Anales Cientícos, 79 (1): 81 - 91 (2018)
ISSN 2519-7398 (Versión electrónica)
DOI: http://dx.doi.org/10.21704/ac.v79i1.1143
Website: http://revistas.lamolina.edu.pe/index.php/acu/index
© Universidad Nacional Agraria La Molina, Lima - Perú
Presentado: 07/07/2017
Aceptado: 01/05/2018
Modelamiento geoestadístico de mediciones de concentración de material particulado
(PM10) para la validación de un método simplicado
Geostatistical modeling of particulate matter (PM10) concentration measurements for validation of
a simplied method
Lenin Javier Ramírez-Cando
1,2
*, Miguel Armijos
1
, Michelle Crespo
1
, Sandra Paulina Pino-Casignia
1
y César Iván
Álvarez-Mendoza
1,2
* Autor de correspondencia
Resumen
El material particulado (PM10), es un contaminante atmosférico capaz de ocasionar una grave problemática en cuanto
a calidad del aire y afecciones en la salud humana. Por lo que en la presente investigación se presenta el análisis de las
concentraciones de material particulado (PM10) en el sector del aeropuerto de Tababela en el Distrito Metropolitano de
Quito, cuyo objetivo es determinar el método más apropiado para la medición de concentración de material particulado
(PM10), mediante análisis geoestadístico de tres métodos: IDW, Spline y Kriging por medio del Software ArcGIS, con
la nalidad de identicar los puntos de mayor concentración de PM10 en la zona de estudio. La toma de datos se realizó
utilizando un muestreador casero, al igual que los datos obtenidos de la Red Metropolitana de Monitoreo Atmosférico
de Quito (REMMAQ) ubicada en el sector de Carapungo; con estos se valida la metodología de muestreo mediante el
método de regresión lineal o mínimos cuadrados, se muestra la utilidad del muestreador casero. Se recolectó los datos de
concentración en 16 puntos estratégicos con duplicados cada uno que cubren la ruta Collas, con los que se obtuvo mapas
de la zona analizada uno por cada método propuesto, los mismos se validaron mediante la aplicación de la herramienta
Arctoolbox relacionando los datos obtenidos con respecto al blanco, se presenta que el valor de incertidumbre indica una
proximidad en relación a la concentración real; siendo el modelo Inverse distance weighted (IDW) el que respondió de
mejor manera al comportamiento de PM10 en la zona permitiendo así obtener el mejor modelo que diferencie los puntos
de menor y mayor concentración de PM10, a diferencia de los modelos Spline y Kriging.
Palabras clave: material particulado; geoestadístico; Inverse distance weighted; kriging; spline; validación; calidad del
aire.
Abstract
The particulate material (PM10), is one atmospheric pollutant capable of causing a serious problem in terms of air quality
and human health conditions. For this reason, the present investigation presents the analysis of particulate material
concentrations (PM10) in the Tababela airport sector in the Metropolitan District of Quito, whose objective is to determine
the most appropriate method for the measurement of particulate matter concentration. (PM10), by geostatistical analysis
of three methods: IDW, Spline and Kriging by means of the ArcGIS Software, in order to identify the points with the
highest concentration of PM10 in the study area. The data collection was done using a home sampler, as well as the data
obtained from the Metropolitan Atmospheric Monitoring Network of Quito located in the Carapungo sector; with these
the sampling methodology is validated by the linear regression or least squares method, the utility of the home sampler
is shown. The concentration data was collected in 16 strategic points with duplicates each covering the Collas route,
with which maps of the analyzed area were obtained one for each proposed method, they were validated by applying the
Arctoolbox tool relating the data obtained with respect to the target, it is presented that the uncertainty value indicates a
proximity in relation to the real concentration; The Inverse Distance Weighted (IDW) model was the one that responded
better to the behavior of PM10 in the area, thus allowing us to obtain the best model that differentiates the points of lower
and higher concentration of PM10, unlike the Spline and Kriging models.
Keywords: particulate matter; geostatistics; Inverse distance weighted; kriging; spline; validation; air quality.
1
Carrera Ingeniería Ambiental, Universidad Politécnica Salesiana Av. Morán Valverde s/n y Rumichaca, Quito, Ecuador. Email: [email protected]
2
Grupo de investigación ambiental para el desarrollo sustentable (GIADES), Universidad Politécnica Salesiana Av. Morán Valverde s/n y Rumichaca,
Quito, Ecuador.
1. Introducción
El material particulado se dene como el conjunto de
materia dispersada en la atmósfera y condensada en
forma sólida o líquida emitidas directamente al aire, tales
como el hollín de diésel, polvo de vías y las partículas
resultantes de procesos productivos (Arciniégas, 2012),
Modelamiento geoestadístico de mediciones de concentración de material particulado (PM10) para la validación de un método simplicado
Enero - Junio 2018
82
es denominado como un contaminante primario generado
por la combustión ineciente de combustibles fósiles, el
mayor precursor es la combustión de diesel (Gaviria et
al., 2011). El material particulado está formado por una
mezcla compleja de componentes cuya composición
incluye compuestos orgánicos, sulfatos, nitratos u óxidos
de silicio (Seinfeld, 2006).
