Modelo de Predicción Material Particulado (PM2.5) en la ciudad de Bogotá
DOI:
https://doi.org/10.18041/1794-4953/avances.2.8574Palabras clave:
Contaminación del aire, Machine Learning, Material particulado, Regresión lineal, Series de tiempoResumen
La contaminación del aire ha sido ampliamente estudiada debido a la gran amenaza que representa tanto para el medio ambiente como para la salud humana. Principalmente, las grandes ciudades se han visto afectadas por el problema de la contaminación del aire debido a diversos factores, como lo son la industrialización y la sobrepoblación. Estos últimos, tienen una implicación directa en la atmósfera mediante el aumento de las emisiones de gases de efecto invernadero y smog, lo cual contribuye al agotamiento de la capa de ozono. La contaminación atmosférica trae consigo graves implicaciones en la salud humana, afectando directamente el sistema respiratorio y generando consecuencias como irritación en la garganta, empeoramiento de afecciones como asma, bronquitis y hasta daños pulmonares permanentes. Sin embargo, teniendo en cuenta la gran importancia que implica la detección de agentes contaminantes, como lo es el material particulado (PM), es posible plantear alternativas para predecir su aparición en determinada localización. En este estudio, proponemos el uso de herramientas computacionales y regresión lineal múltiple para predecir el comportamiento del material particulado PM2.5 de la localidad Kennedy, Bogotá. Esta predicción se realizó con la implementación de un algoritmo, que toma como base datos históricos de material particulado suspendido en el aire, Ozono, NO, CO, dirección y velocidad del viento durante el año 2018. Los análisis realizados fueron comparados con datos reales, con el propósito de determinar la veracidad de las predicciones hechas por el algoritmo. Los resultados revelaron el nivel del PM2.5 es consecuencia de las emisiones de CO, lo cual está relacionado con el tráfico de vehículos, ya que son los mayores productores de este gas. Además, la predicción de los valores de PM2.5 evidenció una media de error del 5.6 PM2.5, lo que significa que el modelo logra una predicción precisa de la calidad del aire. Teniendo en cuenta estos resultados, este estudio representa una alternativa prometedora para la predicción del material particulado, de tal manera que se puedan establecer rutas de acción para mitigar el daño causado por estos contaminantes en el medio ambiente.
Descargas
Referencias
Apte, J., Marshall, J., Cohen, A., and Brauer, M. “Addressing Global Mortality from Ambient PM 2.5”. Environ. Sci. Technol. 2015, 49, 13, 8057–8066, June 16, 2015. DOI: https://doi.org/10.1021/acs.est.5b01236
Weagle, C., Snider, G., Li, C., Donkelaar, A., Philip, S., Bissonnette, P., Burke, J., Jackson, J., Latimer, R., Stone, E., Abboud, I., Akoshile, C., Anh, N., Brook, J., Cohen, A., Dong, J., Gibson, M., Griffith, D., He, K., and Martin, R. “Global Sources of Fine Particulate Matter: Interpretation of PM 2.5 Chemical Composition Observed by SPARTAN using a Global Chemical Transport Model”. Environ. Sci. Technol. Vol. 52, 20, 11670–11681 (2018). DOI: 10.1021/acs.est.8b01658.
Atkinson, R., Butland, B., Dimitroulopoulou, C., Heal, M., Stedman, J., Carslaw, N., & Jarvis, D., Heaviside, C., Vardoulakis, S., Walton, H. and Anderson, H. “Long-term exposure to ambient ozone and mortality: A quantitative systematic review and meta-analysis of evidence from cohort studies”. BMJ Open. 6. e009493. DOI: 10.1136/bmjopen-2015-009493.
Vohra, K., Vodonos, A., Schwartz, J., Marais, E. A., Sulprizio, M. P., and Mickley, L. J. “Global mortality from outdoor fine particle pollution generated by fossil fuel combustion: Results from GEOS-Chem”. Environ. Res., vol. 195, no. 110754. (2021). DOI: https://doi.org/10.1016/j.envres.2021.110754
Li, X., Jin, L., and H. Kan, “Air pollution: a global problem needs local fixes”. Nature., 570, 437-439 (2019). DOI: https://doi.org/10.1038/d41586-019-01960-7
Secretaria distrital de Ambiente. Calidad del aire en Bogotá, Alcaldía de Bogotá, Bogotá, 2018. Disponible en: https://www.ambientebogota.gov.co/calidad-del-aire.
Red de Monitoreo de Calidad del Aire de Bogotá – RMCAB, Estaciones RMCAB, Alcaldia de Bogota (2019). Disponible en: http://rmcab.ambientebogota.gov.co/home/map.
Mann, J. K., Lutzker, L., Holm, S. M., Margolis, H. G., Neophytou, A. M., Eisen, E. A., Costello, S., Tyner, T., Holland, N., Tindula, G., Prunicki, M., Nadeau, K., Noth, E. M., Lurmann, F., Hammond, S. K., and Balmes, J. R. “Traffic-related air pollution is associated with glucose dysregulation, blood pressure, and oxidative stress in children”. Environ Res. 2021;195:110870. DOI: 10.1016/j.envres.2021.110870.
Ministerio de Ambiente y Desarrollo Sostenible de Colombia. “Resolución 2254 del 01 de noviembre de 2017” (2017). Disponible en: https://www.icbf.gov.co/cargues/avance/docs/resolucion_minambienteds_2254_2017.htm
Alvin C. and Bruce G. “Linear Models In Statistics” 2nd Edition, New Jersey. John Wiley & Sons (2007).
Darlington, R. and Hayes, A. “Regression Analysis and Linear Models: Concepts, Applications, and Implementation”, New York, The Guilford Press (2017).
Montero, R. “Modelos de regresión lineal múltiple”, Documentos de Trabajo en Economía Aplicada. Universidad de Granada. España. Disponible en: https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf.
Datos Abiertos, "https://www.datos.gov.co/," Medición de la calidad del aire en Bogotá, 2018. [Online]. Available: https://www.datos.gov.co/Ambiente-y-Desarrollo-Sostenible/Medici-n-de-la-calidad-del-aire-en-Bogot-. [Accessed 2019].
Forsyth F. and Ponce J. “Computer Vision: A Modern Approach” 2nd Edition, New Jersey. Pearson (2012).
Bertsekas, D. “Nonlinear Programming” 2nd Edition. Belmont. Athena Scientific (1999).
Jin, L., XIE, J., Wong, C., Chan, S., Abbaszade, G., Schnelle-Kreis, J., Zimmermann, R., Li, J., Zhang, G., Fu, P., and Li, X. “Contributions of City-Specific Fine Particulate Matter (PM2.5) to Differential In Vitro Oxidative Stress and Toxicity Implications between Beijing and Guangzhou of China”. Environ. Sci. Technol. vol. 53, issue 5, pp. 2881-289 (2019). DOI: 10.1021/acs.est.9b00449.
Shaddick, G., Thomas, M., Jobling, A., Brauer, M., Donkelaar, A., Burnett, R., Chang, H., Cohen, A., Van Dingenen, R., Dora, C., Gumy, S., Liu, Y., Martin, R., Waller, L., West, J., Zidek, J., and Prüss-Ustün, A. “Data Integration Model for Air Quality: A Hierarchical Approach to the Global Estimation of Exposures to Ambient Air Pollution”. J R Stat Soc Series B Stat Methodol vol. 67(1), pages 231-253, (2016). DOI: 10.1111/rssc.12227.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Avances Investigación en Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
