DOI:
https://doi.org/10.14483/22487638.19165Publicado:
01-04-2024Número:
Vol. 28 Núm. 80 (2024): Abril - JunioSección:
InvestigaciónConcentración de PM2.5 y su relación con el flujo vehicular y las condiciones meteorológicas del norte de Ocaña (Colombia)
PM2.5 concentration and its relationship with vehicular flow and meteorological conditions in northern Ocaña, Colombia
Palabras clave:
Air pollution, climate, road transport, transport infrastructure, urban transport (en).Palabras clave:
contaminación del aire, clima, infraestructura de transporte, transporte urbano, transporte por carretera (es).Descargas
Resumen (es)
Objetivo: En la zona norte de Ocaña existe una preocupación por la emisión de PM2.5 ocasionado por los automóviles, y se requiere evaluar su relación con el flujo vehicular y las condiciones meteorológicas.
Metodología: Se hicieron mediciones horarias de PM2.5 desde el 27 de enero de 2021 hasta el 9 de abril de 2021, por medio de un equipo electrónico para este propósito (Honeywell HPMA115S0), aforo manual de vehículos y estaciones
meteorológicas portátiles. El estudio de las variables se apoyó en análisis de correlación de Pearson, métrica de error, el modelo internacional de emisiones (IVE, por su sigla en inglés) y el modelo Envi-met3.1.
Resultados: Los tractocamiones presentan la mayor tasa de emisión (4,9 g/vehículo), y por cantidad, las motocicletas generan mayores emisiones. Debido a una posible inversión térmica, entre las 22:00 y 04:00 horas, el PM2.5 fue 102 μg/m3 y entre las 11:00 y 14:00, fue de 9,8 μg/m3, debido al viento. A 24 horas, se alcanzó un promedio de concentración de PM2.5 superior a la norma (37 μg/m3). Así mismo, la concentración de PM2.5 obtuvo correlaciones significativas con la temperatura (-0,517), humedad relativa (0,492), velocidad del viento (-0,487) y vehículos (-0,497). En cuanto a la dispersión del PM2.5, este se diluye de nororiente a suroccidente (>33 μg/m3).
Conclusiones: Los factores climáticos y 40 778 vehículos/día que circulan por la vía nacional de la zona norte de Ocaña son significativamente influyentes en la variación del PM2.5, cuyo promedio de concentraciones en 24 horas
puede superar la norma (37 μg/m3).
Financiamiento: Este proyecto contó con recursos propios, y de las universidades Francisco de Paula Santander Ocaña, y de Antioquia.
Resumen (en)
Objective: In the northern area of Ocaña there is a concern about PM2.5 emissions caused by vehicles. For this reason, we evaluate the relationship of PM2.5 concentrations with vehicle flows and meteorological conditions.
Methodology: Measurements were performed since 27/01/2021 to 09/04/2021, using electronic equipment for the measurement of PM2.5 (Honeywell HPMA115S0), manual counting of vehicles and portable weather stations. The
study of the variables was supported by Pearson correlation analysis, error metrics, the international emissions model (IVE) and the Envi-met3.1 model.
Results: Tractor-trucks have the highest emission rate (4,9 g/vehicle), but in terms of quantity, motorcycles generate the highest emissions. Due to a possible thermal inversion, between 22:00 and 04:00 hours the PM2.5 was 102μg/m3 and, due to the wind, between 11:00 and 14:00 hours it showed 9,8μg/m3. At 24 hours, the average PM2.5 concentration was higher than the norm (37μg/m3). Likewise, PM2.5 concentration obtained significant correlations with
temperature (-0,517), relative humidity (0,492), wind speed (-0,487) and vehicles (-0,497). As for the dispersion of PM2.5, it is diluted from northeast to southwest of the area (>33μg/m3).
Conclusions: Meteorological factors and 40 778 vehicles/day circulating on the national road north of Ocaña are significantly influential in the variation of PM2.5, which 24-hour average concentrations can exceed the norm
(37μg/m3).
Financing: Own resources and resources from Universidad Francisco de Paula Santander Ocaña and Universidad de Antioquia.
Referencias
Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Umar, A. M., Linus, O. U., Kazaure, A. A., Gana, U. y Kiru, M. U. (2019). Comprehensive review of artificial neural network applications to pattern recognition. IEEE Access, 7, 158820-158846.
