Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
En Colombia el material particulado (PM) es el tipo de contaminación atmosférica que más se monitorea (IDEAM 2012), debido a su relación con la mayoría de enfermedades respiratorias y cardíacas del planeta (Anderson, Thundiyil y Stolbach 2011; Magnani et al. 2016). En varias ciudades de Colombia como Cali (De la Pava, Salguero y Fernández 2008), Medellín (Bedoya y Martínez 2008), Envigado (Londono, Correa y Palacio 2011) o Bogotá (Gaitan et al. 2007; Rincón Pérez 2015), la calidad del aire es un tema de salud bastante preocupante. El PM es un contaminante muy diverso en su composición, principalmente hollín de la combustión de diésel, polvo de vías, de agricultura y de procesos productivos (Fang et al. 2003). Por esto, su concentración se expresa según tamaño de partícula; en PM menor a 2,5 (PM25) y 10 (PM10) (entre 2,5 y 10 ) (WHO 2005).
Como medida para manejar la contaminación del aire, Colombia ha invertido en mejorar las redes de calidad del aire (Ministerio de Ambiente, Vivienda y Desarrollo Territorial 2010), por lo que el país cuenta actualmente con 166 estaciones fijas y 38 indicativas para un total de 204 (IDEAM 2018), de las cuales Bogotá trabaja con 13 fijas y 1 móvil y publica datos espaciales de interpolación para PM10, PST, PM2,5, SO2 , NO2 , CO3 y о de forma continua (Secretaría Distrital de Ambiente 2020). Aunque la escala temporal del sistema es recurrente (reporta cada hora) (Secretaría Distrital de Ambiente 2020) es valioso contar con información espacial adicional, especialmente para PM.
La National Aeronautics and Space Administration - en adelante, NASA-, a través de los satélites Terra y Aqua ha monitoreado, por más de veinte anos, al planeta (NASA 2020b); dentro de las imágenes que producen se encuentran las MODIS, (Moderate Resolution Imaging Spectroradiometer) (NASA 2020c) con resolución temporal de 24 horas y una resolución espacial mejorada a 1 km con la implementación de MAIAC (Multi-angle Implementation of Atmospheric Correction) (NASA 2020d). Las imágenes pueden capturar medidas de aerosoles a partir de reflexión y absorción de la luz visible e infrarroja de la atmosfera, con lo que se desarrollan imágenes de profundidad óptica de aerosoles (AOD), representadas en pixeles que tienen valores entre 0 y 1, en las que 1 representa la mayor concentración de partículas (NASA 2020a).
Recientemente se ha popularizado el uso de imágenes satelitales de AOD (Aerosol Optical Depth) como variable que permite estimar PM25 (Jung, Hwanga, y Chen 2018; Zang et al. 2018; Nabavi, Haimberger y Abbasi 2019; Ferrero et al.; 2019; Sathe et al. 2019; Park et al. 2020) y, en algunos casos, PM10 (Ferrero et al. 2019), sin embargo, se ha reportado que en algunos casos la relación depende de múltiples factores y no se puede identificar una asociación entre los datos satelitales y los de los laboratorios de aire (Zheng et al. 2017).
En general, los estudios realizados globalmente tratan de establecer inicialmente si existe una correlación entre los datos de PM tomados en terreno y datos de AOD satelitales puntuales. En algunos estudios para PM25 se reportan coeficientes de Pearson para aglomeración de ciudades (Chengyu y Beijing-Tianjin-Hebei) de 0,42 (Yang et al. 2019); para ciudades como Nanjing de 0,54 (Kang et al. 2020), Teherán de 0,6 (Nabavi, Haimberger y Abbasi 2019) y de 0,65 para Milán (Ferrero et al. 2019). Para PM10 hay estudios con coeficientes de 0,2 a 0,66 (Ghotbi, Sotoudeheian y Arhami 2016; Ferrero et al. 2019; Kang 2020) . En la ciudad de Bogotá se han desarrollado Modelos Lineales Generalizados que a partir de respuestas espectrales de imágenes Landsat 5 y 8 intentan predecir PM10; sin embargo, concluyen en la necesidad de aumentar los estudios con otras variables predictoras (Ramírez 2017).
