Análisis de la calidad del aire en Buenos Aires mediante agrupamiento de datos meteorológicos

Machine Translated by Google
En el Pineda Rojas et al. Ambiente atmosférico 241 (2020) 117773
entre CO y PM10 para días pertenecientes al clúster 3 apoya la hipótesis de una posible contribución de fuente remota o distribuida
con vientos SW. Para el grupo 4, las diferencias entre sitios en el número de eventos con vientos del NNO sugieren una contribución
importante de la avenida más ancha de la ciudad a los niveles de PM10 en el sitio más costero.
También se indica para estos vientos una gran contribución proveniente de fuentes urbanas. Finalmente, el grupo 5, que exhibe
secuencias de baja velocidad del viento, representa del 23 al 33 % de las superaciones en los tres sitios. La concentración
promedio de PM10 aumenta con la persistencia de este grupo, lo que podría ser un factor determinante de las superaciones. Estos
resultados contribuyen a mostrar la importancia de métodos simples como el análisis de agrupamiento para obtener información
sobre las características de la calidad del aire, como las superaciones y sus posibles impulsores. También sugieren que mayores
esfuerzos en el monitoreo, modelado y estimación de emisiones pueden ayudar a comprender mejor las contribuciones de las
fuentes locales, urbanas y regionales a estos eventos en la ciudad de Buenos Aires.
1. Introducción (Res. 403/APRA/13), se espera que los estándares de calidad del aire en la CBA se actualicen
en los próximos años para seguir los lineamientos sugeridos por la Organización Mundial de
Los contaminantes del aire pueden causar efectos adversos en la salud humana y el la Salud (APRA, comunicación personal). En este contexto, el conocimiento de los mecanismos
medio ambiente si sus concentraciones son relativamente altas. Según la Organización responsables de las altas concentraciones [es decir, aquellas que superan los niveles de la
Mundial de la Salud (OMS), nueve de cada diez personas en el mundo respiran aire OMS (OMS, 2005)] es fundamental. Además, un estudio completo de la relación entre la
contaminado. Los efectos combinados de la mala calidad del aire exterior e interior causan calidad del aire y la meteorología puede contribuir a identificar posibles regiones fuente de
alrededor de siete millones de muertes al año (OMS, 2018). El mayor impacto negativo de la contaminantes del aire.
contaminación atmosférica ocurre en las áreas urbanas porque no solo presentan los niveles
más altos de contaminantes del aire sino también la mayor cantidad de personas expuestas a En este trabajo, presentamos un estudio del primer conjunto de datos de calidad del aire
ellos. Dada la creciente evidencia de efectos negativos en la salud de la población (p. ej., a largo plazo registrado en el CBA que consta de 8 años de registros de concentración
Lelieveld et al., 2019; Papadogeorgou et al., 2019; Sun y Zhu, 2019), más gobiernos están ambiental de NO2, CO y PM10 de 1 hora medidos por el APRA en los tres sitios de monitoreo.
tomando medidas para las cuales la interacción con la comunidad científica puede ser crucial La metodología incluye análisis estadísticos simples y agrupación de secuencias de viento
diarias. La relación entre las características de la calidad del aire observadas y las condiciones
meteorológicas se analiza centrándose en las concentraciones de PM10 que superan la
Aunque las estrategias de mejora de la calidad del aire se basan en medidas de reducción directriz media diaria de la OMS. El objetivo es adquirir conocimientos sobre los impulsores
de emisiones, los factores meteorológicos juegan un papel importante en los valores de meteorológicos subyacentes de las altas concentraciones de contaminantes atmosféricos en
concentración altos (Borge et al., 2018). La calidad del aire urbano es el resultado de una la atmósfera de Buenos Aires que deben tenerse en cuenta para la gestión de la calidad del
combinación compleja de procesos de diferentes escalas y factores locales (Borge et al., aire en la ciudad.
2016) que no pueden extrapolarse entre ciudades y, por lo tanto, deben evaluarse para cada
caso particular. El estudio del papel de las condiciones meteorológicas en eventos de alta Los datos de calidad del aire se describen en la Sección 2. Los análisis estadísticos
concentración requiere una serie de observaciones a largo plazo (es decir, varios años). Por utilizados en nuestra investigación se presentan en la Sección 3 y los resultados se analizan
lo general, la disponibilidad de datos de calidad del aire es la principal limitación para dicho en la Sección 4. En la Sección 5 se presenta una discusión sobre las ventajas y limitaciones
análisis. Las superaciones por encima de un umbral determinado suelen representar una de la metodología y las principales conclusiones de la misma. el trabajo se resumen en la
pequeña fracción del conjunto de datos (cuanto mayor sea el umbral, menor será la fracción). Sección 6.
Un registro a largo plazo garantiza que todos los resultados posibles (resultantes de las
innumerables combinaciones de condiciones meteorológicas y de emisión) se incluyen en el 2. Datos de calidad del aire
análisis.
Los datos de calidad del aire consisten en ocho años (01/05/2010 30/04/2018) de
La ciudad de Buenos Aires (CBA) forma parte del Área Metropolitana de Buenos Aires concentraciones horarias continuas de CO, NO2 y PM10 medidas en tres sitios de la ciudad
(14.967.000 habitantes, 3830 km2 ), la tercera megaciudad de América Latina (ONU, 2019). de Buenos Aires (Tabla 1). Estas estaciones de monitoreo son consideradas por la autoridad
En comparación con otras ciudades sudamericanas, la calidad del aire y su relación con la ambiental local (APRA) como: fondo urbano (CEN: Parque Centenario), tráfico urbano (COR:
meteorología en la CBA ha sido poco estudiada. La mayoría de los trabajos (p. ej., Bogo et Córdoba) y urbano industrial (LB: La Boca). El Parque Centenario está ubicado en el centro
´
al., 1999; Mazzeo et al., 2005; Arkouli et al., 2010) analizan las concentraciones de geográfico de la ciudad, en una zona comercial residencial, a 60 m de un gran parque (ver
contaminantes atmosféricos utilizando observaciones de campañas de seguimiento a corto Fig. 1). La estación de Córdoba está ubicada en una concurrida avenida por la que circulan
´
plazo (es decir, unos pocos meses). Unos pocos estudios que utilizan series a largo plazo se diariamente 38.000 vehículos en sentido esteoeste (Mazzeo y Venegas, 2012).
