut es la resistencia de la cutícula, s/m) • Transporte a través de la superficie/agua (rg es la resistencia de la superficie de suelo o agua, s/m)
El LAI o índice de superficie de hojas es la tasa de área superficial de hojas, en comparación con el área superficial del suelo. Este valor se define en como función del tipo de uso de suelo. La resistencia del suelo, rg, sobre superficies de tierra se expresa relativo a un valor de referencia para por ejemplo para SO2, rg(ref) es aproximadamente igual a 10 s/cm:
La resistencia a la deposición del contaminante en fase líquida es función de sus características de solubilidad y reactividad:
En donde:
• H es la constante de Henry, correspondiendo a la razón de la concentración del contaminante en las fases gaseosa y líquida. Para SO2, H = 0.04.
• α* es un factor de “enhancement” de la solubilidad, debido a la disociación del contaminante en la fase acuosa. Para SO2, α* = 1000.
• d3 es una constante, = 0.00048
75
Apéndice G
Índices propuestos para la identificación de la región de influencia y capacidad de carga de la cuenca atmosférica. Con la finalidad de obtener el área geográfica de la cuenca se pueden emplear las siguientes métricas para los contaminantes criterio: Índice de Peligrosidad (HI): El índice de peligrosidad puede evaluarse tanto para una exposición crónica como para una exposición aguda. Este índice se calcula como la relación de la concentración promedio de cada contaminante entre una concentración de referencia.
donde HI es el índice de peligrosidad cuyo valor menor es indicativo de que no hay efectos a la salud, [A]med es la concentración medida o modelada del compuesto A y [A]ref es la concentración de referencia del compuesto A. Extensión (Ec* ): Suma los elementos de malla que durante el episodio han sobrepasado la norma de contaminación para cada gas, y la formula para calcularlo es:
donde: Nc*,n es el número de celdas que excedan una concentración c*, durante m horas de duración del episodio. Severidad (S) : suma las veces que las concentraciones de un gas criterio han sobrepasado la norma ambiental y se calcula de la siguiente forma:
donde :
Y ci,j,n es la concentración en la celda i,j al tiempo n. Las unidades son las correspondientes al gas criterio. La severidad da un valor para cada escenario de estudio para el caso de la identificación de cuencas este valor no es útil, sin embargo si es útil cuando se desean realizar comparaciones entre escenarios con emisiones diferentes. Exposición (Ψ): cuantifica la magnitud de la exposición en tiempo y espacio, incorporando el tamaño de la población potencialmente expuesta a los niveles no saludables de algún gas criterio y se calcula mediante la fórmula;
76
donde: ci,j es la concentración en la celda i,j, ϖi, j ,n es la población en la celda i, j y ϖmax es la población máxima en la región de estudio y m es el número de períodos de tiempo para las que se tiene la concentración. Además de las concentraciones ambientales se puede emplear la velocidad de depositación para los contaminantes de interés con la finalidad de identificar la huella dejada por los contaminantes al transportarse a otras regiones.
Protección a ecosistemas: El índice a utilizar es el de concentración acumulativa, por encima del follaje, sobre un nivel de ozono de X ppb (AOTX). El AOTX es la suma de las diferencias entre la concentración media horaria de ozono (en ppb) y X ppb cuando la concentración excede X ppb durante las horas de luz, acumuladas sobre un periodo de tiempo:
excedencia acumulada = Conc.− Xhorasde luz∑dias∑
El nivel crítico basado en la concentración de ozono, (CLec ppm h AOTX) señala una excedencia acumulada sobre un periodo de tiempo establecido, arriba del cual pueden ocurrir efectos adversos directos sobre la vegetación de acuerdo al conocimiento actual. El periodo de tiempo es el de una estación de crecimiento, En Europa ese periodo es de Abril a Septiembre para vegetación en general. Para un cultivo particular como maíz, trigo, hortalizas el periodo es el ciclo del cultivo, y dependiendo de la sensibilidad de la especie vegetal a la exposición al ozono, el valor de X puede cambiar o también la excedencia acumulada. Para vegetación en general se recomienda el AOT40 con una excedencia de 3000 ppb h. Se considera que hay efecto adverso cuando se presenta una disminución de 5% en el rendimiento del cultivo o la productividad (ICP Mapping 2004). Otro indicador basado en niveles de concentración es el AOTX corregido por el déficit de presión de vapor. Otro indicador mas centrado en los procesos fisiológicos de las plantas está basado en el flujo estomatal de ozono. Para grandes altitudes