Alcaldía Municipal de Ocaña. (2015). PBOT 2015 - Cartografía Urbana - Mapa Sistema Vial. https://www.ocana-nortedesantander.gov.co/planes/pbot-2015--cartografia-urbana--mapa-sistema-vial
Arhami, M., ZareShahne, M., Hosseini, V., Roufigar Haghighat, N., Lai, A. y Schauer, A. (2018). Seasonal trends in the composition and sources of PM2.5 and carbonaceous aerosol in Tehran, Iran. Environmental Pollution, 239, 69-81.
Asociación Nacional de Centros de Diagnóstico Automotor. (2020, enero-septiembre). Cifras de revisión técnico-mecánica y de emisiones contaminantes en Colombia. Boletín estadístico. https://www.aso-cda.org/wp-content/uploads/2020/10/BOLETIN-CIFRAS-ENE-SEP-2020.pdf
Becker, N., Rust, H. W. y Ulbrich, U. (2022). Modeling hourly weather-related road traffic variations for different vehicle types in Germany. European Transport Research Review, 14(1), 16.
Benavides, T. y Leaño, A. (2018). Rol del estado en los procesos de urbanización periférica de las ciudades colombianas. Margen, 88, 1-9. http://www.margen.org/suscri/margen88/leano_88.pdf
Buccolieri, R., Jeanjean, A. P., Gatto, E. y Leigh, R. J. (2018). The impact of trees on street ventilation, NOx and PM2.5 concentrations across heights in Marylebone Rd street canyon, central London. Sustainable Cities and Society, 41, 227-241.
Carrion, M. A., Kang, C. M., Gaffin, J. M., Hauptman, M., Phipatanakul, W., Koutrakis, P. y Gold, D. R. (2019). Classroom indoor PM2.5 sources and exposures in inner-city schools. Environment International, 131, 104968. https://www.sciencedirect.com/science/article/pii/S0160412018324140
Chen, S., Zhang, X., Lin, J., Huang, J., Huang, J., Zhao, D., ... Xie, Y. Q. (2019). Fugitive road dust PM2.5 emissions and their potential health impacts. Environmental Science & Technology, 53(14), 8455-8465. https://doi.org/10.1021/acs.est.9b00666
Chung Lin, Y., Ching Li, Y., Amesho, K., Shangdiar, S., Chih Chou, F. y Cheng Cheng, P. (2020). Chemical characterization of PM2.5 emissions and atmospheric metallic element concentrations in PM2.5 emitted from mobile source gasoline-fueled vehicles. Science of the Total Environmental, 739, 139942. https://doi.org/10.1016/j.scitotenv.2020.139942
Culma-Tamara, M. F. y García-Ubaque, C. A. (2022). Multitemporal analysis of urban expansion in the municipality of Madrid, Cundinamarca, between 1977 and 2020. Tecnura, 26(73), 7-7.
Cuty Clemente, E. R. y Mejía Regalado, A. D. (2019). Influencia del biodiésel de aceite de fritura usado, sobre las emisiones: índice de opacidad. Tecnura, 23(59), 60-67.
Duarte, A., Schneider, I., Artaxo, P. y Olivera, M. (2021). Spatiotemporal assessment of particulate matter (PM10 and PM2.5) and ozone in a Caribbean urban coastal city. Geoscience Frontiers, 13(1), 101168. https://doi.org/10.1016/j.gsf.2021.101168
Fang, S., Zhan, C., Hu, J., Yanfeng, X., Meng, Q., Yu, X., Wang, H., Wang, P., Zhang, R., y Gao, P. (2021). Temporal variations of PM2.5-bound platinum group elements in outdoor and indoor environments close to areas with traffic congestion. Atmospheric Environment, 246, 118109. https://doi.org/10.1016/j.atmosenv.2020.118109
Feng Z. Y., Gao, J., Jian Cai, Y., Jing Wang, J. y Pan, J. (2021). Real-time tracing VOCs, O3 and PM2.5 emission sources with vehicle-mounted proton transfer reaction mass spectrometry combined differential absorption lidar. Atmospheric Pollution Research, 12, 146-153. https://doi.org/10.1016/j.apr.2021.01.008
Hao, Y., Deng, S., Qui, Z., Lu, Z., Song, H. y Yang, N. (2021). Chemical characterization of PM2.5 emitted from China IV and China V light-duty vehicles in China. Science of the Total Environment, 783, 147101. https://doi.org/10.1016/j.scitotenv.2021.147101
Hong, G. H., Le, T. C., Tu, J.W., Wang, C., Chang, S. C., Yu, J. Y., ... Tsai, C. J. (2021). Long-term evaluation and calibration of three types of low-cost PM2.5 sensors at different air quality monitoring stations. Journal of Aerosol Science, 157, 105829. https://doi.org/10.1016/j.jaerosci.2021.105829
Hu, J., Zhao, T., Liu, J., Cao, L. X., Wang, C., Zhao, X., Gao, Z., Shu, Z. y Li, Y. (2021). Nocturnal surface radiation cooling modulated by cloud cover change reinforces PM2.5 accumulation: Observational study of heavy air pollution in the Sichuan Basin, Southwest China. Science of the Total Environmental, 794, 148624. https://doi.org/10.1016/j.scitotenv.2021.148624
Huttner S. (2012). Further development and application of the 3D microclimate simulation ENVImet [Tesis doctoral]. Johannes Gutenberg-Universität Mainz. https://openscience.ub.uni-mainz.de/handle/20.500.12030/2024
Ibraeva, A., Wee, B. V., Correia, G. H. y Antunes, A. P. (2021). Longitudinal macro-analysis of car-use changes resulting from a TOD-type project: The case of Metro do Porto (Portugal). Journal of Transport Geography, 92, 103036. https://doi.org/10.1016/j.jtrangeo.2021.103036
NASA. (s. f.). The POWER project. https://power.larc.nasa.gov/
Instituto de Hidrología, Meteorología y Estudios Ambientales (Ideam). (2021). Informe del estado de la calidad del aire en Colombia. 2019. http://documentacion.ideam.gov.co/openbiblio/bvirtual/023898/InformeCalidadAire_2019.pdf
Instituto Nacional de Vías [Invías]. (s. f.). Galería de volúmenes de tránsito. https://hermes.invias.gov.co/volumenes/
Internacional Sustentable Systems Research Center (ISSRC). (s. f.). Internacional vehicle emissions model. http://www.issrc.org/
Jain, S., Presto, A. y Zimmerman, N. (2021). Spatial modeling of daily PM2.5, NO2, and CO concentrations measured by a low-cost sensor network: Comparison of linear, machine learning, and hybrid land use models. Environmental Science Technology, 55(13), 8631-8641. https://doi.org/10.1021/acs.es
Kakareka, S. y Salivonchyk, S. (2020). Assessment of atmospheric pollutant dispersion from mobile sources in Antarctica: A case study of Vecherny Oasis. Polar Geography, 43(4), 280-294.
Liu, Z., Shen, L., Yan, C., Du, J., Li, Y. y Zhao, H. (2020). Analysis of the influence of precipitation and wind on PM2.5 and PM10 in the Atmosphere. Advances in Meteorology, (1), 1-13.
Mahesh, S. (2021). Exposure to fine particulate matter (PM2.5) and noise at bus stops in Chennai, India. Journal of Transport & Health, 22, 101105. https://doi.org/10.1016/j.jth.2021.101105
Mateos, A. C., Amarillo, A. C., Tavera Busso, I. y Carreras, H. A. (2019). Influence of meteorological variables and forest fires events on air quality in an urban area (Córdoba, Argentina). Archives of Environmental Contamination and Toxicology, 77, 171-179.
Ministerio de Medio Ambiente. (2010). Manual de diseño de sistemas de vigilancia de calidad del aire. https://www.minambiente.gov.co/wp-content/uploads/2021/06/Protocolo_Calidad_del_Aire_-_Manual_Diseno.pdf
Mobarhan, M. y Yeganeh, M. (2019). Analyzing the influence of different streets and physical enclosures in reducing the amount of suspended particles in pedestrian streets. American Journal of Research, 120, 120-128.
Ntziachristos, L. y Samaras, Z. (2019). EMEP/EEA air pollutant emission inventory guidebook 2019. Europa Environment Agency. https://www.eea.europa.eu/publications/emep-eea-guidebook-2019/part-b-sectoral-guidance-chapters/1-energy/1-a-combustion/1-a-3-b-i/view
Pachon, J., Vanegas, S., Saavedra, C., Amato, F., Silva, L. F. O, Blanco, K., Chaparro, R. y Casas, O. M. (2020). Evaluation of factors influencing road dust loadings in a Latin American urban center. Journal of the Air & Waste Management Association, 71, 268-280. https://doi.org/10.1080/10962247.2020.1806946
Perry, D. y Trompette, W. (2021). The rise of non-tailpipe motor vehicle emissions in a Southern hemisphere city. Air Quality and Climate Change, 55(1), 44-45. https://search.informit.org/doi/abs/10.3316/informit.799503548907636
Ruí, L., Buccolieri, R., Gao, Z., Gatto, E. y Ding, W. (2019). Study of the effect of green quantity and structure on thermal comfort and air quality in an urban-like residential district by ENVI-met modelling. Building Simulation, 12, 183-194. https://link.springer.com/article/10.1007/s12273-018-0498-9
Secretaría de Movilidad y Tránsito de Ocaña. (2010). Formulación del plan maestro de movilidad del municipio de Ocaña. https://ocananortedesantander.micolombiadigital.gov.co/sites/ocananortedesantander/content/files/000069/3450_plan_de_movilidad.pdf
Serafín González, S. L. (2019). Externalidades de las emisiones del transporte público en Tepic, México: cambio climático y sustentabilidad. Tecnura, 23(62), 34-44.
Silva, A. D. (2020). Políticas globales para las ciudades en movimiento: el papel de los think tanks en la proliferación de sistemas de transporte rápido de autobuses en América Latina y el mundo. Política y Sociedad, 39(1), 70-90.
Vu, D., Patrick, R., Berte, T., Yanga, J., Cocker, D., Durbin, T., ... Awuku, A. (2019). Using a new Mobile Atmospheric Chamber (MACh) to investigate the formation of secondary aerosols from mobile sources: The case of gasoline direct injection vehicles. Journal of Aerosol Science, 133, 1-11. https://doi.org/10.1016/j.jaerosci.2019.03.009
Wagner, D. R. y Brandley, D. C. (2020). Exercise in thermal inversions: PM2.5 air pollution effects on pulmonary function and aerobic performance. Wilderness & Environmental Medicine, 31(1), 16-22.
Yi Cheng, F., Yung Feng, C., Min Yang, Z., Hua Hsu, C., Wa Chan, K., Ying Lee, C. y Chin Chang, S. (2021). Evaluation of real-time PM2.5 forecasts with the WRF-CMAQ modeling system and weather-pattern-dependent bias-adjusted PM2.5 forecasts in Taiwan. Atmospheric Environment, 244, 117909.
Yin, X., Huang, Z., Zheng, J., Yuan, Z., Zhu, W., Huang, X. y Chen, D. (2017). Source contributions to PM2.5 in Guangdong province, China by numerical modeling: Results and implications. Atmospheric Research, 186, 63-71. https://doi.org/10.1016/j.atmosres.2016.11.007
Yola, L. (2022). Influence of urban canyon direction on long wave radiation pattern in a tropical context. En E. M. Nia, I. Farshchi, L. Yola y M. Awang (eds.), Sustainable development approaches: Selected Papers of AUA and ICSGS 2021 (pp. 143-151). Springer International Publishing.
Zhou, Y., Yue, Y., Bai, Y. y Zhang, L. (2020). Effects of rainfall on PM2.5 and PM10 in the middle reaches of the Yangtze river. Advances in Meteorology, (1), 1-10.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Dimensions
PlumX
Descargas
Licencia
Derechos de autor 2024 Alexander Armesto Arenas, Julio Eduardo Cañon Barriga
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Esta licencia permite a otros remezclar, adaptar y desarrollar su trabajo incluso con fines comerciales, siempre que le den crédito y concedan licencias para sus nuevas creaciones bajo los mismos términos. Esta licencia a menudo se compara con las licencias de software libre y de código abierto “copyleft”. Todos los trabajos nuevos basados en el tuyo tendrán la misma licencia, por lo que cualquier derivado también permitirá el uso comercial. Esta es la licencia utilizada por Wikipedia y se recomienda para materiales que se beneficiarían al incorporar contenido de Wikipedia y proyectos con licencias similares.