han centrado en los aspectos meteorológicos de la contaminación del aire. Por ejemplo,
Venegas y Mazzeo (1999) analizan las condiciones de estancamiento, recirculación y
ventilación utilizando dos años de datos meteorológicos de varios sitios de Argentina incluyendo Este sitio está rodeado de edificios de diferentes alturas (10–80 m) en una zona comercial de
Buenos Aires, y concluyen que la frecuencia de ocurrencia de estas condiciones es del 10%, la ciudad. Finalmente, la estación La Boca se ubica cerca de la costa (donde operan tres
6% y 40%. % del tiempo, respectivamente. Gassmann y Mazzeo (2000) estudian el potencial centrales térmicas) ya 160 m de una carretera.
de contaminación del aire utilizando cuatro años de observaciones y encuentran que Buenos
Aires tiene una frecuencia de días con condiciones de baja ventilación del 8,5%. Finalmente, La correlación entre estaciones de valores de concentración por hora es mayor o igual a
Mazzeo y Venegas (2004) analizan la persistencia de diferentes condiciones de viento y 0,5 para todos los contaminantes y sitios, excepto para CO entre sitios COR y LB (0,38) (ver
estabilidad en la CBA utilizando tres años de datos meteorológicos y destacan que si bien Figura S1). Tenga en cuenta que se esperan correlaciones relativamente altas dentro de la
todas las direcciones del viento presentan largos períodos de persistencia, algunos de ellos ciudad porque todas las estaciones están sujetas a influencias similares de variaciones diurnas
pueden conducir a peores condiciones de contaminación del aire. y estacionales tanto en las condiciones meteorológicas como en las emisiones. Sin embargo,
las correlaciones no son perfectas, lo que implica que las características locales aún
representan una cantidad sustancial de la variación en los valores de concentración. En
A nivel regulatorio, la agencia de protección ambiental de la CBA (APRA) monitorea los general, en cada sitio se verifica el siguiente orden de correlación: CO < NO2 < PM10, como
niveles de concentración ambiental de monóxido de carbono (CO), dióxido de nitrógeno (NO2) se espera por la naturaleza de estos contaminantes.
y material particulado con un diámetro aerodinámico menor o igual a 10 μm (PM10) en tres
estaciones de calidad del aire, simultáneamente desde 2009. Si bien la calidad del aire actual Las concentraciones de NO2 y CO son mayores en COR (Fig. 2). Como era de esperar,
es adecuada para proteger la salud humana de acuerdo con la presente regulación en todos los sitios, estas especies presentan variaciones diurnas que siguen a las de las
emisiones del tráfico rodado con dos máximos en las horas punta y mayores
2
concentración durante los meses de invierno debido principalmente a condiciones por separado para sus componentes zonal y meridional.
de dispersión reducida, como se sugirió previamente en otros estudios (por ejemplo, Con el fin de identificar las variables atmosféricas que en su mayoría se asocian
Venegas y Mazzeo, 1999; Mazzeo y Venegas, 2004). Sin embargo, la amplitud de con niveles bajos y altos de contaminantes atmosféricos, primero se realiza un
los valores medios mensuales de concentración varía de manera diferente para los análisis de sus distribuciones por cuartiles de concentración para cada especie y
dos contaminantes. La relación de concentración máxima a mínima de NO2 es sitio. Para cada variable meteorológica, la diferencia estadística entre las
considerablemente mayor en COR (104 %) que en CEN (56 %) y LB (70 %); mientras distribuciones de los cuartiles 1 y 4 se evalúa mediante la prueba U de Mann
que la variación de CO es bastante similar entre sitios (7485%). Estas diferencias Whitney. Los efectos significativos indican una influencia de la variable meteorológica
deben estar relacionadas con las características locales. en los niveles de concentración para un contaminante y sitio determinados.
PM10 presenta variaciones horarias y mensuales que son similares entre sitios
y contrastan con el perfil relacionado con el tráfico de las otras especies. En Dado que el viento es la variable más importante para la dispersión de los
promedio, los valores de concentración de PM10 por hora muestran pequeñas contaminantes del aire, y su variación horaria (junto con la de las emisiones) puede
variaciones durante las horas diurnas, excepto en LB, donde se observan niveles contribuir a los valores de concentración promedio diarios observados, se realiza un
más altos por la tarde, con un máximo a las 18 h. Estas pequeñas variaciones análisis de conglomerados en la secuencia diaria de viento de 1 hora . El análisis de
diurnas características sugieren una gran contribución de fuentes distintas al tráfico conglomerados se encuentra entre los métodos más utilizados para estudiar la
(formación secundaria y/o fuentes no locales). La variación mensual de PM10 relación entre la contaminación del aire y las condiciones meteorológicas utilizando
muestra valores mayores en junio, julio y noviembre, con una relación de series de largo plazo cuando se requiere una reducción de la dimensionalidad de los
concentración máxima a mínima de PM10 que varía entre 26% (COR) y 45% (CEN). datos (por ejemplo, Davies et al., 1998; Beaver y Palazoglu, 2006; Borge et al . al.,
Los valores de concentración relativamente mayores observados en los meses 2007; Beaver et al., 2008; RimetzPlanchon et al., 2008; Pakalapati et al., 2009;
cálidos podrían deberse a reacciones fotoquímicas que dan lugar a una fracción Khedairia y Khadir, 2012). Esta metodología permite agrupar elementos tomados de
mayor de aerosoles secundarios. un conjunto de datos de alta dimensionalidad en base a su similitud. En el caso de
Durante los días de semana, la concentración de las tres especies es mayor la secuencia diaria de viento de 1h, cada día se describe mediante 48 variables (= 2
como resultado de una mayor actividad humana, principalmente el tráfico. A pesar componentes de viento x 24 h). Se aplica un algoritmo de kmedias para agruparlos
de patrones temporales similares, se observan algunas diferencias entre según sus secuencias de viento. El método del codo (Kaufman y Rousseeuw, 2009)
contaminantes y sitios. En CEN, COR y LB, las reducciones de fin de semana en se utiliza para seleccionar el número óptimo de conglomerados (k). Se basa en el
relación con la media de los días laborables son respectivamente: 16 %, 14 % y 16 análisis de la suma de cuadrados dentro del grupo (WCSS) que representa la suma
% para NO2 (relación = 1,14); 11%, 25% y 11% para CO (relación = 2,27); y 11%, de la distancia al cuadrado entre cada miembro del grupo y su centroide. WCSS se
14% y 7% para PM10 (relación = 2). calcula para diferentes números de conglomerados a partir de k = 2 y se representa
frente a k.
