Aplicaciones geoestadísticas para la evaluación de la contaminación por ozono en la ciudad de Durango, México

José Manuel Loera-Sánchez, Hugo Ramírez-Aldaba, Arnulfo Meléndez-Soto, Emily García-Montiel, R. González-Laredo
{"title":"Aplicaciones geoestadísticas para la evaluación de la contaminación por ozono en la ciudad de Durango, México","authors":"José Manuel Loera-Sánchez, Hugo Ramírez-Aldaba, Arnulfo Meléndez-Soto, Emily García-Montiel, R. González-Laredo","doi":"10.21640/ns.v13i27.2804","DOIUrl":null,"url":null,"abstract":"Introducción: la contaminación del aire es un problema ambiental causado por actividades antropogénicas. Uno de los contaminantes con mayor impacto a la salud es el ozono, derivado de los óxidos de nitrógeno (NOx) y compuestos orgánicos volátiles que reaccionan con la radiación solar para formar el ozono troposférico. Estos procesos de oxidación en la química atmosférica se conocen como precursores biogénicos del ozono (Compuestos Orgánicos Volátiles Biogénicos, COVB) afectando al balance global del carbono donde los incendios forestales se consideran emisores de dióxido de carbono y NOx (Radke et al., 1991). Los tejidos de las plantas contienen compuestos orgánicos que, emitidos en cantidades suficientes, pueden influir en la química atmosférica (Main, 2003). Una de las herramientas geoespaciales de la geomática que permite modelar y analizar la distribución de contaminantes en el aire es la aplicación de la geoestadística mediante la interpolación. El objeto de este análisis es representar los patrones espaciales de las concentraciones de O3 por medio de la estimación de valores en áreas no muestreadas.\nMétodo: La interpolación espacial destaca como técnica para la evaluación de la contaminación atmosférica, que posibilita la identificación de zonas expuestas a niveles de riesgo de algún contaminante. Análisis de regresión e interpolación como Kriging, permiten la predicción de ozono en zonas no muestreadas de la Ciudad de Durango. También permite identificar estratos de población en zona urbana y puntos críticos de contaminación, además es posible evaluar el grado de exposición a niveles de ozono.\nResultados: el promedio horario por mes calculado en las tres estaciones permitió determinar el lapso en que la concentración de O3 fue máxima y mínima. Con las interpolaciones realizadas con método Kriging ordinario, y mediante álgebra de mapas, se determinó la zona de influencia del contaminante. Existen mayores concentraciones en la zona poniente de la ciudad; esto coincide con otros estudios que muestran que los niveles de O3 fueron mayores en las periferias que en la zona centro debido a la vegetación, que aporta precursores del O3. La zona de influencia se encuentra distribuida en áreas donde se rebasa el valor promedio de 0.032 ppm de dos hasta 11 veces en 24 horas.\nConclusión: el análisis del ciclo diurno del ozono mostró mayores concentraciones en mayo. El método Kriging ordinario realizó una predicción aceptable, de acuerdo con los errores de predicción presentados en otros trabajos, considerando el número de estaciones para determinar la zona de influencia, donde se rebasó el promedio de concentración de ozono troposférico. El ozono mostró correlación positiva con la variable de temperatura en la zona central y noroeste, mientras que presentó una positiva y menor en la zona poniente. Esta relación indica que los niveles de O3 en la ciudad dependen significativamente de la temperatura.","PeriodicalId":19411,"journal":{"name":"Nova Scientia","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-11-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Nova Scientia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21640/ns.v13i27.2804","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Introducción: la contaminación del aire es un problema ambiental causado por actividades antropogénicas. Uno de los contaminantes con mayor impacto a la salud es el ozono, derivado de los óxidos de nitrógeno (NOx) y compuestos orgánicos volátiles que reaccionan con la radiación solar para formar el ozono troposférico. Estos procesos de oxidación en la química atmosférica se conocen como precursores biogénicos del ozono (Compuestos Orgánicos Volátiles Biogénicos, COVB) afectando al balance global del carbono donde los incendios forestales se consideran emisores de dióxido de carbono y NOx (Radke et al., 1991). Los tejidos de las plantas contienen compuestos orgánicos que, emitidos en cantidades suficientes, pueden influir en la química atmosférica (Main, 2003). Una de las herramientas geoespaciales de la geomática que permite modelar y analizar la distribución de contaminantes en el aire es la aplicación de la geoestadística mediante la interpolación. El objeto de este análisis es representar los patrones espaciales de las concentraciones de O3 por medio de la estimación de valores en áreas no muestreadas. Método: La interpolación espacial destaca como técnica para la evaluación de la contaminación atmosférica, que posibilita la identificación de zonas expuestas a niveles de riesgo de algún contaminante. Análisis de regresión e interpolación como Kriging, permiten la predicción de ozono en zonas no muestreadas de la Ciudad de Durango. También permite identificar estratos de población en zona urbana y puntos críticos de contaminación, además es posible evaluar el grado de exposición a niveles de ozono. Resultados: el promedio horario por mes calculado en las tres estaciones permitió determinar el lapso en que la concentración de O3 fue máxima y mínima. Con las interpolaciones realizadas con método Kriging ordinario, y mediante álgebra de mapas, se determinó la zona de influencia del contaminante. Existen mayores concentraciones en la zona poniente de la ciudad; esto coincide con otros estudios que muestran que los niveles de O3 fueron mayores en las periferias que en la zona centro debido a la vegetación, que aporta precursores del O3. La zona de influencia se encuentra distribuida en áreas donde se rebasa el valor promedio de 0.032 ppm de dos hasta 11 veces en 24 horas. Conclusión: el análisis del ciclo diurno del ozono mostró mayores concentraciones en mayo. El método Kriging ordinario realizó una predicción aceptable, de acuerdo con los errores de predicción presentados en otros trabajos, considerando el número de estaciones para determinar la zona de influencia, donde se rebasó el promedio de concentración de ozono troposférico. El ozono mostró correlación positiva con la variable de temperatura en la zona central y noroeste, mientras que presentó una positiva y menor en la zona poniente. Esta relación indica que los niveles de O3 en la ciudad dependen significativamente de la temperatura.
墨西哥杜兰戈市臭氧污染评估的地质统计学应用
简介:空气污染是人类活动引起的环境问题。臭氧是对健康影响最大的污染物之一,它是由氮氧化物(NOx)和挥发性有机化合物与太阳辐射反应形成对流层臭氧而产生的。大气化学中的这些氧化过程被称为生物臭氧前体(生物挥发性有机化合物,COVB),影响全球碳平衡,森林火灾被认为是二氧化碳和氮氧化物的排放者(Radke et al., 1991)。植物组织中含有有机化合物,如果释放足够数量,可以影响大气化学(Main, 2003年)。测绘学的地理空间工具之一,允许模拟和分析空气中污染物的分布,是通过插值应用地质统计学。本研究的目的是通过估计未采样区域的臭氧浓度来表示臭氧浓度的空间模式。方法:空间插值是一种评估空气污染的技术,它可以识别暴露于某些污染物风险水平的区域。回归分析和插值,如克里格,允许预测杜兰戈市未采样地区的臭氧。它还可以确定城市地区的人口阶层和污染临界点,并可以评估臭氧水平的暴露程度。在本研究中,我们分析了三个监测站的臭氧浓度,以确定臭氧浓度的最大值和最小值。利用普通克里格方法和地图代数进行插值,确定了污染物的影响区域。主要集中在城市的西部地区;这与其他研究一致,这些研究表明,由于植被提供了O3前体,外围地区的O3水平高于中心地区。影响区分布在24小时内超过0.032 ppm平均值2至11次的区域。结论:臭氧日循环分析显示5月份臭氧浓度较高。普通的克里根方法根据其他工作中提出的预测误差,考虑到确定超过平均对流层臭氧浓度的影响区域的站数,作出了可接受的预测。臭氧与中部和西北部地区的温度变量呈正相关,而西部地区呈正相关且较低。这种关系表明,城市的O3水平高度依赖于温度。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信