Documente Academic
Documente Profesional
Documente Cultură
s
t
i
c
o
s
p
a
r
a
e
v
a
l
u
a
c
i
o
n
d
e
m
o
d
e
l
o
s
d
e
c
a
l
i
d
a
d
d
e
l
a
i
r
e
E
s
t
a
d
i
s
t
i
c
o
F
o
r
m
u
l
a
R
a
n
g
o
d
e
v
a
l
o
r
e
s
a
c
e
p
t
a
b
l
e
s
V
a
l
o
r
i
d
e
a
l
O
b
s
e
r
v
a
c
i
o
n
C
o
e
c
i
e
n
t
e
d
e
c
o
r
r
e
l
a
c
i
o
n
r
=
ni
=
1
(
C
o
i
C
o
)
(
C
p
i
C
p
)
p
0
U
1
1
.
0
C
o
y
C
p
s
o
n
l
a
s
c
o
n
c
e
n
t
r
a
c
i
o
n
e
s
m
o
d
e
l
a
d
a
s
y
m
e
d
i
d
a
s
.
F
r
a
c
c
i
o
n
d
e
l
s
e
s
g
o
F
B
=
C
0
C
p
0
,
5
(
C
o
+
C
p
)
(
-
2
)
U
2
0
.
0
C
o
a
n
d
C
p
s
o
n
k
a
s
c
o
n
c
e
n
t
r
a
c
i
o
-
n
e
s
p
r
o
m
e
d
i
a
s
m
o
d
e
l
a
d
a
s
y
m
e
-
d
i
d
a
s
.
R
a
z
d
e
l
e
r
r
o
r
m
e
d
i
o
c
u
a
-
d
r
a
t
i
c
o
r
m
s
e
=
1n
(
ni
=
1
(
C
o
i
C
p
i
)
2
)
n
o
d
i
s
p
o
n
i
b
l
e
0
.
0
o
y
p
s
o
n
l
a
s
d
e
s
v
i
a
c
i
o
n
e
s
s
t
a
n
-
d
a
r
d
d
e
l
a
s
c
o
n
c
e
n
t
r
a
c
i
o
n
e
s
m
o
-
d
e
l
a
d
a
s
y
m
e
d
i
d
a
s
.
D
e
s
v
i
a
c
i
o
n
s
t
a
n
d
a
r
d
n
o
r
-
m
a
l
i
z
a
d
a
N
S
D
=
o
0
-
1
1
.
0
E
r
r
o
r
m
e
d
i
o
c
u
a
d
r
a
t
i
c
o
n
o
r
m
a
l
i
z
a
d
o
N
M
S
E
=
(
C
0
C
p
)
2
C
o
C
p
n
o
d
i
s
p
o
n
i
b
l
e
0
.
0
p
r
o
m
e
d
i
o
d
e
l
s
e
s
g
o
a
b
s
o
l
u
-
t
o
n
o
r
m
a
l
i
z
a
d
o
A
N
B
=
(
(
C
o
C
p
)
C
o
)
n
o
d
i
s
p
o
n
i
b
l
e
0
.
0
m
e
d
i
a
d
e
l
s
e
s
g
o
g
e
o
m
e
t
r
i
-
c
o
M
G
=
(
l
n
(
C
o
)
l
n
(
C
p
)
)
>
0
1
.
0
V
a
r
i
a
n
z
a
g
e
o
m
e
t
r
i
c
a
G
V
=
e
x
p
(
l
n
(
C
o
)
l
n
(
C
p
)
)
2
>
0
1
.
0
C
o
i
y
C
p
i
s
o
n
l
a
s
c
o
n
c
e
n
t
r
a
c
i
o
-
n
e
s
m
o
d
e
l
a
d
a
s
y
m
e
d
i
d
a
s
e
n
l
a
s
e
s
t
a
c
i
o
n
e
s
d
e
m
o
n
i
t
o
r
e
o
i
;
n
e
s
e
l
n
u
m
e
r
o
d
e
e
s
t
a
c
i
o
n
e
s
f
r
a
c
c
i
o
n
d
e
p
r
e
d
i
c
c
i
o
n
d
e
n
t
r
o
d
e
u
n
f
a
c
t
o
r
d
e
2
F
B
=
C
p
C
o
0
.
5
-
2
1
.
0
n
d
i
c
e
d
e
c
o
n
c
o
r
d
a
n
c
i
a
d
=
1
ni
=
1
(
C
p
i
C
o
i
)
2
ni
=
1
(
C
p
i
C
p
o
)
+
(
C
o
i
C
o
)
0
-
1
1
.
0
36 1 Introducci on
Tabla 1-6. Grupo de estaciones meteorol ogicas de la red de calidad del aire de Bogota
Estacion Localidad Sector PM
10
PST PM
2,5
SO
2
NO
2
CO O
3
Usaquen Usaquen Norte X X X
Sagrado Co-
razon
Santa Fe Centro X X X
Carvajal Kennedy Suroccidente X X X X X X
Tunal Tunjuelito Sur X X X X X X
Parque Si-
mon Bolvar
Barrios Uni-
dos
Centro X X X X X X
Las Ferias Engativa Norte X X X X X X
San Cristo-
bal
San Cristo-
bal
Sur X X X X X
Guaymaral Suba Norte
Kennedy Kennedy Suroccidente X X X X X
Chico Lago Chapinero Centro X X X X
Suba Suba Noroccidente X X X X
Puente
Aranda
Puente
Aranda
Suroccidente X X X X X
Fontibon Fontibon Suroccidente X X X X X
2. Metodologa
La preparaci on de la simulaci on meteorologica y la modelizaci on de la calidad del aire se
desarroll o en 4 partes. En la primera parte se escogi o la fecha a simular, se seleccion o la
informaci on meteorol ogica y los datos de contaminantes. En la segunda parte se selecciona-
ron los dominios que permitieran la simulacion de los campos meteorol ogicos, informaci on
valiosa para ingresar al modelo de dispersi on. En la tercera parte se validaron las salidas del
WRF, escogiendo a traves de una an alisis estadstico, los campos meteorologicos que tuvieran
menores valores de sesgo, desviaci on standard y Mae para generar las condiciones iniciales
para alimentar a Calmet. La cuarta parte consto de la ejecucion del modelo meteorologico
Calmet, alimentado por medio de campos de pronostico a partir de la salida del WRF; en
esta parte, se ejecut o el modelo de dispersi on Calpu, alimentado a traves de la salida del
modelo meteorologico Calmet, determinando las zonas con mayores niveles de contaminantes.
La seleccion del periodo a simular se bas o en la disponibilidad de datos meteorologicos y
de contaminantes. Por esta raz on, se selecciono el periodo de simulacion entre el 1 de di-
ciembre del a no 2009 hasta el da 8 de diciembre del a no 2009. En la tabla 2-1 se muestran
las estaciones de la red de calidad del aire que se usaron para la validaci on de los campos
meteorol ogicos y los datos de contaminantes.
2.1. Modelizacion meteorologica con WRF
El area o dominio de modelizaci on considerada en este estudio corresponde a la gura 2-1
y tiene su origen en las coordenadas geogr acas 4.05rN, 73.74rW. Para la simulaci on me-
teorol ogica con WRF se dise no una triple interaccion de dos vas, partiendo de un dominio
con una resoluci on de 30km con 100x93 puntos de grilla (D1), el cual cubre toda la parte
continental de Colombia, el territorio Venezolano, Ecuatoriano, parte del territorio de Brasil,
Nicaragua, Costa Rica y Panam a, el cual se espera que capture las caractersticas de escala
sin optica que afecta los patrones locales de circulaci on y mejore los resultados para el domi-
nio D3 (Warner, 1997).
El primer dominio anidado (D2) utiliza una resoluci on espacial de 10km y 193x163 pun-
tos de grilla abarcando toda la parte continental de Colombia y parte martima, y algunas
zonas de Venezuela, Ecuador, Per u, Panama y Brasil. El segundo dominio anidado (D3)
utiliza una resolucion horizontal de aproximadamente 3.3km con 274x 202 puntos de grilla,
38 2 Metodologa
Tabla 2-1. Grupo de estaciones meteorol ogicas de la red de calidad del aire de Bogota
Estaci on meteorol ogica Longitud Latitud
Carvajal -74.14 4.595
Fontib on -74.14 4.67
GuaymaraL -74.04 4.78
Kennedy -74.16 4.62
Las Ferias -74.08 4.69
Parque Simon Bolvar -74.08 4.65
Puente Aranda -74.11 4.63
San Cristobal -74.08 4.57
Suba -74.09 4.76
Tunal -74.13 4.57
Usme -74.14 4.50
Usaquen -74.03 4.70
Vitelma -74.07 4.57
cubriendo principalmente la zona centro del territorio colombiano.
La topografa y uso del suelo se interpolaron de Modis con una resolucion espacial apro-
piada de 10m, 5m y 2m para los dominios D1, D2 y D3, respectivamente. Se utilizaron los
datos de uso de suelo del modelo Moderate-Resolution Imaging Spectroradiometer (MODIS)
dado que ubican todas las mayores areas urbanas de Colombia en su sitio real e incluso
representan los picos de los nevados con la categora de nieve (Pab on, 2010). Las condiciones
iniciales y de frontera se tomaron a partir de la salida del modelo global Global Forecast
System (GFS) con una resolucion horizontal de 40km y una resolucion temporal de 3 horas.
Las simulaciones meteorol ogicas se realizaron para el periodo del a no 2009; desde el 27
de noviembre a las 00 h hasta 8 de diciembre a las 00 h (hora local). El dominio D1 comenz o
su simulacion meteorologica a las 00 h del 27 de noviembre, mientras que el dominio D2
comenz o su simulaci on 48 horas despues; as mismo el dominio D3 comenz o su simulacion
24 horas m as tarde. El primer da del periodo de simulacion del dominio D3 se tomo como
tiempo de arranque (Warner, 1997), mientras que los das restantes de las simulaciones se
usaron para la validaci on de los campos meteorol ogicos, es decir, 144 horas.
2.1.1. Parametrizacion del modelo WRF
Varios esquemas de parametrizaciones fsicas se encuentran disponibles en el modelo WRF
versi on 3.2.1. Una serie de pruebas se realizaron variando algunas opciones fsicas para la
2.1 Modelizaci on meteorologica con WRF 39
Figura 2-1. Figura del dominio
simulaci on del periodo en an alisis (Borge et al., 2008), iniciando de las opciones en la tabla
2-2 .
El modelo meteorol ogico WRF incluye una serie de parametrizaciones de c umulos cuyo inten-
ci on es representar ujos verticales debido a movimientos ascendentes y descendentes dentro
de la nubes, debido a que estos ujos pueden ser resueltos explcitamente para el dominio D3
(Skamarock et al., 2005), esta parametrizaci on para este dominio no se incluy o en el estudio.