3. Metodología De acuerdo con este método, el punto de inflexión de la curva proporciona un valor
óptimo de k (es decir, el que proporciona un compromiso óptimo entre una separación
Para explorar el papel de las variables meteorológicas relevantes en las significativa de grupos y un número manejable de grupos). Con el fin de obtener una
concentraciones diarias de contaminantes, se combinan técnicas estadísticas descripción más completa de los campos de viento en el área que están asociados
simples y análisis de conglomerados. Debido a la falta de observaciones con los grupos, se calcula el campo de presión a nivel del mar (SLP, por sus siglas
meteorológicas en las estaciones de calidad del aire, en este trabajo asumimos que en inglés) diario para cada grupo usando datos tomados del conjunto de datos de
los datos de la estación meteorológica que está ubicada en el aeropuerto local (ver Reanálisis NCEPNCAR II ( Kanamitsu et al., 2002).
Fig. 1) son representativos de los de los tres sitios. Estos datos consisten en: Una vez que los días se clasifican de acuerdo con el método descrito
temperatura del aire (AT), cobertura del cielo (SC), humedad relativa (RH), anteriormente, se evalúa la diferencia estadística de las concentraciones de
precipitación (PP), velocidad del viento (WS) y dirección del viento (WD). El supuesto contaminantes del aire entre grupos para cada contaminante y sitio a fin de
de condiciones de viento ambiental horizontalmente homogéneas en el área se ha determinar si los diferentes patrones de viento están asociados con diferentes niveles de contamin
utilizado satisfactoriamente en estudios de modelado de la calidad del aire (p. ej., Para un grupo determinado, el centroide representa la dinámica del viento durante
Pineda Rojas, 2014) y se basa en el hecho de que el Área Metropolitana de Buenos un día estereotípico que le pertenece, y se pueden analizar las interacciones con las
Aires se encuentra sobre un terreno plano. variaciones horarias medias de los valores de concentración. Además, como lo
Se descartan los días que presentan dos o más horas consecutivas con datos destacan otros autores (p. ej., Carslaw; Beevers, 2013), se pueden obtener más
faltantes; de lo contrario, se aplica la interpolación lineal. Se calculan promedios datos sobre la calidad del aire a través de la evaluación de la variabilidad entre
diarios para todas las variables, obteniendo N = 2347 días con datos meteorológicos clústeres e intraconglomerados. Para dilucidar las condiciones meteorológicas
completos (es decir, 24 h) y datos de calidad del aire de cada especie en al menos asociadas a los eventos de PM10 , analizamos:
un sitio. Como el viento es una variable circular, se obtienen valores medios diferencias entre conglomerados en: i) la especie diurna media
Cuadro
1 Estadísticos básicos obtenidos a partir de series temporales horarias de concentraciones de NO2 (ppb), CO (ppm) y PM10 (μg/m3 ) en cada sitio de monitoreo (CEN: Parque
´
Centenario,
COR: Córdoba, LB: La Boca) durante el período analizado (20102018). [Se indica el número de observaciones (N) y disponibilidad de datos (%) en cada sitio].
NO2 (ppb) CO2 (ppm) PM10 (μg/m3 )
CEN COR LB CEN COR LB CEN COR LB
Valores horarios
mínimo 0 0 1 0.05 0.05 0.05 4 4 4
Mediana 18 23 dieciséis 0.50 0.50 0.26 24 24 24
Significar 19 26 19 0,56 0,61 0,34 30 30 31
máx. 112 190 129 6,80 5,21 8,76 492 744 880
norte 58499 46674 57131 51669 54604 50831 56245 52284 60915
% 83 67 81 74 78 72 80 75 87
Valores diarios
mínimo 3 2 2 0.16 0.08 0.07 9 9 7
Mediana 18 22 dieciséis 0.52 0.6 0.34 25 26 27
Significar 18 25 18 0,56 0,64 0,39 29 29 30
máx. 54 102 75 1,85 2,59 2,9 280 174 243
norte 1809 1497 1800 1726 1587 1332 1882 1657 1936
% 62 51 62 59 54 46 64 57 66
3
perfiles de concentración, ii) la variación de la concentración media de contaminantes con el diferencia estadística significativa entre las concentraciones de los cuartiles extremos, como lo
período de persistencia del conglomerado, y iii) las superaciones de PM10 sobre la guía de la muestra su bajo valor de p en comparación con otras variables meteorológicas (Fig. 4). Las
OMS en cada sitio, distribuciones de la dirección del viento (WD, por sus siglas en inglés) también muestran
diferencias dentro de un conglomerado entre días de excedencia y no excedencia de: iv) algunas similitudes entre los contaminantes y los sitios: en general, las concentraciones más
variables meteorológicas relevantes yv) correlaciones entre las concentraciones medias diarias bajas ocurren principalmente con vientos del 1.er y 2.º cuadrante (es decir, vientos que ingresan
de PM10 y CO. a la ciudad desde el río) y mayores diferencias entre el superior y el 2.º cuadrante. y los cuartiles
Si bien los análisis i) a iii) se realizan para cada sitio, las observaciones de todos los sitios de concentración más bajos (es decir, la diferencia entre las curvas roja y azul en la Fig. 3)
se agrupan en los análisis iv) y v) para obtener una visión integral de las superaciones a nivel ocurren con mayor frecuencia con vientos del 4º cuadrante. Una excepción a este
de ciudad y aumentar el poder estadístico dado el número total reducido. de eventos. comportamiento típico se observa en las distribuciones WD para CO y PM10 en COR que
muestran mayores diferencias superiorinferior con vientos del S. Esto se puede atribuir a la
calle.
4. Resultados efecto de cañón que se ha informado previamente para este sitio de monitoreo (por ejemplo,
Mazzeo y Venegas, 2012; Venegas et al., 2014) y se espera debido a que la calle tiene una
4.1. Condiciones meteorológicas locales asociadas a diferentes niveles de orientación esteoeste y la estación de monitoreo está ubicada en su lado sur . Las
contaminantes atmosféricos concentraciones de NO2 en los puntos críticos de tráfico pueden verse afectadas por una
variedad de fenómenos combinados a microescala (p. ej., Sánchez et al., 2017). El hecho de
Para obtener una imagen general de la relación entre las concentraciones de contaminantes que estas concentraciones se vean menos afectadas por el efecto de cañón de la calle sugiere
atmosféricos medidas en cada sitio y las variables meteorológicas de superficie relevantes que en COR pueden ser más influenciado por los niveles de fondo urbano.
registradas en la estación AEP, se analizan las distribuciones de las variables meteorológicas
correspondientes a cada cuartil de concentración media diaria. Como se muestra en la Fig. 3, Teniendo en cuenta el importante papel del viento en las concentraciones de contaminantes
las concentraciones del cuartil superior de NO2 y CO ocurren con mayor frecuencia con valores del aire y el hecho de que los promedios diarios pueden impedir la comprensión de
de temperatura media del aire (AT) diarios más bajos en comparación con los niveles del cuartil características importantes vinculadas a las variaciones horarias, en las siguientes secciones
inferior. se investiga la relación entre las concentraciones y las secuencias de viento en la superficie.
