SciELO - Scientific Electronic Library Online

 
vol.22 número1Cepas de Yarrowia lipolytica, aisladas de lagunas altoandinas del Perú contaminadas con relaves mineros, como potenciales agentes para la biorremediación de metales pesadosEl control natural de Stenoma catenifer Walsimgham en el cultivo del palto Persea americana Mill. en Chanchamayo, Perú índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

Compartir


Ecología Aplicada

versión impresa ISSN 1726-2216

Ecol. apl. vol.22 no.1 Lima ene./jul. 2023  Epub 24-Jul-2023

http://dx.doi.org/10.21704/rea.v22i1.850 

Artículos originales

Análisis temporal de los contaminantes atmosféricos (NO2, O3 troposférico y CO) y su relación con la temperatura del aire y la radiación solar en Lima Metropolitana

Temporal analysis of air pollutants (NO2, ground-level O3, and CO) and their relationship to air temperature and solar radiation in Lima Metropolitana

Orlando Fernando Benites-Morales1 
http://orcid.org/0000-0001-9518-3732

Sergio Artemio Pacsi-Valdivia2 
http://orcid.org/0000-0003-4262-0593

1 INSIDEO S.A.C. Av. Primavera 643, int. S103 / Santiago de Surco / Lima / Perú. fernandobenitesm@outlook.com.

2 Departamento de Ingeniería Ambiental / Universidad Nacional Agraria La Molina. Av. La Universidad s/n / La Molina / Lima / Perú. spv@lamolina.edu.pe.

Resumen

El presente estudio comprende el análisis temporal de los niveles de NO2, CO y O3 troposférico acontecidos en Lima Metropolitana entre los años 2015 al 2018, y su relación entre sí y con la temperatura del aire y la radiación solar. Para ello, se desarrollaron análisis temporales descriptivos, correlacionales y de regresión empleando información horaria registrada en diferentes zonas que componen la ciudad. Se advirtió que los niveles de los gases evaluados se encontraron principalmente por debajo de la normativa peruana y los valores guía establecidos por la Organización Mundial de la Salud, por lo que su influencia en la salud de la población no fue relevante. El comportamiento horario de estos gases fue bimodal y estuvo influenciado por el tráfico vehicular para el NO2 y el CO, y por la radiación solar para el O3 troposférico; aunque, posiblemente este último también haya estado influenciado por su desplazamiento nocturno. En el comportamiento diario se evidenció el denominado “efecto fin de semana”. El análisis correlacional indicó un comportamiento homogéneo de los parámetros entre las zonas evaluadas; y se observó una clara correlación negativa entre el CO con el O3 troposférico y una clara correlación positiva entre el NO2 con el CO y entre los parámetros meteorológicos con el NO2 y con el O3 troposférico. Finalmente, se generaron modelos de regresión lineal múltiple que estimaron adecuadamente los valores históricos de O3 troposférico.

Palabras clave: NO2; CO; O3 troposférico; temperatura del aire; radiación solar; tráfico vehicular; análisis temporal; Lima Metropolitana

Abstract

This study includes the temporal analysis of the levels of NO2, CO, and ground-level O3 measured in Lima Metropolitana between the years 2015 to 2018 and the relationship between them and with air temperature and solar radiation. For this, descriptive, correlational, and regression temporal analyzes were carried out using hourly records taken in different areas of the city. The levels of the gases evaluated were mainly below the Peruvian regulations and the World Health Organization's air quality guidelines, so their influence on the health of the population was not relevant. The hourly levels of these gases were bimodal and were influenced by vehicular traffic for NO2 and CO, and by solar radiation for ground-level O3; although, the latter may also have been influenced by its nocturnal movement. Daily behavior showed the so-called "weekend effect". The correlation analysis indicated a homogeneous behavior of the parameters between the evaluated areas; plus, there was a negative correlation between CO and ground-level O3. Furthermore, there was a positive correlation between NO2 and CO; and between the meteorological factors with NO2 and ground-level O3. Finally, multiple linear regression models were generated that adequately estimated the historical values of ground-level O3.