Pero no unicamente la simulacion de la precipitaci on es sensitiva al esquema de parametri-
zaci on de precipitaci on empleada en ese dominio, Warner y Hsu (2000) describieron que la
precipitacion en un dominio no o anidado es sensible a la parametrizaci on convectiva que
se emplea en los alrededores de ese dominio. Por esta raz on, para los dominios exteriores
al dominio D3, se tomo una conguraci on b asica por defecto. En una carpeta adjunta se
muestra los archivos en formato ascii de la conguraci on de cada uno de los casos propuestos
40 2 Metodologa
Tabla 2-2. Esquemas de parametrizaciones disponibles en WRF, versi on 3.2.1
Microfsica
Capa super-
cial
Supercie-tierra
Capa lmite pla-
netaria
Radiacion de
onda corta
Radiacion de
onda larga
Purdue Lin
Similarity
theory
(MM5)
5-layer thermal
diusion
Medium Range
Forecast Model
(MRF) PBL
MM5 (Dudhia)
Shortwave
Rapid Radiative
Transfer Model
(RRTM) Onda
Larga
WSM6
Similarity
theory (Eta)
Noah LSM
Yonsei Univer-
sity (YSU) PBL
Goddard Short-
wave Eta
Geophysical
Fluid
Dynamics Labo-
ratory (GFDL)
Shortwave
Thompson
Similarity
theory (PX)
Rapid Update
Cycle (RUC)
Model LSM
Mellor-Yamada-
Janjic (MYJ)
PBL
CAM Shortwave
denominados namelist.input(casos) donde aparecen todas las variables del modelo.
El impacto de la parametrizaci on de la capa lmite planetaria en aplicaciones de calidad
del aire se ha estudiado ampliamente (Mao et al., (2006), Perez et al., (2006)). Entre las
opciones m as usadas para parametrizar la capa lmite planetaria se encuentran: Mellow-
Yamada-Janjic (MYJ), Yonsei University (YSU) y Medium Range Forecast Model (MRF).
La microfsica de nubes incluye vapor de agua resuelto explcitamente, nubes y procesos de
precipitacion.
Unicamente los m as realistas y complejos esquemas de microfsica se incluye-
ron en la simulaci on (Skamarock et al., 2005), WSM6 (Hong y Lim, 2006), Pardue Lin (Chen
y Sun, 2002) y Thompson (2004). La radiaci on solar es uno de los principales elementos para
la din amica de la capa lmite planetaria. Los esquemas de radiacion en WRF proveen calen-
tamiento atmosferico debido a ujo radiactivo divergente y radiaci on de onda larga saliente
y radiacion de onda corta saliente. Los esquemas de radiaci on que se utilizaron fueron Rapid
Radiative Transfer Model (RRTM) (Mlawer et al., 1997), Eta Geophysical Fluid Dynamics
Laboratory (GFDL) (Schwarzkopf and Fels, 1991) y NCAR Community Atmospheric Model
(CAM) (Collins et al., 2002). Los esquemas incluidos en la modelizacion son el esquema Eta
Geophysical Fluid Dynamics Laboratory (GFDL) (Lacis and Hansen, 1974), MM5 Shortwa-
ve scheme (Dudhia, 1989) y el esquema Goddard (Chou and Suarez, 1994). La tabla 2-3
muestra un resumen de los par ametros que se usaron para la simulaci on meteorologica La
tabla 2-4 muestra los casos que se usaron para la simulacion de los campos meteorol ogicos
en el dominio D3.
2.2 Modelizaci on meteorologica con Calmet 41
Tabla 2-3. Diferentes tipos de esquemas usados para la modelizacion atmosferica
PBL Microsica Onda larga Onda Corta
Yonsei University (YU) PBL WSM6 RRTM GFDL
Mellor-Yamada-Janjic (MYJ) Thompson GFDL MM5
Medium Range Forecast Model Purdue Lin scheme CAM RRTM
2.1.2. Validacion de la modelizacion meteorologica de WRF
De las metodol ogicas disponibles para la evaluaci on de modelos meteorologicos se selecciono
el enfoque cl asico de comparaci on de los resultados del modelo con las mediciones Gilliam
et al., (2006), el cual en su mayora est a basado en comparaci on con datos de supercie.
Basado en Borge et al.,( 2010) se seleccionaron como variables a validar las componente U
(velocidad zonal) y V (velocidad meridional) del viento a 10 m de altura y temperatura del
ambiente a una altura de 2 m. Errores en esta variable de altura son de interes, debido a
que puede afectar las concentraciones de ciertos tipos de contaminantes estimados por los
modelos de calidad del aire.
Los script de AMET generan todo un conjunto de estadsticos que permiten la validacion de
los modelos meteorol ogicos, pero procedimientos estadsticos para tal n no existen (Hanna
et al., 2000), por lo cual para la validacion de la salida de WRF se utilizan los estadsticos
denidos en Comet(2001). Para evaluar el desempe no del modelo meteorologico se calcularon
estadsticos utilizando la herramienta AMET, que utiliza la tecnologa de base de datos para
almacenar observaciones meteorol ogicas y sus respectivas observaciones modeladas, as co-
mo otras caractersticas tales como: coordenadas de la estaci on, elevaci on, uso del suelo, red
de observaciones y fecha. Una variedad de metricas estadsticas se usan para comparar los
campos modelados con los campos medidos. La raz media del error cuadratico (rmse), error
medio absoluto (Mae) permite calcular el error total del modelo, el sesgo permite calcular
el error sistematico del modelo, mientras que la desviaci on est andar (DesvStand) permite
calcular el error no sistem atico del modelo (Comet, 2001). Para un resumen de las ecuaciones
m as usadas para la validaci on de campos meteorol ogicos ver la tabla 1-5
2.2. Modelizacion meteorologica con Calmet
El area o dominio de la modelizaci on considerada en este estudio, corresponde a la que se
muestra en gura 2-2 y tiene su origen en las coordenadas UTM-E: 562.880Km, UTM-N:
478.165Km. Desde este origen, el dominio considera 70 kil ometros en la direccion este y 70
kilometros en la direccion norte, cubriendo un area de 4900 kil ometros cuadrados. La tabla
2-5 muestra los puntos extremos de la topografa del dominio a simular. Calmet se alimenta
a traves de la salida de los campos meteorol ogicos del WRF, esto se logra como un ejemplo
42 2 Metodologa
Tabla 2-4. Resumen de esquemas usados para el modelizaci on
PBL Microsica Onda larga Onda corta
caso01 Yonsei University WSM6 RRTM GFLD
caso02 Yonsei University Thompson GFLD GFLD
caso03 Yonsei University Purdue Lin RRTM RRTM
caso04 Mellor-Yamada-Janjic WSM6 RRTM GFLD
caso05 Mellor-Yamada-Janjic Thompson GFLD GFLD
caso06 Mellor-Yamada-Janjic Purdue Lin RRTM RRTM
caso07 Yonsei University WSM6 GFLD GFLD
caso08 Yonsei University Thompson RRTM MM5
caso09 Yonsei University Purdue Lin RRTM RRTM
caso10 Mellor-Yamada-Janjic WSM6 GFLD GFLD
caso11 Mellor-Yamada-Janjic Thompson RRTM MM5
caso12 Mellor-Yamada-Janjic Purdue Lin RRTM RRTM
caso13 Medium Range Forecast Model WSM6 RRTM GFLD
caso14 Medium Range Forecast Model Thompson GFLD GFLD
caso15 Medium Range Forecast Model Purdue Lin RRTM RRTM
caso16 Medium Range Forecast Model Purdue Lin RRTM MM5
caso17 Medium Range Forecast Model WSM6 GFLD GFLD
caso18 Medium Range Forecast Model Thompson RRTM MM5
2.3 Inventarios de emisiones 43
Figura 2-2. Figura del dominio a simular con Calmet
Tabla 2-5. Puntos extremos del dominio a simular
Esquina X UTM Y UTM
SE 632.880981 478.165
SW 562.880 478.165
NW 562.880 548.958
NE 632.880 548.958
del acoplamiento no directo entre un modelo de mesoescala y el modelo de dispersi on (Grell
et al., 2010), en el cual se desarrolla un preprocesador que permite que la salida del modelo
meteorol ogico se ingrese al modelo Calmet. Calmet posee varias opciones que le permiten
tomar los campos meteorol ogicos obtenidos a traves de un modelo de pron ostico como datos
de entrada al modelo Calmet. Entre las opciones que Calmet posee para seleccionar la entrada
de datos se encuentran:
2.3. Inventarios de emisiones
El inventario de emisiones para la ciudad de Bogot a fue tomado de Pe naloza(2010). Los
resultados arrojados por el inventario de emisiones corresponden a archivos de texto que
contienen las emisiones de las fuentes m oviles y jas distribuidas en cada una de las horas
44 2 Metodologa
Tabla 2-6. Consolidado de emisiones horarias, fuentes moviles
Opcion Uso de campos grillados como campos de entrada al modelo Calmet
13 Uso de campos grillados del modelo de mesoescala como el paso 1
14 Uso de campos grillados del modelo de mesoescala como campo inicial de pruebas
15 uso de campos grillados del modelo de mesoescala como observaciones
del da tpico, en cada una de las 3.025 celdas en las que se dividi o el dominio modelado.
Los mayores contaminantes emitidos por las fuentes m oviles en el dominio de simulaci on
son CO, COV, con emisiones de aproximadamente 700 Ton/a no y 101 Ton/a no. Mientras
que el compuesto qumico con la menor descarga es PM
10
.
En la tabla 2-7 se muestra los valores consolidados del comportamiento en el tiempo de
las emisiones estimadas.
Para las fuentes jas, el principal contaminantes es NO
x
con una cantidad de aproximada-
mente 2500 Ton/a no, siguiendo en segundo lugar el SO
2
con una emisi on de 200 Ton/a no.
Las emisiones de material particulado es de 1000 Ton/a no. La distribucion temporal de las
emisiones por fuente jas se muestra en la tabla 2-8.