Dependiendo de su fuente de origen, se componen
de una mezcla de sustancias orgánicas e inorgánicas que
presentan una composición física y química variable
(Vivar, 2014). El material particulado 2,5 o PM 2.5 es
aquel que tiene un diámetro aerodinámico menor a 2,5
micrómetros y PM10 a aquel cuyo diámetro aerodinámico
es menor a 10 micrómetros (Diaz, 2015). El material
particulado sedimentable, es el material particulado, sólido
o líquido, cuyo tamaño es mayor a 10 micrómetros y que
es capaz de permanecer en suspensión temporal en el aire
ambiente (Maldonado, 2012).
El desarrollo del estudio se da en base a la inuencia que
tiene el Aeropuerto de Tababela como foco de emisión de
material particulado PM10 debido al despegue y aterrizaje
de aviones (Urbaneja, 2016)
El departamento Social Europeo y la Aviación
Danesa, nos indica, que los aeropuertos son considerados
como fuentes de contaminación del aire, debido a los
gases de escape, emitidos por los aviones y los motores
diésel, las emisiones directas de combustible durante el
reabastecimiento de los aviones y las partículas de mayor
tamaño generadas por los frenos, los neumáticos, el asfalto,
el suelo, etc. Como emisores de altas concentraciones
de material particulado (PM10) (The ecological council,
2012).
Las pruebas relativas al material particulado
suspendido en el aire y sus efectos en la salud pública
coinciden en poner de maniesto efectos adversos para la
salud con las exposiciones que experimentan actualmente
las poblaciones urbanas, tanto en los países desarrollados
como en los que se encuentran en vías de desarrollo, y estas
afecciones causan un daño mayor al sistema respiratorio.
(Organización Mundial de la Salud [OMS], 2005)
Por esta razón se han establecido umbrales y límites
permisibles en cuanto a las normativas que rigen en
cada país, para evitar consecuencias graves en cuanto a
problemas de salud pública (Vivar, 2014). Los factores más
importantes para la absorción en el sistema respiratorio de
los contaminantes presentes en partículas son su tamaño
y solubilidad en agua (Ruiz, 2006), las partículas de
tamaño inferior a 10 µm penetran en los pulmones. Las
de tamaño comprendido en el intervalo 2,5 – 10 µm se
depositan en la tráquea, bronquios y bronquiolos (Gaviria
et al., 2011). El sistema respiratorio puede ser dañado
directamente por material particulado que entra al sistema
sanguíneo o linfático a través de los pulmones. Además, los
componentes solubles del material particulado pueden ser
transportados a órganos distantes y causar efectos nocivos
sobre estos. (Golato et al,. 2012).
El material particulado es considerado como uno de
los principales problemas de contaminación del Distrito
Metropolitano de Quito. Los límites máximos permitidos
establecidos en la legislación ecuatoriana son 50μg/m
3
como promedio anual y 100μg/m
3
como promedio en 24
horas para PM 10 (Maldonado, 2012).
En ArcGIS, se ingresa información sobre los atributos
la cual sirve para crear mapas, los cuales se pueden
analizar de manera visual (ESRI, 2016). Así, el análisis
geoestadístico ayuda a extraer los datos que no se pueden
apreciar a simple vista en un GIS, revelando características
de un conjunto de entidades como uno solo, se utiliza para
analizar la distribución que tiene un atributo en particular,
para encontrar valores que sean extremadamente bajos o
altos (ESRI, 2016).
La interpolación puede utilizarse para predecir valores
no conocidos de cualquier dato en un punto geográco a
partir de una cantidad limitada de datos obtenidos para
una muestra (ESRI, 2016). Los métodos de interpolación
disponibles para ArcGIS son: ponderación de distancia
inversa (IDW), el cual interpola una supercie de un ráster
a partir de los valores de los puntos muestreados, calcula
promedios de estos valores utilizando como técnica la
distancia inversa ponderada (ESRI, 2016).
Spline estima valores utilizando una función matemática
que minimiza la curvatura de la supercie generada con los
datos muestreados, la cual pasa por los puntos de entrada
(ESRI, 2016). Kriging, a partir de un conjunto de datos
genera una supercie, los datos que utiliza se encuentran
dispersados con valores distintos de z, razón por la cual este
método requiere una investigación más exhaustiva antes
de seleccionar el método de estimación más conveniente
(ESRI, 2016).
El objetivo principal de este artículo, es determinar el
método más apropiado para la medición de concentración
de material particulado (PM10), mediante análisis
geoestadístico de tres métodos (IDW, SPLINE, KRIGING)
por medio del Software ArcGIS, con la nalidad de
identicar los puntos de mayor concentración de PM10 en
la zona de estudio.