Key words: NO2; CO; ground-level O3; air temperature; solar radiation; vehicular traffic; temporal analysis; Lima Metropolitana area

Introducción

Los óxidos de nitrógeno (NOX = NO + NO2), el monóxido de carbono (CO) y el ozono (O3) troposférico son contaminantes atmosféricos gaseosos que suelen ser evaluados de manera conjunta. Conforme con Cichowicz & Stelegowski (2019), estos desarrollan entre sí una compleja dinámica atmosférica, la cual toma relevancia especialmente en áreas urbanizadas. El O3 troposférico interactúa con el dióxido de nitrógeno (NO2) y el monóxido de nitrógeno (NO) en un conjunto de reacciones de formación y destrucción catalizadas por la energía solar, el cual fue denominado por Leighton (1961) como “el estado fotoestacionario”. Debido a que tales reacciones establecen un ciclo nulo (es decir, no permite un aumento o disminución neta de ninguna de las moléculas), estudios como el de Monks et al. (2015) señalan que el incremento en la concentración ambiental de O3 troposférico responde al uso de precursores tales como el CO, metano (CH4) e hidrocarburos no metánicos (HCNM) en presencia de los NOX.

Alrededor del mundo, se han llevado a cabo gran cantidad de estudios relacionados con la dinámica entre los NOX, el CO, el O3 troposférico y los parámetros meteorológicos. Frecuentemente, en las ciudades estudiadas se evidencia una relación directa entre las concentraciones de NOX y CO, debido a que estos gases son emitidos directamente por el parque automotor, e inversa entre los niveles de ambos contaminantes y la concentración de O3 troposférico, pues estos funcionan como sus precursores (Roberts-Semple et al., 2012; Kovač-Andrić et al., 2013; Tumwitike et al., 2014; Kalbarczyk et al., 2015; Szep et al., 2016; Wang et al., 2019). La temperatura del aire y la radiación solar suelen tener una relación directa con las concentraciones de O3 troposférico e inversa con las de NOX y CO, ya que tales parámetros meteorológicos fomentan las reacciones de formación del O3 troposférico y, por lo mismo, el consumo de sus precursores (es decir, de contaminantes como los NOX y el CO) (Ocak & Turalioglu, 2008; Kalbarczyk et al., 2015; Szep et al., 2016; Gasmi et al., 2017). Asimismo, es común observar una dinámica opuesta entre la humedad relativa y estos gases en comparación con la de la temperatura del aire, puesto que la humedad relativa suele disminuir conforme la temperatura del aire asciende (Wallace & Kanaroglou, 2009); y dado que niveles altos de humedad relativa suelen indicar una alta inestabilidad atmosférica, alta abundancia de nubes y mayor intensidad de deposición húmeda, lo cual se relaciona a su vez con menores niveles de O3 troposférico (Liu et al., 2020; Zoran et al., 2020). Adicionalmente, parámetros como la velocidad del viento tienden a presentar una relación inversa con los de NOX y CO, y directa con los niveles de O3 troposférico, debido a que el viento intenso promueve la dispersión de gases como el NO2, lo cual bajo ciertas circunstancias fomenta la formación del O3 troposférico (Ocak & Turalioglu, 2008; Jones et al., 2010; Roberts-Semple et al., 2012; Kovač-Andrić et al., 2013; Agudelo-Castaneda et al., 2014; Kalbarczyk et al., 2015; Gasmi et al., 2017; Wang et al., 2019).

En específico para Lima Metropolitana, si bien el Servicio Nacional de Meteorología e Hidrología (SENAMHI) publica informes mensuales sobre los niveles de contaminantes atmosféricos tales como el NO2, el CO y el O3 troposférico elaborados a partir de los registros de sus diferentes estaciones de calidad del aire ubicadas en dicha ciudad, estos no incluyen como parte de su alcance una explicación profunda de la dinámica de tales parámetros a nivel local ni de su relación con los parámetros meteorológicos, lo cual cobra importancia para la elaboración de futuros planes de acción para el mejoramiento de la calidad del aire de la ciudad. En este sentido, el presente estudio buscó caracterizar el comportamiento temporal de los NOX (utilizando como indicador al NO2), el CO y el O3 troposférico, analizar la relación existente entre estos gases y los parámetros meteorológicos y conocer la influencia de todos estos sobre los niveles horarios de O3 troposférico ocurrido entre los años 2015 al 2018 en Lima Metropolitana.