2.3 Inventarios de emisiones 45
Tabla 2-7. Consolidado de emisiones horarias, fuentes moviles
Hora CO [Ton/h] NOx [Ton/h] PM
10
[Ton/h] S02 [Ton/h] COV [Ton/h
1 17,37 1,25 0,02 0,31 2,58
2 12,02 0,94 0,02 0,22 1,79
3 9,81 0,89 0,02 0,19 1,47
4 9,81 0,97 0,02 0,20 1,48
5 15,15 1,63 0,04 0,31 2,32
6 54,93 5,49 0,18 1,07 8,48
7 98,06 8,38 0,26 1,79 15,30
8 122,25 9,47 0,27 2,17 19,03
9 108,56 8,93 0,26 1,98 16,72
10 107,69 9,02 0,26 1,99 16,54
11 106,85 9,18 0,27 2,00 16,36
12 107,03 9,06 0,26 1,99 16,37
13 108,23 9,10 0,26 2,03 16,44
14 109,23 9,03 0,25 2,03 16,59
15 118,09 9,60 0,26 2,19 17,95
16 114,26 9,48 0,27 2,11 17,50
17 110,43 9,28 0,27 2,03 17,06
18 118,78 9,43 0,27 2,14 18,44
19 114,68 8,74 0,24 2,05 17,62
20 112,39 8,45 0,20 2,05 16,83
21 93,39 7,15 0,18 1,71 13,93
22 78,00 5,92 0,14 1,43 11,64
23 55,52 4,14 0,10 1,01 8,32
24 34,26 2,42 0,04 0,61 5,07
Los m aximos para CO y COV se presentan a las 08:00; para NOx y SO
2
(Figura 11), las
mayores emisiones se presentan a las 13:00, y para PM
10
, a las 17:00.
2.3.1. Comportamiento temporal y espacial de contaminantes PM 10
En las gracas 2-3,2-4,2-5 y 2-6 se puede analizar la evoluci on temporal y espacial del
contaminante PM
10
para la ciudad de Bogot a en algunas horas tpicas. En la secci on de
anexo se muestran todas las gr acas correspondientes al da tpico. Las emisiones mas altas
se pueden observar en la zona industrial conformada por las localidades de Puente Aranda,
Fontib on y Kennedy, tambien se presentan emisiones altas en el sur de la ciudad, principal-
mente en la localidad de Usme. Esta area presenta una alta densidad de hornos que queman
46 2 Metodologa
Tabla 2-8. Consolidado de emisiones horarias, fuentes jas
Hora CO [Ton/h] NOx [Ton/h] PM
10
[Ton/h] S02 [Ton/h]
Hora CO NOV SOx PM
10
1 0,04 0,19 0,13 0,09
2 0,04 0,20 0,13 0,09
3 0,05 0,20 0,13 0,09
4 0,05 0,21 0,14 0,09
5 0,05 0,21 0,15 0,09
6 0,05 0,22 0,17 0,10
7 0,06 0,24 0,21 0,12
8 0,06 0,25 0,23 0,13
9 0,07 0,26 0,24 0,13
10 0,07 0,27 0,24 0,13
11 0,08 0,28 0,26 0,14
12 0,08 0,31 0,31 0,17
13 0,08 0,30 0,29 0,17
14 0,07 0,29 0,29 0,16
15 0,07 0,28 0,26 0,14
16 0,07 0,27 0,25 0,13
17 0,07 0,27 0,24 0,13
18 0,06 0,25 0,21 0,12
19 0,05 0,23 0,20 0,11
20 0,05 0,22 0,16 0,10
21 0,05 0,21 0,16 0,10
22 0,05 0,20 0,14 0,09
23 0,04 0,19 0,13 0,09
24 0,04 0,18 0,12 0,09
2.3 Inventarios de emisiones 47
Figura 2-3. Emisiones de PM
10
para las 01:00
Figura 2-4. Emisiones de PM
10
para las 06:00
carbon en el proceso de coccion del ladrillo. Las emisiones de PM
10
son particularmente altas
para fuentes que emplean carb on como combustible (Pe naloza,2010).
48 2 Metodologa
Figura 2-5. Emisiones de PM
10
para las 12:00
Figura 2-6. Emisiones de PM
10
para las 18:00
2.4 Modelizaci on de la calidad del aire con Calpu 49
2.4. Modelizacion de la calidad del aire con Calpu
El area o dominio de modelizaci on para Calpu corresponde a la misma area denida para
las simulaciones con Calmet, gura 2-2. Las simulaciones de dispersi on de contaminantes
se realizaron para el periodo del a no 2009 desde el 01 de diciembre a las 00 h hasta 8 de
diciembre a las 00h (hora local). Debido a los altos niveles de PM
10
en la ciudad de Bogota
los cuales superan las concentraciones promedio maximos permisibles por la norma (Reso-
luci on 601 de 2006), se tom o PM
10
como contaminantes a simular. Para la validacion de
contaminantes se tom o 1 da de la simulacion como un tiempo de arranque, mientras que la
validaci on se realizo para el resto de la simulacion.
La gura 2-7 muestra los niveles promedios de contaminacion de PM
10
para la ciudad
de Bogota para el a no 2009. En esta gura es posible ver cu ales son las estaciones con mayor
concentracion de PM
10
.
Figura 2-7. Diagrama de caja para el contaminante PM
10
para la ciudad de Bogota
-50
50
150
250
350
450
550
650
C
a
r
v
a
j
a
l
F
o
n
t
i
b
o
n
G
u
a
y
m
a
r
a
l
K
e
n
n
e
d
y
L
a
s
F
e
r
i
a
s
P
a
r
q
u
e
S
i
m
o
n
B
o
l
i
v
a
r
P
u
e
n
t
e
A
r
a
n
d
a
S
a
g
r
a
d
o
C
o
r
a
z
o
n
S
u
b
a
T
u
n
a
l
U
s
a
q
u
e
n
Primer cuartil Valor minimo Valor maximo Mediana Tercel cuartil
2.4.1. Analisis de datos
Con el objetivo de validar la salida del modelo, las concentraciones modeladas se comparan
con las concentraciones de la red de calidad del aire usando varias aproximaciones diferentes.
Primero, los resultados se tabulan y las predicciones se comparan con los datos directamente.
Segundo, muchos estadsticos pueden ser usados para evaluar los resultados, pero el rmse
se seleccion o como un indicador de una buena ejecucion. Este estadstico ubica un peso
50 2 Metodologa
estadstico en valores mayores, debido a que la diferencia entre las concentraciones observadas
y modeladas (CpiCo) es normalmente m as alta en las m as altas concentraciones. Entre mas
bajo el valor de rmse, mejores son los resultados de la ejecuci on del modelo. Ademas se utiliza
un diagrama de cajas para hacer un an alisis exploratorio de los datos. La comparaci on nal
involucra el c alculo del sesgo fraccional en cada estaci on de monitoreo. El sesgo fraccional
(FB) es una medida de la ejecucion del modelo usada para determinar si un modelo cumple
los requisitos mnimos para ejecuci on operacional (US EPA 1992).
3. Resultados
3.1. Validacion de la modelizacion meteorologica con
WRF
De todos los casos que se propusieron en la tabla 2-4 como candidatos para la simulaci on de
los campos meteorol ogicos, no todos pudieron ser ejecutados dado que algunos presentaron
errores de inestabilidad numerica, error de segmentaci on o incompatibilidad entre algunos de
los esquemas propuestos al momento de ser ejecutados. Hay que aclarar que la entrada de los
datos de velocidad a los modulos de AMET se hace a traves de sus componentes, mientras
que el analisis de resultados se presenta a traves de la magnitud y direcci on.
La tabla 3-1 muestra los resultados de las salidas resultantes de los casos que se utiliza-
ron para la simulacion meteorol ogica de la temperatura a 2m. Las tablas 3-2 y 3-3 muestran
los resultados de las salidas de los casos que se utilizaron para la validaci on del viento a
10m. Hay que tener en cuenta que la incertidumbre en los resultados del modelo puede
deberse a una representaci on incompleta de la din amica de la atm osfera, tecnicas de solu-
ciones numericas, selecci on de la resolucion del dominio de simulaci on errada, estructura del
tipo de grilla, errores en los datos de entrada (condiciones iniciales y de frontera), por lo
cual siempre habr a una grado de incertidumbre, la cual no es posible remover del modelo
(Chang and Hanna, 2004), raz on por la que los campos meteorol ogicos nunca ser an perfectos
y habra una base de dispersi on que no podr a ser removida. De la tabla de estadsticos se
puede observar que el caso que mejor resuelve los campos meteorol ogicos comparados con
los campos medidos es el caso 13, el cual posee las mejores aproximaciones, especialmente en
los campos de temperatura y velocidad del viento, a partir del an alisis estadstico obtenido
a traves de AMET. Basado en lo anterior, las condiciones iniciales para alimentar la corrida
de Calmet fueron tomadas de la salida del caso 13 (tabla 3-4), con el objeto de generar los
campos meteorologicos que se usaran para la corrida de Calpu.
3.1.1. Analisis del caso13
En la gura 3-1 y la gura 3-2 se pueden ver los diagramas de caja para los datos medidos
y simulados de temperatura y velocidad del viento. Se puede observar que la temperatura
y la velocidad promedio del viento es modelada bastante bien por el modelo meteorol ogico.
52 3 Resultados
Tabla 3-1. Estadsticos para la evaluaci on de la temperatura a altura de 2m [grados cent-
grados]
DesvStand Mae sesgo rmse
caso01 5.03 4.28 1.39 5.22
caso02
caso03 4.99 4.16 1.39 5.18
caso04
caso05
caso06
caso07 4.86 4.16 1.69 5.14
caso07
caso08
caso09 5.01 4.18 1.35 5.18
caso10
caso11
caso12
caso13 4.85 4.00 0.93 4.93
caso14 4.81 4.10 1.54 5.05
caso15 4.93 4.08 1.09 5.05
caso16 4.95 4.13 1.25 5.10
caso17 4.96 4.10 1.05 5.07
caso18 4.79 4.09 1.50 5.02
En las guras 3-3y 3-4 se puede observar el comportamiento de algunos estadsticos y
su valor asociado en cada una de las estaciones. Estas guras muestran el problema de
la heterogeneidad de los campos meteorol ogicos y la importancia de seleccionar de forma
correcta los sitios de la estaciones, dado que es imposible para un modelo simular todos los
puntos del dominio con la misma precisi on, es decir, la incertidumbre en los campos no ser a
la misma en todo el dominio.
3.1 Validacion de la modelizacion meteorol ogica con WRF 53
Tabla 3-2. Estadsticos para la evaluacion de velocidad del viento a 10m [m/s]
desvStand Mae sesgo rmse
caso01 1.86 1.45 -0.21 1.87
caso02
caso03 1.75 1.34 -0.03 1.75
caso04
caso05
caso06
caso07 1.93 1.45 0.02 1.93
caso08
caso09 1.79 1.34 -0.05 1.79
caso10
caso11
caso12
caso13 1.68 1.31 -0.40 1.72
caso14 1.83 1.41 -0.17 1.84
caso15 1.75 1.35 -0.25 1.77
caso16 1.70 1.32 -0.13 1.70
caso17 1.68 1.29 -0.14 1.69
caso18 1.88 1.46 -0.13 1.89
Figura 3-1. Diagrama de caja para temperatura promedio medida y promedio observada
para el dominio de simulacion
Se puede ver de la tabla anterior que no todos los casos que se propusieron en
la metodologa pudieron generar un conjunto de estadsticos, dado que algunos
que ellos generaron errores de inestabilidad numrica, segmentation fault o
despus de algn tiempo no iniciaron su proceso.