Mientras que las distribuciones de AT para los dos cuartiles de concentración extrema muestran
diferencias significativas, las de cobertura del cielo (SC), humedad relativa (HR) y precipitación
(PP) presentan un comportamiento más complejo.
4.2. Patrones de secuencia del viento en la superficie y campos de presión sinópticos
Por ejemplo, los niveles de CO más altos asociados con valores de HR más altos solo son
asociados
evidentes en las estaciones CEN y COR. En el caso de PM10, las diferencias en AT no son
robustas y las de SC y RH muestran una clara relación inversa con las concentraciones medias
Como se describe en la Sección 3, el análisis de conglomerados se realiza para encontrar
diarias. Las concentraciones más grandes de PM10 , que ocurren con mayor frecuencia con
grupos de secuencias diarias similares de viento por hora durante el período analizado. Un
valores más bajos de SC (condiciones de cielo más despejado) y HR, podrían estar relacionadas
número de k (número de grupos) = 5 se identifica como un valor adecuado para el algoritmo de
con el papel de la precipitación. En los tres sitios, el impacto de PP es más fuerte en PM10 que
kmedias aplicado (consulte la Figura S2). La Fig. 5 presenta el vector de viento medio horario
en NO2 y casi no se observa efecto en las concentraciones de CO (Fig. 4), lo que se espera
acumulado obtenido para cada uno de los cinco grupos junto con el correspondiente intervalo
debido a la diferente eficiencia de la lluvia para eliminar estos contaminantes de la atmósfera
de confianza del 95% a lo largo del día. Los grupos se ordenan en el sentido de las agujas del
( Yoo et al., 2014).
reloj comenzando en el primer cuadrante (grupo 1) y terminando en secuencias que incluyen
las velocidades de viento más bajas (grupo 5). Los dos primeros grupos presentan velocidades
Las tres especies presentan mayores valores de concentración con menores valores de
medias del viento por hora más grandes. El grupo 1 muestra una dirección uniforme del viento
velocidad del viento (WS), siendo esta variable la que presenta mayor
desde el NNE durante la noche
Fig. 1. Mapa del Área Metropolitana de Buenos Aires, incluyendo la ciudad de Buenos Aires (CBA) y ubicación de las tres estaciones de monitoreo de calidad del aire (CEN: Parque
´
Centenario, COR: Córdoba, LB: La Boca) de la 'Agencia de Protección Ambiental ´ (APRA)'. También se indica la ubicación de la estación meteorológica de la AEP (Aeropuerto Nacional)
y tres centrales térmicas (triángulos). [Fuente: Google Maps].
4
Fig. 2. Variación temporal de las concentraciones de contaminantes atmosféricos a escala horaria, mensual y semanal, en cada sitio de monitoreo (CEN: Parque Centenario, COR: C´órdoba, LB:
La Boca).
y horas de la madrugada y con viento girando en el sentido de las agujas del reloj alrededor de las la dirección del viento sinóptica, media diaria, ya que la ubicación del sitio de medición del viento
15 h por lo que la dirección ESE domina durante la tarde. Los grupos 2, 3 y 4 muestran direcciones cerca de la orilla del río hace que sea mucho más propenso a verse afectado por el ciclo diurno de
de viento casi constantes desde el SE, SW y NNW, respectivamente. Finalmente, el grupo 5 incluye la brisa del río.
los vientos con las velocidades medias más bajas a lo largo del día. El sentido es SSE de noche,
gira a ENE alrededor de las 12 hy a ESE a las 18 h. En la Figura S3 se muestran ejemplos de cómo
4.3. Variación de la calidad del aire con patrones de secuencia de viento en la superficie
funciona esta clasificación de secuencia de viento en días individuales .
Una vez que se han distribuido los días individuales entre los cinco patrones de secuencia de
Para describir estos grupos a escala sinóptica, la Fig. 6 muestra los campos horizontales de la
viento descritos en la sección anterior, se deben investigar las diferencias en las concentraciones de
presión media a nivel del mar (SLP) promediada para cada grupo usando datos diarios de SLP del
contaminantes del aire entre estos grupos para determinar si la clasificación puede ser útil para
Reanálisis NCEPNCAR II.
explorar más a fondo el papel de la meteorología en la calidad del aire. en los tres sitios. Como se
El patrón SLP correspondiente al grupo 1 (Fig. 6a) se caracteriza por un sistema de alta presión bien
muestra en la Fig. 7, las concentraciones de las tres especies químicas son mayores (en términos
definido sobre las aguas del Atlántico Sur, al este del área de estudio, y vientos predominantes del
de sus medias) en los grupos 4 y 5 en las estaciones CEN y LB, mientras que en COR (el sitio del
NE y ENE. Un sistema de alta presión también está presente en el grupo 2 (Fig. 6b), aunque su
cañón de la calle) se observa un patrón menos claro. : El NO2 es mayor en los conglomerados 3 a
fuerza es más débil en comparación con el grupo 1 y su ubicación está desplazada hacia el
5, y los niveles de CO y PM10 son más altos en los conglomerados 3 y 5. A partir de esta figura, se
continente, ligeramente hacia el sur de la región de estudio. En este escenario, los vientos
puede concluir que las concentraciones promedio de contaminantes son relativamente más bajas
predominantes provienen principalmente del E y SE. A su vez, los patrones SLP correspondientes a
durante las condiciones de viento en la superficie correspondientes a los conglomerados 1 y 2, y
los clusters 3 y 4 están asociados a condiciones más dinámicas: frentes fríos propagándose sobre
relativamente más alto para los conglomerados 4 y 5, excepto en COR, donde el conglomerado 3
el área de estudio (Escobar y Bischoff, 1999). En estos dos escenarios, los vientos de superficie
también está asociado con valores de concentración altos.