2. Materiales y metodología
El inicio del ensayo se realizó de 8:00 a 16:00, debido
a la iluminación. En un lugar donde la sombra de los
alrededores no se proyecte sobre la supercie del ltro
muestreador. El método es más eciente, cuando no se
registran vientos fuertes, ni precipitaciones, durante el
muestreo, de tal manera que la supercie del aparato no se
vea alterada. La medición se realizó cada 24 horas debido a
la dicultad de movilización a la zona de muestreo.
Proceso de fabricación del muestreado
Colocar el papel ltro alrededor del tubo PVC y jarlo
con una banda elástica. Luego, realizar una especie de caja
hueca de cuatro caras y proceder a forrar la caja con papel
Ramírez-Cando et al. / Anales Cientícos 79 (1): 81 - 91 (2018)
83
contact para impermeabilizarla. La caja que será colocada
sobre el tubo PVC permitirá que actué como cabezal de
corte para absorber las partículas de PM10, ya que el aire
ingresa a través de la abertura ubicada en la parte lateral
del cabezal de corte para PM10, que fue ubicado de manera
horizontal tomando como referencia el suelo, dependiendo
de la dirección del viento que será lo que permite aspirar
el material particulado durante 24 horas. Y, proceder a
realizar oricios en la mitad del tubo de PVC y jar esta
estructura a la caja de cartón, para posteriormente poder
atravesarla con el soporte de 1,5 m. Fijar correctamente
la estructura enterrándola en la tierra, dejando el ltro a
una altura de 1 m exponiéndolo en dirección del viento
proveniente de la zona con posible carga contaminante.
Proceso de toma de muestras en campo
Se realizó un mapa con coordenadas y puntos de muestreo
en la zona de estudio usando ArcGIS y Google Earth
(Figura 1y 2).
Figura 1. Puntos de muestreo Software Google earth
Se colocó el medidor casero a una altura mínima de
1 m respecto de la supercie del suelo, vericando la
horizontalidad con un nivel. Se jó la base, de manera que
esté estable y no se vea afectado por la fuerza del viento,
el cual podría ocasionar que se voltee. Se acompañó a
cada lote de ltros muestreados con un ltro blanco, el
cual fue sometido a las mismas manipulaciones, excepto
que no fue expuesto a la contaminación de la zona. Se
utilizaron ltros de bra de cuarzo de 8” * 10”, de poro
2 um, el cual una vez dentro del cabezal de muestreo, el
ujo de aire pasa a través del muestreador y son dirigidos
a la supercie de impactación, las partículas con tamaños
mayores a 10um quedan retenidas en el ltro mientras que
el aire limpio es expulsado por el extremo opuesto. Se
dejó el medidor casero durante 24 horas. Después de dicho
período se procedió a recolectar las muestras en diferentes
fundas ziploc y se la almacenó en conjunto en una caja
para poder transportar las muestra de manera cuidadosa,
evitando cualquier tipo de daño o perdida de material
que pueda afectar el momento de su análisis. Para luego,
codicar cada ltro para conocer el punto que representa
en la zona de muestreo.
Figura 2. Puntos de muestreo Software ArcGis versión
10.0
Procedimiento de análisis gravimétrico
La limpieza del material para la medición en laboratorio
de pesos de la muestra debe ser adecuada, para lo cual se
debe limpiar con una brocha pequeña el área próxima a las
balanzas debe mantenerse libre de polvo. Las pinzas deben
limpiarse cuidadosamente usando alcohol etílico. Luego,
extraer los ltros de muestreo cuidadosamente de la caja de
almacenamiento y de la bolsa Ziploc.Previo a la medición
de pesos se debe calibran la balanza con la metodología de
calibración del equipo, se ajusta el cero de la balanza.
Se determina el peso de los ltros, obteniendo el
peso de cada uno, sin exponerlos al medio de la zona de
muestreo. Una vez determinado el peso de cada ltro con
el material particulado se anota el dato con la codicación
de la muestra y el respectivo peso en una cha.
Para obtener el peso de PM10 se realiza una diferencia
entre el peso del ltro con la muestra menos la media
del ltro limpio. La concentración del polvo o material
particulado en el aire muestreado, se obtiene remplazando
datos en la siguiente fórmula.
Modelamiento geoestadístico de mediciones de concentración de material particulado (PM10) para la validación de un método simplicado
Enero - Junio 2018
84
El dato de volumen de aire se obtiene con respecto al
volumen del cilindro usando la siguiente formula.
Siendo r el radios del tubo de PVC y h la altura del
mismo. (Figura 3).
Figura 3. Cálculo de volumen del tubo de pvc
En excel se realizará el tratamiento de todos los datos
de peso y volumen con fórmulas programadas para facilitar
el proceso de obtención de concentración por cada punto
muestreado .(Tabla 1)
Validación del metodo de muestreo
Se aplicó la regresión lineal o mínimos cuadrados debido
a que se utiliza tanto para pronósticos de series de tiempo,
como para pronósticos de relaciones causales.