Materiales y métodos

El estudio se desarrolló en Lima Metropolitana, capital de la región Lima y de Perú, la cual por su extensión suele ser dividida en cuatro zonas: zona norte, zona centro, zona este y zona sur (Figura 1). Esta ciudad costera posee una extensión total de aproximadamente 2 819 km2 y alberga a casi el 27% de la población del país con un aproximado de 8.57 millones de habitantes, de los cuales el 99.9% corresponde a población urbana (INEI, 2018). Geográficamente, se sitúa en la costa central del Perú y limita por el oeste con el océano Pacífico y por el este con las estribaciones de la cordillera de los Andes. Asimismo, cuenta con un clima desértico subtropical con una temperatura ambiental que oscila entre 12 en invierno y 28 °C en verano, y una humedad relativa que varía entre 80 y 100% durante todo el año (Ramos & Meza, 2017).

Figura 1 Ubicación de Lima Metropolitana y de las estaciones de monitoreo utilizadas. 

Se utilizó información horaria (i.e. promedios cada 60 minutos) de NO2, O3 troposférico, CO, temperatura del aire y radiación solar registrada entre los años 2015 al 2018 por el SENAMHI y por el Instituto Metropolitano Protransporte de Lima (PROTRANSPORTE) en sus diferentes estaciones de monitoreo de calidad del aire ubicadas en las cuatro zonas que componen a Lima Metropolitana. Así, como se observa en la Figura 1, la estación Carabayllo (CRB) fue utilizada como representativa para la zona norte; la estación Campo de Marte (CDM) y complementariamente la información de radiación solar de la estación SAT (SAT), para la zona centro; la estación Santa Anita (STA) y complementariamente la información de temperatura del aire y de radiación solar de la estación Ate (ATE), para la zona este; y la estación Villa María del Triunfo (VMT), para la zona sur.

La metodología para el análisis de los registros horarios del NO2, O3 troposférico, CO, temperatura del aire y radiación solar consistió en i) un preprocesamiento de la información disponible, donde se calcularon sus medidas de tendencia central; ii) un análisis temporal cualitativo, en el cual se observó el comportamiento temporal de los parámetros evaluados; iii) un análisis de correlación de Spearman de los registros de un mismo parámetro en las cuatro zonas evaluadas y un análisis de correlación de Spearman de los registros de los parámetros evaluados para una misma zona; y iv) un análisis de regresión lineal múltiple por zona utilizando al O3 troposférico como variable dependiente y al resto de parámetros como variables independientes o predictoras. Cabe precisar que, para el análisis de correlación se utilizó el coeficiente de Spearman y no el coeficiente de Pearson, dado que las distribuciones de datos relacionados con la calidad del aire no suelen ajustarse a una distribución normal (Jaffar et al., 2018).

Resultados y discusión

Las medidas de tendencia central obtenidas para los parámetros evaluados se presentan en la Tabla 1. La concentración horaria promedio varió entre 18.21 µg/m3 en la zona sur y 23.96 µg/m3 en la zona centro para el NO2, 11.88 µg/m3 en la zona este y 18.1 µg/m3 en la zona norte para el O3 troposférico, y 435.17 µg/m3 en la zona centro y 864.2 µg/m3 en la zona este para el CO. Asimismo, el periodo de evaluación contó principalmente con niveles de estos gases por debajo de los valores guía vigentes establecidos por la Organización Mundial de la Salud (2021) de 200 µg/m3 promedio en 1 hora para el NO2, 30 000 µg/m3 promedio en 1 hora para el CO, 100 µg/m3 promedio en 8 horas continuas para el O3 troposférico y 10 000 µg/m3 promedio en 8 horas continuas para el CO, los cuales coinciden con sus correspondientes Estándares Nacionales de Calidad Ambiental vigentes. Esto último se aprecia en que la máxima concentración horaria registrada fue de 162.1 µg/m3 en la zona centro para el NO2 y 3 985.9 µg/m3 en la zona este para el CO, mientras que la máxima concentración promedio cada 8 horas continuas fue de 95.68 µg/m3 en la zona norte para el O3 troposférico y 2 696.29 µg/m3 en la zona este para el CO.