tienen origen continental y soplan del SW (NW) en el caso del cluster 3 (cluster 4). Ambos casos
pueden conducir al levantamiento de partículas finas del suelo, especialmente en condiciones de
suelo seco, proporcionando una fuente natural de material particulado (de las regiones que se
Es interesante notar que las diferencias entre conglomerados están presentes no solo en los
destacan en la figura) que eventualmente puede llegar a la ciudad de Buenos Aires y aumentar la
niveles de concentración sino también en los perfiles de variación a lo largo del día (ver Fig. 8). Para
concentración. de PM10. Por último, el patrón asociado al clúster 5 (Fig. 6e) se caracteriza por un
NO2 y CO, por ejemplo, el perfil de concentración del conglomerado 1 presenta un segundo pico
sistema de altas presiones ubicado sobre la ciudad de Buenos Aires que genera vientos flojos y
diario considerablemente mayor que el primero (excepto en LB), el del conglomerado 2 muestra una
variables sobre el área de estudio.
variación diurna comparativamente menor y los de los conglomerados 3, 4 y 5 se parecen a las de
las emisiones de tráfico típicas (ver, por ejemplo, el perfil de emisiones de vehículos en COR
presentado por Venegas et al., 2014). Por su parte, la variación horaria de la concentración de PM10
presenta perfiles menos suavizados sin un orden claro en las curvas de conglomerados (se cruzan
En general, los campos SLP obtenidos son consistentes con las secuencias de viento en la superficie
en diferentes momentos del día). En las tres estaciones, en la noche y en la mañana, el conglomerado
que se muestran en la Fig. 5 y brindan una idea de las posibles regiones de origen y las condiciones
1 tiene las concentraciones más bajas y el conglomerado 5 la mayor. Poco después de las 6 h, las
de estancamiento que pueden contribuir a aumentar los niveles de contaminación en la ciudad. Aún
concentraciones de PM10 del grupo 1 comienzan a
así, debe tenerse en cuenta que se esperan variaciones horarias en los componentes del viento (Fig.
5) además de
5
aumentar, alcanzando valores comparables a los del grupo 5 hacia las 18 h.
En LB, se observa una clara contribución del grupo 1 al pico más alto de 18 h
(previamente notado en la Fig. 2). Otros clústeres presentan solo pequeñas variaciones
diurnas, mientras que solo el clúster 5 en LB muestra un perfil similar a las emisiones
del transporte por carretera.
Dado que se ha sugerido que la persistencia en las condiciones del viento afecta la
AQ en la CBA (Mazzeo y Venegas, 2004), también se exploró el papel de la persistencia
de los conglomerados en las concentraciones promedio de contaminantes del aire. La
variación diaria del número de conglomerados en cada sitio (con una breve descripción)
se presenta en la Figura S4. Se observan algunas características comunes en las
concentraciones medias diarias de NO2 y CO: muestran disminuciones significativas
con la persistencia del conglomerado 2 en CEN y aumentos con la persistencia del
conglomerado 5 en COR (ver Fig. 9 y Tabla 2). El NO2 también disminuye con la
persistencia del grupo 1 en todos los sitios, mientras que el CO aumenta con la
persistencia del grupo 5 en CEN. Las concentraciones medias diarias de PM10 en los
tres sitios disminuyen (aumentan) con la persistencia de los conglomerados 2
(conglomerado 5), con la tendencia estadística más fuerte encontrada para el
conglomerado 2. En LB, el sitio más costero, un aumento de las concentraciones
promedio de PM10 con también se observa persistencia de los conglomerados 1 y 4.
4.4. Superaciones de PM10 sobre la directriz de la OMS
Si bien se producen algunas superaciones del estándar local de calidad del aire en
Fig. 4. Comparación estadística entre las variables meteorológicas medias correspondientes el período de 8 años en estudio (con frecuencias ≤ 0,1, no se muestra), la directriz de la
a la distribución del cuartil inferior y superior de la concentración media diaria de cada OMS (50 μg/m3 ) se supera con mucha más frecuencia, con frecuencias que varían
contaminante (series azul y roja en la Fig. 3, respectivamente), en cada sitio. [nivel de
entre 5,8 % en CEN y 8.2% en LB (computado sobre el total de días analizados en cada
significancia de la diferencia (log10 del pvalor); el blanco indica que no hay diferencia
sitio), totalizando 368 excedencias de PM10 en 229 días (Cuadro 3). El 57% de estos
estadísticamente significativa (p > 0,01) y los colores más oscuros indican una diferencia
días presenta excedencias en un solo sitio de monitoreo, el 25% en dos sitios y el 18%
más significativa].
en los tres sitios simultáneamente (ver Fig. 10). La concentración diaria promedio
cuando se excede el estándar de la OMS varía entre 68 y 69 μg/m3 en todos los sitios.
Al observar la distribución de los excesos de PM10 por grupo (Fig. 11), el
Fig. 5. Vector de viento medio horario acumulado (líneas continuas) e IC del 95% correspondiente (líneas discontinuas) a lo largo del día para cada grupo (izquierda) y sus correspondientes
secuencias de viento medio diario (derecha).
7
Fig. 6. Presión a nivel del mar (SLP) promediada para cada grupo a) 1 a e) 5. El número de días dentro de cada grupo se indica entre paréntesis. Las unidades SLP son hPa.
Las regiones sombreadas indican fuentes naturales potenciales de PM para el área de la ciudad de Buenos Aires. En la Fig. 6a) se indican Argentina (AG), la CBA (estrella)
y los países vecinos (UY: Uruguay, PY: Paraguay, BZ: Brasil, BO: Bolivia, CH: Chile).
El mayor número de excedencias en CEN y LB está relacionado con el grupo 4 frecuente. El grupo 5 domina en mayo, pero también muestra picos relativos en
(vientos del 4.º cuadrante), seguido del grupo 5 (velocidades del viento bajas) y el febrero y agosto, lo que puede explicarse por el hecho de que se producen presiones
grupo 3 (vientos del 3.er cuadrante), mientras que una mayor frecuencia de excedencia más altas sobre CBA tanto en la estación fría como en la cálida. Como se muestra en
para el grupo 3 es encontrado en COR. En total, el 90%, 82% y 79% de los eventos la Fig. 12, las excedencias de PM10 en CEN y COR ocurren con mayor frecuencia
ocurren en los grupos 3 a 5 en CEN, COR y LB, respectivamente. Solo se producen durante los meses fríos, principalmente relacionadas con los clústeres 3 a 5. A su
algunas superaciones en los conglomerados 1 y 2, excepto en LB, donde estos vez, en LB, el número de días de excedencia se distribuye de manera más homogénea
conglomerados representan el 21% de los eventos. tanto a lo largo del año como entre los cinco conglomerados, excepto en junio y julio
Si bien la ocurrencia de conglomerados es bastante homogénea en todo el cuando se observa una mayor contribución de los conglomerados 3 y 4. Las
período (ver panel superior de la Fig. 11), la frecuencia relativa tiene variaciones frecuencias medias mensuales de excedencia de PM10 (computadas sobre el
estacionales considerables. La Fig. 12 muestra una clara dominancia de los número mensual de días con datos completos) varían entre 0,7 y 13,3 % (CEN), 1,3–
conglomerados 1 y 2 durante la primavera y el verano austral (septiembrefebrero) 14,5 % (COR) y 3,1–17,0 % (LB).
