Felipe Andrés Villamil Quintero
Transcript of Felipe Andrés Villamil Quintero
Atribución de fuentes de contaminación al material particulado PM 2.5 de Cundinamarca
Felipe Andrés Villamil Quintero
Trabajo final para optar al título de:
Magister en Ingeniería Ambiental
Director:
Néstor Y. Rojas, Ph.D.
Profesor Asociado
Departamento de Ingeniería Química y Ambiental
Universidad Nacional de Colombia
Universidad Nacional de Colombia
Maestría en Ingeniería Ambiental
Bogotá, Colombia
2018
Lo Importante no es ser, sino parecer
Sotelo
I wander out where you can't see
Inside my shell, I wait and bleed
Wait and bleed, Slipknot
Will you be on the other side?
Will you forget me?
Tourniquet, Evanescence
I fear you but spoken fears can come true
Bleed, Evanescence
In me there's still a place that fulfills me
A sanctity here that I call home, I run to
When winter descends
If I try can I find solid ground
Solitary Ground, Epica
Contenidos 1 Listado de tablas .................................................................................................................. 5
2 Listados de figuras ............................................................................................................... 9
3 Resumen ............................................................................................................................ 16
4 Introducción ........................................................................................................................ 18
5 Antecedentes ..................................................................................................................... 29
5.1 Antecedentes de la atribución de fuentes al material contaminante ............................ 29
6 Marco teórico ..................................................................................................................... 33
6.1 Material particulado ..................................................................................................... 33
6.2 Modelos de receptores ................................................................................................ 36
7 Métodos ............................................................................................................................. 44
7.1 Sitio de medición ......................................................................................................... 44
7.2 Descripción del sitio de medición ................................................................................ 46
7.3 Métodos de muestreo .................................................................................................. 51
7.4 Metodologías de Análisis ............................................................................................ 54
8 Resultados y discusión ....................................................................................................... 59
8.1 Material particulado, recuento y composición .............................................................. 59
8.2 Análisis de Iones ......................................................................................................... 69
8.3 Masa Carbonácea ....................................................................................................... 77
8.4 Relación OC/EC .......................................................................................................... 78
8.5 Estimación de los SOC ............................................................................................... 86
8.6 Reconstrucción másica ............................................................................................... 94
8.7 Compuestos carbonáceos ........................................................................................... 95
8.8 Compuestos orgánicos ................................................................................................ 96
8.9 Series de alcanos ...................................................................................................... 119
8.10 Profundidad óptica de aerosoles ............................................................................... 130
8.11 Trayectorias reversas ................................................................................................ 141
8.12 Resultados de la atribución de fuentes Contribución al material orgánico OM .......... 143
8.13 Contribuciones a la masa total de PM2.5 .................................................................. 148
8.14 Comparación con otros estudios ............................................................................... 153
9 Conclusiones .................................................................................................................... 159
10 Recomendaciones ........................................................................................................ 168
11 Bibliografía .................................................................................................................... 171
4
12 Anexos ......................................................................................................................... 181
12.1 Graficas de alcanos................................................................................................... 181
12.2 Imágenes de los Fuegos Activo o Active fires ........................................................... 199
12.3 Trayectorias inversas ................................................................................................ 211
1 Listado de tablas
Tabla 1, Tabla resumen sobre la situación de contaminación de Cundinamarca, a (Bogotá El
tiempo, 2017) ............................................................................................................................ 26
Tabla 2, estudios sobre atribución de fuentes de contaminación ............................................... 29
Tabla 3, Propiedades típicas de las diferentes fracciones del material particulado. Fuente:
(McMurry et al, (2004). .............................................................................................................. 34
Tabla 4, comentarios finales resultan es de los análisis realizados para escoger las 4 ciudades
de estudio dentro de este proyecto ........................................................................................... 44
Tabla 5, fecha de las muestras tomadas y numero de muestars tomadas por cada sitio de
muestreo ................................................................................................................................... 53
Tabla 6, porcentaje de excedencias presentados en las mediciones de PM2.5 respecto al límite
de 25 µg/m3 .............................................................................................................................. 61
Tabla 7, datos de PM2.5 promedio y desviación estándar para los datos obtenidos durante la
campaña de medición, en µg/m3. .............................................................................................. 61
Tabla 8, estudio realizado por (de Miranda, de Fatima Andrade, Fornaro, Astolfo, de Andre &
Saldiva, 2012), para la caracterización del PM2.5 en diferentes ciudades de Brasil. ................. 62
Tabla 9, recuento de estudios realizados midiendo material particulado. .................................. 68
Tabla 10, tabla de especies constituyentes del PM2.5 reportados en el estudio de Deshmukh, et
al (2011) en µg/m3 .................................................................................................................... 72
Tabla 11, datos de los iones medidos por (Ramirez, de la Campa, Amato, Catacoli, Rojas, & de
la Rosa, 2018), en su estudio para junio 2015 a junio 2016, todos los datos en µg/m3. ............ 73
Tabla 12, datos de iones reportados por (Ramírez, de la Campa Amato, Moreno, Silva, & Jesús,
2019), para la ciudad de Bogotá y el análisis de PM, todos los datos en % de masa a la fracción
torácica del material particulado. ............................................................................................... 74
Tabla 13, datos de los totales reportados por el estudio de (Ramírez, de la Campa Amato, Moreno,
Silva, & Jesús, 2019), para la ciudad de Bogotá y el análisis de PM, todos los datos en % de masa
a la fracción torácica del material particulado. ........................................................................... 74
Tabla 14, datos calculados para el sulfato de origen salino o marino, calculado a partir de la 𝑠𝑠
𝑆O4-2 = 0.246*Na +
(E
cuación 14) 74
Tabla 15, datos respecto al radio o razon𝑁𝑂3 − 𝑆𝑂4 − 2 para los datos de este estudio .......... 75
Tabla 16, datos de promedio de los iones amonio, sulfato, nitrato y otros iones con sus
desviaciones estándar para los 4 sitios de medición. Todos los anteriores en µg/m3, SNA hace
referencia a la suma de Sulfato, Nitrato Y Amonio .................................................................... 76
Tabla 17, datos promedio de carbono orgánico y carbono elemental (OC y EC) medidos en los 4
sitios de la campaña, con su desviación estándar, todos los datos en (µg/m3). ........................ 78
Tabla 18, datos reportados por de (Ramirez, de la Campa, Amato, Catacoli, Rojas, & de la Rosa,
2018), presentando el OC y EC medido. ................................................................................... 79
Tabla 19, datos de los totales reportados por el estudio de (Ramírez, de la Campa Amato, Moreno,
Silva, & Jesús, 2019), para la ciudad de Bogotá y el análisis de PM, todos los datos en % de masa
a la fracción torácica del material particulado. ........................................................................... 80
Tabla 20, relación OC/EC (carbono orgánico sobre carbono elemental) para los datos medidos
en el presente estudio. .............................................................................................................. 80
6
Tabla 21, concentraciones promedio de PM2.5 en diferentes ambientes internos y externos
cercanos a caminos en Hong Kong, reproducido a partir de lo expuesto por Ho et al, 2004 ..... 81
Tabla 22, concentraciones promedio de OC y C y los radios o razones OC/EC y I/O en diferentes
ambientes cercanos a carreteras internos y externos en Hong Kong, construido a partir de lo
expuesto en Ho et al, 2004 ........................................................................................................ 82
Tabla 23, abundancias atmosféricas de las especies carbonáceas para sitios seleccionados en
la península indogangenica, construido a partir de lo expuesto por Ram y Sarim en 2010 ........ 83
Tabla 24, datos de EC y OC medidos por Plaza et al en 2011, junto con la relación OC/EC ..... 84
Tabla 25, relación de estudios relacionados que presentan la relación OC/EC. ........................ 85
Tabla 26, datos de relaciones OC/EC, junto con los datos OC y EC medidos, reunidos Enel trabajo
del 2005 de Jones y Harrison .................................................................................................... 85
Tabla 27, datos reportados por (Dan et al, 2004), sobre el valor de OC y EC. .......................... 90
Tabla 28, carbones solubles e insolubles en agua (WSOC y WIOC) medidos en los 4 lugares de
medición, todos los datos en µg/m3 .......................................................................................... 96
Tabla 29, concentraciones de levoglucosano medidas en los 4 sitios de medición ................... 99
Tabla 30, datos presentados por (Gelencsér et al, 2007) respecto al análisis del PM2.5 medido
en diversas ciudades europeas ............................................................................................... 101
Tabla 31, PHAs totales medidos en los 4 sitios de la campaña, en ng/m3 .............................. 102
Tabla 32, resultados de PHAs medidos en el estudio de (Zheng et al, 2002). Los datos están en
ng/m3 ...................................................................................................................................... 103
Tabla 33, promedio de los hópanos totales medidos en los 4 sitios de la campaña con la
desviación estándar (datos en ng/m3 nanogramos sobre metro cubico) y su comparacion con el
recuento de material particulado. ............................................................................................ 104
Tabla 34, datos de todos los hópanos medidos en el estudio de (Zheng et al, 2002) .............. 105
Tabla 35, concentraciones promedio de Piceno medidas en los sitios de medición con su
desviación estándar, en ng/m3 (nanogramos sobre metro cubico). * la medición de Briceño es la
única medición arrojada con su respectivo error...................................................................... 106
Tabla 36, datos de PHAs reportados por (Vasconcellos et al, 2011). En ng/m3 ...................... 109
Tabla 37, datos reportados en el estudio de (Carreras et al., 2013), con las mediciones de PHAs
en la ciudad de Córdoba, argentina, en ng/m3, *identificación de PHAs: FLAN: fluoranteno, PYR:
pireno; BaA: benzo(a)antraceno; CHR + TPH: suma de Criseno y trifenileno; BkjF:
benzo(k,j)fluoranteno; BaPY: benzo(a)pireno; IPY: indeno(1,2,3-cd)pireno; DahA:
dibenzo(a,h)antraceno; BghiP: benzo(ghi)perileno; Total: suma de todos los PHAs; BaPE:
equivalente de benzo(a)pireno para el potencial carcinogénico. .............................................. 111
Tabla 38, reporte de perfiles de PHAs característicos de diversos sitios, en ng/m3. Tomado del
trabajo de (Carreras et al., 2013), *identificación de PHAs: FLAN: fluoranteno, PYR: pireno; BaA:
benzo(a)antraceno; CHR + TPH: suma de Criseno y trifenileno; BkjF: benzo(k,j)fluoranteno;
BaPY: benzo(a)pireno; IPY: indeno(1,2,3-cd) pireno; BghiP: benzo(ghi)perileno..................... 111
Tabla 39, datos obtenidos en el estudio de (Amarillo y Carreras, 2016) en ng/m3. Identificación:
Naftaleno (NAP), Acenafteno (AC), Fluoreno (FL), fenantreno (PHE), Antraceno (ANT),
Fluoranteno (FLU), Pireno (PYR), Benzo[a]antraceno (BaA), Criseno (CHR), Benzo[b]fluoranteno
(BbF), Benzo[k]fluoranteno (BkF), Benzo[a]pireno (BaP), Dibenzo[a,h] antraceno (DBahA),
Benzo[g,h,i]perileno (BghiP). ................................................................................................... 112
7
Tabla 40, relaciones entre PHAs propuestos en el estudio de (Ravindra et al, 2008), con su
respectivo significado, CPAHs/TPAHs hace referencia a la suma de los compuestos no alquilados
(fluoreno + pireno + benzo[a]antraceno + chriseno + benzo[b]fluoranteno + benzo[k]fluoranteno +