Las variables candidatas a ser consideradas para generar
la ecuación de regresión son de 36 datos de muestra de
PM10ug/m
3
.
El uso del Software de Matlab, se aplicó de forma fácil,
esta regresión, siguiendo los siguientes pasos simplicados:
• El usuario debe checar primero las instrucciones
del programa para entender el funcionamiento del
programa y no tenga ningún problema al usarlo.
• El usuario debe de proporcionar los puntos de x (Son
datos de la estación de Carapungo de la REMMAQ que
usa datos certeros mediante estaciones digitales).
• El usuario deberá introducir los valores de los puntos
de y (Son los datos obtenidos con 5 duplicados durante
seis días).
• Una vez introducidos los datos de concentración en la
programación con el algoritmo aplicado, se obtendrá
la ecuación lineal dependiente de estos puntos
proporcionados generando una gráca que se trata de
la siguiente forma:
• Ingresar en la barra de herramientas de la gráca
en Tools
• Ir a la opción Basic Fitting
• Seleccionar la opción de lineal con splain
interpolant, el cual denotara el valor del grado de
conabilidad del método. Valor que debe de ser
cercano a 1 para la aceptación del método.
Validación del modelo geoestadístico
Según García (2002), en las mediciones de partículas hay
muchas causas de error, estas incluyen interferencias,
niveles de blancos, reproducibilidad de los métodos de
muestreo y muestreo estadístico. Por lo cual se lleva a
cabo una suma de acumulados de las concentraciones de
muestreo, respecto a todos los días para cada duplicado
Los datos obtenidos de los duplicados acumulados
se separan en un nuevo libro de Excel para poder ser
vinculados al Software ArcGIS versión 10.4.1.
Se procede a georreferenciar las coordenadas de los
puntos de muestreo para poder enlazar el mapa de la zona
analizada.
Para la validación de los tres modelos de concentración
se aplica la herramienta Arctoolbox en la cual se encontrará
las opciones de modelación (IDW, SPLINE Y KRIGING).
Relacionando datos obtenidos en cada método con respecto
al blanco analizado.
Para IDW se conecta la carpeta en la que tenemos el
archivo de Excel con los datos muestreados, en el atributo
de z value eld colocamos la opción de las concentraciones
muestreadas, se selecciona la carpeta en la que se guardara
el ráster de salida, se selecciona OK y se genera una
supercie la cual al ser interpolada debe ser el de una
variable que sea dependiente de la ubicación de la zona
muestreada, ya que se puede limitar los puntos previos a la
interpolación y el método supone que la variable tomada
disminuye la inuencia a mayor distancia de la ubicación
del punto de muestreo.
Al seleccionar Spline que es un método de interpolación
el cual estima valores a través de una función matemática,
se conecta el archivo Excel con los datos muestreados,
en el atributo de z value eld colocamos la opción de las
concentraciones muestreadas, se selecciona la carpeta en
la que se guardara el ráster de salida, se selecciona OK y
se genera el mapa; este método es el mejor para generar
supercies que varían en cantidades mínimas como las
concentraciones de contaminación. A mayor número de
puntos más tardará el programa en procesar el ráster de
salida.
Kriging es un método de interpolación geoestadístico
que genera una supercie a partir de un conjunto de puntos
que están dispersados, se conecta la carpeta en la que
tenemos el archivo de Excel con los datos muestreados,
en el atributo de z value eld colocamos la opción de las
concentraciones muestreadas, se selecciona la carpeta en
la que se guardara el ráster de salida en output Surface
raster seleccionando el método ordinario y en la opción
semivariogram model la opción spherical, se selecciona
OK tomando como referencia.