Tabla 1. Descriptores estadísticos básicos. 

TA = Temperatura del aire (°C), RS = Radiación solar (W/m2), D.S. = Desviación estándar.

La Figura 2 muestra el comportamiento horario de los parámetros evaluados. Los gases presentaron dos valores máximos durante el día (es decir, un “comportamiento bimodal”). Para el caso del NO2 y del CO, estos valores máximos se relacionan con las horas de máxima congestión vehicular, dado que el parque automotor es una fuente de generación importante de estos gases contaminantes en ambientes urbanos (Jang et al., 2017). Para el caso del O3 troposférico, el valor máximo que ocurre en la tarde se relaciona con la mayor cantidad de reacciones fotoquímicas de generación de O3 que sucede momentos después de las horas de máxima radiación solar (es decir, luego del mediodía) (Roberts-Semple et al., 2012). Por su parte, el valor máximo de O3 troposférico que ocurre en la mañana puede relacionarse con: el transporte horizontal del O3 troposférico a partir de otras localidades cercanas, la reinyección de O3 atrapado en capas elevadas de la troposfera (Steinberger & Ganor, 1980), los bajos niveles de NO nocturnos (Awang et al., 2015) y la cercanía del área evaluada con el borde costero (Zhang et al., 2019). De estos resultados, y junto con las medidas de tendencia central mostradas previamente, se puede evidenciar que los gases evaluados no presentaron un riesgo relevante sobre la salud de la población conforme con los valores guía vigentes establecidos por la Organización Mundial de la Salud (2021) y la normativa peruana vigente.

Figura 2 Comportamiento promedio horario de los parámetros evaluados por zonas. 

En la Figura 3 se presenta el comportamiento diario de los parámetros evaluados. Los gases presentaron niveles similares durante todos los días de la semana, salvo por los fines de semana donde hubo un evidente incremento en los niveles de O3 troposférico y una disminución en los niveles de NO2 y CO, lo cual es denominado como el “efecto fin de semana”. Esto último ocurre debido a que durante los fines de semana disminuyen los niveles de tráfico vehicular, lo cual genera una disminución de los niveles de CO y NO2, y la disminución de este último gas permite una mayor concentración de radicales hidroxilos (•OH), los cuales funcionan como intermediarios en las reacciones fotoquímicas de generación de O3 (Wang et al., 2012; Gasmi et al., 2017; Alghamdi et al., 2019; Sicard et al., 2020).

Figura 3 Comportamiento promedio diario de los parámetros evaluados por zonas. 

En cuanto al comportamiento estacional, en la Figura 2 y Figura 3 se aprecia que, para la zona norte, los niveles de O3 troposférico fueron mayores durante el verano y los de NO2 y CO, mayores durante el invierno, lo cual se puede relacionar con la mayor y menor cantidad de reacciones fotoquímicas de generación de O3 que sucede durante el verano y el invierno, respectivamente (Wang et al., 2012). Además, para la zona este y zona sur, los niveles de O3 troposférico y CO fueron mayores durante el invierno, posiblemente debido a la mayor intensidad de la capa de inversión térmica que ocurre en Lima Metropolitana durante esos meses, similar a lo visto en otros estudios (Feng et al., 2020).

El resultado del análisis de correlación de Spearman entre zonas es presentado en la Tabla 2. En el verano, invierno y para el promedio anual se observó una alta correlación positiva entre las diferentes zonas evaluadas. Esto indica una tendencia homogénea de los gases entre tales zonas a lo largo del día, lo cual podría deberse a que estos son generados desde fuentes de emisión similares (Castellano et al., 2009).

Tabla 2. Matrices de coeficientes de correlación de Spearman entre zonas. 

De color rojo, coeficientes de correlación durante el verano. De color negro, coeficientes de correlación anuales. De color azul, coeficientes de correlación durante el invierno. Los símbolos "*", "**" y "***" indican que el coeficiente de correlación obtuvo un p-value menor a 0.1, 0.05 y 0.01, respectivamente.