De la tabla de estadsticos se puede observa que el caso que mejor resuelve los
campos meteorolgicos es el caso 13, el cual posee las mejores
aproximaciones.
En la siguiente grafica se puede ver un diagrama de cajas para los valores
modelados y los valores de temperatura para el caso13.
54 3 Resultados
Tabla 3-3. Estadsticos para la evaluaci on de la direccion del viento a 10m [grados cent-
grados]
desvStand Mae sesgo rmse
caso01 99.78 86.53 18.74 101.48
caso02
caso03 103.07 90.19 16.84 104.38
caso04
caso05
caso06
caso07 102.00 86.76 9.53 102.39
caso08
caso09 100.63 87.14 13.30 101.44
caso010
caso011
caso012
caso13 100.08 84.63 11.99 100.74
caso14 99.29 85.80 16.61 100.61
caso15 102.46 87.12 10.10 102.90
caso16 98.62 84.02 12.41 99.34
caso17 100.85 86.56 13.71 101.72
caso18 97.00 81.55 11.40 97.61
Tabla 3-4. Parametros de la conguraci on del caso13
caso13 Medium Range Forecast Model WSM6 RRTM GFLD
3.1 Validacion de la modelizacion meteorol ogica con WRF 55
Figura 3-2. Diagrama de caja para la magnitud de la velocidad del viento promedio medida
y promedio observada para el dominio de simulacion [m/s]
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o o
o
o
o
o
o
o o o
o
o
o
o
o
o
o
oo
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o o
o
o o
o
o
o
o
o o
o
o
o o
o
o
o
o
o
o
o
o
o o o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o o o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o o
o
o
o
o
o o
o
o o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
oo
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
0 1 2 3 4 5 0
1
2
3
4
5
Observed
P
r
e
d
i
c
t
e
d
ObservationModel Scatter
o o
o
o o
o
2 4 6 8 10
2
0
2
4
6
Observed Range
S
t
a
t
i
s
t
i
c
s
V
a
l
u
e
Statistical Metrics versus Observation Range
StDev
MAE
BIAS
Obs Mod
0
2
4
6
8
Obs and Mod Box Plots
Model Performance Statistics
* Stats are normalized by observation range
Data count 1152
Correlation 0.0054737
Standard Deviation 1.6836
Mean Absolute Error 1.3176
Mean Bias 0.4016
*Mean Fractional Bias (%) 26.482
*Mean Normalized Bias (%) 4.5164
*Mean Normalized Error (%) 20.785
*Normalized Mean Bias (%) 5.0922
*Normalized Mean Error (%) 16.706
RootMeanSqrError 1.7299
Index of Agreement 0.0051357
56 3 Resultados
Figura 3-3. Sesgo para la velocidad del viento en cada una de las estaciones de monitoreo
de calidad del aire de Bogota
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
G
G
G
G
10
5
4
3
2
1
0
1
2
3
4
5
10
Mean bias of Daily Wind Speed (m/s) Date: BETWEEN 20091203 AND 20091207
3.1 Validacion de la modelizacion meteorol ogica con WRF 57
Figura 3-4. Sesgo para la temperatura modelada en cada una de las estaciones de monitoreo
de calidad del aire de Bogota
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
G
G
G
G
10
5
4
3
2
1
0
1
2
3
4
5
10
Mean bias of Daily 2 m Temperature (C) Date: BETWEEN 20091203 AND 20091207
58 3 Resultados
Figura 3-5. Sesgo para la direcci on del viento en cada una de las estaciones de monitoreo
de calidad del aire de Bogota
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
G
G
G
G
10
5
4
3
2
1
0
1
2
3
4
5
10
Mean bias of Daily 2 m Temperature (C) Date: BETWEEN 20091203 AND 20091207
3.1 Validacion de la modelizacion meteorol ogica con WRF 59
Figura 3-6. Desviacion estandar para la temperatura a 2m en cada una de las estaciones
de monitoreo de calidad del aire de Bogota.
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
G
0
1
2
3
4
5
6
7
8
9
Standard Deviation of Daily 2 m Temperature (C) Date: BETWEEN 20091203 AND 20091207
60 3 Resultados
Figura 3-7. Desviaci on estandar para la direcci on del viento en cada una de las estaciones
de monitoreo de calidad del aire de Bogota
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
G
0
1
2
3
4
5
6
7
8
9
Standard Deviation of Daily Wind Speed (m/s) Date: BETWEEN 20091203 AND 20091207
3.1 Validacion de la modelizacion meteorol ogica con WRF 61
Figura 3-8. Desviacion est andar para la velocidad del viento en cada una de las estaciones
de monitoreo de calidad del aire de Bogota
ANTONIO NARIO
BARRIOS UNIDOS
BOSA
CANDELARIA
CHAPINERO
CIUDAD BOLIVAR
ENGATIVA
FONTIBON
KENNEDY
LOS MARTIRES
PUENTE ARANDA
RAFAEL URIBE URIBE
SAN CRISTOBAL
SANTA FE
SUBA
TEUSAQUILLO
TUNJUELITO
USAQUEN
Carvajal
Fontibn
Kennedy
Las Ferias
Parque Simn Bolvar
Puente Aranda
San Cristbal
Suba
Tunal
Usme
Usaqun
Vitelma
G
G
G
G
G
G
G
G
G
0
10
20
30
40
50
60
70
80
Standard Deviation of Daily Wind Direction (Deg.) Date: BETWEEN 20091203 AND 20091207
62 3 Resultados
Analisis diurno de los estadsticos
En las guras 3-9, 3-10 y 3-11 se muestra el comportamiento de los estadsticos de desviacion
standard, sesgo y el error medio absoluto promediados para el periodo de simulaci on. En ellos
se puede analizar el comportamiento de la incertidumbre de los campos meteorol ogicos y
determinar en que horas del da el error inducido por el modelo meteorologico en los campos
de concentraciones es mayor. Por ejemplo, a partir de la gura 3-9 se puede concluir que el
modelo meteorologico esta subestimando la temperatura supercial en la ma nana, mientras
que en horas del medio da la sobreestima.
Figura 3-9. Figura de la desviaci on standard, sesgo y el error medio absoluto promediados
para la temperatura modelada
Time of Day (UTC)
E
v
a
l
u
a
t
i
o
n
M
e
t
r
i
c
(
K
)
0 3 6 9 12 15 18 21
1
1
2
3
4
5
sdev
mae
bias
Diurnal Statistics for 2 m Temperature
3.1 Validacion de la modelizacion meteorol ogica con WRF 63
Figura 3-10. Figura de la desviaci on standard, sesgo y el error medio absoluto promediados
para la direcci on del viento
Time of Day (UTC)
E
v
a
l
u
a
t
i
o
n
M
e
t
r
i
c
(
d
e
g
)
0 3 6 9 12 15 18 21
3
0
0
2
0
4
0
6
0
9
0
sdev
mae
bias
Diurnal Statistics for 10 m Wind Direction
Figura 3-11. Figura de la desviaci on standard, sesgo y el error medio absoluto promediados
para la velocidad del viento
Time of Day (UTC)
E
v
a
l
u
a
t
i
o
n
M
e
t
r
i
c
(
m
/
s
)
0 3 6 9 12 15 18 21
1
0
1
2
3
sdev
mae
bias
Diurnal Statistics for 10 m Wind Speed
64 3 Resultados
3.2. Resultados de la modelizacion atmosferica con
Calmet
Para generar los campos meteorologicos a partir del modelo meteorol ogico Calmet, se toma-
ron como condiciones iniciales la salida del caso13 de WRF. Las simulaciones meteorol ogicas
se realizaron para el periodo del a no 2009 desde el 01 de diciembre a las 00 h hasta 8 de
diciembre a las 00 h hora local.
3.2.1. Comportamiento de la capa de mezcla para Bogota
La representaci on de la capa de mezcla juega un rol esencial en la habilidad de los mode-
los para predecir las concentraciones de contaminantes(Vimont and Scire, 1994, Rao et al.,
1994). Existen varias metodologas disponibles para evaluarlas (Batchvarova et al., 1999)
pero datos disponibles para la evaluaci on de todo el periodo de la simulacion no existen,
por lo cual se usan los algoritmos que posee Calmet para analizar el comportamiento de la
capa de mezcla y evaluar cualitativamente el comportamiento de la misma y nalmente su
inuencia en el comportamiento diurno de los niveles de PM
10
.
A partir de los archivos de salida de Calmet, se construyeron mapas empleando el lenguaje
de programaci on R, con el n de visualizar espacialmente el comportamiento de la capa de
mezcla. Se obtuvieron en total 48 mapas para 6 das. S olo se presentan en el documento al-
gunas horas tpicas. Los mapas para todos los horas de simulacion junto con las animaciones
creadas, estan incluidas en el anexo digital, en una carpeta CAPA DE MEZCLA, la cual
se puede encontrar dentro de los resultados nales. En las guras 3-12 y 3-13 se muestran
unos ejemplos del comportamiento de la capa de mezcla
3.2.2. Comportamiento del ujo de calor sensible
El ujo de calor sensible dentro de la PBL es otra de las caractersticas m as notorias que
permiten conocer el comportamiento turbulento e inuencia los procesos de dispersion a
los cuales son sometidos los contaminantes. A partir de los archivos de salida de Calmet,
se construyeron mapas empleando el lenguaje de programaci on R, con el n de visualizar
espacialmente el comportamiento del ujo de calor sensible. Se obtuvieron en total 48 mapas
para 6 dias. S olo se presentan en el documento algunas horas tpicas. Los mapas para todos los
horas de simulaci on junto con las animaciones creadas, estan incluidas en el anexo digital en
una carpeta llamada FLUJO SENSIBLE , la cual se puede encontrar dentro de los resultados
nales. En las guras 3-14 y 3-15 se muestran algunos ejemplos del comportamiento del
ujo de calor sensible. En estas guras se puede ver el comportamiento del ujo de calor
sensible para algunas horas en particular. A partir de este valor el modelo puede precisar el
tipo de estabilidad que se esta presentando en la atm osfera en un punto en particular.