B[a]P + indeno[1,2,3-cd]pireno + benzo[ghi]perileno) sobre la concentracio total de los PHAs 113
Tabla 41, porcentajes de PHAs presentados en diferentes localizaciones, según el estudio de
(Ravindra et al, 2008), Bdl, debajo del límite de detección ...................................................... 114
Tabla 42, PHAs medidos para Soacha (Izquierda) y Mosquera (derecha), en ng/m3 .............. 115
Tabla 43, PHAs medidos para Nemocón (izquierda) y Briceño (derecha), en ng/m3 ............... 115
Tabla 44, datos de BaPE o índice de Benzo(a)pireno equivalente, para Soacha en ng/m3 ..... 116
Tabla 45, datos de BaPE o índice de Benzo(a)pireno equivalente, para Mosquera en ng/m3 . 116
Tabla 46, datos de BaPE o índice de Benzo(a)pireno equivalente, para Nemocón en ng/m3.. 116
Tabla 47, datos de BaPE o índice de Benzo(a)pireno equivalente, para Briceño en ng/m3 ..... 116
Tabla 48, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico
según las mediciones realizadas en Soacha, los potenciales en ng/m3 .................................. 117
Tabla 49, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico
según las mediciones realizadas en Mosquera, los potenciales en ng/m3 .............................. 118
Tabla 50, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico
según las mediciones realizadas en Nemocón, los potenciales en ng/m3 ............................... 118
Tabla 51, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico
según las mediciones realizadas en Briceño, los potenciales en ng/m3 .................................. 118
Tabla 52, datos del riesgo de cáncer de pulmón (LCR) cancerígeno y mutagénico calculados a
partir de los datos promedios de los potenciales BAP-TEQ y BAP-MEQ promedio calculados
anteriormente, ......................................................................................................................... 118
Tabla 53, Alcanos totales medidos en los 4 sitios de campaña, en ng/m3 .............................. 120
Tabla 54, datos reportados por (Simoneit, 1985) sobre los datos de CPI y Cmax medidos para
distintas fuentes emisoras. ...................................................................................................... 121
Tabla 55, datos presentados por Simoneit, B. R. (1989), para el CPI en diversas regiones y de
diversos aerosoles y humos. ................................................................................................... 122
Tabla 56, alcanos cerosos calculados a partir de la concentración de alcanos impares medidos
en cada sitio, junto con el porcentaje de ceras (cantidad de ceras / total de alcanos), en ng/m3
................................................................................................................................................ 123
Tabla 57, datos de CPI y % de alcanos cerosos presentados por Bi et al en 2003. ................. 124
Tabla 58, datos de alcanos totales, CPI y Cmax presentados por (Zheng, et al, 2000) ........... 125
Tabla 59, datos de alcanos totales, CPI alcanos cerosos y su porcentaje presentados por Giri, et
al (2013). ................................................................................................................................. 125
Tabla 60, datos de alcano totales, Cmax y CPI presentados por (Kendall et al, 2001). ........... 126
Tabla 61, datos de Cmax y CPI estacionales presentados por (Kendall et al, 2001). .............. 126
Tabla 62, datos de Cmax y CPIs presentados por (Alves et al, 2001) ..................................... 126
Tabla 63, datos de Cmax para este estudio para los sitios de Soacha, Mosquera, Nemocón y
Briceño a partir de las gráficas de alcanos eliminando la influencia de las ceras vegetales .... 127
Tabla 64, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado
para los datos de alcanos medidos para Soacha, sin unidades ............................................... 128
Tabla 65, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado
para los datos de alcanos medidos para Mosquera, sin unidades ........................................... 129
8
Tabla 66, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado
para los datos de alcanos medidos para Nemocón, sin unidad ............................................... 129
Tabla 67, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado
para los datos de alcanos medidos para Briceño, sin unidades ............................................... 130
Tabla 68, datos de la contribución a los materiales carbonáceos en Soacha .......................... 145
Tabla 69, datos de la contribución a los materiales carbonáceos en Mosquera ...................... 145
Tabla 70, Datos de desempeño del modelo CMB para los municipios de Soacha (izquierda) y
Mosquera (derecha) ................................................................................................................ 147
Tabla 71, Contribuciones al material particulado PM2.5 de Soacha, ....................................... 151
Tabla 72, Contribuciones al material particulado PM2.5 en Mosquera. ................................... 151
Tabla 73, Contribución de las fuentes, los iones y los SOA a la masa total de PM2.5, y la
comparación entre la masa gravimétrica y reconstruida para Soacha. .................................... 152
Tabla 74, Contribución de las fuentes, los iones y los SOA a la masa total de PM2.5, y la
comparación entre la masa gravimétrica y reconstruida para Mosquera. ................................ 152
Tabla 75, contribución de fuentes de contaminación al carbono orgánico (OC) del material PM2.5
estimado por el estudio de Villalobos et al en 2015 estimado por el CMB. .............................. 153
Tabla 76, contribuciones mensuales de las fuentes de contaminación a PM2.5 de marzo a
octubre, incluyendo los iones, los SOA u la masa indeterminada (todo en µg/m3) .................. 154
Tabla 77, datos de la atribución de fuentes de contaminación al carbono orgánico OC del PM2.5
medido en Temuco .................................................................................................................. 154
Tabla 78, datos reportados por (Stone et al, 2008), para la atribución de contaminantes al material
particulado de Ciudad de México, en (µg/m3). ........................................................................ 155
Tabla 79, datos de la atribución de fuente de contaminación realizados para 4 ciudades
localidades de Texas (Fraser et al, 2003), los datos en µg/m3 ................................................ 156
Tabla 80, datos presentados por (Stone et al, 2010), para la atribución de fuentes de
contaminación al PM2.5 de Lahore en Pakistán, los datos en µg/m3, siendo la contribución y su
incertidumbre en cada columna. .............................................................................................. 158
2 Listados de figuras
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) ........................................................ 19
Figura 2, 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) ............................. 25
Figura 3, fuentes antropogénicas de PM2.5 de acuerdo al inventario nacional de emisiones de
2017, datos construidos a partir de lo presentado por EPA en https://www.epa.gov/air-emissions-
inventories/air-pollutant-emissions-trends-data para EE. UU. .................................................... 35
Figura 4, fuentes antropogénicas de PM10 de acuerdo al inventario nacional de emisiones de
2017, datos construidos a partir de lo presentado por EPA en https://www.epa.gov/air-emissions-
inventories/air-pollutant-emissions-trends-data para EE. UU. .................................................... 35
Figura 5, explicación grafica de la búsqueda de ejes realizada por el método UNMIX, en el ejemplo
de 3 especies y 2 fuentes a la izquierda y 3 especies y 3 fuentes a la derecha. Tomado de (Henry,
1997). ........................................................................................................................................ 43
Figura 6, Ubicación de los receptores objeto de estudio. Soacha (a), Mosquera (b), Briceño (c) y
Nemocón (d) (Patio Bonito) ....................................................................................................... 48
Figura 7, Mapa de Soacha con la ubicación de la estación receptora y algunas fuentes puntuales
de material particulado identificadas. Elaboración propia en ArcGIS. ........................................ 49
Figura 8, Mapa de Mosquera con la ubicación de la estación receptora y algunas fuentes
puntuales de material particulado identificadas. Elaboración propia en ArcGIS ......................... 50
Figura 9, Impactador ChemComb 3500 cerrado, tomado de
http://www.thermo.com.cn/Resources/200802/productPDF_27223.pdf ..................................... 52
Figura 10, Impactador ChemComb 3500 abierto, primero se ve el impactador con la sección de
despojamiento abierta, las artes de izquierda a derecha son el cuerpo del cartucho, espira de
metal para mantener unidos los componentes, un espaciador de HDPE, el despojador de panal,
, un espaciador de HDPE, el despojador de panal, , un espaciador de HDPE, un espaciador de
vidrio, el impactador de ojal con grasa y finalmente la boquilla de PM2.5 cubierta de PTFE
(politetrafluoroetileno) y la última es el impactador con la sección de filtros abierta, de izquierda a
derecha se tiene la tapa del filtro, un acople modular con la boquilla de salida, 3 filtros y el cuerpo
del aparato. ............................................................................................................................... 52
Figura 11, Algunas Microbalanzas de Mettler Toledo
https://www.mt.com/int/es/home/products/Laboratory_Weighing_Solutions/Micro_Ultra_Balance
s/XPR_MicroBalance.html ......................................................................................................... 55
Figura 12. Correlación entre material particulado 2.5 gravimétrico y reconstruidos para Soacha (izquierda)
y Mosquera (derecha), utilizando los factores, OM/OC de 1,45 y 1,2 respectivamente. ......................... 60
Figura 13. Correlación entre material particulado 2.5 gravimétrico y reconstruidos para Nemocón
(izquierda) y Briceño (derecha), utilizando los factores, OM/OC de 1,2 para ambos sitios de medición. . 60
Figura 14, datos de lluvia promedio para los 4 sitios de medición, A Soacha, B Mosquera, C
Nemocón y D Briceño. Graficas tomadas de https://es.climate-data.org/ .................................. 64
Figura 15, diagrama de cada para los datos medidos de PM2.5 en las ciudades de Soacha,
Mosquera, Nemocón y Briceño, donde los rombos representan el promedio ............................ 65
Figura 16, Masa gravimétrica de PM2.5 medida Durante septiembre y noviembre de 2014, Soacha
(primero) y Mosquera (ultimo) ...................................................................................................... 66
10
Figura 17, Masa gravimétrica de PM2.5 medida Durante septiembre y noviembre de 2014, Nemocón
(primero) y Briceño (ultimo) ......................................................................................................... 67
Figura 18, masa gravimétrica de PM2.5 (µg/m3) medida durante la campana, primeras gráficas y
comparativa entre sulfato nitrato y amonio en µg/m3 (ultimas graficas) medidos en Soacha (izquierda) y
Mosquera (derecha). ..................................................................................................................... 71
Figura 19, masa gravimétrica de PM2.5 (µg/m3) medida durante la campana, primeras gráficas y
comparativa entre sulfato nitrato y amonio en µg/m3 (ultimas graficas) medidos en Nemocón (izquierda) y
Briceño (derecha). Debe tenerse cuidado con los ejes y. ................................................................... 72
Figura 20, Carbón Orgánico y elemental (OC y EC) medidos Durant la campaña , Soacha (izquierda) and
Mosquera (derecha). ..................................................................................................................... 76
Figura 21,, Carbón Orgánico y elemental (OC y EC) medidos Durante la campaña, Nemocón (izquierda)
y Briceño (derecha). ..................................................................................................................... 77
Figura 22, Gráficos de la relación OC/EC (carbono orgánico contra carbono elemental) de las
ciudades de Soacha (izquierda) y Mosquera (derecha). ............................................................ 81
Figura 23, Gráficos de la relación OC/EC (carbono orgánico contra carbono elemental) de las
ciudades de Nemocón (izquierda) y Briceño (derecha). ............................................................ 82
Figura 24, OC secundario (carbono orgánico secundario) calculado a partir de la (Ecuación 15),
para Soacha (izquierda) y Mosquera (derecha). ........................................................................ 86
Figura 25, OC secundario (carbono orgánico secundario) calculado a partir de la ecuación
(Ecuación 15), para Nemocón (izquierda) y Briceño (derecha). ................................................. 87
Figura 26, Relación entre carbono orgánico secundario y carbono orgánico total (OCsec / OCtotal)
calculada para Soacha (izquierda) y Mosquera (derecha). ........................................................ 87
Figura 27, Relación entre carbono orgánico secundario y carbono orgánico total (OCsec / OCtotal)
calculada para Nemocón (izquierda) y Briceño (derecha). ........................................................ 88
Figura 28, relación de PM secundario contra el PM gravimétrico (PMsec/PMgrav %) en porcentaje
para Soacha (izquierda) y Mosquera (derecha), ........................................................................ 89
Figura 29, relación de PM secundario contra el PM gravimétrico (PMsec/PMgrav %) en porcentaje
para Nemocón (izquierda) y Briceño (derecha) ......................................................................... 89
Figura 30, Fracciones carbonáceas medidas en Soacha (primero) y Mosquera (ultimo)
mediciones de carbón elemental (EC) carbón orgánico soluble (WSOC), y carbón orgánico
insoluble (WIOC). ...................................................................................................................... 91
Figura 31, Fracciones carbonáceas medidas en Nemocón (primero) y Briceño (ultimo) mediciones
de carbón elemental (EC) carbón orgánico soluble (WSOC), y carbón orgánico insoluble (WIOC).
En diferentes escalas ................................................................................................................ 92
Figura 32, Masa gravimétrica vs reconstruidas medidas durante la campana, Soacha (Primera) y Mosquera
(ultima). ...................................................................................................................................... 93
Figura 33, Masa gravimétrica vs reconstruida medidas durante la campana, Nemocón (Primera) y Briceño
(ultima), en diferentes escalas. ....................................................................................................... 94
Figura 34, Concentraciones de compuestos orgánicos en Soacha (izquierda) y Mosquera
(derecha), Primero se muestran las concentraciones de benzopirenos y fluóratenos,
denominados como hidrocarburos aromáticos policíclicos (PHAs), en la mitad se grafican los
Levoglucosanos y el final se grafican lo Hópanos. .................................................................... 97
Figura 35, Concentraciones de compuestos orgánicos en Nemocón (izquierda) y Briceño
(derecha), Primero se muestran las concentraciones de benzopirenos y fluóratenos,
11
denominados como hidrocarburos aromáticos policíclicos (PHAs), en la mitad se grafican los
Levoglucosanos y el final se grafican lo Hópanos. .................................................................... 98
Figura 36, Concentraciones de Piceno medido en Soacha (izquierda) y Mosquera (derecha). 107
Figura 37, Concentraciones de Piceno medido en Nemocón (izquierda) y Briceño (derecha), notse
la diferencia en las magnitudes de la grafica de Nemocon respecto a la de Briceño. .............. 108
Figura 38, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los
datos de alcanos medidos para Soacha, sin unidades ............................................................ 128
Figura 39, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los
datos de alcanos medidos para Mosquera, sin unidades ........................................................ 129
Figura 40, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los
datos de alcanos medidos para Nemocón, sin unidades ......................................................... 129
Figura 41, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los
datos de alcanos medidos para Briceño, sin unidades ............................................................ 130
Figura 42, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de septiembre (izquierda MODIS AQUA, derecha MODIS TERRA) ........................................ 131
Figura 43, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de octubre (izquierda MODIS AQUA, derecha MODIS TERRA) .............................................. 132
Figura 44, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de noviembre (izquierda MODIS AQUA, derecha MODIS TERRA) ......................................... 132
Figura 45, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de Diciembre (izquierda MODIS AQUA, derecha MODIS TERRA) .......................................... 133
Figura 46, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de enero 2015 (izquierda MODIS AQUA, derecha MODIS TERRA) ........................................ 133
Figura 47, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes
de febrero 2015 (izquierda MODIS AQUA, derecha MODIS TERRA) ...................................... 134
Figura 48, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014
para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo,
Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados
mediante el software Google Earth Pro. .................................................................................. 136
Figura 49, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014
para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo,
Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados
mediante el software Google Earth Pro. .................................................................................. 137
Figura 50, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014
para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo,
Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados
mediante el software Google Earth Pro. .................................................................................. 138
Figura 51, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014
para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo,
Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados
mediante el software Google Earth Pro. .................................................................................. 139
Figura 52, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para
Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha
12
en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el
software Google Earth Pro. ..................................................................................................... 140
Figura 53, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para
Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha
en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el
software Google Earth Pro. ..................................................................................................... 141
Figura 54,Atribucion de fuentes a la masa carbonácea para Soacha (primero) y Mosquera (ultimo). ... 147
Figura 55, Atribución de fuentes de contaminación porcentual al material orgánico para Soacha
(izquierda) y Mosquera (derecha) ............................................................................................ 147
Figura 56, Atribución de las fuentes de contaminación a la masa total de PM2.5 en Soacha (izquierdo) y
Mosquera (derecho). Teniendo en cuenta las escalas. ..................................................................... 150
Figura 57, Porcentaje de atribución de las fuentes al material particulado de Soacha (izquierda) y Mosquera
(derecha). .................................................................................................................................. 150
Figura 58, Comparación entre la masa contribuida por las fuentes, los iones y los SOA contra la masa
gravimétrica, Soacha (izquierda) y Mosquera (derecha). ................................................................. 153
Figura 59, primeros alcanos medidos en Soacha (del c15 al c27), datos en µg/m3. ................ 181
Figura 60, segunda serie de alcanos medidos en Soacha (del c28 al c40), datos en µg/m3. .. 181
Figura 61, serie completa de los alcanos medidos en Soacha (C15 al C40) en µg/m3. ........... 182
Figura 62, Alcanos Impares medidos para Soacha del C15 al C39, en µg/m3. ....................... 182
Figura 63, alcanos Pares medidos para Soacha del C16 al C40, en µg/m3. ........................... 183
Figura 64, primeros alcanos medidos en Mosquera (del c14 al c27), datos en µg/m3. ............ 183
Figura 65, segunda serie de alcanos medidos en Mosquera (del c28 al c40), datos en µg/m3.
................................................................................................................................................ 184
Figura 66, serie completa de los alcanos medidos en Mosquera (C14 al C40) en µg/m3. ....... 184
Figura 67, Alcanos Impares medidos para Mosquera del C15 al C39, en µg/m3. .................... 185
Figura 68, Alcanos pares medidos para Mosquera del C14 al C39, en µg/m3. ........................ 185
Figura 69, primeros alcanos medidos en Nemocón (del c14 al c27), datos en µg/m3. ............ 186
Figura 70, segunda serie de alcanos medidos en Nemocón (del c28 al c40), datos en µg/m3.186
Figura 71, serie completa de los alcanos medidos en Nemocón (C14 al C40) en µg/m3. ....... 187
Figura 72, Alcanos pares medidos para Nemocón del C14 al C40, en µg/m3. ........................ 187
Figura 73, Alcanos Impares medidos para Nemocón del C15 al C39, en µg/m3. .................... 188
Figura 74, primeros alcanos medidos en Briceño (del c14 al c27), datos en µg/m3. ................ 188
Figura 75, segunda serie de alcanos medidos en Briceño (del c28 al c40), datos en µg/m3. .. 189
Figura 76, serie completa de los alcanos medidos en Briceño (C14 al C40) en µg/m3. ........... 189
Figura 77, Alcanos pares medidos para Briceño del C14 al C40, en µg/m3. ........................... 190
Figura 78, Alcanos impares medidos para Briceño del C15 al C39, en µg/m3. ........................ 191
Figura 79, datos graficados de los alcanos medidos en el material particulado de Soacha, en
negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono
(Cmax) realizando la resta de los datos de alcanos provenientes de ceras µg/m3. ................. 192
Figura 80, continuación Figura 79, datos graficados de los alcanos medidos en el material
particulado de Soacha, en negro los datos medidos y en naranja los datos suavizados para
obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos provenientes de
ceras µg/m3.Figura 79 µg/m3. ................................................................................................. 193
13
Figura 81, datos graficados de los alcanos medidos en el material particulado de Mosquera en
negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono
(Cmax) realizando la resta de los datos de alcanos provenientes de ceras. ............................ 194
Figura 82, continuación Figura 81 µg/m3. ............................................................................... 195
Figura 83, datos graficados de los alcanos medidos en el material particulado de Nemocón en
negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono
(Cmax) realizando la resta de los datos de alcanos provenientes de ceras µg/m3 .................. 195
Figura 84, continuación Figura 83 µg/m3 ................................................................................ 196
Figura 85, continuación de la Figura 84, continuación Figura 83 µg/m3 .................................. 197
Figura 86, datos graficados de los alcanos medidos en el material particulado de Briceño en negro
los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax)
realizando la resta de los datos de alcanos provenientes de ceras µg/m3 .............................. 197
Figura 87, continuación de la Figura 86 ................................................................................... 198
Figura 88, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014
para toda la parte norte de Latinoamérica, visualizados mediante el software Google Earth Pro.
................................................................................................................................................ 199
Figura 89, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014
para Colombia y Venezuela, visualiados mediante el software Google Earth Pro. .................. 200
Figura 90, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014
para toda la parte orte y centro de Latinoamerica, visualiados mediante el software Google Earth
Pro. ......................................................................................................................................... 201
Figura 91, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014
para Colombia y Venezuela, visualiados mediante el software Google Earth Pro ................... 202
Figura 92, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014
para toda la parte orte y centro de Latinoamerica, visualiados mediante el software Google Earth
Pro. ......................................................................................................................................... 203
Figura 93, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014
para Colombia y Venezuela, visualiados mediante el software Google Earth Pro ................... 204
Figura 94, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014
para toda la parte norte y centro de Latinoamerica, visualiados mediante el software Google Earth
Pro .......................................................................................................................................... 205
Figura 95, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014
para Colombia y Venezuela, visualiados mediante el software Google Earth Pro ................... 206
Figura 96, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para
toda la parte norte y centro de Latinoamerica, visualiados mediante el software Google Earth Pro
................................................................................................................................................ 207
Figura 97, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para
Colombia y Venezuela, visualiados mediante el software Google Earth Pro ........................... 208
Figura 98, imágenes de los fuegos detectados por MODIS durante el mes de febrero de 2015
para toda la parte norte y centro de Latinoamerica, visualiados mediante el software Google Earth
Pro .......................................................................................................................................... 209
Figura 99, imágenes de los fuegos detectados por MODIS durante el mes de febrero de 2015
para Colombia y Venezuela, visualiados mediante el software Google Earth Pro ................... 210
14
Figura 100, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de septiembre a 550 m sobre el nivel del suelo ....................................................................... 211
Figura 101, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de septiembre a 200 m sobre el nivel del suelo ....................................................................... 211
Figura 102, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de septiembre a 700 m sobre el nivel del suelo ....................................................................... 212
Figura 103, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de octubre a 200 m sobre el nivel del suelo ............................................................................. 212
Figura 104, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de octubre a 550 m sobre el nivel del suelo ............................................................................. 213
Figura 105, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de octubre a 700 m sobre el nivel del suelo ............................................................................. 213
Figura 106, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de Noviembre a 200 m sobre el nivel del suelo ....................................................................... 214
Figura 107, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de Noviembre a 550 m sobre el nivel del suelo ....................................................................... 214
Figura 108, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes
de Noviembre a 700 m sobre el nivel del suelo ....................................................................... 215
Figura 109, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Septiembre a 200 m sobre el nivel del suelo ...................................................................... 215
Figura 110, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Septiembre a 550 m sobre el nivel del suelo ...................................................................... 216
Figura 111, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Septiembre a 700 m sobre el nivel del suelo ...................................................................... 216
Figura 112, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Octubre a 200 m sobre el nivel del suelo ............................................................................ 217
Figura 113, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Octubre a 550 m sobre el nivel del suelo ............................................................................ 217
Figura 114, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Octubre a 700 m sobre el nivel del suelo ............................................................................ 218
Figura 115, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Noviembre a 200 m sobre el nivel del suelo ....................................................................... 218
Figura 116, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Noviembre a 550 m sobre el nivel del suelo ....................................................................... 219
Figura 117, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes
de Noviembre a 700 m sobre el nivel del suelo ....................................................................... 219
Figura 118, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de Diciembre a 200 m sobre el nivel del suelo ........................................................................ 220
Figura 119, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de Diciembre a 550 m sobre el nivel del suelo ........................................................................ 220
Figura 120, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de Diciembre a 700 m sobre el nivel del suelo ........................................................................ 221
Figura 121, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de enero a 200 m sobre el nivel del suelo ............................................................................... 221
15
Figura 122, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de enero a 500 m sobre el nivel del suelo ............................................................................... 222
Figura 123, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de enero a 700 m sobre el nivel del suelo ............................................................................... 222
Figura 124, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de febrero a 200 m sobre el nivel del suelo ............................................................................. 223
Figura 125, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de febrero a 550 m sobre el nivel del suelo ............................................................................. 223
Figura 126, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes
de febrero a 700 m sobre el nivel del suelo ............................................................................. 224
Figura 127, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de diciembre a 200 m sobre el nivel del suelo ......................................................................... 224
Figura 128, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de diciembre a 550 m sobre el nivel del suelo ......................................................................... 225
Figura 129, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de diciembre a 700 m sobre el nivel del suelo ......................................................................... 225
Figura 130, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de enero a 200 m sobre el nivel del suelo ............................................................................... 226
Figura 131, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de enero a 550 m sobre el nivel del suelo ............................................................................... 226
Figura 132, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de enero a 700 m sobre el nivel del suelo ............................................................................... 227
Figura 133, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de febrero a 200 m sobre el nivel del suelo ............................................................................. 227
Figura 134, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de febrero a 550 m sobre el nivel del suelo ............................................................................. 228
Figura 135, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes
de febrero a 700 m sobre el nivel del suelo ............................................................................. 228
3 Resumen
En este documento se presenta un estudio integral sobre el material particulado PM2.5, de 4
localizaciones representativas de Cundinamarca, con el fin de analizar la procedencia del mismo
mediante diversas metodologías
En el numeral 4 se presenta la introducción a la problemática y a los modelos de receptores,
principal herramienta utilizada para este estudio, y también se presentan varios estudios sobre la
calidad del aire de distintas localizaciones para entender la problemática comparativamente.
En el numeral 5 se presentan los antecedentes de estudios realizados por estas metodologías de
análisis por modelos de receptores, ya sean modelos CMB u otros modelos.
En el numeral 6 se encuentra el marco teórico al respecto del material particulado, su
peligrosidad, fuentes y demás, además del marco teórico referente a los modelos de receptor
como lo son CMB PMF y UNMIX, su aplicabilidad y trasfondo matemático, con especial énfasis
en el modelo CMB.
En el numeral 7 se describen los métodos utilizados para el desarrollo de este trabajo, la selección
de sitios de medición y su representatividad de las condiciones de Cundinamarca y la descripción
de los mismos, los métodos de muestreo del aire y de análisis químico del material particulado
PM2.5
En el numeral 8 se presentan los resultados y la discusión de los mismos comparativamente con
los resultados de otros estudios y mediante la aplicación de diversas metodologías para la
estimación del origen del mismo. Se tiene en el subnumeral 8.1 los resultados de medición de
material particulado, recuento y composición, en el subnumeral 8.2 se muestra la composición
del PM2.5 respecto a los iones más importantes, en el subnumeral 8.3 a 8.5 se analiza la
composición de masa carbonácea (OC y EC) y la relación OC/EC y se estima el OC secundario,
en el subnumeral 8.6 se indica la relación OM/OC y la reconstrucción másica, en el numeral 8.7
se indican las cantidades de carbono orgánico soluble e insoluble en agua, en el subnumeral 8.8
y 8.9 se analizan diversos compuestos orgánicos como PHAs (por sus siglas en ingles polycyclic
aromatic hydrocarbons -hidrocarburos aromáticos policíclicos), levoglucosano, Hópanos y piceno,
se analizan las relaciones de PHAs indicando un posible origen del material particulado, se
determina los riesgos de carcinogenicidad de los mismo y se determinan las series de alcanos
medidas indicando igualmente un posible origen del material particulado respecto a
concentraciones diferenciales de alcanos pares e impares.
En los subnumerales 8.10 y 8.11 se analizan las imágenes de profundidad óptica de aerosol
(aerosol optical Depth o AOD) junto con fotografías de incendios satelitales y se analizan las
trayectorias reversas calculadas con el programa HySplit. Por último, en los numerales 8.12, 8.13
y 8.14 se presentan los resultados de la atribución de fuentes de contaminación mediante el
método CMB.
17
En el numeral 10 y numeral 11 se presentan las conclusiones y recomendaciones.
Se encontró como principal resultado de la atribución de fuentes por CMB que las fuentes de
contaminación arrojadas por el modelo para Soacha y Mosquera son similares y son quema de
carbón (mixto y café respectivamente), quema de gas natural, emisiones debidas a vehículos de
gasolina y a Diesel y quema de madera. Ningún perfil usado fue apropiado para representar lo
datos de Nemocón y Briceño. Sin embargo, según los análisis realizados se espera que estos
dos sitios tengan cualitativamente las mismas fuentes, excepto Briceño, en el cual no se espera
que haya contribución por quema de carbón. La concentración de material particulado PM2.5
para las 4 localizaciones fue en promedio de 35.13, 30.26, 85.29, 17.19 µg/m3 para Soacha,
Mosquera, Nemocón y Briceño, respectivamente. La contribución del carbón al material
particulado PM2.5 es en promedio 12.72 ± 7.34 µg/m3 en Soacha, mientras que en Mosquera es
de 8.98 ± 1.70 µg/m3. Las contribuciones de la quema de Diesel y gasolina en Soacha son de
6.27 ± 2.56 µg/m3 y 2.65 ± 0.61 µg/m3 mientras que en Mosquera las contribuciones son de 5.08
± 1.07 µg/m3 y 4.21 ± 0.88 µg/m3, La contribución del gas natural es de 0.10 ± 0.06 µg/m3 para
Soacha y para Mosquera esta contribución es de 1.99 ± 0.33 µg/m3. Finalmente, la contribución
de la quema de madera en Soacha es de 5.49 ± 2.00 µg/m3, mientras que en Mosquera esta
contribución es de 1.99 ± 0.33 µg/m3.
Los resultados obtenidos de la atribución de fuentes son coherentes con los encontrados para
otras ciudades de similares condiciones, excepto que no se presentan contribuciones como la del
detrito vegetativo y polvo de las vías y también son cosistentes con los resultados obtenidos
mediante los otros análisis realizados en este trabajo. Se identifica un gran riesgo carcinogénico
y mutagénico del aire de los 4 sitios de medición, en especial en Nemocón. Se concluye también
que los perfiles usados pueden ser aplicados a las fuentes de Colombia, pero falta mayor estudio
alrededor de Briceño y Nemocón, lugares donde no funciono la atribución.
4 Introducción
4.1. la calidad del aire como un problema de salud publica
La contaminación del aire es un problema que afecta a todos los países en mayor o menor
medida. Esto se ha visto a lo largo de la historia a causa de grandes eventos de contaminación
que generaron grandes pérdidas de vida y las posteriores reformas a las leyes que surgieron
después de ellos, entre ellos el más relevante fue la gran niebla de 1952 de Londres a la cual,
por causa de la quema de carbón de mala calidad en invierno, se le atribuyen más de 12 mil
londinenses muertos y 100 mil londinenses enfermos, la cual genero todo un movimiento
ambiental en Europa que se trasladó a todos los países del mundo. (Berend, 2016, Pg 312)
(Davis, 2002). Es así como la contaminación del aire 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 en el futuro más de lo que ya están actualmente (Forouzanfar et al. 2016);
se reporta que un aumento de 10 µg/m3 en el material particulado fino (medido como PM2.5) 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). También se reporta que la exposición a partículas
pequeñas de 2.5 micrones o menos de diámetro (PM2.5) fue causa de 4.2 millones de muertes
prematuras en todo el mundo por año, a causa de enfermedades cardiovasculares y respiratorias,
y cáncer. (OMS, 2018). Para el caso de Colombia, el Departamento Nacional de Planeación indica
que, en 2015, aproximadamente 8.000 muertes estarían relacionadas con la contaminación del
aire, cuyos costos se estiman entre 1.9 y 12.3 billones de pesos lo que representa entre el 0.2%
y 1.5% del PIB de ese año (DNP, 2018).
Aunque en la actualidad se reconocen varios contaminantes del aire y que cada zona puede tener
o no niveles pico de uno y otro, La Organización Mundial de la Salud reconoce que los
contaminantes más importantes, por su toxicidad y emisión, son el Material Particulado (PM),
seguido por el ozono Troposférico (O3), el dióxido de Nitrógeno (NO2) y el dióxido de Azufre
(SO2) (OMS, 2018).
4.2. Características del Material Particulado
Varios estudios enfocan al material particulado como el contaminante más nocivo y su objeto de
estudio diferenciándolo en los diferentes intervalos de tamaño que lo componen: PM10 (diámetro
aerodinámico menor a 10 micras), PM2.5 (diámetro aerodinámico menor a 2.5 micras) y PUF,
(partículas ultrafinas, diámetro aerodinámico menor a 0.1 micras). El PM2.5 y las PUF pueden
alcanzar los alveolos y, por consiguiente, el torrente sanguíneo de manera que gran variedad de
sustancias nocivas, tales como hidrocarburos aromáticos policíclicos, metales pesados y iones
pueden ser transportadas a todo el organismo. Entre tanto, el PM10 tiende a depositarse en las
vías respiratorias superiores, generando efectos menos nocivos (Kampa et al, 2008). Es por esto
por lo que se ha puesto un mayor interés en el análisis de PM2.5 y PUF. La figura 1 relaciona la
cantidad de estudios realizados en Europa discriminando cada fracción del material particulado.
Desde el año 2001, aumentó el número de estudios enfocados en PM2.5, mientras que el interés
por estudiar PM10 disminuyó en el mismo periodo como lo muestra la Figura 1.
19
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) El material particulado tiene una alta complejidad. Primero que todo, el PM es emitido por una
amplia diversidad de fuentes generadoras, ya sean antropogénicas o naturales. Todos los
procesos de combustión en equipos fijos y móviles, los procesos de transformación de materiales,
la incineración de residuos, y las actividades de construcción, entre muchas otras, son ejemplos
de fuentes antropogénicas. Las fuentes naturales incluyen los incendios naturales, la
resuspensión de polvo por erosión eólica u otros mecanismos tales como el paso de vehículos
sobre las vías, las erupciones volcánicas y la evaporación de gotas de agua de mar (Vasconcellos
et al, 2010). Diversos mecanismos de generación y transformación en la atmósfera originan
diversos tamaños de partícula (Ravindra et al, 2001).
La diversidad de fuentes de origen del material particulado también tiene como consecuencia una
alta complejidad química. Sus componentes más importantes incluyen iones (sulfatos, nitratos,
cloruros, amonio, potasio, calcio), cientos de especies carbonáceas no volátiles y semivolátiles
(hidrocarburos no aromáticos, aromáticos y poliaromáticos, diversos ácidos y aldehídos),
especies metálicas pesadas, material mineral y agua. Estas especies pueden interactuar entre sí
y con los gases presentes en la atmósfera para formar otros compuestos, muchos de los cuales
pueden ser tóxicos y, para el caso del PM2.5, los periodos de permanencia en el aire son
prolongados (en la escala de meses) (Pöschl et al, 2005).
20
Por todo lo anterior, ha habido un gran interés por saber cómo se comporta la emisión de los
contaminantes, sus posibles efectos sobre la salud, conocer la composición de estos y,
especialmente, saber cuáles son sus fuentes de manera que se puedan generar planes de
reducción y eliminación mucho más eficientes mediante políticas públicas. 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 (Engling et al, 2014) o usando los inventarios de emisiones de cada país (Mattai et al,
2010). También se han usado modelos de receptores, procedimientos matemáticos que utilizan
la información de composición química del material particulado para determinar la contribución
de diversas fuentes en una cierta localización o receptor. A diferencia de los modelos
fotoquímicos y de dispersión en calidad de aire, los modelos de receptor no se basan en los datos
de emisiones de contaminantes, datos meteorológicos ni mecanismos de transformación química
para estimar la contribución de las fuentes a una concentración dada en el receptor. En cambio,
los modelos de receptor usan las características físicas y químicas de gases y partículas medidas
en la fuente y en el receptor para identificar la presencia y cuantificar la contribución de diversas
fuentes (EPA, 2013).
4.3. Situación de la calidad del aire
Las ciudades de América Latina afrontan concentraciones de contaminantes del aire
significativamente superiores a los niveles recomendados por la OMS (que recomienda como
niveles máximos de PM2.5 de 10 µg/m3 en promedio al año y 25 µg/m3 en promedio de 24 horas
y de PM 10 de 20 µg/m3 en promedio anual y de 50 µg/m3 en promedio de 24 horas,
entendiéndose como el nivel Máximo al cual no se observan efectos adversos en las poblaciones
(OMS, 2018). En 46 ciudades analizadas en un estudio para América Latina, cuya población suma
cerca de 100 millones de habitantes, 85 millones (de los cuales 28 millones son menores de 18
años) están expuestos a niveles de material particulado que exceden los limites recomendados.
Para las ciudades de Cali y Bogotá, entre 1997 y 2003, se obtuvieron promedios de PM10 de
43.4 y 59.3 µg/m3, con máximos mensuales de 45.9 y 77.4 µg/m3, respectivamente. También se
identifica que esta contaminación es una consecuencia de los procesos de rápida urbanización
vistos en América Latina (Winchester, 2015).
Los esfuerzos por analizar la calidad del aire en Colombia se han enfocado en las principales
ciudades. En Bogotá, Ramírez et al. (2018) hicieron la caracterización química (EC, OC, metales,
iones) en una estación de fondo urbano de Bogotá entre junio de 2015 y mayo de 2016, y
estimaron la siguiente contribución de diversas fuentes: polvo fugitivo (23% 8.6 µg/m3), polvo
resuspendido de las vías (29% 10 µg/m3%), procesamiento de metales no ferrosos (4.4% 1.6
µg/m3), aerosoles orgánicos secundarios (21% 7.9 µg/m3), emisiones industriales (0.5% 0.2
µg/m3) y emisiones vehiculares (23% 8.6 µg/m3). Anteriormente, Vargas et al. (2012) habían
determinado la contribución de fuentes en 2 sitios residenciales del occidente de Bogotá. En
Kennedy, al suroccidente, la contribución fue: vehículos automotores (35%), polvo fugitivo (21%),
industria (21%), sulfatos secundarios (13%) y fundiciones no ferrosas (10%), mientras que en
Suba, al noroccidente, con fuerte influencia, fue: vehículos automotores (60%) sulfatos
secundarios (13%), polvo resuspendido (95) y de iones de largo alcance (18%), También se han
desarrollado estudios de la contaminación para Medellín como el realizado en (Londoño & Vasco,
21
2008), en el cual se midió el material particulado PM2.5 y PM1.0 durante todo un año,
encontrando la relación de ambos materiales particulados y confirmando los posibles orígenes
del mismo y que sea el mismo el origen; se encontró que hay un incumplimiento en la norma para
el PM2.5, además que varias estaciones indican la presencia de varios fenómenos, y el valle de
aburra en general (Bedoya & Martínez, 2009) mediante el cual se encontró una variación cíclica
de los niveles de contaminantes, y que para el TSP y PM10 existe una continua violación de la
norma.
Entre tanto y como comparación, Vasconcellos et al. (2011) realizaron campañas de medición en
Sao Paulo, Brasil donde midieron las concentraciones de diferentes moléculas e iones de interés
en el PM10, como los PHAs y su riesgo asociado a la concentración y carcinogenicidad, los
alcanos y el CPI (carbon preference Index o índice de preferencia de carbonos) y algunos
metales, encontrándose entre otras conclusiones que existe una alta presencia de quema de
biomasa y de combustibles fósiles en la ciudad de Sao Paulo a causa de los valores de alcanos
encontrados, niveles de levoglucosano medidos entre 13 a 112 ng/m3 en verano (promedio de
38 ng/m3) y de 16 a 410 ng/m3 en el invierno (con promedio de 201 ng/m3) y confirmado mediante
trayectorias inversas de las masas de aire; se encontró un promedio de PHAs de 10.6 ng/mm3
en 2007 y 25.9 ng/m3 en 2008, principalmente asociados a altas emisiones vehiculares asociadas
al transporte de caña de azúcar y a las condiciones invernales. Dichos datos dan cuenta de los
problemas presentes en una mega urbe comparable con Bogotá y Medellín, las cuales han sido
analizadas en diversos estudios.
Esfuerzos para mejorar la calidad del aire de diversas ciudades han sido exitosamente
implementados en diversas ciudades; indicando la importancia de la priorización de las fuentes
de emisiones. Para el caso de Santiago de Chile, donde se idearon varias estrategias para
mejorar la calidad del aire en dicha ciudad; entre las medidas se indicó que todos los vehículos
de transporte público que ingresaran al servicio serian de tecnología Euro VI. Entre otras medidas
se indican restricciones al tráfico de vehículos con una edad mayor de 12 años, se disminuyeron
las metas de emisión de las fuentes fijas y mejoras de la maquinaria y prohibición del uso de leña
para la calefacción. Programas como este existen alrededor del mundo como en el estado de
california, en Estados Unidos, en el cual se están haciendo inversiones para mejorar las flotas de
vehículos de carga a tecnologías más limpias con el fin de disminuir los gases de efecto
invernadero, contaminantes criterio y compuestos tóxicos. (California Air Resources Board, 2007)
Para el caso de Europa, se ha identificado que el mayor contribuyente a los contaminantes
atmosféricos es el sector de transporte, seguido de los combustibles comerciales e industriales,
por lo que cada nación ha realizado diversas metodologías de mitigación, yendo desde impuestos
y mejora de los combustibles a cambios de comportamiento como zonas limpias de la
ciudad.(European Environment Agency, 2018) (Las propuestas para mejorar la calidad del aire
en la Región Metropolitana de Santiago de Chile., 2018)
Estas grandes ciudades han presentado los mayores problemas de contaminación y de alguna
manera han sido más monitoreadas, sin embargo, se ha descuidado el análisis de la calidad del
aire en localizaciones menos urbanizadas, pero con iguales problemas de contaminación a causa
de las fuentes móviles y las industrias presentes.
4.4. Situación de Calidad del Aire en Cundinamarca
22
Para el caso específico de los municipios de Cundinamarca se tiene contribución de fuentes
móviles como los buses, camiones, motocicletas y automóviles que en general tienen una amplia
distribución de edades lo que aumenta sus emisiones. También en estos municipios se tienen
contribuciones por quemas forestales comúnmente presentadas en la sabana, contribuciones
presentadas por las industrias que queman combustibles como Diesel, carbón y madera o
contribuciones fugitivas generadas por solventes, también contribuciones causadas por el mal
estado de las vías, polvo resuspendido de los campos, emisiones relacionadas a la materia
vegetal por nombrar solo algunas; por estas contribuciones se ha venido experimentando un
degeneramiento en las condiciones de calidad del aire similar al presentado en zonas altamente
industrializadas de Bogotá.
Estudios como el presentado por la CAR (El Espectador, 2017) (CAR-Corporación Autónoma
Regional de Cundinamarca, 2017) Señala varios sectores de Cundinamarca en los cuales se
concentran las mayores emisiones según los inventarios de emisiones, los cuales son municipios
de mediano a gran tamaño que concentran diversas industrias. El IDEAM, señala las zonas más
contaminadas a nivel nacional como el Área Metropolitana del Valle de Aburrá, las localidades de
Puente Aranda, Carvajal y Kennedy en Bogotá y su área metropolitana, el municipio de Ráquira
en Boyacá y la zona industrial de ACOPI en el municipio de Yumbo (Valle del Cauca) (IDEAM,
“Calidad del aire”). Sin embargo, la información actualizada sobre la calidad del aire en municipios
cercanos a las grandes ciudades es escasa comparada con los estudios que existen para las
grandes ciudades como se menciona a continuación.
Para Cali y Medellín, se realizó un estudio mediante el cual se caracterizaron las fuentes de
contaminación mediante el análisis de ciertas plantas actuantes como filtros naturales, analizando
en busca de la presencia de metales pesados, pesticidas e hidrocarburos policíclicos, y, mediante
un análisis zonificado, se encontró que no solo la alta industrialización y tráfico vehicular influyen
en la contaminación del aire en Medellín, sino que también influye su topografía y climatología,
viéndose que el área de Yumbo cuanta con una mayor limpieza por vientos que no se presentan
en Medellín (Schrimpff, 1984). Un estudio similar con organismos no vasculares se realizó en
Tunja, encontrándose líneas isocontaminación cuyo patrón disminuye de concentración a medida
que se alejan del centro de la ciudad. (Simijaca-Salcedo). Se siguió caracterizando la
contaminación de Medellín, encontrándose excedencias del 200 a 400% de los límites de
precaución propuestos por la OMS viéndose un desmejoramiento constante de la situación
(Bedoya y Martínez, 2009).
Se hizo un análisis de la distribución espacial y temporal del material particulado en Santa Marta,
encontrándose que en todas las estaciones de monitoreo se supera la norma (Garcia y Agudelo,
2006). Como el anterior, se han realizado varios estudios del IDEAM que han buscado identificar
las zonas con mayores niveles de contaminación desde cada uno de los contaminantes criterio.
Es así como, según el IDEAM, Bogotá era la ciudad más contaminada de Colombia en el 2015
con un promedio anual de PM10 de 86.5 y 66.2 µg/m3 en las localidades de Kennedy y Sevillana,
seguida por Ráquira, Boyacá con una concentración de 81.3 µg/m3 anuales, en tercer lugar viene
Nemocón, Cundinamarca con un promedio de 77.5 µg/m3, cuarta la ciudad de Sibaté en
Cundinamarca con un promedio de 68.7 µg/m3, en quinto lugar la Jagua de Ibirico con una
23
concentración de 66.6 µg/m3 y en sexto lugar llega la capital de Antioquia, Medellín, con una
concentración de 65.5 y 64.8 µg/m3 en las estaciones de monitoreo de Altavista y Éxito San
Antonio. En séptimo y octavo lugar están las ciudades de Sopo, Cundinamarca y El Paso, Cesar,
con concentraciones de 65.2 y 63.8 µg/m3 respectivamente (Amar, 2017). Esto ha sido reiterado
en diversas notas de prensa como (Vivas, 2018).
Del reporte anterior, se pueden contar que 4 de las 8 ciudades anteriormente mencionadas están
dentro del municipio de Cundinamarca y todas estas ciudades cuentan con una particularidad,
son ciudades con una importante industrialización y emisiones de fuentes tanto móviles y fijas.
Bogotá es el caso más sonado entre estas ciudades pues en esta ciudad se tiene una capacidad
institucional suficientemente grande para hacer seguimiento de la calidad del aire, obteniéndose
estudios como el de Gaitán et al en 2007 que, a partir de datos de la red de monitoreo de la
calidad del aire en Bogotá y datos históricos, a esa fecha el contaminante más importante de
Bogotá era el material particulado, pues contrario a los demás contaminantes criterio (CO, O3,
SO2, NOx) lo cuales nunca han superado las medias anuales y muy pocas veces las medias
diarias recomendadas por las normas vigentes y se verifica una disminución progresiva en sus
concentraciones a lo largo de los años, el material particulado ha venido excediendo
notablemente la norma impuesta en ciertos sectores específicos, especialmente los sectores
industriales de la ciudad, además de que se encontró también que un 40% del tiempo en Bogotá
desde 2001 a 2006 se incumple la norma de calidad del aire, especialmente de nuevo en la zona
industrial en la cual se menciona que más del 90% de los días del año se presentan valores
superiores a la norma de calidad del aire actual, encontrándose también que el material
particulado estaba fuertemente relacionada con la velocidad del viento en Bogotá. Según el plan
decenal de descontaminación del aire de Bogotá 2010- 2020, se reporte que desde 1997 a 2008
hay un 40% de excedencias de la norma de calidad del aire de Bogotá PM10, siendo que para
todo el conjunto de los mismos años se tienen excedencias de menos del 5%, siendo
especialmente visibles estas excedencias durante el 2008 en el centro occidente de Bogotá,
mostrando también que las fuentes móviles aportan un total de 1400 ton/año respecto a las fijas
de 1100 ton/año, proyectando que las móviles crecerán a 2300 ton/año a 2020 y las fijas a 1600
ton/año, y anudado a esto los proyectos propuestos para la mitigación de la contaminación del
aire cubren mayormente estrategias vehiculares y para el transporte Masivo
Aparte de lo anterior, Ramírez et al en 2018 reportaron un estudio sobre la contaminación del
material particulado de Bogotá, generando mediciones, análisis de la composición química y una
atribución de fuentes de este, encontrando en primer lugar que la concentración promedio de 38
µg/m3 en el 2017 excediendo la recomendación de la OMS máxima de 20 µg/m3 de media anual,
reportándose excedencias que llegaron hasta los 100 µg/m3. Desde la atribución de fuentes se
encontró que las principales fuentes son incendios forestales, combustión industrial y las
emisiones vehiculares de gasolina y diésel; sin embargo, se pudieron contar como fuentes
adicionales la erosión del suelo, el deterioro del pavimento, la resuspensión del polvo vial, y las
actividades de construcción y canteras (Revista Semana, 2018).
