Evaluación de ozono troposférico en ciudades latinoamericanas

Abstract

En la actualidad, la contaminación atmosférica corresponde al cuarto factor de riesgo en la salud humana en zonas rurales y urbanas después de la hipertensión, fumar y la diabetes. Las ciudades latinoamericanas no están desconectadas con esta problemática y su constante crecimiento demográfico las transformarán en futuros escenarios potencialmente contaminados, si no se realiza una gestión adecuada del recurso aire. El ozono troposférico (O3) es un reconocido contaminante atmosférico que puede afectar negativamente la salud humana, los ecosistemas y el clima. Para evaluar la contaminación por O3 en una región específica, se han desarrollado análisis numéricos de concentración e indicadores en diferentes escalas temporales, con el objetivo de identificar patrones de comportamiento en los datos y correlacionar efectos adversos debido a la presencia de este contaminante en los centros urbanos. Estos análisis permiten mejorar los planes y políticas de gestión de la calidad del aire, potenciando la implementación de estrategias de mitigación y protección de los receptores. La presente tesis de maestría pretende evaluar la distribución y patrones de las concentraciones e indicadores de O3 a escala regional en Suramérica, a través de la recopilación de información y el análisis de datos de O3 disponibles en 17 estaciones de monitoreo distribuidas en 10 ciudades de 5 países latinoamericanos (Brasil, Chile, Colombia, México, Paraguay), para el periodo comprendido entre el 2000 al 2020. La información relacionada a la concentración e indicadores de O3 fue recolectada de la plataforma de acceso libre del proyecto internacional TOAR (https://join.fz-juelich.de). Los datos fueron evaluados en agrupaciones horarias, diarias y mensuales en función de las condiciones locales como la altitud, el clima, la densidad poblacional, la topografía y los patrones de emisión de precursores; identificando la homogeneidad de las concentraciones y su relación espacio temporal. Al analizar las series temporales en los datos, se identificó una ausencia generalizada en la homogeneidad de periodos que coincidieran entre los países, indicando la necesidad de reforzar la continuidad del monitoreo de calidad del aire en ciudades latinoamericanas, así como de la publicación de la información en plataformas globales como TOAR. No obstante, se identificó que la metodología propuesta permite hallar correlaciones y diferencias entre las estaciones analizadas. Los resultados horarios indicaron que la formación de O3 posee una fuerte dependencia de los patrones de emisión de precursores y la relación entre COV/NOX en la atmósfera, siendo el tipo de estación, la cobertura del suelo y la densidad poblacional variables indicativas de esta relación. Este fenómeno se evidenció en los patrones diarios, donde se identificaron incrementos de hasta un 40% en las concentraciones observadas durante los domingos, especialmente en estaciones tráfico, fenómeno relacionado a la acumulación de precursores durante los días laborales. Para el caso de los patrones mensuales, se evidenció una correlación entre los patrones estacionales meteorológicos y los máximos de concentración registrados. Para países alejados del trópico los mayores registros de O3 se obtuvieron durante la temporada de verano, mientras que para regiones más tropicales o con climas caracterizados por precipitaciones mensuales por encima de los 50 mm, se registraron los máximos de O3 durante el inicio de temporadas de altas precipitaciones, fenómeno relacionado al cambio en el equilibrio químico que implica el lavado atmosférico de precursores.

Por otro lado, dependiendo del indicador o conjunto de indicadores elegidos para evaluar las condiciones de contaminación de una región, se podría generar como producto la selección de diferentes combinaciones de estrategias de control de emisiones y a su vez generar conclusiones diferentes sobre la distribución de los datos de O3 y su nivel de riesgo en los receptores. Los resultados demuestran la necesidad de definir la población de estudio y conocer los niveles de distribución de los datos promedio de O3. Por ejemplo, para evaluar impactos en la salud humana en ambientes urbanos el uso de indicadores como el MDA8 podrán reflejar el efecto de las concentraciones “altas”, por encima de 75 ppb. Similarmente, indicadores como el SOMO10 reflejarán el cambio en las magnitudes debido a las concentraciones “bajas”, por debajo de 35 ppb. Mientras que, indicadores como el AOT40 que tienen como objetivo evaluar la eficiencia y capacidad productiva de la vegetación o los cultivos, permitirán evaluar el potencial de riesgo asociado a concentraciones medianas – altas, por encima de 40 ppb, en especies vegetales, siendo éste un indicador idóneo de aplicabilidad en estaciones de fondo o localizaciones rurales. Se destaca que implementar indicadores y generar estándares permite dar seguimiento a las estrategias de control de la contaminación del aire, ya que el no cumplimiento de estos promueve y exige a las autoridades competentes y a la comunidad en general el desarrollo e implementación de acciones directas en las regiones contaminadas para ajustarse a los estándares permitidos. Finalmente, se realizó un análisis de tendencias y aplicación de modelos de predicción estadística de datos, como las redes neuronales artificiales (ANN). Ambas herramientas permiten identificar cambios en los patrones de comportamiento de los datos, evidenciando por un lado las magnitudes y direcciones de estos, y por otro lado permitiendo estimar valores de O3 no conocidos a partir de variables predictoras para la aplicabilidad en la imputación de bases de datos. Estas herramientas pueden llegar a potenciar la significancia de los resultados por efecto de la continuidad en las series temporales, fomentando la importancia de la generación de protocolos de aseguramiento de datos y la confiabilidad en la información. (Texto tomado de la fuente)