3.2 Resultados de la modelizaci on atmosferica con Calmet 65
Figura 3-12. Altura de la capa de mezcla en el dominio de simulaci on para el da 2 de
diciembre a las 00
Figura 3-13. Altura de la capa de mezcla en el dominio de simulaci on para el da 2 de
diciembre a las 12am
66 3 Resultados
Figura 3-14. Comportamiento del ujo de calor sensible para la fecha 2009-12-07-20:00
Figura 3-15. Comportamiento del ujo de calor sensible para la fecha 2009-12-07-07:00
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 67
3.3. Resultados de la simulacion de dispersion de
contaminantes con Calpu
En las guras 3-16, 3-17, 3-18,3-19, 3-20, 3-21, 3-23, 3-22 y 3-24 se muestra el compor-
tamiento de la simulaci on del contaminante PM
10
para la ciudad de Bogot a en el periodo
simulado.
Figura 3-16. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Carvajal
11:00 AM 11:00 PM 11:00 AM 11:00 PM 11:00 AM 11:00 PM 11:00 AM 11:00 PM 11:00 AM 11:00 PM 11:00 AM 11:00 PM
Fecha
0
100
200
300
400
500
u
g
/
m
3
Modelado Medido
Niveles de PM10 para la estacion Carvajal
Figura 3-17. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Fontib on
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
50
100
150
200
250
300
u g/m3
Modelado Medido
Estacion Fontibon
68 3 Resultados
Figura 3-18. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Guaymaral
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
u g/m3
Modelado Medido
Estacion Guaymaral
Figura 3-19. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Kennedy
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
100
200
300
400
u g/m3
Modelado Medido
Estacion Kennedy
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 69
Figura 3-20. Niveles de contaminante PM
10
para la ciudad de Bogota para la estacion Las
Ferias
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
140
u g/m3
Modelado Medido
Estacion Las Ferias
Figura 3-21. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Puente Aranda
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
200
400
600
800
1000
u g/m3
Modelado Medido
Estacion Puente Aranda
70 3 Resultados
Figura 3-22. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Parque Simon Bolvar
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
100
200
300
400
u g/m3
Modelado Medido
Estacion Simon Bolivar
Figura 3-23. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estaci on San
Crist obal
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
140
160
u g/m3
Modelado Medido
Estacion San Cristobal
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 71
Figura 3-24. Niveles de contaminante PM
10
para la ciudad de Bogot a para la estacion
Tunal
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
50
100
150
200
250
u g/m3
Modelado Medido
Estacion Tunal
72 3 Resultados
Tabla 3-5. Estadstico de los niveles de contaminantes
Estadstico Carvajal Fontib on Guaymaral Kennedy Ferias Aranda Bolvar Cristobal Tunal
rmse 86.21 51.34 29.93 80.30 29.24 60.46 156.19 41.86 41.75
FB 0.02 -0.10 -1.9502 0.05 -0.31 -0.35 0.61 -0.74 -0.17
Figura 3-25. Diagrama de cajas para los resultados de los niveles de PM
10
modelados
Diagrama de caja para las estaciones meteorologicas
0
100
200
300
400
500
600
700
800
Carvajal Fontibon Guaymaral Kennedy Las Ferias Puente Aranda San Cristobal Simon Bolivar Tunal
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 73
El modelo Calpu logra simular de forma correcta los altos niveles de contaminaci on en algu-
nas horas en particular, es decir, resuelve el problema diurno de contaminaci on. Sin embargo,
para algunas horas en particular sobreestima los niveles de PM
10
, mientras que algunas horas
en particular, el modelo no alcanza a resolver el comportamiento diurno, subestimando los
niveles del contaminante. Por ejemplo, las guras correspondientes a las estaciones Carvajal,
Fontib on, Kennedy, Las Ferias, Puente Aranda y Tunal logran resolver el comportamiento
que se presenta en las emisiones m as altas dadas por el inventario de emisiones las cuales se
dan entre la ma nana y el medio da, pero los picos de mayor concentraci on generados en las
horas de la tarde noche no son resueltos por el modelo mostrando un suavizamiento de los
niveles del contaminante o inclusive situaciones contradictorias.
En los resultados de los estadsticos de la tabla 3-5 se puede corroborar que los resulta-
dos con menor concordancia entre el modelo y las observaciones se presentan en la estaci on
Guaymaral que es la que posee el valor de FB con aproximadamente -2, mientras que el
mismo estadstico para las otras estaciones muestra un comportamiento un poco m as acorde
a los valores medidos. En el diagrama de cajas se puede observar como los valores presentan
una poca dispersi on, tal vez debido al suavizamiento que se esta presentando en los datos,
los cuales puede ser el resultado de un error en la modelizacion. Se puede observar que lo
m as notorio que se evidencia es la poca variabilidad que se presenta en cada una de la esta-
ciones, siendo la posici on de la mediana de Carvajal la mas alta; Kennedy y San Cristobal
los segundos promedios con concentraciones mas altas; las de menor concentraci on son Las
Ferias, Parque Sim on Bolvar, Tunal y Guaymaral.
En la gura 3-26 muestra los valores promedio de niveles de contaminaci on debido al PM
10
para la ciudad de Bogot a, en ella se puede ver las zonas mas afectadas las cuales coinciden
con los mayores valores correspondientes al diagrama de cajas. De la misma forma, se puede
observar que las zonas m as afectadas son las zonas circundantes a las zonas denidas por el
inventario de emisi on como las zonas con m as altas emisiones.
74 3 Resultados
Figura 3-26. Niveles de contaminante PM
10
para la ciudad de Bogota
Suba
Tunal
Usaquen
Kennedy
Fontibn
Carvajal
Guaymaral
Las Ferias
Puente Aranda
Simn Bolvar
Sagrado Corazn
988000
988000
996000
996000
1004000
1004000
1012000
1012000
9
9
0
0
0
0
9
9
0
0
0
0
9
9
9
0
0
0
9
9
9
0
0
0
1
0
0
8
0
0
0
1
0
0
8
0
0
0
1
0
1
7
0
0
0
1
0
1
7
0
0
0
1
0
2
6
0
0
0
1
0
2
6
0
0
0
Niveles de PM10 promedio para Bogot
Escala 1:184.000
Leyenda
Estaciones
27.0 - 36.9
36.9 - 46.9
46.9 - 56.9
56.9 - 66.9
66.9 - 76.9
76.9 - 86.9
86.9 - 96.9
96.9 - 106.9
106.9 - 117
Niveles de PM10 promedio
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 75
3.3.1. Analisis de sensibilidad del modelo a la meteorologa
En los acoplamientos de un modelo de mesoescala con un modelo de dispersion las fuentes
de errores provienen de ambos modelos, por ejemplo, tecnicas de modelizacion numericas,
errores en las condiciones de frontera, condiciones iniciales del modelo meteorol ogico, errores
en las condiciones iniciales de los contaminantes y reacciones atmosfericas qumicas y errores
de los inventario de emisiones. La parametrizacion de la capa lmite es la m as importante en
los modelos de dispersion (Hu, 2010), raz on por la cual se analiza el comportamiento de la
altura de la capa de mezcla y se compara su comportamiento temporal con la salida de los
niveles de contaminantes, para identicar el error de los campos meteorol ogicos en la salida
del contaminante PM
10
.
En las guras 3-27, 3-28, 3-29,3-30, 3-31, 3-32, 3-33 y 3-35 se puede ver el comportamien-
to de la capa de mezcla y la fuerte inuencia que tiene sobre los niveles de contaminantes.
Por ejemplo, la capa de mezcla posee un valor excesivamente elevado para las horas de la
noche (18-20) en la mayora de estas guras, simulando una fuerte inestabilidad atmosferica
(fuerte dispersi on) generando el suavizamiento que se observa en todas las gracas y en todas
las horas de este perodo. Mientras, que en las horas de la ma nana la capa de mezcla muestra
un comportamiento un poco mas acorde, sin embargo, el modelo muestra una sobreestima-
ci on la cual podra ser el resultado tanto del error del modelo meteorologico como error del
inventario de emisiones.
Figura 3-27. Niveles de contaminante PM
10
para la ciudad de Bogot a y capa de mezcla
estaci on Carvajal
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
100
200
300
400
500
u g/m3
Modelado Medido
Estacion Carvajal PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
76 3 Resultados
Figura 3-28. Niveles de contaminante PM
10
para la ciudad de Bogota y capa de mezcla
estaci on Fontibon
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
50
100
150
200
250
300
u g/m3
Modelado Medido
Estacion Fontibon PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
Figura 3-29. Niveles de contaminante PM
10
para la ciudad de Bogota y capa de mezcla
estaci on Guaymaral
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
u g/m3
Modelado Medido
Estacion Guaymaral PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 77
Figura 3-30. Niveles de contaminante PM
10
para la ciudad de Bogot a y capa de mezcla
estaci on Kennedy
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
100
200
300
400
u g/m3
Modelado Medido
Estacion Kennedy PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
Figura 3-31. Niveles de contaminante PM
10
para la ciudad de Bogot a y capa de mezcla
estaci on Las Ferias
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
140
u g/m3
Modelado Medido
Estacion Las Ferias PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
78 3 Resultados
Figura 3-32. Niveles de contaminante PM
10
para la ciudad de Bogota y capa de mezcla
estaci on Puente Aranda
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
200
400
600
800
1000
u g/m3
Modelado Medido
Estacion Puente Aranda PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
Figura 3-33. Niveles de contaminante PM
10
para la ciudad de Bogota y capa de mezcla
estaci on San Crist obal
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
20
40
60
80
100
120
140
160
u g/m3
Modelado Medido
Estacion San Cristobal PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 79
Figura 3-34. Niveles de contaminante PM
10
para la ciudad de Bogot a y capa de mezcla
estaci on Parque Simon Bolvar
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
100
200
300
400
u g/m3
Modelado Medido
Estacion Parque Simon Bolivar PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
Figura 3-35. Niveles de contaminante PM
10
para la ciudad de Bogot a y capa de mezcla
estaci on Tunal
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
Dia
0
50
100
150
200
250
u g/m3
Modelado Medido
Estacion Tunal PM10
12/2/09 12:00 12/3/09 00:00 12/3/09 12:00 12/4/09 00:00 12/4/09 12:00 12/5/09 00:00 12/5/09 12:00 12/6/09 00:00 12/6/09 12:00 12/7/09 00:00 12/7/09 12:00
0
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
A
l
t
u
r
a
(
m
)
Capa de mezcla
80 3 Resultados
Finalmente para analizar la inuencia que tiene la capa de mezcla sobre la dispersi on de
contaminantes, se promediaron los valores del inventario de emisiones para cada una de las
celdas que conforman el dominio de simulacion, es decir, se consider o que las emisiones para
cada una de las 24 horas era constante y el error en los niveles de PM
10
era unicamente
debido a la meteorologa.