y orografía compleja, como en el centro de México se pueden usar correcciones al método con que se construyen los mapas de excedencias (Fowler et al. 1995). Si bien es posible considerar que el AOT40 y el umbral de 3000 ppb h, fueron establecidos para Europa, y bien pueden no reflejar las condiciones del país, o de algunas regiones del mismo, también es cierto que en México no se dispone de una red de monitoreo rural de calidad del aire y no hay investigación sistemática sobre la sensibilidad de especies vegetales de interés a la exposición al ozono. Cuando sólo se dispone de información sobre concentraciones superficiales de ozono, el AOTX es el índice recomendado para construir los niveles críticos basados en niveles de
77
concentración. En ausencia de una red rural de monitoreo de ozono, se pueden construir mapas de excedencias utilizando modelos regionales de calidad del aire. El método recomendado para seleccionar los días de simulación, para definir las cuencas atmosféricas, objeto de este trabajo, puede utilizarse para generar los mapas de excedencias. En este caso las excedencias de los días representativos deben multiplicarse por el número de días que cada uno de estos representa durante el periodo de acumulación. El AOT40 es el índice de exposición a la vegetación y representa la dosis acumulada sobre el valor umbral de 40 ppb, es la suma de las diferencias entre la concentración media horaria de ozono en ppb y 40 ppb para cada hora cuando la concentración excede 40 ppb, acumulada durante las horas diurnas y durante el período de crecimiento de las plantas. En Europa el concepto actual del AOT40 que se emplea para inferir los riesgos en los árboles del bosque por ozono (O3) considera que la lesión se da por la exposición externa acumulada y que las concentraciones menores a 40ppb y la exposición durante la noche es insignificante, sin embargo no considera la toma por el follaje (Matyssek et al 2004). El nivel crítico a largo plazo para cultivos expuestos a ozono es de 3,000 ppb.h acumuladas durante 3 meses. (Fuhrer et al 1997) y de 6,000 ppb.h en 3.5 meses para tomate (Mills et al. 2006). El AOT60 es el índice de exposición de la población a ozono . Representa la dosis acumulada sobre el valor umbral de 60 ppb, es la suma de las diferencias entre la concentración media horaria de ozono en ppb y 60 ppb para cada hora cuando la concentración excede 60 ppb. El valor recomendado del AOT 60 ponderado por población es de 0 ppm.hora.
Uso de los índices La extensión muestra aquellas celdas de malla cuya concentración sea superior a la norma o el valor de referencia recomendado, así se tiene que la concentración es superior al valor de referencia la celda se marca y se presenta en el mapa. Adicionalmente el HI se calcula sólo para aquellas celdas que sobrepasan el valor de referencia o recomendado y nos indica cuantas veces es mayor a la norma. Ayuda a localizar dentro del área determinada por la extensión las regiones con las concentraciones mayores. Una vez que se han calculado la extensión e índice de peligrosidad (HI) se trazan los bordes de las celdas maracas para extensión y la isolínea de la unidad para los valores de HI. En el caso de emplear el límite recomendado por una norma se genera el mapa de concentraciones ya sea concentración promedio horaria, móvil de 8 horas o de 24 horas y se traza la isolinea del nivel recomendado. Por ejemplo, para ozono promedio móvil 8 h se elabora el mapa con la concentración promedio movil 8h máxima y se traza la isolinea de 80 ppb.
78
Apéndice H
Secuencia Van der Corput Es una secuencia de numeros pseudoaleatorios en un intervalo de el valor 0 a 1 para cualquier numero real, es construido por el inverso de una representación de base n, en una secuencia de números naturales (1, 2, 3,…), que tienen una distribución de probabilidad uniforme. Es el método que converge mas rápidamente a una distribución de probabilidad uniforme. En nuestro caso utilizamos los siguientes valores, con base 2, que nos generan las siguientes fechas.
Tabla 13 . Valores de Van der Corput, y fechas a modelar del año 2004.
Van der Corput Día Juliano Fecha 2004 1 0,50 183 1 Julio 2 0,25 92 31 Marzo 3 0,75 275 30 Septiembre 4 0,13 46 14 Febrero 5 0,63 229 15 Agosto 6 0,38 137 16 Mayo 7 0,88 320 15 Noviembre 8 0,06 23 22 Enero 9 0,56 206 23 Julio 10 0,31 114 23 Abril 11 0,81 297 23 Octubre 12 0,19 69 8 Marzo 13 0,69 252 7 Septiembre 14 0,44 160 8 Junio 15 0,94 343 8 Diciembre 16 0,03 11 11 Enero 17 0,53 194 12 Julio 18 0,28 103 11 Abril 19 0,78 286 11 Octubre 20 0,16 57 26 Febrero
Referencia http://people.sc.fsu.edu/~burkardt/cpp_src/van_der_corput/van_der_corput.html