Introducción
La atmósfera ha sufrido grandes cambios en composición y propiedad a lo largo de los años, desarrollándose procesos de transporte y dilución, así como reacciones químicas de transformación de sus contaminantes. La atmósfera es un medio que interactúa con diversos problemas ambientales derivados de determinadas sustancias presentes en el aire 1. Las sustancias básicas que generan más del 90% de la contaminación atmosférica se pueden resumir principalmente en cinco grupos: partículas en suspensión, óxidos de nitrógeno, óxidos de azufre y sulfatos, óxidos de carbono e hidrocarburos 2.
La evaluación de la calidad del aire, toma como indicadores de la calidad del aire los principales contaminantes atmosféricos, los cuáles son analizados manera independiente, dejando de lado el enfoque sistémico del ambiente, en donde cada uno de sus elementos interactúan y se restringen entre sí3, por tal razón existe la necesidad de llevar este enfoque a la práctica de tal forma que la evaluación que se realice sea de objetiva e integral, evitando la subjetividad al establecer menor o mayor importancia en peso a alguno de estos indicadores ambientales.
El presente trabajo de investigación propone utilizar la metodología de análisis de Grey Clustering4, la cual se puede aplicar por incidencia grey de matrices o funciones de whitenizacion. En este trabajo, se aplicó la “Triangulación del punto medio en base a funciones de Whitenización - CTWF”, ya que la CTWF se aplica principalmente para probar si los objetos de observación pertenecen a clases predeterminadas, conocidas como grey clases5, tal como se evidencia en los estudios de selección de estrategias innovadoras6 y de evaluación de la calidad del aire por incidencia grey7. A diferencia de métodos estadísticos tradicionales, esta metodología considera la incertidumbre dentro de su análisis, al realizar la integración de los indicadores en evaluación; y considerando que la contaminación ambiental es un problema con alta incertidumbre debido a las distintas fuentes de contaminación y condiciones meteorológicas, su aplicación es la más adecuada8.
2. METODOLOGÍA
2.1 METODOLOGÍA DE ANÁLISIS GREY CLUSTERING
Se explica el método CTWF, el cual se desarrolló para realizar la evaluación de la calidad del aire en 10 distritos de Lima Metropolitana. Asumiendo que existen m puntos de monitoreo, n parámetros de calidad del aire y s clasificaciones grey, según los valores de monitoreo de calidad del aire Xij= (1,2,..., n; j=1,2,..., m), se puede realizar la clasificación grey, llamada Grey Clustering siguiendo los pasos mostrados a continuación 8,9:
Paso 1: Se realiza el dimensionamiento de los datos de monitoreo de calidad del aire de cada indicador ambiental (i) y de los parámetros del Índice de Calidad del Aire (j) seleccionados.
Paso 2: Establecer la clasificación grey a partir del índice de calidad ambiental mediante el método CTWF, tal como se muestra en la Fig. 1.
Donde:
y = fj 1 = Muy buena calidad
y = fj 2 = Buena calidad
y = fj 3 = Mala calidad
y = fj 4 = Muy mala calidad
Una vez establecida la clasificación grey mediante el método CTWF estas se calculan a partir de la kth clase grey, k=1, 2, 3, 4, del jth parámetro, j=1,2,…n, para un valor del monitoreo de la calidad del aire Xij según la ecuación (1), (2) y (3).
como peso clustering nij, el cual se calcular según la ecuación (4).
Paso 4: Una vez obtenido los valores evaluados en las funciones de whitenizacion y los pesos de cada parámetro, se procede a calcular el coeficiente de clustering para cada valor obtenido en las distintas clasificaciones de grey mediante la ecuación (5).
Paso 5: Se establece que la suma, define la clasificación de la calidad del aire del distrito evaluado.
3. ESTUDIO DEL CASO
La zona de estudio es Lima Metropolitana, ya que se busca evaluar la calidad del aire en el año 2017, en base a todas las Estaciones de Monitoreo de Calidad del Aire existentes - EMA. Según información proporcionada por el Servicio Nacional de Meteorológica e Hidrología del Perú - Senamhi, Lima Metropolitana cuenta con un total de 10 Estaciones de Monitoreo de Calidad del Aire en todos sus distritos
El área total de Lima Metropolitana es de 2,819 km² y el área total de todos los distritos que cuentan con una estación de calidad del aire es de 839 km², lo cual representa un 29.7% del área en estudio.
En la Fig.2 se observa los distritos de Lima Metropolitana y aquellas que cuentan con estaciones de calidad del aire.
En la TABLA Ise muestra las coordenadas y códigos de las estaciones de monitoreo de la calidad del aire que maneja el Senamhi10, así como las abreviaciones utilizadas para cada distrito que cuenta con una de estas estaciones.
3.1 APLICACIÓN DEL MÉTODO CTWF
El cálculo usado para el estudio del caso se basa en el método CTWF, mediante los procedimientos mostrados:
Paso 1: Se establece el estándar e Índice de Calidad Ambiental y los datos de calidad de aire a clasificar.