En las guras 3-36, 3-37, 3-38,3-39, 3-40, 3-41,3-42 3-43 y 3-44 se puede ver la in-
uencia de la altura de la capa de mezcla en la dispersion de los contaminantes. Por ejemplo,
en la noche se obtiene los mnimos valores de PM
10
, y basado en lo que se observo en la
simulaci on de la capa de mezcla, el modelo sobreestima la altura de la capa de mezcla, in-
diciando la fuerte dispersi on a la que son sometidos los contaminantes, mientras que en las
horas de da, la altura de la capa de mezcla se encuentra del orden de lo esperado y el modelo
predice mejor estos resultados y por ende unos niveles acordes a la realidad. Si la altura de
la capa de mezcla no tuviera inuencia sobre los niveles de PM
10
, los niveles deberan ser
constantes durante el periodo de simulacion.
Figura 3-36. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Carvajal
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
100
200
300
400
500
u
g
/
m
3
Modelado Medido
Carvajal
El modelo meteorologico Calmet calcula la altura de la capa de mezcla a traves de dos al-
goritmos: para condiciones inestables calcula la capa de mezcla a traves del algoritmo dado
por (Maul, 1980), mientras que bajo condiciones estables utiliza el algoritmo dado por (Ven-
katram, 1980a) y Zilitinkevich (1972). Sin embargo, cuando el modelo asume condiciones de
neutralidad en la atmosfera, el modelo asume un valor de altura de la capa de mezcla arbitra-
rio, con el objetivo de evitar errores de inestabilidad numerica, lo que genera el suavizamiento
en los niveles de PM
10
que se observa en las guras dadas.
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 81
Figura 3-37. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Fontib on
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
50
100
150
200
250
u
g
/
m
3
Modelado Medido
Fontibon
Figura 3-38. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Guaymaral
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
20
40
60
80
100
120
u
g
/
m
3
Modelado Medido
Guaymaral
82 3 Resultados
Figura 3-39. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Kennedy
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
50
100
150
200
250
u
g
/
m
3
Modelado Medido
Kennedy
Figura 3-40. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Las Ferias
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
20
40
60
80
100
120
140
u
g
/
m
3
Modelado Medido
Las Ferias
3.3 Resultados de la simulaci on de dispersi on de contaminantes con Calpu 83
Figura 3-41. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Puente Aranda
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
100
200
300
400
500
600
700
u
g
/
m
3
Modelado Medido
Puente Aranda
Figura 3-42. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on Parque Sim on Bolvar
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
50
100
150
200
250
u
g
/
m
3
Modelado Medido
Simon Bolivar
84 3 Resultados
Figura 3-43. Inuencia de la meteorologa en los niveles de contaminante PM
10
para la
ciudad de Bogot a Estaci on San Crist obal
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
20
40
60
80
100
120
140
160
u
g
/
m
3
Modelado Medido
San Cristobal
Figura 3-44. Niveles de contaminante PM
10
para la ciudad de Bogota
1100 2300 1100 2300 1100 2300 1100 2300 1100 2300 1100 2300
Fecha
0
50
100
150
200
250
u
g
/
m
3
Modelado Medido
Tunal
4. Conclusiones y recomendaciones
4.1. Conclusiones
El acoplamiento del modelo WRF/Calmet/Calpu se aplico al area de la ciudad de Bogot a
para simular los niveles de PM
10
. Se analizo el desempe no del acoplamiento del WRF/Calpu
para analizar los niveles de PM
10
en la ciudad de Bogot a, tomando la salida del modelo de
mesoescala WRF como datos de entrada al modelo meteorol ogico Calmet a traves del aco-
plamiento no directo entre el modelo de mesoescala WRF y el modelo meteorol ogico Calmet,
utilizando el paquete de pron ostico de Calmet para simular los campos meteorol ogicos en el
dominio de estudio.
La metodologa que se utilizo con la herramienta AMET para la validacion de los cam-
pos meteorol ogicos generados por WRF, permiti o seleccionar de un conjunto de 18 casos
propuestos, el caso que mejores condiciones iniciales le aporto al modelo meteorol ogico Cal-
met, analizando cual de los campos modelados tena mejor concordancia con los campos
medidos. Mostrando por medio del analisis estadstico, que no todos los puntos de grilla
de modelo meteorol ogico aportan las mismas incertidumbres al modelo Calmet, razon por
la cual la correcta ejecuci on del modelo de dispersi on dependi o de la incertidumbre de los
campos meteorologicos que se introducan al modelo de dispersi on.
Calmet logro modelar los par ametros necesarios para que el modelo de dispersi on (altura
de la capa de mezcla, ujo de calor sensible supercial) pudiera calcular los niveles de conta-
minacion en la ciudad, sin embargo, a traves del an alisis graco de los campos meteorol ogicos
generados por Calmet, se pudo analizar e identicar los errores que los campos meteorolo-
gicos aportan al modelo de dispersi on, en especial, el error que tiene la sobreestimaci on o
subestimaci on de la altura de la capa de mezcla y ujo de calor sensible supercial, dado
que el uso de estos parametros ayuda a mejorar el desempe no de los modelos meteorologicos
y mejora los campos de salida, los cuales se agregan al modelo de dispersi on y pueden am-
plicar estos errores.
El modelo de dispersi on Calpu no logr o resolver el orden de magnitud de los niveles de
PM
10
en la mayora de las estaciones, lo cual es una combinacion tanto de errores meteo-
rol ogicos como errores en el inventario de emisiones. Sin embargo, la aproximaci on de los
resultados en los diferentes puntos es bastante satisfactoria, indicando que se trabaja en la
86 4 Conclusiones y recomendaciones
direcci on correcta, permitiendo conocer cuales son las zonas que m as afecta el material par-
ticulado emitidos por la ciudad. Los sectores de la ciudad en donde se generan las mayores
emisiones de PM
10
coincidieron con las localidades que conforman la zona industrial del Dis-
trito Capital (Puente Aranda, Kennedy), y que a su vez son las mas contaminadas, mientras
que las zonas al occidente y norte, mostraron los niveles m as bajos de contaminacion.
4.2. Recomendaciones
La metodologa implementada y los resultados alcanzados con respecto a la dispersi on de
material particulado, debera ser desarrollados en futuras investigaciones con nuevos inven-
tarios de emisiones con mayor informaci on detallada y mejores parametrizacionesdel modelo
WRF, lo cual contribuira al mejoramiento de las normativas de emisiones y calidad del aire,
en el entendimiento de la problematica ambiental local y nacional. El PM
10
no es el unico
contaminante que afecta a la ciudad, el O
3
es otro contaminante que debera seguir siendo
investigado en la misma lnea que se realiz o con el PM
10
.
5. Bibliografa
Appel, K.W., Gilliam, R.C., Davis, N., Zubrow, A., Howard, S.C., 2011. Overview of
the atmospheric model evaluation tool (AMET) v1.1 for evaluating meteorological and
air quality models. Environmental Modelling Software 26, 434e443.
Arya P.S. (1999). Air pollution meteorology and dispersion. Oxford University Press,
310pp.
Barna M. and Gimson N.R., 2000.Application of the RAMS/CALMET/CALPUFF
airshed model in Christchurch, New Zealand, 15th International Clean Air and Envi-
ronment Conference. Clean Air Society of Australia and New Zealand, pp. 10-14.
Batchvarova et al., 1999 E. Batchvarova, X. Cai, S.E. Gryning, D. Steyn Modeling
internal boundary layer development in a region with complex coastline. Boundary
Layer Meteorology, 90 (1999), pp. 1
U12.
Benavides, Henry. Pron ostico de la concentraci on de material particulado por chime-
neas industriales en Bogota. Bogot a, 2003, 260 p. Tesis de grado (M.Sc. en Meteo-
rologa). Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de
Geociencias.
Berkowitz, C. M. and Fast, J. D. (1996) The inuence of regional-scale atmospheric
circulations on chemical mixing over the western north Atlantic. Preprints, 9th Joint
Conference on Applications of Air Pollution Meteorology with AMA, 28 January Fe-
bruary 1996, Atlanta, Georgia, American Meteorological Society, Boston, pp. 117 121.
Beyrich, F. 1994: Sodar observations of the stable boundary layer height in relation to
the nocturnal low-level jet. Meteorologische Zeitschrift 3, 29
U34
Borge, R., Lumbreras, J., Rodritguez, M.E., 2008. Development of a highresolution
emission inventory for Spain using the SMOKE modelling system: a case study for the
years 2000 and 2010. Environmental Modelling and Software 23, 1026-1044.
Bornstein, R., Thunis, P., Grossi, P. and Schayes, G. (1996) Topographic vorticity-
model mesoscale-b (TVM) model. Part II: Evaluation. Journal of Applied Meteorology
35, 1824 1834.
88 5 Bibliografa
C. Borrego, A. Monteiro, J. Ferreira, A.I. Miranda, A.M. Costa, A.C. Carvalho, M. Lo-
pes, Procedures for estimation of modelling uncertainty in air quality assessment, En-
vironment International, Volume 34, Issue 5, July 2008, Pages 613-620, ISSN 0160-4120,
10.1016/j.envint.2007.12.005. (http://www.sciencedirect.com/science/article/pii/S0160412007002346)
Keywords: Air quality; Modelling; Uncertainty; Quality indicators
Chang JC, Hanna SR. Air quality model performance evaluation. Meteorol Atmos Phys
2004;87:167-96.
Chen, S.-H., Sun, W.-Y., 2002. A one-dimensional time-dependent cloud model. Journal
of the Meteorological Society of Japan 80, 99-118.
Chou, M.-D., Suarez, M.J., 1994. An ecient thermal infrared radiation parameteri-
zation for use in general circulation models. 104606. NASA Technical Memorandum 3,
85.
Collins, W.D., Hackney, J.K., Edwards, D.P., 2002. A new parameterization for infra-
red emission and absorption by water vapour in the National Center for Atmospheric
Research Community Atmosphere Model. Journal of Geophysical Research 107, 1-20.
Comet, 2001: Intelligent Use of Model-Derived Products.
Delle Monache L, Deng X, Zhou Y, Stull R. Ozone ensemble forecasts: 1. A new
ensemble design. J Geophys Res 2006;111:D05307. doi:10.1029/ 2005JD006310.
Deng, A., N. L. Seaman, G. K. Hunter, and D. R. Stauer, 2004: Evaluation of inter-
regional transport using the MM5- SCIPUFF system. J. Appl. Meteor., 43, 1864-1886.
Dudhia, J., 1989. Numerical study of convection observed during the winter monsoon
experiment using a mesoscale two-dimensional model. Journal of Atmospheric Science
46, 3077-3107.
Elbir, T., Comparison of Model Predictions with the Data of an Urban Air Quality Mo-
nitoring Network in Izmir, Turkey, Atmospheric Environment, 37, 2149-2157 (2003).
Grell,G. Alexander Baklanov, Integrated modeling for forecasting weather and air qua-
lity: A call for fully coupled approaches, Atmospheric Environment, Volume 45, Issue
38, December 2011, Pages 6845-6851, ISSN 1352-2310, 10.1016.