que podría explicarse porque durante la estación cálida, la posición climatológica del Dentro de cada conglomerado, las superaciones ocurren durante una fracción
sistema de Alta Presión Subtropical Atlántico favorece la ocurrencia de vientos del muy pequeña de días, como se evidencia al comparar los paneles inferior y superior
este. vientos sobre CBA. Los grupos 3 y 4 dominan durante la estación fría (junio de la Fig. 11. Esto sugiere que, dentro de un conglomerado determinado, otras
agosto) cuando el paso de los frentes fríos es mucho más variables además de la secuencia media del viento en la superficie pueden contribuir a explicar el
8
` múltiple de DunnSidak aplicada a las concentraciones medias del conglomerado (panel superior; el blanco indica que no hay
Fig. 7. Matriz de valores p obtenidos de la prueba de comparación
diferencia estadística entre las concentraciones medias de contaminantes de dos conglomerados) y diagrama de caja del conglomerado concentraciones (panel inferior; se indican los valores de
p obtenidos de la prueba de KruskalWallis), para cada contaminante y sitio de monitoreo.
ocurrencia de estos eventos. Curiosamente, los días de excedencia coinciden con valores de temperatura del aire
relativamente mayores en condiciones de viento del grupo 1 y se observa lo contrario
para los grupos 4 y 5 (ver Fig. 13). Esta característica del conglomerado 1 sugiere un
4.5. Variación dentro de un grupo de otras variables meteorológicas aporte potencial de fuentes secundarias cuando el viento proviene del río y no se observa
si la clasificación del viento no es
En esta sección se analizan las diferencias entre las variables meteorológicas que considerado (no mostrado). Las diferencias en la humedad relativa media son
ocurren en los días de excedencia frente a los de no excedencia para cada conglomerado.
9
´
Fig. 8. Variación horaria de las concentraciones de contaminantes atmosféricos en cada sitio de monitoreo (CEN: Parque Centenario, COR: Córdoba,
LB: La Boca), por conglomerado.
solo evidente en el grupo 3 y 4; mientras que los de la velocidad del viento son 5. Discusión
estadísticamente significativos en los conglomerados 1, 3 y 4. A pesar de las
diferencias significativas en los valores de SC y PP entre los cuartiles de 5.1. Ventajas de la metodología
concentración de PM10 inferior y superior (Fig. 4), las diferencias en sus valores
promedio entre los días de excedencia y no excedencia son no significativo bajo En este trabajo, se combinan diferentes técnicas estadísticas para proporcionar
esta clasificación de viento. Esto podría deberse al número relativamente bajo de eventos.información novedosa sobre la calidad del aire (AQ) en la CBA. La justificación de
Los campos de presión sinópticos (Fig. 6) asociados con los vientos SW en el su elección está relacionada con la información significativa específica proporcionada
grupo 3 y los vientos NW en el grupo 4 sugieren que estos vientos continentales en cada paso. En primer lugar, se identifican las variables meteorológicas con alta
son eficientes en proporcionar una fuente natural de material particulado que ingresa influencia en la concentración diaria de contaminantes. Para ello, se comparan las
a la ciudad de Buenos Aires. Para comprobar esta hipótesis, se calcula la distribuciones de datos de cada variable meteorológica correspondiente al primer y
correlación entre las concentraciones medias diarias de PM10 y CO durante los último cuartil de concentración de contaminantes. Si bien se encuentran distribuciones
días de excedencia y no excedencia. Como se muestra en la Tabla 4, la correlación significativamente diferentes para varias variables meteorológicas, la velocidad
para el conglomerado 3 no solo disminuye sino que deja de ser significativa en los media diaria del viento se identifica como el factor más influyente para todos los
días de excedencia. Esto apoya la hipótesis de una importante contribución de las contaminantes y sitios. A continuación, para comprender mejor el papel del viento
fuentes de emisión remotas en condiciones de viento SW. A su vez, el análisis de en la determinación de los valores y excedencias de la concentración diaria de
correlación no respalda la hipótesis del grupo 4 porque la correlación es mayor contaminantes, se estudia el impacto de diferentes secuencias de viento por hora
durante estos eventos de PM10 . Tenga en cuenta que las concentraciones promedio en la superficie sobre los valores de concentración diaria. Se aplica un algoritmo de
relativamente más altas de NO2 y CO en CEN y LB para este grupo (Fig. 7) sugieren kmedias a los días de grupo que tienen secuencias de viento de 1 h similares con
una mayor contribución de la contaminación urbana bajo los vientos del NW, lo que el objetivo de evaluar las posibles diferencias en los datos de AQ entre estos grupos.
también podría ser el caso de PM10. El poder de discriminación del análisis de conglomerados proviene de su capacidad
para clasificar conjuntos de datos multidimensionales, sin hacer suposiciones a
priori sobre cómo se distribuyen los datos. El método resulta útil si se encuentran
diferencias entre los grupos en las variables AQ, como se ejemplifica en Carslaw
10
Fig. 9. Concentración media de contaminantes que ocurren con diferentes períodos de persistencia de la secuencia de viento, por grupo.
Cuadro 2 Tabla 3
Coeficiente de correlación de Pearson entre la concentración promedio y el período de persistencia Número y frecuencia relativa (%) de concentraciones medias diarias de PM10 que superan la
del conglomerado, para cada contaminante y sitio. Los valores de correlación positivos (negativos) pauta sugerida por la OMS (50 μg/m3 ) en cada sitio de monitoreo, en el período estudiado. [N:
indican tendencias positivas (negativas) en las curvas de la figura 9. Los números en negrita número de días completos (con 24 h de datos)].
indican que la correlación es significativa (es decir, el valor p obtenido de la prueba de Kendall es
Sitio de monitoreo norte Número de eventos Frecuencia (%)
inferior a 0,05).