En la Tabla 3 se resume el resultado del análisis de correlación de Spearman entre parámetros. En general, se encontró que los niveles de O3 troposférico con los de CO poseen una correlación negativa, salvo en la zona sur y principalmente en el invierno, y que los niveles de O3 troposférico con los de NO2 presentan una correlación positiva durante el verano en la zona norte, zona este y zona sur y una correlación negativa durante el invierno en la zona centro, posiblemente debido a que existe una mayor influencia del CO como precursor del O3 troposférico, similar a lo visto en otros estudios (Kovač-Andrić et al., 2013; Agudelo-Castaneda et al., 2014; Ismail et al., 2016). Por otro lado, salvo durante el verano en la zona este, en todas las zonas se observó una correlación positiva entre los niveles de NO2 con los de CO, lo cual posiblemente fue causado debido a que ambos gases comparten al parque automotor como fuente de emisión y a que el CO influencia la oxidación del NO a NO2 ((Kovač-Andrić et al., 2013; Tumwitike et al., 2014; Wang et al., 2019). Asimismo, salvo durante el inverno en la zona centro, en todas las zonas se obtuvo una correlación positiva entre los niveles de O3 troposférico con los parámetros meteorológicos, debido a que estos últimos permiten las reacciones fotoquímicas de generación de O3 ((Kovač-Andrić et al., 2013). Mientras que, salvo durante el invierno en la zona centro, se encontró una correlación positiva entre los parámetros meteorológicos con los niveles de NO2 de menor magnitud en comparación que con los obtenidos para el O3 troposférico; y, salvo durante el invierno en la zona centro y zona sur, no se halló una correlación significativa entre los parámetros meteorológicos con los niveles de CO, dado que el comportamiento de estos gases responde principalmente a los niveles de tráfico vehicular ((Kovač-Andrić et al., 2013; Gasmi et al., 2017).

Tabla 3. Matrices de coeficientes de correlación de Spearman entre parámetros. 

De color rojo, coeficientes de correlación durante el verano. De color negro, coeficientes de correlación anuales. De color azul, coeficientes de correlación durante el invierno. Los símbolos "*", "**" y "***" indican que el coeficiente de correlación obtuvo un p-value menor a 0.1, 0.05 y 0.01, respectivamente.

Finalmente, en la Tabla 4 y Figura 4 se puede apreciar que los niveles horarios de NO2, CO, temperatura del aire y radiación solar estiman de manera adecuada los niveles horarios de O3 troposférico, con coeficientes de determinación (R2) ajustados próximos a la unidad. El uso de tales parámetros como variables independientes se ha observado en otros estudios (Castellano et al., 2009; Ghazali et al., 2010; Jaioun et al., 2014) en los cuales también se obtuvieron R2 elevados. Cabe mencionar que, la correlación existente entre las variables independientes de los modelos de regresión lineal múltiple diseñados se puede deber al incumplimiento de la “no colinealidad” (Frost, 2019), lo que ocasiona, por ejemplo, coeficientes lineales negativos para la temperatura del aire (β3) o positivos para el NO2 (β1), lo cual no refleja necesariamente el tipo de influencia de estos parámetros sobre los niveles de O3 troposférico.

Tabla 4. Coeficientes de los modelos de regresión lineal múltiple. 

Zona Estación Coeficiente
β0 β1 (NO2) β2 (CO) β3 (TA) β4 (RS) R2 ajustado
Norte Verano -25.69 -0.18 -0.01 1.67 0.06 0.99
Anual -26.88 -0.35 -0.01 2.65 0.06 1.00
Invierno -49.51 -0.94 -0.02 5.81 0.03 0.99
Centro Verano 19.98 -0.26 0.00 -0.44 0.03 0.98
Anual 25.96 0.26 -0.03 -0.5 0.04 0.95
Invierno 38.26 -0.01 -0.06 -0.03 0.07 0.81
Este Verano -18.05 -0.18 -0.01 1.33 0.04 0.98
Anual -1.41 -0.5 0.00 1.04 0.04 1.00
Invierno -5.9 -1.16 0.00 2.55 0.04 0.99
Sur Verano -8.04 0.18 -0.01 0.81 0.02 0.99
Anual -19.1 -0.66 0.00 2.23 0.02 0.99
Invierno -57.33 -1.29 0.00 5.87 0.00 0.97

TA = Temperatura del aire (°C), RS = Radiación solar (W/m2).

