Metodología para caracterizar espacio-temporalmente la concentración de material particulado en Valles intramontanos con información escasa

Abstract

RESUMEN: En esta tesis doctoral se propone una metodología para caracterizar espacio-temporalmente la concentración de contaminantes particulados del aire en áreas urbanas intramontanas, tomando como caso de estudio el Valle de Aburrá (Antioquia, Colombia). La metodología integra aspectos de análisis espacial, análisis estadístico, análisis geoestadístico, econometría y sistemas de información geográfica. La tesis está organizada en ocho capítulos. En el capítulo 1 se hace una revisión del estado del arte de la aplicación de algoritmos computacionales para la estimación de valores de la concentración de material particulado del aire, ya que este contaminante se usa como caso de estudio para la implementación de la metodología propuesta. En el capítulo 2 se presenta el marco teórico necesario para el desarrollo de la metodología. Se trata el tema de los algoritmos de interpolación espacial, los algoritmos de regresión espacial, los algoritmos econométricos, la validación de datos estimados y los gradientes espaciales. Se hace una descripción de las consideraciones conceptuales y de los procedimientos operativos. En el capítulo 3 se enuncia el problema a resolver y los objetivos de la tesis. En el capítulo 4 se describe el área y los datos del caso de estudio y los datos que se usaron para desarrollar la metodología. En el capítulo 5 se describe la metodología para la caracterización espacial de datos de concentración de contaminantes del aire usando algoritmos de interpolación y de regresión espacial. Se describen las características espaciales de la concentración del material particulado de la región de estudio. Para los algoritmos de interpolación espacial se hace énfasis en la descripción univariada y multivariada. Para el caso de los algoritmos geoestadísticos multivariados, se usan como variables explicativas la temperatura, la velocidad del viento y se calculan también los gradientes espaciales de éstas variables. Para el caso de los algoritmos de regresión espacial se hace énfasis en la adecuada configuración de modelos de regresión y su solución con el método de mínimos cuadrados ordinarios y la técnica de regresión geográficamente ponderada. En cada sección se ilustra esquemáticamente el componente metodológico a través de diagramas de flujo, la aplicación con datos del caso de estudio, la validación cruzada de los resultados y el uso de diferentes estadísticos de error y de ajuste. En el capítulo 6 se describe la metodología para la caracterización espacio-temporal de datos de concentración del material particulado usando algoritmos econométricos. En este capítulo se integra la caracterización espacial y la temporal de los datos de concentración de material particulado de la región de estudio. En cada sección se esquematiza el componente metodológico con diagramas de flujo y se hace la validación cruzada de los resultados con diferentes estadísticos de error y de ajuste. Un aspecto importante en este capítulo es que se propone un modelo econométrico en el cual una de las variables explicativas es el dominio espacial de la concentración del material particulado, que se obtiene de la caracterización espacial con regresiones espaciales. En el capítulo 7 se hace un análisis de los resultados de los dos capítulos anteriores y con el uso de los SIG se calculan los mapas de caracterización espacio–temporal de la concentración del material particulado. Los resultados se discuten en el contexto del comportamiento de las variables explicativas y se incluye la variable distancia a fuentes de emisión y de mitigación del contaminante en los mapas, con la aplicación de un modelo propuesto de proximidad a fuentes. En el capítulo 8 se hacen las consideraciones finales en donde se muestra que la concentración del material particulado es un proceso estacional que posee tres episodios en el año (en febrero-marzo en donde se dan los máximos valores de concentración, junio-julio en donde se dan los valores mínimos de concentración y en septiembre-octubre en donde la concentración aumenta nuevamente hacia el valor promedio anual) y en donde se propone una red de monitoreo de calidad basada en los resultados del modelo de proximidad.