Metodología para estimar material particulado PM2.5 integrando datos de estaciones de monitoreo y sensores remotos en el área urbana de la ciudad de Medellín.

Abstract

La contaminación atmosférica es una problemática que enfrentan la mayoría de las ciudades del mundo, puesto que puede causar enfermedades respiratorias, daños en cultivos agrícolas, entre otros. La presente investigación estima concentraciones de PM2.5 en el área urbana de la ciudad de Medellín para 26 fechas disponibles libres de nubosidad para datos del Espectro radiómetro de imágenes de resolución moderada (MODIS) a una resolución de 500 metros, durante los años 2019 y 2020; empleando técnicas de percepción remota mediante un algoritmo simplificado de recuperación de aerosoles (SARA) aplicado a los datos de entrada se recuperó el espesor óptico de aerosoles (AOD). Dado que distintos estudios han demostrado la relación positiva entre AOD y PM2.5, se generaron modelos de regresión lineal obteniendo un coeficiente de determinación R 2 = 0.886 para el mejor de los casos y un promedio de R 2 = 0.66 y desviación estándar de 4.85 ¿g/m3 para todas las fechas evaluadas; a partir de las regresiones lineales se estimó las concentraciones de PM2.5 dentro de toda el área de estudio, obteniendo mediciones que se encuentran apartadas de la red de estaciones de monitoreo tradicional. Se utilizó el análisis de datos funcionales (ADF) para modelar el comportamiento del PM2.5 durante las fechas de estudio para los años 2019 y 2020. Durante las fechas del año 2019 se evidenciaron días que superaron los 25 ¿g/m3 ; mientras que para las fechas del año 2020 se presentaron valores inferiores promedios de 10 ¿g/m3 , reflejando probablemente el impacto positivo en las concentraciones de PM2.5 durante la pandemia, aumento de precipitaciones y/o velocidades del viento, entre otras variaciones climáticas. El uso de metodologías basadas en sensores remotos como alternativa para complementar y/o sustituir los métodos tradicionales, presenta gran importancia en temas de costos y distribución espacial de los datos.