Currently, air pollution is the fourth risk factor for human health in rural and urban areas after hypertension, smoking, and sugar blood. Latin American cities are not disconnected whit this problem and their constant demographic growth will transform them into potentially polluted scenarios if adequate management of the air resource is not carried out. Tropospheric ozone (O3) is an air pollutant that can adversely affect human health, ecosystems, and climate. To assess O3 pollution in a specific region, numerical concentration analyses and O3 metrics have been developed at different time scales, to identify patterns in the data and correlate adverse effects due to the presence of this pollutant in the urban areas. These analyzes could improve air quality management plans and policies, enhancing the implementation of mitigation and protection strategies for receptors. This master's thesis aims to evaluate the O3 concentrations and metrics, their distribution, and patterns in a regional scale in South America. O3 data were obtained from 17 monitoring stations distributed in 10 cities in 5 Latin American countries (Brazil, Chile, Colombia, Mexico, Paraguay), for the period from 2000 to 2020. Information was collected from the free access platform of the international TOAR project (https://join.fz-juelich.de). The data were evaluated in hourly, daily, and monthly bases according to local conditions such as altitude, climate, population density, topography, and precursor emission patterns, identifying the homogeneity of concentrations and their space-time relationship. Time-series analyses showed a general absence in the homogeneity of periods that coincided between the countries, indicating the need to strengthen the continuity of air quality monitoring in Latin American cities. As well as the need for publication of information on global platforms such as TOAR. However, the proposed methodology allowed to found correlations and differences between the stations analyzed. Hourly patterns indicated that O3 formation had a strong dependence on emission precursor patterns and the VOC/NOX ratio in the atmosphere, being the type of station, land cover, and population density indicative variables of this relationship. This phenomenon was observed in daily patterns, where concentrations increased up to 40% on Sundays, especially in traffic stations, a phenomenon related to the accumulation of precursors during working days. For monthly patterns, a correlation was evidenced between seasonal weather patterns and maximum recorded concentrations. For countries far from the tropics, the highest O3 records were obtained during the summer season, while for tropical regions or climates characterized by monthly rainfall above 50 mm, the O3 peaks were recorded during the beginning of high-rainfall seasons, perhaps induced by a change in atmospheric chemical balance due to scavenging. On other hand, depending on the indicators set chosen to assess the pollution conditions, different combinations of emission control strategies could be selected and different conclusions about the O3 distribution and their level of risk in the receptors could be generated.

The results suggest the need to define the study population and characterized the distribution of the O3 levels. For example, to assess impacts on human health in urban environments, the use of indicators such as MDA8 will reflect the effect of "high" concentrations, above 75 ppb. Similarly, indicators such as SOMO10 will reflect the change in magnitudes due to "low" concentrations, below 35 ppb. While indicators such as AOT40, which aim to evaluate the efficiency and productive capacity of vegetation or crops, will allow assessing the potential risk related to medium-high concentrations, above 40 ppb, being an adequate indicator for applicability in background stations or rural areas. Hence, the use of indicators and the establishment of indicator standards allow for monitoring the control strategies of air pollution. Since non-compliance with these standards promotes and requires the competent authorities and the community to develop and to implement actions in the polluted regions. Finally, trend analysis and statistical prediction models were applied, using artificial neural networks (ANN). The exercise allows to evaluate patterns and changes in data, evidencing the data magnitude and direction, and allowing to estimate unknown O3 values from predictor variables, for the applicability in data filling. Tools cloud be combined to enhance the significance of the results because of the continuity in the time series. Results that can promote the importance of the generation of data assurance protocols to enhance the reliability of the information.