El presente trabajo busca explorar el potencial que tienen las imágenes satelitales MODIS-MAIAC (AOD) como indicadores cualitativos de la concentración de material particulado PM2,5 en la ciudad de Bogotá, identificando si hay alguna correlación entre los datos de las imágenes y las estaciones de monitoreo de calidad del aire en dos momentos de actividad contrastante. Además, se desea comparar datos espacialmente explícitos con interpolación por distancia inversa ponderada (IDW). Esta investigación puede abrir el campo a estudios con mayor número de muestras que permitan identificar modelos matemáticos que faciliten la estimación de contaminantes sin necesidad de medirlos en campo.
Métodos
Área de estudio
Bogotá es la capital de Colombia, cuenta con una amplia zona rural, pero solo la porción urbana de la ciudad presenta estaciones de monitoreo de calidad del aire, cubriendo un área de 379.72 km2 de extensión que representa un 23,2 % del territorio (Alcaldía de Bogotá 2019). Se divide administrativamente en veinte localidades: Chapinero, Usaquén, Santa Fe, San Cristóbal, Tunjuelito, Bosa, Kennedy, Fontibón, Engativá, Suba, Rafael Uribe Uribe, Barrios Unidos, Teusaquillo, Los Mártires, Usme, Antonio Narino, Puente Aranda, La Candelaria, Ciudad Bolívar y Sumapaz. Debido a la distribución de las estaciones solo se evaluó información de la zona urbana (Figura 1).
Datos: Esri y ubicación estaciones calidad de la página web de la Secretaría Distrital de Ambiente de Bogotá (2020).
Nota: ubicación de la red de calidad del aire en Bogotá.
Figura 1 Área de estudio. Bogotá y red de calidad.
Obtención y manejo de datos.
De acuerdo con la disponibilidad de imágenes satelitales se descargaron datos de PM2,5, de las trece estaciones de calidad del aire de la ciudad en la Red de monitoreo de calidad del aire de Bogotá -en adelante, RMCAB- (RMCAB 2020) (véase figura 1) correspondientes a un día de actividad normal de la ciudad y uno en el cual la movilidad se encontraba restringida por la cuarentena preventiva ante el Covid-19 (Tabla 1). Para la misma fecha y hora se descargaron de la página web de la United States Geological Survey (USGS) (USGS 2020) imágenes satelitales MODIS-MAIAC MCD19A2 Versión 6 de 1 km de resolución espacial (Tabla 1). Cabe aclarar que la elección de imágenes se realizó después de revisar diariamente (durante marzo y algunos días abril) la disponibilidad de imágenes que cumplieran con los siguientes requisitos: ser temporalmente cercanas (esto para controlar diferencias asociadas a estacionalidad climática), que presenten datos completos de la ciudad y que hayan sido tomadas antes y después de las medidas de contención de la Alcaldía de Bogotá.
Tabla 1 Imágenes satelitales utilizadas
| Misión | Sensor | Fecha y hora de captura |
|---|---|---|
| Terra-Aqua | MODIS-MAIAC | 5 de abril de 2020 15:00 |
| Terra-Aqua | MODIS-MAIAC | 3 de marzo de 2020 15:00 |
Fuente: imágenes satelitales USGS (2020).
A partir de una capa de puntos de la RMCAB y las imágenes MODIS, se realizó la extracción de datos con el comando "extraer por puntos" de ArcMAP 10.4, obteniendo datos puntuales de AOD y PM2,5 correspondientes a cada estación.