Ramírez-Cando et al. / Anales Cientícos 79 (1): 81 - 91 (2018)
85
Días
Punto
Muestra 1 Duplicado 1 Duplicado 2 Duplicado 3
1
8/1/2017
Punto 1
108,605917
92,578877
111,291923
111,920726
2
Punto 2
294,134375
273,025625
255,435
241,305
3
Punto 3
290,645
275,642656
279,611328
276,318477
4 Punto 4 401,34 158,36 446,55 335,416667
5
Punto 5
368,378333
246,888333
390,983333
379,680833
6
9/1/2017
Punto 1 201,370146 182,802251 183,363461 176,612863
7 Punto 2 288,195742 269,502708 283,58 283,034619
8
Punto 3
260,458164
281,595664
280,772451
274,755078
9
Punto 4 313,284583 346,482708 324,350625 305,907222
10
Punto 5
283,932778
346,403889
324,40974 329,913203
11
10/1/2017
Punto 1
154,988031 137,690564 147,327692 144,266794
12
Punto 2
405,233333
428,216667
275,501667
511,981667
13
Punto 3
470,099167
372,800417
421,449792
389,016875
14
Punto 4
327,131914
340,032444
320,060301
335,416667
15
Punto 5
515,4
179,51
564,66
419,856667
16
11/1/2017
Punto 1
203,220708
133,061734
212,07173
207,944557
17
Punto 2
361,989444
346,667222
412,894444
395,433385
18
Punto 3
400,333359
394,675117
412,5249
384,136366
19
Punto 4
333,427874
306,92299
332,664935
331,969613
20
Punto 5
467,628333
299,683333
492,258333
479,943333
21 12/1/2017 Punto 1 286,204775 284,999876 293,495941
288,461959
22 Punto 2 405,233333 405,659678 373,500291
402,783346
23 Punto 3 318,308633 316,432135 316,244117
300,065481
24 Punto 4 324,106826 323,788391 327,546146
333,69314
25
Punto 5
435,780556
404,158333
412,0075
408,42125
26
13/1/2017
Punto 6
415,768402
397,693147
409,764318
410,768578
27
Punto 7
798,053333
787,656922
709,988364
788,559753
28
Punto 8
798,053333 922,011667 574,541667
897,606667
29
Punto 9
1568,23667
1436,49833
1150,54333
2117,66833
30
Punto 10
389,813333
434,878333 404,835
379,798889
31
14/1/2017
Punto 6
536,612534
572,42074
546,083826
576,793456
32
Punto 7
909,809167
742,175417
825,992292
770,114375
33
Punto 8
779,066172
774,590273
808,858286
757,019144
34 Punto 9 1777,08333 1463,81333 1620,44833
1516,025
35 Punto 10 426,059306 398,84287 419,856667
416,757487
36
15/1/2017
Punto 6
873,004494
834,855473
818,788894
854,979001
37
Punto 7
487,417826
465,132717
489,739307
490,191345
38
Punto 8
846,86758
812,703754
829,69836
807,461896
39
Punto 9
1429,00556 1516,83111 1524,32389
1588,11833
Tabla 1. Concentraciones PM10 en puntos de muestreo
Modelamiento geoestadístico de mediciones de concentración de material particulado (PM10) para la validación de un método simplicado
Enero - Junio 2018
86
Resultando del paso anterior las grácas ilustrativas
respecto a cada modelo en el cual se diferenciara los puntos
de menor y mayor concentración de PM10 a lo largo del
tramo estudiado.
Para la interpretación del mejor modelo que resulte
del análisis se procede a medir el valor de incertidumbre
el cual se calcula de la siguiente forma: Esto se puede
visualizar en la opción de Identify al generar cada uno
de los mapas con las distintas opciones de interpolación, la
cual indica valores de proximidad a la concentración real.
3. Resultados y discusión
Análisis gravimétrico
Los resultados obtenidos respecto a pesos, volumen de
muestreo, Concentraciones de PM10 en ug/m
3
se observan
en la Tabla 1 y los valores acumulados obtenidos en
concentración por duplicados se observan en la Tabla 2.
Validación del método de muestreo
De la Figura 3 se obtiene un grado de conablidad de
0,9733 que al acercase a 1 nos indica que el método de toma
de muestra es eciente y sus resultados no son distantes a
los valores arrojados por la estación digital validada por la
REMMAQ.
Validación del modelo geoestadístico
De los métodos aplicados en el programa ArcGIS para el
análisis geoestadístico de material particulado (PM10),
utilizando los métodos: IDW (Tabla 2), KRIGING y
SPLINE, con los datos muestreados en el tramo de la Ruta
Collas - redondel de Tababela, los resultados obtenidos
muestran que el método más eciente en la evaluación de
concentración de PM10, es el IDW (Interpolación lineal
con la ponderación de la distancia inversa) con un valor
de aproximación a la concentración real de 275,1948
ug/m
3
, ya que la variable que utiliza es dependiente de
la ubicación facilitando la estimación de la misma. En
comparación del método SPLINE que destaca valores más
lejanos al IDW de 640,6793 ug/m
3
. El modelo KRIGING
es el menos adecuado para la medición de PM10 debido a
que la aproximación a la concentración real de 1204,8642
ug/m
3
y al visualizar el mapa de este modelo genera una
percepción menor en cuanto a la dispersión de PM10 a
comparación de los dos modelos anteriores a este. (Figura
5 y 6 en cuanto a concentraciones de PM 10 con el modelo
SPLINE Y KRIGING)
En la Figura 4, se ilustran las grácas de los modelos
aplicados a los puntos de muestreo, respecto a la
concentración de PM10.
A través del método IDW se pudo obtener una
representación cartográca de la concentración de PM10,
Figura 3. Gráca de regresión lineal (análisis de residuos)
Ramírez-Cando et al. / Anales Cientícos 79 (1): 81 - 91 (2018)
87
en el que se observa que los puntos que presentan mayor
concentración de material particulado, superando el límite
máximo permisible de 100 ug/m
3
valor establecido en la
normativa ecuatoriana vigente y que respecto a el índice
de calidad del aire se considera como sitios emergentes a
los puntos 8,9,10,11,14 y 16, sin embargo los puntos más
críticos en comparación a los otros es el punto 9, ubicado
en la zona de despegue de aviones del aeropuerto, como
también en el redondel donde la auencia de vehículos
es muy alta en los puntos 10 y 11 que resultarían de la
dispersión del material particulado.