La Organización Mundial de Salud define los parámetros internacionales que no deberían de excederse para evitar un impacto negativo en la salud humana, la vegetación, los edificios, monumentos, sitios de patrimonio histórico, etc. Las ciudades u otras entidades internacionales igualmente pueden definir parámetros locales como límites para no excederlos siempre y cuando exista un sustento adecuado. En este caso, se tomaron los límites proporcionados por la Unión Europea (UE), ya que brinda un índice para datos de calidad del aire anuales.
Al igual que el índice horario y diario, el Índice de Calidad del Aire promedio Anual (YACAQI) es calculado para gestiones en sitios urbanizados de la ciudad cuando existe una carencia de datos. Esto implica que los índices resultantes no necesariamente reflejan una imagen completa y equilibrada de una ciudad. Los índices de los indicadores de Calidad Ambiental se calculan como se muestra en la TABLA II 11.
En la TABLA III se observa la clasificación del nivel de contaminación en base a la estandarización del índice de calidad ambiental propuesto por la UE: Muy buena calidad (λ1), Buena calidad (λ2), Mala calidad (λ3), Muy mala calidad (λ4).
Al conocer los valores que propone la UE, se busca el punto central de los intervalos y posteriormente se adimensionan los parámetros para poder realizar los cálculos que la metodología del Análisis de Grey Clustering exige, resultado de eso se observa en la TABLA IV.
En la TABLA V se presenta el promedio anual correspondiente al año 2017, de los datos de monitoreo de la calidad del aire en 10 estaciones de monitoreo de calidad del aire del Senamhi10.
Nota: Resultados del monitoreo de las estaciones de calidad del aire durante el año 2017, información Senamhi10.
En la TABLA VI se presenta los datos adimensionados del monitoreo de la calidad del aire, estos parámetros son aquellos que serán evaluados y clasificados el Índice de Calidad del Aire promedio Anual propuesto por la UE.
Nota: Se dimensionó los resultados del monitoreo de calidad del aire durante el año 2017 tal como se especifica en la metodología.
Paso 2: Los valores de la TABLA IV se sustituyeron en las ecuaciones (1), (2) y (3), con la finalidad de obtener las funciones de whitenizacion en las 4 clasificaciones grey.
Posteriormente se evaluó los datos de la TABLA VI en las funciones de whitenizacion, dando como resultado los valores observados en las TABLA VIII, IX, X, XI, XII, XIII, XIV, XV, XVI y XVII.
Paso 3: Tomando como base los valores de la TABLA IV, se determinó los valores de la TABLA VII, la cual muestra los pesos clustering (nij) de cada parámetro del Índice de Calidad Ambiental propuesto por la UE mediante el uso de la ecuación (4).
Paso 4: En las TABLA VIII, IX, X, XI, XII, XIII, XIV, XV, XVI y XVII.
Se observa el resultado de calcular los coeficientes de cluster para cada punto de monitoreo ubicado en 10 distritos diferentes, mediante el uso ecuación (5).
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en SMP.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en SB.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en SA.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en ATE.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en JM.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en CAR.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en HUA.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en PP.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en SJL.
Nota: Se calculó los coeficientes de cluster según las funciones de whitenización del PM10, PM2.5, SO2 y N02 en VMT.
Paso 5: Por último, se maximiza los coeficientes (ver pdf), la cual determina a que clase grey pertenece cada punto de monitoreo y que calidad del aire tiene cada distrito, los resultados se observan en la TABLA XVIII.
4. RESULTADOS Y DISCUSIONES
El resultado de la evaluación de la calidad del aire de los 10 distritos nos permite realizar una jerarquía de la calidad de aire según el índice propuesto por la Unión Europea, la cual se muestra en una relación de mayor calidad a menor calidad del aire:
ATE > HUA > SJL > SA > PP > SB > CM > CAR > VMT > SMP
En donde el distrito con mayor contaminación atmosférica de Lima Metropolitana para el año 2017 es Ate Vitarte y el menos contaminado, el distrito de San Martín de Porres.
En el caso de Carabayllo la información obtenida no es precisa, ya que al no registrar datos de PM 2.5 en su estación respectiva, se considera una generación de PM 2.5 = 0 μg⁄m^3 lo cual interfiere y hace que se obtenga como resultado una muy buena calidad del aire, por esta razón no se toma en cuenta para una interpretación general de la situación actual de la calidad del aire en Lima Metropolitana.
En base a estos resultados de las estaciones de calidad del aire se puede inferir que la mayor cantidad del territorio de Lima Metropolitano tiene problemas de calidad del aire, los cuales llegan a ser muy serios por presentar una muy mala calidad de esta.
CONCLUSIONES
La metodología de Análisis de Grey Clustering determino la calidad del aire en 10 distritos de Lima metropolitana mediante una clasificación adecuada de cada parámetro y una posterior integración de estos; además de considerar la incertidumbre presente en el ambiente en el desarrollo de su análisis, a diferencia de otros métodos como el estadístico y los propuestos por la Environment Protecting Agency-EPA.
El diagnóstico permitirá que la sociedad en general y municipalidades tengan como resultado un instrumento técnico de análisis objetivo e integral, que brinde resultados fáciles de interpretar y permita enfocar los principales contaminantes persistentes en el medioambiente a nivel nacional, regional y local.
Los resultados obtenidos proyectan presentarse al Senamhi, con la finalidad de desarrollar un instrumento para la gestión de la Calidad del Aire que permita su protección y vigilancia.