En el programa estadístico Infostat (InfoStat 2017) se realizó una prueba de normalidad de Shapiro-Wilks para los datos obtenidos y se confirmó normalidad en la distribución (Tabla 2), posterior a esto se obtuvo el coeficiente de correlación de Pearson para cada día estudiado.
Tabla 2 Prueba Shapiro-Wilks para los datos recolectados
| Shapiro-Wilks 3 de marzo de 2020 | Shapiro-Wilks 5 de abril de 2020 | |||
|---|---|---|---|---|
| Variable | n | P | n | P |
| AOD | 13 | 0,06 | 13 | 0,08 |
| PM2,5 | 13 | 0,38 | 13 | 0,17 |
Fuente: imágenes satelitales USGS y Secretaría de Medio Ambiente de Bogotá (2020).
Cabe aclarar que los datos de la RMCAB son puntuales, por lo cual los reportes del portal de la Secretaría Distrital de Ambiente surgen de una interpolación IDW (Secretaría Distrital de Ambiente 2019), la cual asigna valores a las celdas, partiendo de datos puntuales con valores conocidos y los pondera en una función inversa con su distancia (Watson y Philip 1985). Al contar con datos puntuales de la red y para utilizar información validada se realizó interpolación IDW con ArcMAP 10.4 de AOD y PM2 (Figura 2 y 3). Como criterios generales, para las dos fechas de estudio se seleccionaron las potencias y el número de sectores que menor error representaron (Anexo 1). la escala de valores numéricos se realizó con el método de clasificación natural de Jenks en las dos cartografías, sin embargo, para facilitar la comparación del comportamiento entre fechas, se ejecutó una clasificación del 5 de abril con intervalos similares a los del 3 de marzo (Figura 4). Estas imágenes permitieron comparar de forma cualitativa la representación de dos momentos de actividad en Bogotá.
Resultados y discusión
Para los datos de PM2,5 de las estaciones y los de AOD de las imágenes MODIS se halló normalidad en la distribución a partir de la prueba de Shapiro-Wilks (Tabla 2):
En los datos de las dos fechas (3 de marzo-5 de abril) se encontró una correlación de Pearson entre el AOD y el PM2 de 0,60 y 0,62 respectivamente (Tabla 3), lo cual coincide con los valores observados para ciudades como Nanjing de 0,54 (Kang 2020), Beijíng de 0,58 (Kong et al. 2016) Teherán de 0,6 (Nabavi, Haimberger y Abbasi 2019) y para Milán de 0,65 (Ferrero et al. 2019). En zonas más amplias los coeficientes pueden bajar, como en aglomeraciones de ciudades (Chengyu y Beijing-Tianjin-Hebei) de 0,42 (Yang et al. 2019) o regiones como el este de los Estados Unidos de 0,52 (Goldberg et al. 2019).
Tabla 3 Coeficiente de correlación de Pearson para los datos recolectados
| Coeficiente Correlación de Pearson datos 3 de marzo de 2020 | Coeficiente Correlación Pearson datos 5 de abril de 2020 | |||
|---|---|---|---|---|
| PM2,5 | P | PM2,5 | P | |
| AOD | 0,602 | 0,03 | 0,623 | 0,021 |
Fuente: imágenes satelitales USGS y Secretaría de Medio Ambiente de Bogotá (2020).
En las interpolaciones del 3 de marzo con PM2,5 y AOD se puede ver cómo el norte presenta menos contaminación que la zona centro y sur de la ciudad, lo cual es un comportamiento registrado desde 2007 (Gaitán, Cancino y Behrentz 2007); de igual manera, en las dos imágenes el suroccidente de la ciudad se ve más afectado en la zona centro, Suroriental y Sur-centro, allí la contaminación se puede considerar en una escala media. Esto representa un resultado bastante aceptable para la interpolación hecha con el AOD en esta fecha como una imagen cualitativa de la contaminación por PM2,5 (Figura 2).
Datos: imágenes satelitales USGS y Secretaría de Medio Ambiente de Bogotá (2020).