Los resultados obtenidos de concentración de PM10
fueron comparados con el Índice Quiteño de la Calidad
del Aire (IQCA), con el cuál se obtuvo un valor resultante
de 275,1948 ug/m
3
con el método IDW de interpolación
en el programa ArcGIS versión 10.4.1, valor que se
ubica en categoría de nivel de alerta, que en condiciones
desde el punto de vista de la salud es no saludable para
individuos sensibles (enfermos) (IQCA, 2015); ya que
puede en personas que presentan enfermedades de
pulmones o corazón causar enfermedades a los pulmones
o al corazón (Cortés & Osses, 2004), como: obstrucción
pulmonar crónica o congestiones cardiacas si están
Figura 4. Concentraciones de PM10 modelo IDW
Tabla 2. Tabla comparativa de los resultados de muestreo respecto a blanco con el modelo IDW
Blanco punto 8 Punto 7 muestreado Blanco punto 2
Punto 7
muestreado
Idw_pixel value 4508,875488 4233,680664 Idw_pixel value 4508,875488 4233,680664
expuestas a PM10 tienen un riesgo de muerte prematura o
agravamiento de la enfermedad (Secretaria de Ambiente,
2015). En niños con enfermedades pulmonares se puede
apreciar una disminución en la capacidad para respirar de
manera profunda, experimentando síntomas de agitación
(Secretaria de Ambiente, 2015); en adultos mayores se
puede agravar los cuadros de enfermedades respiratorias o
Figura 5. Concentraciones de PM10 modelo SPLINE
Modelamiento geoestadístico de mediciones de concentración de material particulado (PM10) para la validación de un método simplicado
Enero - Junio 2018
88
el volumen total en un tiempo de muestreo de 24 horas
por lo que el muestreador se diseñó y utilizó siguiendo la
normativa y sería aplicable para un posible nuevo estudio.
Tomando en cuenta las muestras tomadas para el
análisis de las variables seleccionadas concentración
Material Particulado (PM10) en la zona de Tababela,
misma en la que está ubicado el nuevo aeropuerto de
Quito-Ecuador. Para el período de 08 de enero 2017 a
22 de enero del mismo año mismo en el que se realizó el
muestreo, tenemos que el método que mejor se comporta
de los métodos utilizados es el IDW (Interpolación lineal
con la ponderación de la distancia inversa) con un valor
de aproximación a la concentración real de 275,1948 ug/
m
3
, que proporciona resultados más satisfactorios, en
comparación al método Spline que nos muestra un valor de
640,6793 ug/m
3
que está muy alejado al valor que se tiene
con el modelo IDW y el modelo KRIGING que se observa
seria el menos adecuado ya que tiene una aproximación a
la concentración real de 1204,8642 ug/m
3
y al visualizar los
mapas resultantes (Figura 4, 5 y 6) de los tres diferentes
modelos se observa también una mejor percepción en el
mapa IDW en comparación a Spline y Kriging, siendo
el que menos percepción proporciona el de Kriging. En
el año 2010, se realizó algunos estudios, en cuyos mapas
resultantes utilizando el programa ArcGIS versión 10.4.1
con los métodos de interpolación IDW y kriging, el mapa
modelado por IDW muestra una mejor percepción en
cuanto a contaminación en comparación al mapa modelado
por Kriging, teniendo los dos una misma distribución
espacial, esto se puede dar porque el modelado realizado
con kriging elimina los valores más altos y también los
más bajos, lo que produce un suavizado generalizado en el
modelo, lo que no ocurre con IDW el cual tiende a crear
puntos de concentración en torno a los puntos muestreados.
Lo mismo menciona (Canales-Rodríguez et al.,2014) al
observar sus mapas resultantes en cuanto a distribución
espacial de PM10, obteniendo un mapa modelado con
IDW y otro con kriging, en los cuales el mejor método
utilizado fue el de IDW en el que se pudo visualizar en el
mapa de IDW estimaciones que no obtuvieron en el mapa
modelado con kriging, ya que el método kriging logra
minimizar el error de predicción reejando un suavizado
en la estimación de los valores.
Tomando los resultados del modelo IDW que fue el
modelo más idóneo en el estudio, se pudo obtener una
representación cartográca de la concentración de PM10,
estimando los puntos de concentración mayores que fueron
los que sobrepasan el límite máximo permisible de 100 ug/
m
3
valor establecido en la normativa ecuatoriana vigente,
siendo el punto 9 un punto considerado emergente en
comparación a los otros que a pesar de tener concentraciones
que sobrepasan el límite máximo permisible no se
considera como emergentes lo que representa una seria
problemática en el sector y por tanto podría ocasionar
afecciones muy serias a la salud y al ambiente. Analizando
el comportamiento en cuanto a concentraciones de PM10
se puede contribuir a establecer estrategias y tomar
decisiones respecto a los problemas ambientales.