Figura 4 Valores históricos frente a valores estimados por los modelos de regresión lineal múltiple para el O3 troposférico. 

Conclusiones

Entre los años 2015 al 2018, en Lima Metropolitana se registraron niveles adecuados de NO2, CO y O3 troposférico con respecto a la normativa peruana y a los valores guías vigentes hasta el momento de la Organización Mundial de la Salud. Estos gases presentaron un “comportamiento horario bimodal” relacionado especialmente con los niveles de tráfico vehicular para el NO2 y el CO y con la radiación solar para el O3 troposférico; se evidenció el “efecto fin de semana” para sus comportamientos diarios y no presentaron un comportamiento estacional claro. Las cuatro zonas de la ciudad tuvieron una tendencia homogénea de los gases evaluados a lo largo del día; y se evidenció i) una clara correlación negativa entre el O3 troposférico y el CO, ii) una clara correlación positiva entre el NO2 y el CO, iii) una clara correlación positiva entre los parámetros meteorológicos evaluados (temperatura del aire y radiación solar) y el O3 troposférico y iv) una clara correlación positiva entre los parámetros meteorológicos evaluados y el NO2. Por último, se diseñaron modelos de regresión lineal múltiples que estimaron de manera adecuada los niveles horarios de O3 troposférico utilizando como variables predictoras al NO2, CO, temperatura del aire y radiación solar.

Agradecimientos

Este trabajo no hubiese podido ser realizado sin el apoyo del SENAMHI y el PROTRANSPORTE, quienes brindaron los registros horarios de los parámetros evaluados.

Literatura citada

Agudelo-Castaneda D.M., Teixeira E.C. & Pereira F.N. 2014. Time-series analysis of surface ozone and nitrogen oxides concentrations in an urban area at Brazil. Atmospheric Pollution Research, 5(3): 411-420. DOI https://doi.org/10.5094/APR.2014.048. [ Links ]

Alghamdi M.A., Al-Hunaiti A., Arar S., Khoder M., Abdelmaksoud A.S., Al-Jeelani H., Lihavainen H., Hyvärinen A., Shabbaj I.I., Almehmadi F.M., Zaidan M.A., Hussein T. & Dada L. 2019. A Predictive Model for Steady State Ozone Concentration at an Urban-Coastal Site. International Journal of Environmental Research and Public Health, 16(2): art. 258. DOI https://doi.org/10.3390/ijerph16020258. [ Links ]

Awang N.R., Ramli N.A., Yahaya A.S. & Elbayoumi M. 2015. High Nighttime Ground-Level Ozone Concentrations in Kemaman: NO and NO2 Concentrations Attributions. Aerosol and Air Quality Research, 15(4): 1357-1366. DOI: https://doi.org/10.4209/aaqr.2015.01.0031. [ Links ]

Castellano M., Franco A., Cartelle D., Febrero-Bande M. & Roca E. 2009. Identification of NOx and Ozone Episodes and Estimation of Ozone by Statistical Analysis. Water, Air, and Soil Pollution, 198: 95-110. DOI https://doi.org/10.1007/s11270-008-9829-2. [ Links ]

Cichowicz R. & Stelegowski A. 2019. Average Hourly Concentrations of Air Contaminants in Selected Urban, Town, and Rural Sites. Archives of Environmental Contamination and Toxicology, 77: 197-213. DOI https://doi.org/10.1007/s00244-019-00627-8. [ Links ]

Feng X., Wei S. & Wang S. 2020. Temperature inversions in the atmospheric boundary layer and lower troposphere over the Sichuan Basin, China: Climatology and impacts on air pollution. Science of the Total Environment, 726: 138579. DOI https://doi.org/10.1016/j.scitotenv.2020.138579. [ Links ]

Frost J. 2019. Regression Analysis: An Intuitive Guide for Using and Interpreting Linear Models. First edition. Statistics By Jim Publishing, State Collage, Pennsylvania. https://statisticsbyjim.com/regression/. [ Links ]

Gasmi K., Aljalal A., Al-Basheer W. & Abdulahi M. 2017. Analysis of NOx, NO and NO2 ambient levels in Dhahran, Saudi Arabia. Urban Climate, 21: 232-242. DOI https://doi.org/10.1016/j.uclim.2017.07.002. [ Links ]