Fandi no, M and Behrentz, E. (2009). .
A
ctualizacion del inventario de emisiones de fuen-
tes jas para la ciudad de Bogot a, a traves de mediciones directas, [en lnea], disponible
en: http : //biblioteca.uniandes.edu.co/Tesis
1
2009
p
rimer
s
emestre/525.pdf, recupera-
do el: 07 de octubre de 2010.
89
Fatogoma and Jacko, R.B. Jacko. A model to estimate mixing height and its eects on
ozone modeling Atmospheric Environment, 36 (2002), pp. 3699
U3708.
Gaitan, Mauricio; Cancino, Juliana y Behrentz, Eduardo. An alisis del estado de la
calidad del aire en Bogota. rev.ing. [online]. 2007, n.26 [citado 2012-06-26], pp. 81-92 .
Gilliam, R.C., Hogrefe, C., Rao, S.T., 2006. New methods for evaluating meteorological
models used in air quality applications. Atmospheric Environment 40, 5073-5086.
Goodin W. R., McRae G. J. and Seinfeld J. H. (1979) A comparison of interpolation
methods for sparse data: application to wind and concentration elds. J. appl. Met.
19, 98-108.
Grell, G. A., J. Dudhia, and D. R. Stauer, 1994: A description of the fth-generation
Penn State/NCAR Mesoscale Model (MM5). NCAR Tech. Note NCAR/TN-398 STR,
138 pp.
Hanna, S.R., Moore, G.E., Fernau, M.E., 1996. Evaluation of photochemical grid mo-
dels (UAM-IV, UAM-V, and the ROM/UAM-IV couple) using data from the Lake
Michigan Ozone Study (LMOS). Atmospheric Environment 30, 3265e3279.
Hanna SR, Chang JC, Strimaitis DG. Hazardous gas model evaluation with eld ob-
servations. Atmos Environ 1993;27A:2265-85.
Hong, S.-Y., Lim, J.-O., 2006. The WRF Single-Moment 6-Class Microphysics Scheme
(WSM6). Journal of the Korean Meteorological Society 42, 129-151
Hogrefe, C., Rao, S.T., Kasibhatla, P., Kallos, G., Tremback, C.J., Hao, W., Olerud,
D., Xiu, A., McHenry, J., Alapaty, K., 2001b. Evaluating the performance of regionals-
cale photochemical modeling systems: part I e meteorological predictions. Atmospheric
Environment 35, 4159e4174.
Hu, X.-M., Nielsen-Gammon, J. W., and Zhang, F. (2010). Journal Of Applied Meteo-
rology And Climatology 49, 1831-1844. Available at: http://journals.ametsoc.org/doi/abs/10.1175/2010JAMC2432.1.
Ichikawa Y, Sada K. An atmospheric dispersion model for the environment impact
assessment of thermal power plants in Japan - a method for evaluating topographical
eects. J Air Waste Manage Assoc 2002;52:313-23.
Jiang, G.F., Fast, J.D., 2004. Modeling the eects of VOC and NOx emission sources
on ozone formation in Houston during the TexAQS 2000 eld campaign. Atmospheric
Environment 38, 5071e5085.
90 5 Bibliografa
Jackson, B., Chau, D., Gurer, K., Kaduwela, A., 2006. Comparison of ozone simulations
using MM5 and CALMET/MM5 hybrid meteorological elds for the July/ August 2000
CCOS episode. Atmospheric Environment 40, 11.
Jackson, B., Chau, D., Gurer, K., Kaduwela, A., 2006. Comparison of ozone simulations
using mm5 and calmet/mm5 hybrid meteorological coos elds for the July/August 2000
episode. Atmospheric Environment 40 (16), 2812-2822.
Jiang, G.F., Fast, J.D., 2004. Modeling the eects of VOC and NOx emission sources
on ozone formation in Houston during the TexAQS 2000 eld campaign. Atmospheric
Environment 38, 5071e5085
JICA. (1992). Study on Air Pollution Control Plan in Santafe de Bogota City Are,
Final Report. Tokyo, Japan: Japan International Cooperation Agency (JICA).
Jhumoor Biswas AND S. Trivikrama Rao Uncertainties in Episodic Ozone Modeling
Stemming from Uncertainties in the Meteorological Fields J o u r n a l of a p p l i e d
M e t e o r o l o g y volume 40
Kallos, G. (1996) Transport and transformation of air pollutants from Europe to the
East Mediterranean Region (T-TRAPEM). Environmental Research programme: Avi-
cenne. Final Report, Contract No. AVI*-CT92-0005, April 1996, Commission of the
European Communities, 352 pp.
Karppinen A, Kukkonen J, Elolahde T, Konttinen M, Koskentalo T. A modeling system
for predicting urban air pollution: comparison of model predictions with data of an
urban measurement network in Helsinki. Atmos Environ 2000;34:3735-43.
Kleeman, M.J., Ying, Q., Lu, J., Mysliwiec, M.J., Grin, R.J., Chen, J.J., Clegg, S.,
2007. Source apportionment of secondary organic aerosol during a severe photochemical
smog episode. Atmospheric Environment 41, 576e591
Laprise R., 1992: The Euler Equations of motion with hydrostatic pressure as as inde-
pendent variable, Mon. Wea. Rev., 120, 197-207.
Liang, J.Y., Martien, P.T., Soong, S., Tanrikulu, S., 2004. A photochemical model com-
parison study: CAMx and CMAQ performance in central California. In: Proceedings
of the Thirteenth Conference on the Application of Air Pollution Meteorology with the
Air and Waste Management Association, Vancouver, Canada. American Meteorological
Society, Boston
Liu, M. and Carroll, J. J. (1996) A high-resolution air pollution model suitable for
dispersion studies in complex terrain. Monthly ijeather Review 124, 2396 2409
91
Liu, M.K., Yocke, M.A., 1980. Siting of wind turbine generators in complex terrain.
Journal of Energy 4, 10-16.
Mao, Q., Gautney, L.L., Cook, T.M., Jacobs, M.E., Smith, S.N., Kelsoe, J.J., 2006.
Numerical experiments on MM5-CMAQ sensitivity to various PBL schemes. Atmosp-
heric Environment 40, 3092-3110. Procedures for estimation of modelling uncertainty
in air quality assessment.
Mlawer, E.J., Taubman, S.J., Brown, P.D., Iacono, M.J., Clough, S.A., 1997. Radiative
transfer for inhomogeneous atmosphere: RRTM, a validated correlated-k model for the
longwave. Journal of Geophysical Research 102, 16663-16682.
Mysliwiec, M.J., Kleeman, M.J., 2002. Source apportionment of secondary airborne
particulate matter in a polluted atmosphere. Environmental Science and Technology
36, 5376e5384.
Nappo CJ, Essa KSM. Modeling dispersion from near-surface tracer releases at Cape
Canaveral, FL. Atmos Environ 2001;35:3999-4010.
Maul, P.R., 1980: Atmospheric transport of sulfur compound pollutants. Central Elec-
tricity Generating Bureau MID/SSD/80/0026/R. Nottingham, England
Olesen, H.R. Ten years of harmonization activities: past, present and future. In: 7th
Int. Conf. on Harmonization within atmospheric dispersion modelling for regulatory
purposes, European Commission, Joint Research Centre; 2001
Pabon, D. t * y Beisiegel, T. Dep. de Geograa, Univ. Nac. de Colombia Geoentropica
Ltda., Bogota D.C. http : //www.google.com.co/url?sa = trct = jq = pabon20thorstein20besigenlsource
= webcd = 2ved = 0CCQQFjABurl = http3A2F2Fstatic.geoentropica.com2Fpublicaciones2FGranizada.pdfei =
LzPXTveIOcPqggf0y 4HuDgusg = AFQjCNEg5O9GzGulaJF4V Kl4Gyy9c3Rccwcad =
rja
Perez, C., Jimet nez, P., Jorba, O., Sicard, M., Baldasano, J.M., 2006. Inuence of the
PBL scheme on high-resolution photochemical simulations in an urban coastal area
over the Western Mediterranean. Atmospheric Environment 40, 5274-5297.
Physick, W. L. (1995) Photochemical smog studies in Australian cities. Inzrban Air
pollution, .
o
l. 2 (edited by Poer, H. and Moussiopoulos, N). Computational Mechanics
Publications, Southampton, Boston
Pielke, R.A., Cotton, W.R., Walko, R.L., Tremback, C.J., Lyons, W.A., Grasso, L.D.,
Nicholls, M.E., Moran, M.D., Wesley, D.A., Lee, T.J., Copeland, J.H., 1992 comprehen-
sive meteorological modeling system e RAMS. Meteorology and Atmospheric Physics
49, 69e91. Pielke RA. Mesoscale meteorological modeling. San Diego, CA: Academic
Press; 2002.
92 5 Bibliografa
Pielke, R. A. (1991) A recommended speci c de nition of
O
Oresolution
O. Bull. Amer.
Meteor. Soc. 72, 1914 Poplawski K, Eleanor Setton, Bryan McEwen, Dan Hrebenyk,
Mark Graham, Peter Keller E Palmeritn, C.J Vallejo, W.R Barchet.An air quality
emission inventory of oshore operations for the exploration and production of petro-
leum by the Mexican oil industry Original Research Article
Poplawski,K. Eleanor Setton, Bryan McEwen, Dan Hrebenyk, Mark Graham, Pe-
ter Keller, Impact of cruise ship emissions in Victoria, BC, Canada, Atmospheric
Environment, Volume 45, Issue 4, February 2011, Pages 824-833, ISSN 1352-2310,
10.1016/j.atmosenv.2010.11.029. (http://www.sciencedirect.com/science/article/pii/S1352231010009969)
Keywords: Measurements; Modeling; SO<sub>2</sub>; NO<sub>2</sub>; Parti-
culate matter
Ruiz Murcia, J. (2002), Simulacion de la contaminacion atmosferica generada por fuen-
tes m oviles en Bogot a [tesis de maestra], Bogota, Universidad Nacional de Colombia,
Maestra en ciencias
UMeteorologa
Schwarzkopf, M.D., Fels, S.B., 1991. The simplied exchange method revisited - an
accurate, rapid method for computation of infrared cooling rates and uxes. Journal
of Geophysical Research 96, 9075-9096.
Seaman, N.L., 2000. Meteorological modeling for air-quality assessments. Atmospheric
Environment 34, 2231e2259.
Sherman C. A. (1978) A mass-consistent model for wind elds over complex terrains.
J. appl. Met. 17, 312-319.
Schayes, G., Thunis, P. and Bornstein, R. (1996) Topographic vorticity-model mesoscale-
b (TVM) model. Part I: formulation. Journal of Applied Meteorology, in press
Scire, J.S., Strimaitis, D.G., Yamartino, R.J., 2000. A Users Guide for the CALPUFF
Dispersion Model. Earth Tech Inc, Long Beach, CA.
Seaman, N. L., D. R. Stauer, and A. M. Lario-Gibbs, 1995: A multiscale four-dimensional
data assimilation system applied in the San Joaquin Valley during SARMAP. Part I:
Modeling design and basic performance characteristics. J. Appl. Meteor., 34, 1739-1761.
Seinfeld, John H.; Pandis, Spyros N. (2006). Atmospheric Chemistry and Physics -
From Air Pollution to Climate Change (2nd Ed.). John Wiley and Sons, Inc. ISBN
0-471-82857-2
Seinfeld, J.H., 1986. Atmospheric Chemistry and Physics of Air Pollution . John Wiley
and Sons, Inc., New York.
93
Sivacoumar R, Thanasekaran K. Line source model for vehicular pollution predic-
tion near roadways and model evaluation through statistical analysis. Environ Pollut
1999;104:389-95.
Sistla, G., Hao, W., Ku, J.Y., Kallos, G., Zhang, K.S., Mao, H.T., Rao, S.T., 2001. An
operational evaluation of two regional-scale ozone air quality modeling systems over the
eastern United States. Bulletin of the American Meteorological Society 82, 945e964.
Shafran, P. C., N. L. Seaman, and G. A. Gayno, 2000: Evaluation of numerical pre-
dictions of boundary layer structure during the Lake Michigan Ozone Study. J. Appl.
Meteor., 39, 412- 426.
Skamarock W. C., 2005: Timesplitting techniques for multidimensional transport, avai-
lable at http://www.mmm.ucar.edu/individual/skamarock/advect3d 2005.pdf, 26 pp.
Skamarock,W.C., Klemp, J.B., Dudhia, J., Frill, D.O., Barker, M.,Wang,W., Powers,
J.G., 2005. A description of the advanced research WRF version 2. NCAR Technical
Note NCAR/TN-4688 STR.
Soong, S., Tanrikulu, S., Wilczak, J., Bao, J., Martin, P., Michelson, S., 2004. Simula-
tion of an ozone episode during the Central California Ozone Study. Part II: CAMx air
quality model simulations. In: Proceedings of the Thirteenth Conference on the Appli-
cation of Air Pollution Meteorology with the Air and Waste Management Association,
Vancouver, Canada. American Meteorological Society, Boston.
Stauer, D. R., and N. L. Seaman, 1994: Multiscale fourdimensional data assimilation.
J. Appl. Meteor., 33, 416-434.
Svensson, G. (1996a) A numerical model for chemical and 4meteorological processes
in the atmospheric boundary layer. Part I: A model description and a one-dimensional
parameter study. Journal of Applied Meteorology 35, 939 954.
Thompson, G., R. M. Rasmussen, and K. Manning, 2004: Explicit forecasts of winter
precipitation using an improved bulk microphysics scheme. Part I: Description and
sensitivity analysis. Mon. Wea. Rev., 132, 519-542.
Toro, M.V. (2001). Modelo de emisiones atmosfericas para el Valle de Aburr a MODE-
MED.
Touma, J.S., V. Isakov, A. Cimorelli, B. Anderson and R. Brode, Using prognostic
model-generated meteorological output in the AERMOD dispersion model 2006: An
illustrative example in Philadelphia. PA. Journal of Air and Waste Management As-
sociation. 57 (2007) 586.
94 5 Bibliografa
Tucker, G. B. (1993) New skills in predicting atmospheric pollution. Australian Me-
teorological Magazine 42, 163 174.
Venkatram, A. Primary Title: Estimating the Monin-Obukhov length in the stable
boundary layer for dispersion calculations Journal. Boundary-Layer Meteorology Co-
ver Date: 1980-12-01. Springer Netherlands Issn: 0006-8314. Earth and Environmental
Science Start Page: 481 End Page: 485 Volume: 19 Issue
Villasenor R, M Magdaleno, A Quintanar, J.C Gallardo, M.T L opez, R Jurado, A
Miranda, M Aguilar, L.A Melgarejo, An air quality emission inventory of oshore
operations for the exploration and production of petroleum by the Mexican oil industry
Original Research Article Atmospheric Environment, Volume 37, Issue 26, August 2003,
Pages 3713-3729
Wang, W., D. Barker, C. Bruyere, M. Duda, J. Dudhia, D. Gill, J. Michalakes, and S.
Rizvi, 2008: WRF Version 3 Modeling System Users Guide. http://www.mmm.ucar.edu/wrf/users/docs/user
guide V3/.
Warner, T.T., Petersen, R.A., Treadon, R.E., 1997. A tutorial on lateral boundary
conditions as a basic and potentially serious limitation to regional numerical weather
prediction. Bulletin American Meteorological Society 78, 2599 2617
www.bogota.gov.co
Yamada, T. (1996) A numerical simulation of cloud distributions over coastal complex
terrain. Preprints, 9th Joint Conference on Applications of Air Pollution Meteorology
with AMA, 28 January February 1996, Atlanta, Georgia, American Meteorological
Society, Boston, pp. 498 410.
Ying, Q., Fraser, M.P., Grin, R.J., Chen, J.J., Kleeman, M.J., 2007. Verication of a
source-oriented externally mixed air quality model during a severe photochemical smog
episode. Atmospheric Environment 41, 1521e1538.
Z arate, E. (2007), Understanding the origins and fate of air pollution in Bogot a, Co-
lombia [tesis doctoral], Lausanne (Suiza),
Ecole Polytechnique Federale de Lausanne,
Doctorado en Ciencias.
Z arate, E., Belalcazar, L. C., Clappier, A., Manzi, V., Van den Bergh, H. (2007).
Air quality modelling over Bogota, Colombia: Combined techniques to estimate and
evaluate emission inventories. Atmospheric Environment 41, 6302
U6318.
Zaveri, R.A., Saylor, R.D., Peters, L.K., McNider, R. and Song, A. 1995: A model
investigation of summer-time diurnal ozone behaviour in rural mountainous locations.
Atmospheric Environment 29,1043-1065).
95
Zhang J., S.T. Rao, and S.M. Daggupaty 1998: Meteorological Processes and Ozone
Exceedances in the Northeastern United States During the 12-16 July 1995 Episode,
Monthly Weather Review, 37, 776-789
Zhou, Y., Levy, J.I., Hammitt, J.K., Evans, J.S. (2002) ?Estimating population ex-
posure to power plant emissions using CALPUFF: a case study in Beijing, China?.
Artculo en imprenta. Atmospheric Environment, Elsevier Science, Ltd.
Zilitinkevich, S. S. Primary Title: On the determination of the height of the Ekman
boundary layer. Boundary-Layer Meteorology. Springer Netherlands. Volume: 3 Issue:
2.
A. Resumen de diagramas de caja para
algunos de los casos propuestos
En las guras A-2, ??, A-3, A-4 se muestran las guras correspondientes a algunos de los
diagramas de caja de temperatura y velocidad del viento de las conguraciones propuestas.
Figura A-1. Diagrama de caja para temperatura y velocidad del viento modelada y medida
caso01
Caso01
Figura A-2. Diagrama de caja para temperatura y velocidad del viento modelada y medida
caso01
Caso03
97
Figura A-3. Diagrama de caja para temperatura y velocidad del viento modelada y medida
caso01
Caso07
Figura A-4. Diagrama de caja para temperatura y velocidad del viento modelada y medida
caso09
Caso09
B. Variacion espacial y temporal de PM10
En las siguientes guras se muestra el comportamiento de cada una de las celdas que com-
ponen el inventario de emisiones.
Figura B-1. Variaci on espacial para PM
10
hora 1
99
Figura B-2. Variaci on espacial para PM
10
hora 2
Figura B-3. Variaci on espacial para PM
10
hora 3
100 B Variaci on espacial y temporal de PM10
Figura B-4. Variaci on espacial para PM
10
hora 4
Figura B-5. Variaci on espacial para PM
10
hora 5
101
Figura B-6. Variaci on espacial para PM
10
hora 6
Figura B-7. Variaci on espacial para PM
10
hora 7
102 B Variaci on espacial y temporal de PM10
Figura B-8. Variaci on espacial para PM
10
hora 8
Figura B-9. Variaci on espacial para PM
10
hora 9
103
Figura B-10. Variaci on espacial para PM
10
hora 10
Figura B-11. Variaci on espacial para PM
10
hora 11
104 B Variaci on espacial y temporal de PM10
Figura B-12. Variaci on espacial para PM
10
hora 12
Figura B-13. Variaci on espacial para PM
10
hora 13
105
Figura B-14. Variaci on espacial para PM
10
hora 14
106 B Variaci on espacial y temporal de PM10
Figura B-15. Variaci on espacial para PM
10
hora 15
107
Figura B-16. Variaci on espacial para PM
10
hora 16
Figura B-17. Variaci on espacial para PM
10
hora 17
108 B Variaci on espacial y temporal de PM10
Figura B-18. Variaci on espacial para PM
10
hora 18
Figura B-19. Variaci on espacial para PM
10
hora 19
109
Figura B-20. Variaci on espacial para PM
10
hora 20
110 B Variaci on espacial y temporal de PM10
Figura B-21. Variaci on espacial para PM
10
hora 21
Figura B-22. Variaci on espacial para PM
10
hora 22
111
Figura B-23. Variaci on espacial para PM
10
hora 23
Figura B-24. Variaci on espacial para PM
10
hora 24
C. Surface layer
La PBL es fuertemente inuenciada por la supercie de la tierra por el intercambio de energa
y momentum de la supercie. La parte mas baja de la PBL es la capa supercial. Algunos
de los parametros que afectan el comportamiento de la capa supercial y que inuyen en el
comportamiento de la PBL y como esta disipa los contaminantes son: temperatura del suelo,
mezcla del suelo, ujo turbulento,velocidad de friccion.
Velocidad de fricci on: Una par ametro que provee una medida del ujo vertical de
momentum es la velocidad de friccion. Entre mas grande la velocidad de friccion m as
rapido la turbulencia mec anica y mas rapido la mezcla de los contaminantes con la
atmosfera.
Longitud de rugosidad: es la altura a la cual la ley del perl de vientos extrapola la
velocidad a cero. este parametro da una medida de la turbulencia mecanica que ocurre
cuando un ujo horizontal uye sobre una supercie. Enter mas grande la longitud de
rugosidad mas grande la magnitud de la turbulencia cuando el viento pasa sobre una
supercie. Para una supercie plana, la longitud de rugosidad es cero y la turbulencia
mec anica es minima. En la tabla ?? se muestra los datos de longitud de rugosidad para
el dominio simulado.
longitud de Monin