Figura 6. Concentraciones de PM10 modelo RIGING
cardíacas existentes o desarrollar este tipo de problemas en
el caso de que no los haya habido (Secretaria de Ambiente,
2015).
La Normativa de Calidad del Aire de Quito en la Tabla
3 (Secretaria de Ambiente, 2015), en cuanto a mediciones
de concentraciones de contaminantes de aire establece
el método gravimétrico, mediante muestreadores de alto
y bajo caudal que permitan separar las partículas por
tamaño, mediante el peso ganado por el ltro dividido para
Ramírez-Cando et al. / Anales Cientícos 79 (1): 81 - 91 (2018)
89
Tabla 3. Valores acumulados de concentración de PM 10 por duplicado
DUPLICADO 1
LATITUD
LONGITUD
CONCENTRACION
PUNTO 1 -0,190438
-78,338554
831,1333013
PUNTO 3 -0,171984 -78,343045 1641,14599
PUNTO 4 -0,166399
-78,344105
1475,586534
PUNTO 5 -0,1602 -78,34714 1297,133889
PUNTO 6 -0,154145 -78,349547 2925,271244
PUNTO 7 -0,146012
-78,354557 4278,650215
PUNTO 9 -0,135628 -78,358337 6725,939375
PUNTO 10 -0,131543
-78,360528 2053,92826
PUNTO 11
-0,125136 -78,364928 1616,853769
DUPLICADO 2
LATITUD
LONGITUD CONCENTRACION2
PUNTO 1 -0,190438
-78,338554 947,5507471
PUNTO 3 -0,171984 -78,343045 1710,602588
PUNTO 4 -0,166399
-78,344105 1751,172007
PUNTO 5
-0,1602 -78,34714 2184,318906
PUNTO 6 -0,154145
-78,349547 3050,676837
PUNTO 7
-0,146012 -78,354557 4269,332323
PUNTO 9 -0,135628
-78,358337 6678,755639
PUNTO 10 -0,131543
-78,360528 2058,346925
PUNTO 11
-0,125136 -78,364928 1803,328049
DUPLICADO 3
LATITUD
LONGITUD
CONCENTRACION3
PUNTO 1 -0,190438
-78,338554
929,2068986
PUNTO 3 -0,171984 -78,343045 1624,292277
PUNTO 4 -0,166399
-78,344105
1642,403308
PUNTO 5 -0,1602
-78,34714 2017,815286
PUNTO 6 -0,154145 -78,349547 3149,045643
PUNTO 7 -0,146012 -78,354557
4296,59045
PUNTO 9 -0,135628 -78,358337
7487,993648
PUNTO 10 -0,131543
-78,360528 2041,83486
PUNTO 11 -0,125136
-78,364928 1676,626995
BLANCO
LATITUD LONGITUD CONCENTRACION
PUNTO 2
-0,104086 -78,365639 2245,580467
PUNTO 8 -0,135628 -78,358337 5880,145871
PUNTO 15 -0,183163 -78,339623 2706,168452
Modelamiento geoestadístico de mediciones de concentración de material particulado (PM10) para la validación de un método simplicado
Enero - Junio 2018
90
4. Conclusiones
El método más eciente en la evaluación de
concentraciones de PM10 es el IDW (Interpolación
lineal con la ponderación de la distancia inversa) por su
proximidad a la concentración real de este parámetro y
en cuanto a la visualización didáctica que presenta en los
mapas generados en ArcGIS, permitiendo evidenciar con
mayor facilidad zonas de mayor y menor concentración de
PM10.
Uno de los factores por los que las concentraciones
de PM10 pueden variar de un tiempo a otro es por la
climatología de la zona, ya que en los meses de verano,
debido a que la humedad baja, las precipitaciones son
menores, la velocidad de los vientos son mayores, las
partículas están suspendidas en las vías y terrenos lo
que hace que la concentración tienda a subir, lo que no
ocurre en los meses de invierno en los que se observa
concentraciones menores de material particulado debido a
que las precipitaciones permiten evitar la re suspensión de
PM10 en el ambiente.
Al analizar la ubicación de estos puntos encontramos
que el punto 9 uno de los de mayor concentración se
encuentra en la zona de despegue de los aviones del
aeropuerto de Tababela, dispersando el material particulado
por el punto 10 hasta el punto 11 según la dirección del
viento de la zona.
Otro punto crítico en cuanto a concentración de
material particulado fue el punto ubicado en el redondel
de Tababela, esto se debe a la conuencia elevada de
vehículos tanto pesados como livianos provenientes de
Yaruquí, Panamericana Norte y Tababela y por tanto habrá
mayor emisión de PM10 por la cantidad diaria de vehículos
que por el lugar circulan.