Ghazali N.A., Ramli N.A., Yahaya A.S., Yusof N.F., Sansuddin N. & Al Madhoun W.A. 2010. Transformation of nitrogen dioxide into ozone and prediction of ozone concentrations using multiple linear regression techniques. Environmental Monitoring and Assessment, 165: 475-489. DOI https://doi.org/10.1007/s10661-009-0960-3. [ Links ]

INEI (Instituto Nacional de Estadística e Informática). 2018. Censos Nacionales 2017: XII de Población, VII de Vivienda y III de Comunidades Indígenas. Perfil Sociodemográfico, Informe Nacional. INEI. Lima, Perú. https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1539/libro.pdf. [ Links ]

Ismail M., Abdullah S., Yuen F.S. & Ghazali N.A. 2016. A Ten Year Investigation on Ozone and It Precursors at Kemaman, Terengganu, Malaysia. EnvironmentAsia, 9(1): 1-8. DOI https://doi.org/10.14456/ea.1473.1. [ Links ]

Jaffar M.I., Hamid H.A., Yunus R. & Raffee A.F. 2018. Fitting Statistical Distribution on Air Pollution: An Overview. International Journal of Engineering & Technology, 7: 40-44. DOI https://doi.org/10.14419/ijet.v7i3.23.17256. [ Links ]

Jaioun K., Saithanu K. & Mekparyup J. 2014. Multiple Linear Regression Model to Estimate Ozone concentration in Chonburi, Thailand. International Journal of Applied Environmental Sciences, 9(4): 1305-1308. https://www.ripublication.com/ijaes3/ijaesv9n4_25.pdf. [ Links ]

Jang E., Do W., Park G., Kim M. & Yoo E. 2017. Spatial and temporal variation of urban air pollutants and their concentrations in relation to meteorological conditions at four sites in Busan, South Korea. Atmospheric Pollution Research, 8(1): 89-100. DOI https://doi.org/10.1016/j.apr.2016.07.009. [ Links ]

Jones A.M., Harrison R.M. & Baker J. 2010. The wind speed dependence of the concentrations of airborne particulate matter and NOx. Atmospheric Environment, 44(13): 1682-1690. DOI https://doi.org/10.1016/j.atmosenv.2010.01.007. [ Links ]

Kalbarczyk R., Kalbarczyk E., Niedźwiecka-Filipiak I. & Serafin L. 2015. Ozone Concentration at Ground Level Depending on the Content of NOx and Meteorological Conditions. Ecological Chemistry and Engineering S., 22(4): 527-541. Published Online: 21 Jan 2016. DOI https://doi.org/10.1515/eces-2015-0031. [ Links ]

Kovač-Andrić E., Radanović T., Topalović I., Marković B. & Sakač N. 2013. Temporal variations in concentrations of ozone, nitrogen dioxide, and carbon monoxide at Osijek, Croatia. Advances in Meteorology, 2013: Article ID 469786. DOI https://doi.org/10.1155/2013/469786. [ Links ]

Leighton P. 1961. Photochemistry of Air Pollution. 1st edition. -Physical Chemistry: A Series of Monographs, Edited by Hutchinson Eric and Rysselberghe Van. Academic Press. New York, New York.https://openlibrary.org/books/OL5825045M/Photochemistry_of_air_pollution. [ Links ]

Liu P., Song H., Wang T., Wang F., Li X., Miao C. & Zhao H. 2020. Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities. Environmental Pollution, 262(2020): art. 114366. DOI https://doi.org/10.1016/j.envpol.2020.114366. [ Links ]

Monks P.S., Archibald A.T., Colette A., Cooper O., Coyle M., Derwent R., Fowler D., Granier C., Law K.S., Mills G.E., Stevenson D.S., Tarasova O., Thouret V., von Schneidemesser E., Sommariva R., Wild O. & Williams M.L. 2015. Tropospheric ozone and its precursors from the urban to the global scale from air quality to short-lived climate forcer. Atmospheric Chemistry and Physics, 15(15): 8889-8973. DOI https://doi.org/10.5194/acp-15-8889-2015. [ Links ]