CEN 1882 110 5.8
Grupo
COR 1657 100 6.0
1 2 3 4 5 LB 1936 158 8.2
NO2
CEN ¡0.13 ¡0.13 0.09 0.09 0.06
(Figura 5). En este caso, una concentración media diaria superior a 50 μg/m3 resulta de valores muy
COR ¡0,12 − 0,04 0,02 0,08 0,10
altos (hasta 140 μg/m3 ) durante la noche en lugar de valores de concentración horaria
LB ¡0,10 − 0,07 − 0,01 0,07 0,02
CO moderadamente altos pero constantes a lo largo del día (Fig. 14), como también se sugiere por
CEN − 0,06 ¡0.18 0.02 0.09 0.20 ejemplos de días individuales pertenecientes al clúster. La interpretación de los mecanismos detrás
COR 0.02 0.02 − 0,05 0.04 0.12 de esta clase particular de superación se oscurecería en un análisis de valor medio diario.
LB 0.11 − 0,07 − 0,08 0.05 0.01
PM10
CEN − 0,03 ¡0.22 0,00 0,05 0.08
COR 0,05 ¡0.21 − 0,03 0,06 0.10
5.2. Las diferencias de grupos entre los sitios resaltan las características locales
LB 0.10 ¡0.20 0.02 0.07 0.09
Suponiendo que el viento medido en la estación meteorológica local pueda ser representativo
y Beevers (2013). Este es también el caso de los datos analizados aquí. de toda la ciudad, se espera que las diferencias entre sitios en los niveles de PM10 y en el número
El principal resultado de este trabajo es que diferentes secuencias típicas de viento por hora, de superaciones diarias para un grupo dado resulten de las diferencias en las contribuciones de las
agrupadas por el algoritmo kmeans, están asociadas con distintas características de AQ, como se fuentes locales. Este simple razonamiento nos permite sacar algunas conclusiones interesantes
muestra en las Figs. 7 a 9 y 11 a 13. Como ejemplo de la ventaja del enfoque de agrupamiento sobre el impacto de fuentes de emisión específicas en diferentes sitios de monitoreo. Primero, el
aplicado a las secuencias de viento, la Fig. 14 muestra que el perfil de concentración media diaria número de excedencias en los conglomerados 1 y 2 disminuye en el orden: LB → COR → CEN (Fig.
de PM10 durante los días de excedencia en el grupo 1 presenta fuertes variaciones horarias, que 11). La ubicación de las estaciones (Fig. 1) y las direcciones de viento dominantes en estos grupos
pueden estar asociadas con la rotación del viento que caracteriza el cúmulo (Fig. 5) sugieren una
11
emisiones en Av. 9 de Julio (ver Fig. 1), considerada como la avenida más ancha
del mundo con 14 carriles para automóviles y autobuses. En tercer lugar, el número
de excedencias en condiciones de viento de los conglomerados 3 y 5 es bastante
homogéneo entre los sitios, lo que sugiere contribuciones de fuentes similares que
son distantes o distribuidas espacialmente en relación con las ubicaciones
específicas de los sitios de monitoreo.
5.3. Más y mejores datos son esenciales
Varias pruebas estadísticas en este trabajo sugieren efectos significativos al
considerar el conjunto de datos completo de 8 años, pero efectos no significativos
al analizar solo los días de excedencia. Esto plantea la cuestión, a menudo pasada
por alto en la literatura, de cuál de estos dos conjuntos de datos describe mejor la
AQ urbana. Este es el caso, por ejemplo, de la diferencia en PP entre los dos
cuartiles extremos de PM10 (Fig. 4), o de las correlaciones entre las concentraciones
medias diarias de PM10 y CO (Tabla 4). Una fuerte posibilidad detrás de la pérdida
Fig. 10. Porcentaje de días con concentración de PM10 superior a la directriz de la OMS (50
de significación es el simple hecho de que hay menos datos cuando solo se
μg/m3 , 24 h) en uno, dos y los tres sitios simultáneamente, respecto al total de días de
consideran las superaciones. Tenga en cuenta que la falta de significación no
superación (229).
proporciona evidencia positiva a favor de la hipótesis nula, sino que establece que
la hipótesis nula no se puede rechazar con los datos presentes. Esto también resalta
importante aporte de emisiones de las tres centrales de la ciudad, ubicadas a lo
la necesidad de registros más grandes de datos AQ, para poder analizar eventos
largo de la costa. Sin embargo, la variación diurna de PM10 claramente definida
de excedencia y los mecanismos detrás de ellos con suficiente poder estadístico,
(Fig. 14) que ocurre con las condiciones de rotación del viento del grupo 1 (Fig. 5)
especialmente si los datos se dividen en grupos más pequeños representativos de
sugiere que estas superaciones están dominadas por una fuente de emisión ubicada
condiciones específicas (como en el análisis de conglomerados).
en el ESE de la ciudad, lo que destaca el impacto potencial en AQ de la central más
austral (Costanera). En segundo lugar, mientras que COR y LB están alineados
Los datos de 2010–2018 sugieren que el número total de superaciones sobre la
aproximadamente a lo largo de la dirección dominante del viento (NNW) del grupo
pauta sugerida por la OMS para la concentración diaria de PM10 (50 μg/ m3 ) está
4, por lo que se espera que reciban el mismo paquete de aire de fuentes distantes,
disminuyendo con el tiempo en CEN y COR. Por el contrario, los excesos en LB
difieren significativamente en el número de excedencias de PM10 en los días que
parecen aumentar desde 2014 (Figura S4). Esto requiere más esfuerzos para
pertenecen a este grupo ( Fig . 11). Esta diferencia solo puede explicarse por la
monitorear y analizar los niveles de material particulado y sus principales impulsores
presencia de una importante fuente de emisión de PM10 entre los dos sitios. Podría
en este sitio. Comprender el papel de las fuentes de emisión específicas en las
decirse que esta fuente puede estar relacionada con el tráfico
concentraciones de PM10 requiere un conocimiento detallado sobre
Fig. 11. Para cada conglomerado (código de color): conteo de días (panel superior), conteo de días de excedencia (panel central) y porcentaje de días con excedencia (panel inferior), en cada
sitio de monitoreo (columnas, como se indica).
12
Tabla 4 Dos grupos (1 y 2) representan vientos que ingresan a la ciudad desde el río (es
Coeficiente de correlación de Pearson entre las concentraciones medias diarias de PM10 y decir, traen "aire limpio") que están asociados con una circulación tipo brisa. Los
CO, para cada conglomerado, estratificado por días de no superación (NonEXC) y de excesos en estas condiciones representan del 10 al 21 % del total de eventos en
superación (EXC) de las pautas de la OMS. Los números en negrita indican que la correlación cada sitio. Aquellos que se presentan con vientos del 1er cuadrante (grupo 1) co
es estadísticamente significativa (p < 0,05).
ocurren con velocidades del viento relativamente más bajas y temperaturas más
Grupo altas (en comparación con condiciones de viento similares durante los días sin
Días
1 2 Todo
excedencia), lo que sugiere una posible contribución de la formación fotoquímica.
3 4 5
La disminución en el número de excedencias con la distancia a la costa y los
No EXC 0.15 0.19 0.33 0.25 0.28 0.29
EXCª 0.41 ¡0.43 0.16 0,45 0.12 0.19
fuertes perfiles diurnos tanto de concentraciones de PM10 como de viento durante
los días de excedencia, sugieren una importante contribución de la central más
austral.
fuentes de emisión en toda el Área Metropolitana de Buenos Aires, actualmente no Dos clusters (3 y 4) representan vientos continentales de los sectores SW y NW que
disponible. Para dar cuenta correctamente de la contribución local (usando modelos de están asociados a frentes fríos. Excesos en
calidad del aire) y confirmar la hipótesis de contribuciones potencialmente importantes estos casos representan del 49 al 59 % del total de eventos y coexisten con valores
de fuentes específicas, también se necesitan mediciones de viento in situ en los sitios de humedad relativa más bajos. Se sugiere que los vientos SW (clúster 3)
de monitoreo de la calidad del aire. proporcionen una fuente natural de PM10 para la ciudad de Buenos Aires; mientras
que se sugiere una mayor contribución de las fuentes urbanas a las concentraciones
6. Conclusiones
de los tres contaminantes en condiciones de viento NW (grupo 4).
En este último caso, una gran diferencia en el número de excedencias entre COR y
En este trabajo, se encuentra un número relativamente elevado de concentraciones LB destaca un importante aporte de la Av. 9 de Julio a los eventos PM10 en LB.
medias diarias de PM10 que superan la directriz de la Organización Mundial de la Salud
(OMS) (50 μg/m3 ) en los tres sitios de calidad del aire (AQ) de la ciudad de Buenos El quinto grupo (5) representa días con vientos de baja velocidad y condiciones de
Aires (CEN: 110 , COR: 100 y LB: 158) en un período de 8 años (20102018). calma. Los excesos de PM10 en estas situaciones representan entre el 23% y el
Los análisis de cuartiles simples y de conglomerados de los tres contaminantes (NO2, 33% del total de eventos en los tres sitios, y coexisten con temperaturas del aire y
CO y PM10) medidos en los sitios y las variables meteorológicas relevantes medidas en velocidades del viento relativamente más bajas en comparación con los días sin
la estación AEP se combinan para estudiar los principales impulsores de estos eventos. excesos.
En los tres sitios, las concentraciones promedio de PM10 se correlacionan
El análisis de los valores meteorológicos correspondientes a cada cuartil de positivamente con la persistencia del grupo 5 y negativamente con la del grupo 2.
concentración de contaminantes muestra relaciones diferentes para dos grupos de También se observa una correlación positiva en el grupo 1 (condiciones propensas
contaminantes. Por un lado, el NO2 y el CO (contaminantes locales) presentan mayores a la brisa) en el sitio más costero. Estas relaciones no son estadísticamente
concentraciones medias diarias con mayor frecuencia a temperaturas más bajas (lo significativas cuando solo se consideran los días de excedencia. Los registros más
que probablemente esté relacionado con la menor capacidad de dispersión de la grandes de las mediciones de AQ ayudarán a determinar el motivo, como se explicó
atmósfera durante el invierno). Por otro lado, el PM10 exhibe con mayor frecuencia en la sección anterior.
niveles de concentración más altos con menor cubierta de cielo y humedad relativa, lo
que destaca el papel que desempeña la eliminación húmeda. La comparación estadística La investigación adicional, por ejemplo, utilizando herramientas de modelado
de las distribuciones de cuartiles extremos confirma que el impacto de la precipitación determinista de la calidad del aire, puede contribuir a confirmar el papel de las diferentes
es más fuerte en PM10 que en NO2, y que la velocidad del viento es la variable que fuentes de emisión dentro del área metropolitana de Buenos Aires. Para hacer esto, se
muestra mayores diferencias entre las distribuciones de concentración baja y alta para necesitan tanto un inventario de emisiones de alta resolución como más esfuerzos de
todos los contaminantes y sitios. monitoreo (incluido un mayor número de sitios de monitoreo de la calidad del aire y
Con el fin de comprender mejor el papel del viento en las concentraciones medias mediciones del viento in situ).
diarias de contaminantes, se aplica un algoritmo de kmedias para encontrar grupos de
días que tengan secuencias de viento de 1 hora en la superficie similares. Se obtienen Declaración de contribución de autoría CRediT
cinco patrones de secuencia de viento (clusters) y se encuentran diferencias significativas
en el AQ entre ellos en los tres sitios. A partir del análisis combinado de: a) distribución Andrea L. Pineda Rojas: Conceptualización, Metodología, Validación, Análisis
de frecuencia de eventos de PM10 por conglomerado, b) campos de presión sinóptica formal, Investigación, Recursos, Curación de datos, Redacción borrador original,
asociados con los conglomerados, c) perfiles de conglomerados de concentraciones Redacción revisión y edición, Visualización, Supervisión, Administración de proyectos,
horarias de contaminantes, d) niveles de contaminantes frente al período de persistencia Adquisición de fondos. Rafael Borge: Conceptualización, Metodología, Análisis formal,
del conglomerado, y e) diferencias intraconglomerados de las variables relevantes entre Redacción revisión y edición, Visualización. Nicolas A. Mazzeo: Redacción revisión y
los días de excedencia y no excedencia, llegamos a las siguientes conclusiones: edición, visualización. Ramiro
´ I. Saurral: Análisis formal, Validación, Redacción revisión
´ LB: La Boca), por conglomerado.
Fig. 14. Variación horaria de las concentraciones de PM10 durante los días de excedencia en cada sitio de monitoreo (CEN: Parque Centenario, COR: Córdoba,
14

Análisis de la calidad del aire en Buenos Aires mediante agrupamiento de datos meteorológicos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Análisis de la calidad del aire en Buenos Aires mediante agrupamiento de datos meteorológicos

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

NO2 (ppb) CO2 (ppm) PM10 (μg/m3 )

CEN COR LB CEN COR LB CEN COR LB

1 2 3 4 5 LB 1936 158 8.2

También podría gustarte