El valor de concentración en los ltros se ve inuenciada
por los lugares en los cuales se colocó los muestreadores
caseros, enterrándolos a 1 m de altura sobre suelo, por lo
que las partículas de polvo suspendidas y la erosión de las
vías alteraron las concentraciones de PM10.
Respecto a la Norma de Calidad del Aire, publicada
como parte del libro VI de Calidad Ambiental del
TULSMA, se concluye que la zona del aeropuerto de
Tababela supera el límite máximo permisible de 100 ug/m
3
respecto a la norma, y en cuanto el índice de calidad de aire
de la REMMAQ se considera a esta zona en emergencia
debido a su posible efecto nocivo a la salud.
La Normativa ambiental vigente en nuestro país es
muy permisiva, al establecer una concentración de 100 ug/
m
3
como límite máximo permisible para fuentes jas, en
comparación a lo que estable la OMS de 50 ug/m
3
de PM10
considerando a esta como causante de posibles afecciones
en la salud.
El Informe Anual de Calidad del Aire en Quito
establece los riesgos que se tiene con la concentración de
PM10 obtenidos, las personas que se encuentren expuestas
pueden contraer enfermedades respiratorias como asma
o bronquitis crónica incrementando la susceptibilidad a
individuos que ya tengan cuadros clínicos, agravando los
mismos, con lo que se requeriría de mayores cuidados
médicos e incluso se podría provocar una muerte prematura
5. Literatura citada
Arciniégas, C. A. 2012. Diagnóstico y control de material
particulado: Luna Azul 2474(34), 2,3.
Canales-Rodríguez, M.; Quintero-Núñez, M.; Castro-
Romero, T. y García-Cuento, R. 2014. Las Partículas
Respirables PM10 y su Composición Química en la
Zona Urbana y Rural de Mexicali, Baja California en
México. Información Tecnológica Vol. 25(6), 13-22.
doi: 10.4067/S0718-07642014000600003
Cortés, F. & Osses, B. 2004. Efectos de la contaminación
atmosférica por material particulado en las enfermedades
respiratorias agudas en menores de 5 años. Ciencia y
enfermeria, 10(2), 21-29.
Diaz, V. 2015. Calidad del aire en quito,Informe anual.
Quito.
ESRI. 2016. ArcGIS for Desktop. Recuperado de: ArcMap:
http://desktop.arcgis.com/es/arcmap/10.4/analyze/
commonly-used-tools/statistical-analysis.htm
García, F.F. 2002. Determinación de la Concentración de
Fondo y Distribución Espacial de PST en Santa Marta.
Grupo de Control de la Contaminación Ambiental.
Universidad del Magdalena, Colombia.
Gaviria, C.F.; Benavides, P. C. & Tangarife, C. A. 2011.
Contaminación por material particulado (pm2,5 y
pm10) y consultas por enfermedades respiratorias en
Medellín (2008-2009). Revista Facultad Nacional de
Salud Pública 29,(3), 241-250.
Golato, M.; Morales, W.; Méndez, H.; Feijóo, E. & Paz, D.
2012. Monitoreo de emisiones de material particulado
de chimeneas de generadores de vapor de la industria
azucarera en Tucumán, R. Argentina. Revista industrial
y agrícola de Tucumán, 83(1), 11-19.
IQCA. 2015. Indice Quiteño de la Calidad del Aire. Quito.
Maldonado, M. J. 2012. Caracterización del material
particulado suspendido PM10 de la red de monitoreo
de aire de la ciudad de Quito de los años 2009 y 2010
por Espectroscopía de Absorción Atómica. Quito.
Organización Mundial de la Salud [OMS]. 2005. Guías
de calidad del aire de la OMS relativas al material
particulado, el ozono, el dióxido de nitrógeno y el
dióxido de azufre.
Ruiz, C. 2006. Caracterización del material particulado en
las principales vías del transporte público colectivo y
masivo del centro de Bogotá. Bogotá: Universidad de
los Andes.
Secretaria de Ambiente. 2015. Informe Anual 2015 de
la Calidad del Aire en Quito. Quito: Secretaria de
Ambiente.
Seinfeld, J. P. 2006. Atmospheric chemistry and physics:
From air pollution to climate change. John Wiley &
Sons, Inc, Hoboken.
Ramírez-Cando et al. / Anales Cientícos 79 (1): 81 - 91 (2018)
91
The Ecological Council. 2012. Contaminación del aire en
los aereopuertos. Dinamarca: Lars Brogaard, 3F.
Urbaneja, L. 2016. Estimación de emisiones de los
ciclos de aterrizaje y despegues de aeronaves en el
aereopuerto Adolfo Suaréz Madrid- Barajas. Madrid:
INDUSTRIALES-UPM.
Vivar, E. 2014. Cuanticación de material particulado
pm10 y su efecto toxicológico- ambiental en la ciudad
de Azogues. Azogues: Universidad de Cuenca.