Ocak S. & Turalioglu F.S. 2008. Effect of Meteorology on the Atmospheric Concentrations of Traffic-Related Pollutants in Erzurum, Turkey. Journal of International Environmental Application and Science, 3: 325-335. [ Links ]

Organización Mundial de la Salud. 2021. Guías globales de calidad del aire de la OMS. OMS, Copenhagen, Denmark. [ Links ]

Ramos R. & Meza V. 2017. Efectos de algunos factores meteorológicos sobre la concentración de esporas de hongos en la plaza San Martín de Lima. Ecología Aplicada, 16(2): 143-149. DOI http://dx.doi.org/10.21704/rea.v16i2.1018. [ Links ]

Roberts-Semple D., Song F. & Gao Y. 2012. Seasonal characteristics of ambient nitrogen oxides and ground-level ozone in metropolitan northeastern New Jersey. Atmospheric Pollution Research, 3(2): 247-257. DOI https://doi.org/10.5094/APR.2012.027>. [ Links ]

Sicard P., Paoletti E., Agathokleous E., Araminienė V., Proietti C., Coulibaly F. & De Marco A. 2020. Ozone weekend effect in cities: Deep insights for urban air pollution control. Environmental Research, 191: 110193. DOI https://doi.org/10.1016/j.envres.2020.110193. [ Links ]

Steinberger E.H. & Ganor E. 1980. High Ozone Concentrations at Night in Jerusalem and Tel-Aviv. Atmospheric Environment , 14(2): 221-225. DOI https://doi.org/10.1016/0004-6981(80)90281-4. [ Links ]

Szep R., Matyas L., Keresztes R. & Ghimpusan M. 2016. Tropospheric Ozone Concentrations - Seasonal and Daily Analysis and its Association with NO and NO2 as Function of NOx in Ciuc Depression - Romania. Revista de Chimie, 67(2): 205-213. http://bch.ro/pdfRC/SZEP%20R%202%2016.pdf. [ Links ]

Tumwitike H.W., Tenthani C., Tskama M. & Mphangwe I. 2014. Air quality assessment of carbon monoxide, nitrogen dioxide and sulfur dioxide levels in Blantyre, Malawi: a statistical approach to a stationary environmental monitoring station. African Journal of Environmental Science and Technology, 8(6): 330-343. https://doi.org/10.5897/AJEST2014.1696. [ Links ]

Wallace J. & Kanaroglou P. 2009. The effect of temperature inversions on ground-level nitrogen dioxide (NO2) and fine particulate matter (PM2.5) using temperature profiles from the Atmospheric Infrared Sounder (AIRS). Science of the Total Environmentm, 407(18): 5085-5095. DOI https://doi.org/10.1016/j.scitotenv.2009.05.050. [ Links ]

Wang L., Wang J., Tan X. & Fang C. 2019. Analysis of NOx Pollution Characteristics in the Atmospheric Environment in Changchun City. Atmosphere, 11(1): article 30. DOI https://doi.org/10.3390/atmos11010030. [ Links ]

Wang X., Shen Z., Cao J., Zhang L., Liu L., Li J., Liu S. & Sun Y. 2012. Characteristics of surface ozone at an urban site of Xi’an in Northwest China. Journal of Environmental Monitoring, 14(1): 116-126. DOI https://doi.org/10.1039/c1em10541h. [ Links ]

Zhang J., Wang C., Qu K., Ding J., Shang Y., Liu H. & Wei M. 2019. Characteristics of Ozone Pollution, Regional Distribution and Causes during 2014-2018 in Shandong Province, East China. Atmosphere, 10(9): article 501. DOI https://doi.org/10.3390/atmos10090501. [ Links ]

Zoran M.A., Savastru R.S., Savastru D.M. & Tautan M.N. 2020. Assessing the relationship between ground levels of ozone (O3) and nitrogen dioxide (NO2) with coronavirus (COVID-19) in Milan, Italy. Science of the Total Environment, 740(2020): art. 140005. DOI https://doi.org/10.1016/j.scitotenv.2020.140005. [ Links ]

Recibido: 03 de Octubre de 2022; Aprobado: 08 de Mayo de 2023

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons