Documente Academic
Documente Profesional
Documente Cultură
Vicedecanatura Académica
POSGRADOS
PRESENTACIÓN PROPUESTA
(Utilice o amplíe los espacios sugeridos según convenga – Tamaño Fuente: 12, Interlineado: 1,5)
La calidad del aire es un asunto de salud pública que afecta a casi todos los países y a lo largo de la
historia se lo ha relacionado con problemas de salud de las poblaciones. Está entre los primeros
factores de riesgo a la salud en todo el mundo y se espera que si las condiciones actuales siguen
iguales, los riesgos y perjuicios aumentaran (Forouzanfar et all. 2016). Un aumento de 10 ug/m3 en el
material particulado fino (medido como PM 2.5) y en 10 ppb de ozono troposférico incrementan la
mortalidad por todas las causas en un 7.3 % y en 1.1% respectivamente (Di et al, 2017). Para
solucionar el problema ha habido un gran interés por saber cómo se comporta la emisión de los
contaminantes, sus posibles efectos sobre la salud y, especialmente, saber cuáles son sus fuentes de
manera que se puedan generar planes de reducción y eliminación mucho más eficientes. Gran parte de
estudios relacionados con este aspecto han sido enfocados en describir los comportamientos del
material particulado (PM por sus siglas en ingles), ya sea desde correlaciones espacio temporales
(Querol et al, 2008) o correlaciones con condiciones meteorológicas y climáticas (Tai et al, 2010) ,
usando modelos de dispersión para obtener las concentraciones de partículas desde cierta fuente o sus
recorridos (Englinget al, 2014) o usando los inventarios de emisiones de cada país (Mattai et al, 2010).
También se han usado los modelos de receptores para determinar las fuentes del material particulado y
además determinar su composición para determinar posibles efectos toxicológicos.
Página 1 de 13
el material particulado puede ser medido en diferentes intervalos de tamaños: PM 10 (diámetro
aerodinámico menor a 10 micras), PM 2.5 (diámetro aerodinámico menor a 2.5 micras) y PUF, (partículas
ultra finas, diámetro aerodinámico menor a 0.1 micras). El PM 2.5 y las PUF pueden alcanzar los alveolos
y, por consiguiente, la sangre de manera que gran variedad de sustancias nocivas, tales como
hidrocarburos aromáticos poli cíclicos, metales pesados e iones pueden ser transportadas a todo el
organismo por el torrente sanguíneo. Entre tanto, el PM 10 tiende a depositarse en las vías respiratorias
superiores, generando efectos menos nocivos (Kampa et al, 2008). Es por esto que se ha puesto un
mayor interés en el análisis de PM 2.5 y PUF. La figura 1 relaciona la cantidad de estudios realizados en
Europa discriminando cada fracción del material particulado. Desde 2001, aumentó el número de
estudios enfocados en PM2.5, mientras que el interés por estudiar PM 10 disminuyó en el mismo periodo.
Es posible que las PUF deban ser analizados en más estudios, pues son más tóxicas que las fracciones
más gruesas, pero a causa de su diámetro generan problemas experimentales para su recolección y
análisis.
Figura 1: estudios realizados en Europa sobre el material particulado discriminados por fracciones de
tamaño y su evolución en el tiempo (Viana et al, 2008)
2
Figura 2: Niveles permisibles para contaminantes criterio, (MAVDT, 2010)
El material particulado es un contaminante producido por una gran variedad de fuentes tales como
fabricas que quemen combustibles o carbón o emisiones fugitivas de sus procesos como la del cemento
o vidrio, plantas energéticas, incineradores de basura, emisiones por motores ya sean a gasolina diesel
o vehículos chimenea, actividades de construcción, fuegos naturales y polvo re suspendido de calles o
del suelo. A diferencia de muchos de los otros contaminantes que se pueden trazar con fuentes
especificas tales como el NOx que viene de quema de combustibles y combustión, SO2 que viene de
combustibles con azufre el PM viene de diversas fuentes generadoras y diversos mecanismos e incluso
se puede discriminar según sus fuentes por su tamaño (Ravindra et al, 2001). Esta diversidad de
fuentes adiciona la peligrosidad del material particulado pues varios de estos compuestos que lo
constituyen son aromáticos, clorinados y de difícil asimilación que pues incluye la fracción respirable
que llega hasta los pulmones y el torrente sanguíneo, agregando al peligro anterior se debe mencionar
que no sedimenta fácilmente por lo que permanece suspendidos grandes periodos de tiempo y Además
de lo anterior contienen compuestos metálicos pesados que entran a la sangre (Pöschl et al, 2005)
Muchos estudios han tratado de determinar cuáles son las fuentes de este contaminante, como ya se
muestra en términos de los modelos de receptores, los inventarios de emisión y los modelos de
dispersión cada uno con diversas limitaciones y características. Se han hecho estudios de modelos de
receptores para varias ciudades y varios tipos de contaminantes pues la contribución se puede hacer
para PM 2.5, 10, TSP, Ultra finos, aguas o gases; algunos estudios fueron realizados en territorios como
EEUU en Atlanta y Georgia (Lee et al, 2008) (Schauer et al, 1996) (Simcik et al1999), Washington (Wu
et al, 2007) y Pensilvania (Subramanian et al, 2006); Europa como Grecia (Samara et al, 2003)
Finlandia (Vallius et al, 2003) Países Bajos (Mooibroek et al, 2011) (Viana et al, 2008) , Asia como china
( Bi et al, 2007) (Song et al, 2006) Corea del sur (Heo et al2009) India (Gupta et al, 2007) Turquia
(Yatkin et al, 2008) Arabia Saudí (Mamdouh et al, 2012) , Oceanía y américa latina Chile (Villalobos et
al, 2015), China (Hailin et al, 2008). Respecto al caso de Colombia se tienen algunos estudios para las
ciudades principales como Bogotá ( Vargas et al, 2012) (Ávila y Rojas, 2016) (Bogotá El tiempo, 2017). Pero
debido a la alta urbanización e industrialización de vastas zonas de algunas regiones, se hace
necesario extender los mismos para otras zonas representativas y con problemas de contaminación
debidas a estas actividades; es más ya hay una conciencia de la contaminación actual de la zona de
Cundinamarca respecto a las emisiones industriales y por movilidad; todo lo anterior lo dice la CAR que
3
ha identificado algunas de las actividades industriales que tienen mayor emisión de material particulado,
como lo son fabricación de coque, arcilla, sal refinada, vidrio, ladrilleras y fundición de metales (Bogotá
El tiempo, 2017) se identificaron las siguientes características de las zonas de jurisdicción de la CAR
según él informa del DESCA, dependencia encargada del control de la contaminación de la CAR.
Soacha y Zipaquirá son los municipios con mayor generación de emisiones causadas por vehículos en
la jurisdicción de la CAR.
4
Figura 3. Niveles de contaminación por TSP y PM10 medidos en sistema de control de la calidad del
aire de la CAR para 2009, construido con base en (Air, Cundinamarca)
Esta situación de contaminación del aire en los municipios de la Jurisdicción de la CAR sugiere la
necesidad de determinar la contribución de fuentes de material particulado en algunos puntos, mediante
una serie de mediciones en zonas estratégicas y representativas de la zona. En su trabajo en el 2013,
Rosas et al aplicaron un análisis multicriterio para seleccionar puntos de muestreo para contribución de
fuentes. Los municipios resultantes fueron Soacha, Mosquera, Nemocon, Girardot y Sopo (Briceño).
Posteriormente llevaron a cabo un muestreo y análisis de material particulado para aplicar sobre ellos el
modelo de receptores y determinar así las contribuciones de fuentes al material particulado. En este
proyecto se pretende usar los análisis de material particulado disponibles para las ciudades
seleccionadas
Para el planteamiento y definición del problema se tuvieron en cuenta los siguientes puntos:
Los sectores de Cundinamarca tienen una gran actividad industrial y altos flujos vehiculares:
siendo el contaminante de mayor importancia el PM 2,5
Al ser el contaminante de mayor importancia, se deben diseñar estrategias para reducir las
emisiones y mitigar sus efectos
Esta contribución puede permitir priorizar sectores para controlar con políticas públicas
5
Así se planteó un proyecto que tenía como gran objetivo determinar las contribuciones de material
particulado en la zona de jurisdicción de la CAR. los investigadores del proyecto tomaron muestras
durante 2 meses en cada sitio y controlaron el análisis químico de las muestras recolectadas
El proyecto que se propone en este documento parte de las siguientes preguntas ¿cuál es la composición
de dicho material y qué información s e puede extraer de ella? ¿ qué modelos de receptor se pueden aplicar a
las muestras recolectadas? ¿si se aplica el modelo CMB, cuales perfiles químicos de fuentes de emisión son
idóneos para representar lo que ocurre en los municipios incluidos en el proyecto? ¿Cuál es la calidad de los
datos de composición obtenidos y como deberían ser usados y preprocesados estadísticamente antes e
ingresarlos al sistema?
8. METODOLOGÍA:
El primer paso en el desarrollo de este proyecto implica una búsqueda bibliográfica que permita
esclarecer el panorama general de la atribución de fuentes para determinar que modelos disponibles
existen y sus limitaciones. Esta búsqueda bibliográfica se extiende por todo el desarrollo del proyecto
para así alimentarlo continuamente y evaluarlo.
A partir de lo anterior se puede proceder a desarrollar el proyecto con una revisión inicial de los datos
disponibles; estos datos deben ser analizados estadísticamente para escogerlos y corregirlos en las
situaciones necesarias (datos faltantes y asignarles su incertidumbre) y procesarlos para introducirlos al
modelo que se vaya a utilizar. Estos datos están disponiblesrespecto a estudios previos sobre el tema al
igual que los perfiles de las fuentes de contaminates que se pueden encontrar en la literatura y
mediante su recopilación se debe determinar cuales son las idóneas como candidatas al proyecto.
También a partir de los datos anteriores se pueden i deben obtener algunos resultados primarios sobre
la calidad del aire que han sido tratados en los artículos tales como reconstrucciones masicas,
determinación del balance ionico y consecusion de la relación de material organico sobre carbono
elemental entre otros.
6
Posteriormente se pretende correr el modelo de receptores con los datos disponibles, se pretende
seguir la metodología de Villalobos y determinar la atribución de fuentes mediante el uso de trazadores
organicos pero también se puede implementar el análisis clásico mediante las concentraciones de iones
y comparar los resultados obtenidos y recomendar uno u otro método notando los problemas de
implementación y las bondades de cada método. Además de lo anterior durante la implementación del
software se puede determinar la bondad de cada uno de los perfiles y su idoneidad para representar los
datos disponibles
Es necesario durante la corrida del modelo hacer una constante retroalimentación de los mismos y un
análisis de los resultados que vayan siendo obtenidos para poder corregir cualquier problema durante la
implementación
Ya habiendo corrido el modelo se debe proceder a escribir un informe donde conste la contribución de
cada una de las fuentes identificadas de forma que este disponible a las autoridades competentes para
generar recomendaciones o normatividades.
9. ACTIVIDADES A DESARROLLAR:
Un breve resumen de la metodología usada se muestra a continuación sobre las actividades que
podrían hacer parte del proyecto:
10. CRONOGRAMA:
Para el cronograma se supone que se terminara el proyecto en octubre cuando posiblemente sea la
sustentación del mismo
7
2017 2018
septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre
Revisión Bibliografica
Análisis inicial de datos
Interpretacion inical
de datos,
reconstruccion
masica
Primera aproximacion
de modelos de
receptores
segunda
aproximacion:
modelo con
marcadores
organicos
segunda
aproximacion
mejorada: modelo
con perfiles
complementarios
simulacion final
redaccion
documento final
Socializacion
Página 8 de 13
9
11. BIBLIOGRAFÍA BÁSICA:
Villalobos, A. M., Barraza, F., Jorquera, H., & Schauer, J. J. (2015). Chemical speciation and source
apportionment of fine particulate matter in Santiago, Chile, 2013. Science of the Total Environment, 512,
133-142.
Zheng, M., Salmon, L. G., Schauer, J. J., Zeng, L., Kiang, C. S., Zhang, Y., & Cass, G. R. (2005).
Seasonal trends in PM2. 5 source contributions in Beijing, China. Atmospheric Environment, 39(22),
3967-3976.
Sheesley, R. J., Schauer, J. J., Zheng, M., & Wang, B. (2007). Sensitivity of molecular marker-based
CMB models to biomass burning source profiles. Atmospheric Environment, 41(39), 9050-9063.
Coulter, T. C. (2004). EPA-CMB8. 2 users manual. US Environmental Protection Agency, Office of Air Quality Planning &
Standards, Emissions, Monitoring & Analysis Division, Air Quality Modeling Group.
14. COMENTARIO CON VISTO BUENO DEL DIRECTOR: (calificar los siguientes aspectos:
organización, pertinencia, relevancia y originalidad).
Página 10 de 13
3. Belis, C. A., Karagulian, F., Larsen, B. R., & Hopke, P. K. (2013). Critical review and meta-analysis of
ambient particulate matter source apportionment using receptor models in Europe. Atmospheric
Environment, 69, 94-108.
4. Bi, X., Feng, Y., Wu, J., Wang, Y., & Zhu, T. (2007). Source apportionment of PM 10 in six cities of
northern China. Atmospheric Environment, 41(5), 903-912.
5. Bogotá, R. (2017, July 24). Estas son las zonas en Cundinamarca donde industrias más contaminan
el aire. Retrieved October 05, 2017, from https://www.elespectador.com/noticias/bogota/estas-son-
las-zonas-en-cundinamarca-donde-industrias-mas-contaminan-el-aire-articulo-704630
6. Cass, G. R. (1998). Organic molecular tracers for particulate air pollution sources. TrAC Trends in
Analytical Chemistry, 17(6), 356-366.
7. Di, Q., Wang, Y., Zanobetti, A., Wang, Y., Koutrakis, P., Choirat, C., ... & Schwartz, J. D. (2017). Air
pollution and mortality in the Medicare population. New England Journal of Medicine, 376(26), 2513-
2522.
8. Engling, G., He, J., Betha, R., & Balasubramanian, R. (2014). Assessing the regional impact of
indonesian biomass burning emissions based on organic molecular tracers and chemical mass
balance modeling. Atmospheric Chemistry and Physics, 14(15), 8043-8054.
9. Forouzanfar, M. H., Afshin, A., Alexander, L. T., Anderson, H. R., Bhutta, Z. A., Biryukov, S., ... &
Cohen, A. J. (2016). Global, regional, and national comparative risk assessment of 79 behavioural,
environmental and occupational, and metabolic risks or clusters of risks, 1990-2015: a systematic
analysis for the Global Burden of Disease Study 2015. The Lancet, 388(10053), 1659.
10. Gupta, A. K., Karar, K., & Srivastava, A. (2007). Chemical mass balance source apportionment of
PM 10 and TSP in residential and industrial sites of an urban region of Kolkata, India. Journal of
hazardous materials, 142(1), 279-287.
11. Hailin, W. A. N. G., Zhuang, Y., Ying, W. A. N. G., Yele, S. U. N., Hui, Y. U. A. N., Zhuang, G., &
Zhengping, H. A. O. (2008). Long-term monitoring and source apportionment of PM 2.5/PM 10 in
Beijing, China. Journal of Environmental Sciences, 20(11), 1323-1327.
12. Henry, R. C., Lewis, C. W., Hopke, P. K., & Williamson, H. J. (1984). Review of receptor model
fundamentals. Atmospheric Environment (1967), 18(8), 1507-1515.
13. Heo, J. B., Hopke, P. K., & Yi, S. M. (2009). Source apportionment of PM 2.5 in Seoul,
Korea. Atmospheric Chemistry and Physics, 9(14), 4957-4971.
14. Hopke, P. K. (1991). An introduction to receptor modeling. Chemometrics and Intelligent Laboratory
Systems, 10(1-2), 21-43.
15. https://www.researchgate.net/profile/Sebastian_Hernandez_Sierra/publication/283090553_Ingeniero
s_Sin_Fronteras_Ingenieros_en_Pro_de_la_comunidad/links/562a800908ae22b17031bf2c.pdf#pag
e=164
16. Intergov. Panel Climate Change (IPCC). 2001. Climate Change 2001. Cambridge, UK: Cambridge
Univ. Press
17. Kampa, M., & Castanas, E. (2008). Human health effects of air pollution. Environmental
pollution, 151(2), 362-367.
18. Khodeir, M., Shamy, M., Alghamdi, M., Zhong, M., Sun, H., Costa, M., ... & Maciejczyk, P. (2012).
Source apportionment and elemental composition of PM 2.5 and PM 10 in Jeddah City, Saudi
Arabia. Atmospheric pollution research, 3(3), 331-340.
19. Lee, S., Liu, W., Wang, Y., Russell, A. G., & Edgerton, E. S. (2008). Source apportionment of PM
2.5: comparing PMF and CMB results for four ambient monitoring sites in the southeastern United
States. Atmospheric Environment, 42(18), 4126-4137.
20. Lewis, C. W., Norris, G. A., Conner, T. L., & Henry, R. C. (2003). Source apportionment of Phoenix
PM2. 5 aerosol with the Unmix receptor model. Journal of the Air & Waste Management
Association, 53(3), 325-338.
21. Mattai, J., Hutchinson, D., & Authority, G. L. LONDON ATMOSPHERIC EMISSIONS INVENTORY.
11
22. MAVDT, R. N. 610 del 24 de marzo de 2010―Por la cual se modifica la Resolución 601 del 4 de
abril de 2006‖ 2010. Ministerio de Ambiente Vivienda y Desarrollo Territorial: Colombia.
23. Mooibroek, D., Schaap, M., Weijers, E. P., & Hoogerbrugge, R. (2011). Source apportionment and
spatial variability of PM 2.5 using measurements at five sites in the Netherlands. Atmospheric
Environment, 45(25), 4180-4191.
24. Pöschl, U. (2005). Atmospheric aerosols: composition, transformation, climate and health
effects. Angewandte Chemie International Edition, 44(46), 7520-7540.
25. Querol, X., Alastuey, A., Moreno, T., Viana, M. M., Castillo, S., Pey, J., ... & Dos Santos, S. G.
(2008). Spatial and temporal variations in airborne particulate matter (PM 10 and PM 2.5) across
Spain 1999–2005. Atmospheric Environment, 42(17), 3964-3979.
26. Ravindra, K., Mittal, A. K., & Van Grieken, R. (2001). Health risk assessment of urban suspended
particulate matter with special reference to polycyclic aromatic hydrocarbons: a review. Reviews on
environmental health.
27. Reff, A., Eberly, S. I., & Bhave, P. V. (2007). Receptor modeling of ambient particulate matter data
using positive matrix factorization: review of existing methods. Journal of the Air & Waste
Management Association, 57(2), 146-154.
28. Samara, C., Kouimtzis, T., Tsitouridou, R., Kanias, G., & Simeonov, V. (2003). Chemical mass
balance source apportionment of PM 10 in an industrialized urban area of Northern
Greece. Atmospheric environment, 37(1), 41-54.
29. Schauer, J. J., Rogge, W. F., Hildemann, L. M., Mazurek, M. A., Cass, G. R., & Simoneit, B. R.
(1996). Source apportionment of airborne particulate matter using organic compounds as
tracers. Atmospheric Environment, 30(22), 3837-3855.
30. Seinfeld, J. H., & Pankow, J. F. (2003). Organic atmospheric particulate material. Annual review of
physical chemistry, 54(1), 121-140.
31. Simcik, M. F., Eisenreich, S. J., & Lioy, P. J. (1999). Source apportionment and source/sink
relationships of PAHs in the coastal atmosphere of Chicago and Lake Michigan. Atmospheric
Environment, 33(30), 5071-5079.
32. Song, Y., Xie, S., Zhang, Y., Zeng, L., Salmon, L. G., & Zheng, M. (2006). Source apportionment of
PM2. 5 in Beijing using principal component analysis/absolute principal component scores and
UNMIX. Science of the Total Environment, 372(1), 278-286.
33. Subramanian, R., Donahue, N. M., Bernardo-Bricker, A., Rogge, W. F., & Robinson, A. L. (2006).
Contribution of motor vehicle emissions to organic carbon and fine particle mass in Pittsburgh,
Pennsylvania: Effects of varying source profiles and seasonal trends in ambient marker
concentrations. Atmospheric Environment, 40(40), 8002-8019.
34. Tai, A. P., Mickley, L. J., & Jacob, D. J. (2010). Correlations between fine particulate matter (PM 2.5)
and meteorological variables in the United States: Implications for the sensitivity of PM 2.5 to climate
change. Atmospheric Environment, 44(32), 3976-3984.
35. U.S. Environ. Protection Agency. 1996. Air Quality Criteria for Particulate Matter. EPA/600/P-95/001.
Washington, DC: EPA
36. Vallius, M., Lanki, T., Tiittanen, P., Koistinen, K., Ruuskanen, J., & Pekkanen, J. (2003). Source
apportionment of urban ambient PM 2.5 in two successive measurement campaigns in Helsinki,
Finland. Atmospheric Environment, 37(5), 615-623.
37. Vargas, F. A., Rojas, N. Y., Pachon, J. E., & Russell, A. G. (2012). PM 10 characterization and
source apportionment at two residential areas in Bogota. Atmospheric Pollution Research, 3(1), 72-
80.
38. Viana, M., Kuhlbusch, T. A. J., Querol, X., Alastuey, A., Harrison, R. M., Hopke, P. K., ... & Hueglin,
C. (2008). Source apportionment of particulate matter in Europe: a review of methods and
results. Journal of aerosol science, 39(10), 827-849.
12
39. Villalobos, A. M., Barraza, F., Jorquera, H., & Schauer, J. J. (2015). Chemical speciation and source
apportionment of fine particulate matter in Santiago, Chile, 2013. Science of the Total
Environment, 512, 133-142.
40. Watson, J. G., Robinson, N. F., Chow, J. C., Henry, R. C., Kim, B. M., Pace, T. G., ... & Nguyen, Q.
(1990). The USEPA/DRI chemical mass balance receptor model, CMB 7.0. Environmental
Software, 5(1), 38-49.
41. Wu, C. F., Larson, T. V., Wu, S. Y., Williamson, J., Westberg, H. H., & Liu, L. J. S. (2007). Source
apportionment of PM 2.5 and selected hazardous air pollutants in Seattle. Science of the total
environment, 386(1), 42-52.
42. Yatkin, S., & Bayram, A. (2008). Source apportionment of PM 10 and PM 2.5 using positive matrix
factorization and chemical mass balance in Izmir, Turkey. Science of the total environment, 390(1),
109-123.
13