Análisis de la salud forestal asociada a las concentraciones de PM 2,5 en Medellín a escala barrial

Abstract

RESUMEN: La salud forestal es un indicador usado para evaluar el desempeño de los bosques y su oferta de servicios ambientales, que ha sido estudiado con distintas metodologías como la teledetección, que permite comprender el comportamiento de estos ecosistemas a diferentes escalas temporales y espaciales a través de imágenes satelitales. El material particulado (PM2.5) se ha constituido como uno de los contaminantes críticos en materia de salud pública pues se ha demostrado la asociación entre la exposición a este contaminante con una gran carga de morbimortalidad en las personas. En las urbes, un buen indicador de salud forestal se asocia con mejores condiciones de vida y habitabilidad. Este trabajo busca establecer la relación entre las concentraciones de PM2.5 y cuatro índices de salud forestal (GI, NDVI, NDWI y SAVI) y determinar cuáles son las zonas con peor desempeño forestal en Medellín respecto al PM2.5. La variabilidad de las concentraciones de PM2.5 se obtuvo mediante Modelos de Regresión de Uso del Suelo (LUR); los índices de salud forestal se obtuvieron desde la plataforma Google Earth Engine y se procesaron en el software QGIS. El análisis estadístico de los datos de las concentraciones de PM2.5 y de los índices se desarrolló en el software SPSS Statistics 26, Finalmente, se realizaron Modelos de Regresión Lineal usando cofactores ambientales para establecer el modelo que mejor explicara la relación objeto de estudio en este trabajo.

ABSTRACT: Forest health is an indicator used to evaluate the performance of forests and their provision of environmental services. This has been studied using various methodologies such as remote sensing, which allows for understanding the behavior of these ecosystems at different temporal and spatial scales through satellite images. Particulate matter (PM2.5) has become one of the critical pollutants in public health, as its association with a high burden of morbidity and mortality in people has been demonstrated. In urban areas, a good forest health indicator is associated with better living conditions and habitability. This work aims to establish the relationship between PM2.5 concentrations and four forest health indices (GI, NDVI, NDWI, and SAVI) and determine which areas in Medellín have the poorest forest performance concerning PM2.5. The variability of PM2.5 concentrations was obtained using Land Use Regression Models (LUR); forest health indices were obtained from the Google Earth Engine platform and processed in QGIS software. The statistical analysis of PM2.5 concentration data and indices was carried out in SPSS Statistics 26 software. Finally, Linear Regression Models were developed using environmental cofactors to establish the model that best explained the relationship studied in this work.