Nota: para el 3 de marzo se ven comportamientos muy similares entre el mapa hecho con AOD y los datos de las estaciones de la Secretaría de Medio Ambiente de Bogotá.
Figura 2 Mapa de interpolación de PM25 y AOD para el 3 de marzo de 2020.
En las imágenes del 5 de abril de 2020 se detecta que el norte de la ciudad tiene mayor contaminación por PM2,5 y en la zona centro y Suroccidente es media, lo cual concuerda con el AOD (Figura 3). Se observan diferencias en las estaciones Tunal, Unidad Móvil y Usaquén, las cuales representan cambios en los resultados de la interpolación, sin embargo, en la imagen que tiene intervalos comunes a la del 3 de marzo hay una coincidencia mayor (Figura 4), se puede decir que, en general, los resultados son aceptables.
Datos: imágenes satelitales USGS y Secretaría de Medio Ambiente de Bogotá (2020).
Nota: para el 5 de abril se ven comportamientos muy similares entre el mapa hecho con AOD y los datos de las estaciones de la Secretaría de Medio Ambiente de Bogotá.
Figura 3 Mapa de interpolación de PM2,5 y AOD para el 5 de abril de 2020.
Datos: imágenes satelitales usGs y Secretaría de Medio Ambiente de Bogotá (2020).
Nota: al utilizar una escala de color similar para las dos fechas, los resultados de AOD y las estaciones de la Secretaría de Medio Ambiente de Bogotá se ven con una alta similitud.
Figura 4 Mapa de interpolación de РМ2,5 y AOD para el 3 de marzo y 5 de abril de 2020 con intervalos comunes.
En los mapas con intervalos comunes (Figura 4) se ven los efectos que ha tenido la cuarentena en la contaminación por PM2 para la ciudad de Bogotá. Entre las dos fechas se presentó una inversión en el comportamiento de la contaminación, en donde en el aislamiento preventivo el norte se ve más afectado que el centro y el sur; contrario a lo que es común en un día hábil (3 de marzo). Aunque no existen estudios detallados que expliquen esto, posiblemente debido a la dificultad para detectar tendencias en la dirección de los vientos en la ciudad (Hernández González 2016), para el mes de abril la Secretaría de Ambiente de Bogotá informó que la calidad del aire en la ciudad se ha visto seriamente afectada por incendios en los llanos orientales y Venezuela (Sabogal 2020). Se puede especular que el material de combustión proveniente del este ingrese a la ciudad por la zona que menos altitud tiene, la cual se encuentra al norte de la ciudad en los barrios Codito y Santa Bárbara. Cabe resaltar que este comportamiento es detectado en la imagen creada con AOD, lo cual muestra sensibilidad para fenómenos particulares (Figura 4).
Conclusiones
Los datos de PM2,5 de las estaciones de calidad del aire en las dos fechas contrastantes presentaron correlación con los valores de AOD obtenidos en las imágenes MODIS, lo cual es coherente con estudios realizados en otras ciudades del planeta, y muestra su potencial para ser utilizadas como indicadores cualitativos de contaminación en la ciudad de Bogotá.
Es importante realizar estudios con más datos para tratar de establecer modelos que permitan obtener predicciones y simulaciones de fenómenos de contaminación a partir de imágenes MODis y que puedan usar otras variables que ayuden a definir un modelo aceptable que dé información cuantitativa o, incluso, que permita hacer predicciones.
Los mapas construidos a partir de AOD y de las estaciones muestran comportamientos muy similares para las dos fechas dando resultados cualitativos bastante aceptables (con un coeficiente de correlación de 0,62). Estas imágenes pueden representar la posibilidad para desarrollar cartografías con datos cualitativos en varios espacios del país que no cuentan con un sistema de monitoreo del aire, lo cual se relaciona con la gobernanza del aire al ser datos gratuitos, independientes y espacialmente explícitos.