Tal como se evidencia en el último estudio del IDEAM (IDEAM, 2016)., todavía se presentan
excedencias en los parámetros de calidad del aire relacionados al material particulado, si bien se
han ido disminuyendo las mediciones de PST entre el 2011 y 2015, estaciones como la de
Sevillana en el último monitoreo seguían excediendo la norma anual promedio de 100 µg/m3 de
24
PST, y estaciones de monitoreo en Madrid, Mosquera y Soacha en general presentan una
disminución significativa, siendo los datos de medición de 2015 entre 50 y 40 µg/m3. Sin embargo,
zonas como las zonas mineras del cesar siguen presentando excedencias del límite anual de 100
µg/m3. Para el caso del material particulado Pm10, según los datos obtenidos por el IDEAM se
ha presentado un aumento en los niveles medidos, legando a que en el 2015 se presenta una
excedencia del límite anual 50 µg/m3 en la mitad de las estaciones de monitoreo de jurisdicción
de la CAR, siendo Ráquira, Nemocón, Sibaté, Sopo, Cajicá, y Tausa las estaciones con
excedencia del límite, mientas que las demás estaciones ubicadas en Cogua, Soacha Funza
Madrid Zipaquirá la calera y Mosquera estaban por debajo del límite promedio anual, estando
también por encima de la norma anual la estaciones de sevillana, Kennedy y puente Aranda en
Bogotá. esta situación agravada se puede ver desde la perspectiva de que, según los datos de
2011, la mayoría de las estaciones de calidad del aire tenían mostraban una calidad del aire
buena entre el 85 y 90 % del tiempo, mientras que a corte de 2015, si bien hay estaciones que
marcan una calidad buena durante todo el tiempo, estaciones como la de Nemocón, Ráquira y
Cajicá, marcan una calidad del aire moderada más del 95% del tiempo, hay una gran variaciones
entre la calidad del aire reportada en las diferentes estaciones de medición desde la perspectiva
del PM10, reportándose datos entre el 26 y 80 % del tiempo la calidad del aire es buena. Para el
caso de las estaciones de medición de la calidad del aire de Bogotá, sigue verificándose que las
estaciones la sevillana Kennedy y Puente Aranda reportan datos del 10%, 30% y 58 % del tiempo
en calidad del aire buena, mientras las demás superan en general estos valores. Respecto al
caso del PM2.5, entre 2011 y 2013 solo se tiene datos de la estación de Kennedy en Bogotá,
reportándose en estos años mediciones anuales promedio de 35 µg/m3, a partir de 2014 y 2015
se tienen datos de la mayoría de las estaciones de calidad del aire de Bogotá, registrándose
excedencias en las estaciones de sevillana y Kennedy (IDEAM, 2016). Este tipo de excedencias
han llegado a ser causales de declaratoria de alerta amarilla en la ciudad, tal como sucedió el
viernes 23 de mayo de 2018, en la cual se determinó una excedencia de las mediciones de PM2.5
en todas las estaciones de monitoreo del estándar anual de 25 µg/m3 y varias estaciones, en las
cuales están Kennedy, Puente Aranda, Sevillana, Tunal, san Cristóbal, las ferias y Usaquén
superaron la norma anual de 50µg/m3.
Otros municipios de Cundinamarca tales como Suesca, en la cual se ha medido y reportado la
calidad del aire y no se han verificado excedencias en los límites para promedios de 24 horas y
anuales (Charres Fandiño, 2016), siendo este un municipio con muy poca industrialización, del
mismo modo que sucede en Pamplona, ciudad en la cual se tiene cierto crecimiento poblacional
y los monitores y estudios realizados sugieren que si bien la norma no se ha incumplido, el
aumento en las mediciones va a continuar (Quijano Parra y Orozco, 2005), también se realizó el
estudio de caracterización de dicho material, encontrando ciertos contaminantes provenientes
principalmente de actividades antropogénicas como gasolina y diésel (Quijano Parra y Quijano
Vargas, 2010)
Por otro lado, un municipio como Zipaquirá reporta algunas mediciones de contaminantes de
material particulado que superan los límites diarios y anuales como se muestran a continuación
para el mes de enero del año 2009 (desarrollado con base a (Air, Cundinamarca) en la Figura 2.
Las concentraciones de TSP y PM 10 Superan con frecuencia la norma anual y ocasionalmente
la diaria.
25
Para el caso de Bogotá, se han realizado diversos estudios que tratan de caracterizar y
determinar el origen de la contaminación. Pachón y Vela en 2007 analizaron la distribución
espaciotemporal de la concentración de metales pesados en la localidad de Puente Aranda,
encontrándose concentraciones de PM10 que exceden el valor normativo en las zonas
industriales y verificando una disminución del 50% del PM10 durante el paro de transportadores.
Se relaciona que las concentraciones de metales fueron mayores en las zonas industriales.
Franco, Rojas et al en 2013 encontraron que los niveles de concentración de material particulado
en las inmediaciones de los colegios distritales evaluados son elevados y superiores a los valores
de referencia que han sido considerados como nocivos para la salud de poblaciones sensibles
por la OMS. Además, estos periodos de alta concentración coinciden con las horas en las que
los menores permanecen en la institución. También se encontró que las concentraciones son
estadísticamente superiores en el colegio cercano a la vía más congestionada. Por su parte,
(Gaitán, Cancino & Behrentz, 2007) analizaron la calidad del aire de Bogotá teniendo en cuenta
los datos arrojados por la red de monitoreo, concluyendo con varias excedencias del material
particulado y una calidad del aire en general regular.
Figura 2, 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)
También se ha caracterizado el material particulado en las principales vías del transporte público
colectivo y masivo del centro de Bogotá, encontrándose concentraciones de (92.68µg/m3) en la
calle 19, siendo 1.2 veces mayor que en el corredor de la avenida Jiménez (78.03µg/m3) también
se determinó que no hay diferencia significativa entre la contaminación generada por busetas y
buses articulados, llevando a la conclusión de que se debe mejorar principalmente la calidad del
diésel utilizado. (Ramos, 2006).
Vargas y Rojas en 2010 caracterizaron e hicieron la reconstrucción másica del material
particulado en dos localidades distintas de Bogotá, Suba y Carvajal, encontrando una gran
presencia de material carbónico orgánico y elemental, seguido después por el aporte mineral y
luego el aporte iónico, encontrando marcadas diferencia entre cada localidad concluyendo que la
variación verificada está relacionada a la diferencia de uso del suelo de cada localidad
0
50
100
150
200
250
300
350
0 5 10 15
Mediciones de TSP en µg/m3
Mediciones
Norma anual
Norma diaria
0
50
100
150
200
250
300
350
400
0 5 10 15
Mediciones de PM10 en µg/m3
Mediciones
Norma diaria
Norma Anual
26
La CAR 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 en su inventario de las emisiones
de Cundinamarca. (Tabla 1)
Tabla 1, Tabla resumen sobre la situación de contaminación de Cundinamarca, a (Bogotá El tiempo, 2017)
Provincia Municipios Lugar
De
Aporte
Emisiones
(Toneladas
Al 2016)
Actividades Principales
Sabana Centro Cajicá, Chía, Cota, Nemocón,
Tabio Tocancipá, Zipaquirá
Primero 4 375 Misceláneas
Soacha Soacha Segundo 2 648 Metales Arcillas Y Autopartes
Sabana
Occidente
Bojacá Facatativá Madrid Y
Mosquera
Tercero 803 Molinos, Aceites Y Grasas Vegetales
Y Animales Y Vidrio
Ubaté Cucunuba, Fúquene
Guachetá Susa O Sutatausa
Cuarto 156 Carboneras Y Coquizadoras
Alto Magdalena Girardot Ricaurte O Tocaima Quinto 100 Fundición Hierro Y Acero
Chiquinquirá Chiquinquirá Sexto 95 Ladrilleras Y Producción De
Cerámicas
Además de lo anterior, Soacha y Zipaquirá son los municipios con mayor generación de
emisiones causadas por vehículos en la jurisdicción de la CAR y, para las emisiones de mercurio,
la Sabana Centro es la regional que más aporta mercurio al aire ya que genera el 92% del total
de la jurisdicción con 12.65 toneladas de mercurio al año.
Dentro de otros datos generados para Cundinamarca, se ha realizado un inventario de emisiones
que manifiesta que las fuentes fijas dentro de Cundinamarca aportan 5 153.22 ton/año de SO2,
y 1 604.4 ton/año de material particulado PM10. Por otra parte, las fuentes móviles emiten
anualmente, 249 toneladas de SO2 y 3089 toneladas de PM10 (Pinzón, C. P. D). En este
inventario también se encontró que en las emisiones industriales el carbón genera las mayores
emisiones de PM10, SO2, CO y NOx, con aportes del 95%, 83%, 82% y 55% respectivamente,
equivalentes a 1 524.6, 4319.07, 1 678.9 y 1 629 ton/año. El combustible que genera la menor
contribución a las emisiones totales es el fuel oíl, cuyo mayor aporte es de 0.43 % de NOx,
correspondiente a 12.92 ton/año. El uso de biomasa también genera bajas emisiones de SO2,
del orden de 0.97 ton/año correspondiente al 0.01% de las emisiones totales de SO2 (Pinzón, C.
P. D).
También reportan que en calderas predomina el uso de gas natural, con un 35% de las industrias,
le sigue el carbón con 32%, y ACPM con 19%. En los hornos se usa principalmente el carbón,
con un 64%. Le sigue el gas natural con un 18%, y el ACPM con 8%. La provincia de Sabana
Centro genera las mayores emisiones de PM10 (1231.8 ton/año) y de CO (991.6 ton/año), con
un aporte del 77% y 48% respectivamente. Además, genera los mayores aportes a las emisiones
de SO2 y NOx, con un aporte de 2682.5 y 1047.9 ton/año respectivamente, que corresponden al
52% y al 36% de las emisiones totales por contaminante para la región; la principal actividad que
aporta en la provincia de sabana centro es la fabricación de ladrillos y cal (Pinzón, C. P. D).
27
La industria de minerales la cual incluye industrias de minerales no metálicos, cementos entre los
que sobresalen la fabricación de materiales para la construcción genera las mayores emisiones
de los cuatro contaminantes analizados, cuyo mayor aporte es de 45% para SO2 (2323.46
ton/año), seguido de 34.9% para NOx (1026.7 ton/año), 60.8% para PM10 (975.2 ton/año) y 39%
para CO (793.85 ton/año). Los vehículos particulares aportan la mayor participación en las
emisiones de CO, contribuyendo con el 47%. Igualmente generan las mayores emisiones de SO2,
contribuyendo con el 29% de las emisiones totales. Por otro lado, los camiones contribuyen con
las mayores emisiones de PM10 y de NOx, con aportes de 43 y 48% respectivamente. Las
mayores emisiones de VOC son generadas por las motos, que contribuyen con el 68% de las
emisiones totales (Pinzón, C. P. D).
Los buses aportan a las emisiones de PM10, con el 33% de las emisiones totales. Las mayores
emisiones de fuentes móviles se presentan en las vías intermunicipales y principalmente a las 7
a.m. y 4 p.m. para monóxido de carbono, compuestos orgánicos volátiles y material particulado.
Por otro lado, los óxidos de nitrógeno y de azufre presentan sus mayores aportes a las emisiones
a medio día. Los resultados obtenidos en la distribución espacial de las emisiones generadas por
fuentes fijas coinciden con los municipios de mayor industrializados de Cundinamarca (Pinzón).
Por otro lado, se han realizado inventarios de emisiones para vías dentro de Cundinamarca;
Pinzón, Pérez y Roa identificaron que, para 4 vías representativas de Cundinamarca,
encontrándose que el material particulado PM 10 es principalmente emitido por buses, camiones
y motocicletas más que por vehículos livianos en esas 4vias
Respecto a lo visto en los párrafos anteriores, es notorio que los estudios que han sido realizados
en general son inventarios de emisiones o caracterización del material particulado, sin entrar a
los detalles de la atribución de fuentes; además de ello, los estudios han sido realizados sobre
ciudades específicas y no sobre distritos o departamentos completos y es allí donde esta
investigación plantea extender los resultados de la atribución de fuentes al material de
Cundinamarca.
Por otro lado, la industria de Cundinamarca ha crecido a lo largo de los años, a una mayor
velocidad que otras zonas industriales; se indica que en el 2000 el departamento de
Cundinamarca alcanzó a reunir a 283 empresas de tipo industrial y en el 2012 a 587, lo que indica
un crecimiento del 100 por ciento mientras que en Bogotá la industria solo aumentó un 36 por
ciento. Eso indica que solo 1.294 nuevos productores decidieron situarse en Bogotá entre el 2000
y el 2012. Esto se debe a las condiciones favorables en materia vial y de servicios e impuestos,
mientras que la ciudad de Bogotá cada vez se vuelve más difícil y más cara para las empresas.
En otras regiones, en cambio, el panorama cambió y el número de industrias bajó. En el
departamento de Norte de Santander, por ejemplo, el 2012 cerró con 136 establecimientos
industriales, pese a que en el 2000 había 174, y en el Atlántico hubo una disminución de 20
empresas (ElTiempo, Redacción Cundinamarca, 2014).
En general este aumento de la cantidad de empresas se ubica en 6 municipios de la Sabana, y
se indica también que para el 2012 Cota ya alojaba 93 empresas grandes en su territorio, seguida
por Funza con 24 empresas, Chía (35), Tocancipá (26), Soacha (20), Sopó (15), Tenjo (14) y
Cajicá (13). Aparte de lo anterior De las 104 zonas francas que había en Colombia para el 2012,
14 estaban en el departamento de Cundinamarca (ElTiempo, 2014).
28
Además de la contaminación proveniente de las industrias, debe tenerse en cuenta que los
municipios están expuestos a la contaminación causada por las vías que los cruzas y que se
incrementa por la presencia de industrias, por las actividades agrícolas cercanas y por otras
prácticas contaminantes.
Así las cosas, se planteó la necesidad de realiza un proyecto dentro del cual se pudiera
caracterizar la calidad del aire en los municipios de la CAR, siendo así necesario escoger primero
municipios representativos para realizar las mediciones posteriores de la calidad del aire; en esta
segunda etapa, se realizaron mediciones para cuantificar y caracterizar el PM2,5 de las
localizaciones y posteriormente mediante diversos análisis químicos especificar diversas fuentes
o fenómenos generadores del mismo, siendo el último fin de este proyecto hacer una atribución
de fuentes de contaminación.
29
5 Antecedentes
5.1 Antecedentes de la atribución de fuentes al material contaminante
Muchos estudios han tratado de determinar cuáles son las fuentes de los contaminantes, 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, Ultrafinos, aguas o gases; a continuación, se presenta un
cuadro con algunos de los estudios realizados al respecto (Tabla 2).
Tabla 2, estudios sobre atribución de fuentes de contaminación
Referencia Metodología y lugar resultados principales
(Lee et al, 2008)
PM2.5 PMF y CMB,
comparación entre sitios rurales y
urbanos; análisis con metales y
iones
Atlanta vs Yorkville Georgia
Birmingham vs Centreville,
Alabama,
EE. UU.
se encontraron como mayores fuentes
los vehículos a motor y la quema de
madera; existe cierta discrepancia
entre las contribuciones resultantes
entre PMF y CMB
(Schauer et al, 1996)
PM2.5, CMB,
marcadores orgánicos, aluminio y
silicio
4 sitios representativos en el sur
de california EE. UU.
se encontraron como fuentes:
emisiones de motores Diésel, polvo de
camino pavimentado, emisiones de
vehículos a gasolina, emisiones de
cocinas y quema de madera, con
contribuciones más pequeñas de
polvo de llantas, fragmentos de
plantas, emisiones por combustión de
gas natural y humo de cigarrillo
(Wu et al, 2007).
PM2.5, resolución numérica
propia tipo PMF, metales, iones y
VOCs
Estudio realizado en Seattle
Washington, datos de 4 años
se encontró que las fuentes principales
son la quema de madera, emisiones
de motores diésel y emisiones de
fondo urbano. Se obtuvieron mejoras
en el proceso de calculo
(Subramanian et al, 2006).
PM 2.5 y contribución exclusiva a
vehículos, CMB, marcadores
orgánicos
Pittsburg, Pensilvania EE. UU.
se encontró una marcada
dependencia estacional de la
contribución, en invierno se tiene una
contribución del 13-20%, pero para el
verano la contribución varía según el
perfil usado sin embargo la
contribución de diésel siempre es la
dominante.
30
(Samara et al, 2003).
PM10, Área industrial
de la ciudad, CMB, Metales y
PHAs
Thessalonik, Grecia Europa
se encontraron contribuciones por
polvo de camino, quema de derivados
de petróleo a nivel industrial,
automóviles a gasolina con y sin
catalizador, vehículos a diésel,
actividades de construcción y
metalurgia
(Vallius et al, 2003).
PM2.5, PCA, elementos
metálicos y gases contaminantes
Helsinki, Finlandia
se encontraron contribuciones por
tráfico local, contaminación de larga
distancia, masa crustal, quema de
derivados del petróleo industrial y sal
marina
(Mooibroek et al, 2011)
PM2.5, PMF, metales y iones,
sitio urbano y rural
países bajos Europa
contribución de nitratos y sulfatos
secundarios, polvo re suspendido del
tráfico, actividades metalúrgicas
industriales, aerosol marino, material
crustal y quema de residuos de
petróleo
(Bi, Feng, Wu, Wang, &
Zhu, 2007).
PM10, metales y iones, CMB
mejorado
norte de China, Asia
se encontró contribución de polvo re
suspendido, cementeras, ceniza
volante de combustión de carbón,
emisiones por automóviles y partículas
secundarias
(Hailin, Zhuang, Ying, Yele,
Hui, Zhuang, & Zhengping,
2008).
PM10 y PM2.5, PMF, metales y
iones, comparación con
contaminación de fondo
Beijing, China
se encontraron contribuciones
comunes para PM10 y PM2.5 que son
polvo suspendido, emisiones
vehiculares, quema de carbón,
aerosoles secundarios, emisiones
industriales y quema de biomasa. Para
la contaminación de fondo se
encontraron 3 fuentes comunes que
son polvo suspendido, quema de
biomasa y aerosoles secundarios
(Song, Xie, Zhang, Zeng,
Salmon, & Zheng, 2006)
PM2.5, PCA vs UNMIX, metales y
iones
Beijing, China
se encontraron contribuciones por:
sulfatos y nitratos secundarios,
combustión mezclada de carbón y
biomasa, emisiones industriales,
emisiones por vehículos de motor y
polvo de carretera
31
(Heo, Hopke, & Yi, 2009). PMF, metales y iones
Seúl, Corea del norte
se encontraron contribuciones por
nitratos y sulfatos secundarios,
vehículos a gasolina, quema de
biomasa, emisiones de diésel, suelos,
industria, sal y vehículos de dos
tiempos, y sal marina madurada
(Gupta, Karar & Srivastava,
2007).
PM10 y TSP, CMB, Metales e
iones, comparación entre urbano
e industrial
Calcuta, India
se encontraron variaciones
estacionales, además se encontró que
las contribuciones a pM10 para el sitio
residencial fueron quema de carbón,
polvo de caminos, quema de campos
y quema de madera, para el sitio
industrial se encontraron
contribuciones de vehículos, quema
de carbón, metalurgia y polvo. las
contribuciones al TSP en el punto
residencial son de quema de carbón,
polvo del suelo, y combustión de diésel
mientras que para el punto industrial
fueron polvo del suelo, quema de
carbón, desechos sólidos, polvo de los
caminos, y desgaste de llantas
(Yatkin & Bayram, 2008)
PM10 y PM2.5, PMF y CMB,
metales y iones
Izmir, Turquía
se encontraron contribuciones de
quema de combustibles fósiles,
emisiones de tráfico, industrias
minerales, sal marina y plantas de
potencias a gas natural
(Khodeir, Shamy,
Alghamdi, Zhong, Sun,
Costa, & Maciejczyk,
2012).
PM10 y PM2.5
Metodología variaciones PMF
metales y iones
Jeddah City, Arabia Saudita
en ambos PM se encontró como
fuente la quema de combustible
pesado, suelo re suspendido y fuentes
industriales mezcladas. las otras
fuentes de PM2.5 fueron el tráfico y
otras fuentes industriales mientras que
para PM10 fueron aerosoles marinos
(Villalobos, Barraza,
Jorquera & Schauer, 2015)
PM2.5, CMB, iones y trazadores
orgánicos
Santiago Chile
se identificaron 4 fuentes: humo de
madera, emisiones de vehículo a
gasolina y a diésel y emisiones por
combustión de gas natural. se
encontró una marcada estacionalidad
de las contribuciones y la suma de
iones inorgánicos represento el 30%
de la masa.
32
(Villalobos, Barraza,
Jorquera & Schauer,
2017).
PM2.5
CMB
iones y trazadores orgánicos
Temuco Chile
se encontraron contribuciones por
humo de madera, quema de carbón,
vehículos diésel, polvo, y detrito
vegetativo. los iones inorgánicos
secundarios (sulfato, nitrato y amonio)
contribuyeron al 4,8% de la masa
recolectada. teniendo en cuenta la
masa no resuelta se concluye que la
quema de madera contribuye al 84%
de las emisiones
(Vargas, Rojas, Pachon, &
Russell, 2012).
Pm10, PMF, metales y iones,
comparación sitio residencial e
industrial
Bogotá Colombia
en el sitio residencial se encontró
contribución de fuentes móviles, polvo
fugitivo re suspendido, contaminantes
secundarios, y contaminantes de largo
alcance, mientras en el sitio industrial
se encontró contribución de fuentes
móviles, polvo fugitivo re suspendido,
fundiciones no ferrosas, fuentes
industriales ricas en nitrato y fuentes
ricas en sulfatos
33
6 Marco teórico
6.1 Material particulado
El material particulado es una mezcla muy variada y compleja de partículas sólidas, gotas liquidas
en suspensión o absorbidas en el material sólido, compuesto tanto de sustancias orgánicas como
inorgánicas, todo suspendido en el aire. Su composición es muy variada conteniendo
principalmente iones como sulfatos, nitratos, el amoníaco, el cloruro sódico, minerales y cenizas
metálicas en general y compuestos en general carboneos orgánicos como carbono elemental.
Además de lo anterior, aparte de provenir de diversas fuentes también provine de reacciones
propias de la química atmosférica, denominándose comúnmente como aerosoles secundarios
(fundación para la salud geoambiental, 2014). Se les denomina material particulado o aerosoles
a las partículas sólidas y liquidas suspendidas en el aire, pudiendo ser de diversos orígenes como
polvo resuspendido, sales oceánicas, ceniza volcánica, humo de quemas forestales y la polución
emitida por las fabrican son algunos ejemplos de esta contaminación (Earth Observatory NASA,
2018.).
El material particulado incluye en general 3 tipos de tamaños, los cuales son denominados como
PM10 (menor tamaño de 10 µg) PM2.5 (menor a 2.5 µg) y Ultrafinas o UF (menores a 0.1 µg). A
medida que disminuye el tamaño aumenta la toxicidad de las partículas ya que las más finas
pueden penetrar profundamente en el sistema respiratorio y llegar al torrente sanguíneo (EPA,
2018). No solo tienen la capacidad de generar morbilidad y mortalidad humana, sino que
dependiendo de su tamaño tienen la capacidad de calentar o enfriar la superficie terrestre, o
ayudar o inhibir la formación de las nubes (Earth Observatory NASA, 2018).
Las fuentes de material particulado son bastante diversas y condicionan la composición el tamaño
promedio de las partículas emitidas, teniendo fuentes directas que emiten principalmente
inorgánicos como sitios de construcción, caminos no pavimentados, campos y hasta el desgaste
de frenos y llantas, mientras que otras son generadas por fuentes de combustión tales como los
vehículos a gasolina, Diesel gas natural, quema de madera o carbón chimeneas tanto domesticas
e industriales por nombrar algunas (EPA, 2018)(Torpe, et al, 2008). Tan solo en la Figura 3 y
Figura 4 se muestra un inventario de material particulado PM2.5 según las fuentes
antropogénicas identificadas
Además de la emisión primaria, estas partículas se transforman o generan una aglomeración o
condensación en la atmosfera a causa de las reacciones fotoquímicas y la presencia de otros
compuestos en suspensión. Contaminantes como el dióxido de azufre o el óxido de nitrógeno
generan una reacción de aglomeración de compuestos orgánicos volátiles mientras que la
presencia de higroscópicos como Sales marinas y acido inorgánicos generan un crecimiento de
las partículas en general por aglomeración. Algunas de las fuentes se pueden identificar en la
Figura 3 y 4. Y en la Tabla 3, Propiedades típicas de las diferentes fracciones del material
particulado.Tabla 3, se mencionan algunas fuentes y mecanismos de generación.
34
Tabla 3, Propiedades típicas de las diferentes fracciones del material particulado. Fuente: (McMurry et al, (2004).
Finas (≤2.5 µm)
Gruesas
(2.5-10 µm)
Ultrafinas
(≤0.1 µm)
Acumulación
(0.1 - 2.5 µm)
Formado
principalmente desde:
Procesos de combustión, procesos de altas
temperaturas y reacciones atmosféricas
Rompimiento de grandes
sólidos/nieblas
Formado
principalmente por
mecanismos de:
Nucleación.
Condensación.
Coagulación
Condensación.
Evaporación.
Evaporación de gotas
de niebla y nubes en
los cuáles algunos
gases se han disuelto
y reaccionado
Disrupción mecánica (fricción,
trituración o abrasión de superficies).
Evaporación de sprays.
Suspensión de polvo.
Reacción de gases en o sobre las
partículas.
Compuesto
principalmente por:
Sulfato.
Carbono elemental.
Compuestos
metálicos.
Compuestos
orgánicos de baja
volatilidad.
Sulfato.
Nitratos.
Amonio.
Ion hidrogenión.
Gran variedad de
compuestos
orgánicos.
Metales: compuestos
de Pb, Cd, V, Ni, Cu,
Zn, Mn, Fe, etc.
Partículas enlazadas
con agua
Polvo callejero o tierra suspendida.
Cenizas suspendidas producidas por
combustión no controlada de carbón,
aceite o madera. Nitratos y cloruros
de HNO3 y HCl. Óxidos de elementos
crustales (Si, Al y Fe). CaCO3, NaCl y
sal marina. Polen, esporas de hongos
y moho. Fragmentos de plantas y
animales. Desechos de pastillas de
frenos, llantas y desgaste asfaltico.
Tiempo de vida media
típico en la atmósfera:
Minutos a horas Días a semanas Minutos a horas
Procesos importantes
de remoción:
Crecimiento a modo
de acumulación.
Deposición seca y
húmeda
Deposición seca y
húmeda
Deposición seca y húmeda
Distancia típica
recorrida:
<1 a decenas de km cientos a miles de km <1 a decenas de km (cientos a miles
en tormentas de polvo o arena)
Existen muchos factores que hacen difícil establecer políticas para la reducción del PM, a
continuación, se listan algunos tomados de (Davidson, Phalen & Solomon, 2005). Primero el
PM2.5 y sus gases precursores pueden ser transportado en largas distancias, dificultando
conocer exactamente cuales fuentes producen el material particulado primario y permitiendo la
mezcla de material en el espacio y mezclando polución rural y urbana, dificultando la identificación
del origen del PM primario y de los gases precursores. Se indica también que recientes estudios
determinando la relación de C13 a C14 (isotopos de carbono) en el PM2.5 cerca de Houston
sugieren que el 75% del carbono orgánico del PM2.5 está asociado a carbono moderno
relacionado a la combustión de biomasa, respecto al carbono de combustibles fósiles que son
altamente usados en dicha ciudad, sugiriendo que se requiere conocer mejor las fuentes
biogénicas del PM2.5. otro ejemplo mostrado también es que estudios han indicado que el 75%
del sulfato y carbono orgánico del PM2.5 en ciudades del este es derivado por fuentes regionales
en áreas contra el viento, más que por fuentes locales, resultado que se ve reflejado en un estudio
35
hecho sobre china, indicando que alrededor del 35.5% del material particulado PM2.5 en Beijing
es producto de fuentes de largo alcance (Wang, Liu, Sun, Ji, & Wang, 2015). Un ejemplo en
Colombia es el estudio de un evento de alta contaminación por material particulado verificado en
Medellín, Colimba, el cual fue atribuido a arena del desierto del Sahara, (Bedoya, Nisperuza,
Alegría, Múnera, Guerrero-Rascado, Zapata, & Bastidas, 2016).
Figura 3, fuentes antropogénicas de PM2.5 de acuerdo al inventario nacional de emisiones de 2017, datos construidos
a partir de lo presentado por EPA en https://www.epa.gov/air-emissions-inventories/air-pollutant-emissions-trends-data
para EE. UU.
Figura 4, fuentes antropogénicas de PM10 de acuerdo al inventario nacional de emisiones de 2017, datos construidos
a partir de lo presentado por EPA en https://www.epa.gov/air-emissions-inventories/air-pollutant-emissions-trends-data
para EE. UU.
Segundo, es difícil estimar las emisiones de fuentes en todas las posibles condiciones, pues
existen de por medio factores climáticos y de operación de las distintas fuentes. Esto es
especialmente cierto para el NH3, para el cual se tienen emisiones a partir de estiércol de ganado,
1 10 100 1.000 10.000
Combustión de gasolina: generación…
Combustión de gasolina: industrial
Combustión de gasolina: otros
Manufactura de químicos y afines
Procesamiento de metales
Petróleo industrias relacionadas
Otros procesos industriales
Uso de solventes
Almacenamiento y transporte
Disposición y reciclaje de desechos
Vehículos en carretera
Fuera de carretera
Misceláneas
2017
1 10 100 1.000 10.000 100.000
Combustión de gasolina: generación…
Combustión de gasolina: industrial
Combustión de gasolina: otros
Manufactura de químicos y afines
Procesamiento de metales
Petróleo industrias relacionadas
Otros procesos industriales
Uso de solventes
Almacenamiento y transporte
Disposición y reciclaje de desechos
Vehículos en carretera
Fuera de carretera
Misceláneas
2017
36
fertilizantes y del suelo, variando en ordenes de magnitud a causa de cambios atmosféricos y de
condiciones de la superficie. Es además un compuesto limitante en la formación de material
particulado al ser consumido para la conversión de gases ácidos a sus sales amoniacales.
Tercero, la química atmosférica es altamente no lineal, como por ejemplo se ve en la interacción
entre los NOx, los SOx y el amonio, llegando a resultados contra intuitivos. Se indica que
reducción en los niveles de SO2 generan menores niveles de SO4-2, pero incrementan los niveles
de NO3, a causa de la existencia de mayor cantidad de NH3 disponible que antes se neutralizaba
con los gases ácidos. Estas reducciones pueden afectar de manera compleja la química
atmosférica y aumentar o disminuir los niveles e SO4-2 NO3- y O3, siendo difícil predecir las
concentraciones de estos compuestos bajo diversas estrategias de control.
Cuarto, existen diversos eventos que están fuera del control humano y aumentan excesivamente
el PM2.5, tales como las tormentas de arena en áfrica en 2001 y los incendios forestales en
Canadá de 2002 generaron una gran cantidad de PM subsecuentes problemas de la calidad del
aire en estados unidos, las condiciones secas en general aumentan el material particulado por
emisión de polvo del suelo.
Por último, las políticas de mejoramiento de la calidad del aire generan gran cantidad de
dificultades económicas y de otras índoles, a causa de los cambios necesarios para mejorar la
calidad del aire.
6.2 Modelos de receptores
A diferencia de los modelos de dispersión que analizan condiciones del aire y de clima, los
modelos de receptores en modelos matemáticos y estadísticos se basan en una observación de
la calidad del aire en un cierto punto y determinar el origen de las fuentes de contaminación, y la
cantidad porcentual de la contribución de cada una de las mismas (EPA, 2016a).
los modelos de receptores se basan en la conservación de la masa, esto es que, si una fuente
emite cierta cantidad de masa y otras fuentes emiten masa, siendo estas fuentes independientes
y teniendo en cuenta que no haya reacción o destrucción de la masa de ciertas fuentes se tiene
lo siguiente (Hopke, 2003):
𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛𝑖𝑗 = ∑ 𝐶𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑖𝑘 ∗ 𝑃𝑒𝑟𝑓𝑖𝑙𝑖𝑘 + 𝐸𝑟𝑟𝑜𝑟𝑖𝑗𝑃𝑘=1 (Ecuación 1)
Donde:
J: especie química
I: muestra
X: concentración
P: fuente
G: contribución de la fuente
P: perfil de contaminación de la fuente
E: error
De esta manera, se ve que la concentración de cierto contaminante en cierto lugar está dada por
una la sumatoria de una contribución y un perfil de cada fuente, además que existe un error a
minimizar. Para poder utilizar este modelo deben cumplirse ciertas condiciones o restricciones
físicas, las cuales son (EPA, 2016 b) (Hopke, 2003):
37
1. Las composiciones de las fuentes de emisión son constantes durante el periodo de
medición
2. Las especies químicas no reaccionan entre ellas, esto significa que se adicionan a la masa
linealmente
3. Todas las fuentes con potencial de contribución han sido identificadas y tienen sus
emisiones caracterizadas
4. El número de fuentes es igual o menor al número de especies
5. Los perfiles de las fuentes son independientes unos de otros
6. Las incertidumbres de las mediciones son azarosas, no correlacionadas y distribuidas
normalmente.
7. Lo datos deben ser representados por el modelo, explicando de forma eficaz las
observaciones
8. Ni las composiciones de las fuentes ni las contribuciones de estas pueden ser negativas,
pues una fuente no puede emitir masa negativa ni tener una concentración elemental
negativa
9. La suma de la masa predicha por el modelo debe ser menor o igual que la masa total
medida
Se ve entonces que por cada entidad química hay una ecuación de balance de materia y en cada
balance de materia hay una cantidad de incógnitas que depende de la cantidad de fuente posibles
así que si se tienen menos fuentes posibles que ecuaciones se puede en teoría resolver el
problema de balance de materia. (Henry, Lewis, Hopke, & Williamson, 1984)
Sin embargo, la resolución no es trivial pues debe tenerse en cuenta que las contribuciones
deberían ser positivas y reales y que el problema en la mayoría de los casos esta sobre
especificado, requiriendo entonces que haya una conciliación todos los datos. Algunos de los
métodos anteriormente mencionados para resolver el problema de balance de masa son: (Henry,
Lewis, Hopke, & Williamson, 1984)
Método de trazas
Este método asume que, para rastrear la contribución de una fuente determinada, está siempre
tiene una característica o elemento especifico que no comparte con ninguna otra fuente, así se
convierte la ecuación en son (EPA, 2016b) (Henry, Lewis, Hopke, & Williamson, 1984)
𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛𝑖𝑗 = ∑ (𝐶𝑡
𝐴𝑡𝑗∗ 𝑃𝑒𝑟𝑓𝑖𝑙𝑖𝑘) + 𝐸𝑟𝑟𝑜𝑟𝑖𝑗
𝑃𝑘=1 (Ecuación 2)
Donde C es la concentración del trazar y A es la relación de magnificación; este método funciona
si el trazador es completamente especifico a la fuente y si su concentración puede medirse lo
suficientemente exacto además que A no cambie en el tiempo o entre mediciones
Método de programación lineal
Este método implica buscar las contribuciones iterando entre las mismas bajo ciertas restricciones
siguiente (EPA, 2016b) (Henry, Lewis, Hopke, & Williamson, 1984):
0 ≤ 𝐶𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑖𝑘 ≤ 𝑀𝑎𝑠𝑎𝑡𝑜𝑡𝑎𝑙
𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛𝑖𝑗 + 3 𝜎𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 ≥ ∑ 𝐶𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑖𝑘 ∗ 𝑃𝑒𝑟𝑓𝑖𝑙𝑖𝑘𝑃𝐾=1 (Ecuación 3)
38
Es así como el método restringe la contribución de cada fuente a que no sea mayor que la masa
total del contaminante y que la concentración encontrada por el método, que es la multiplicación
de la contribución por el perfil de una fuente, no sea mayor que la concentración medida del
contaminante más 3 veces la incertidumbre de la medición
Método ordinario ponderado de los mínimos cuadrados
En este método se busca el valor de las contribuciones minimizando el error generado por el
modelo, ponderando las mediciones por la incertidumbre asociada a las mismas. Este error se
calcula como la diferencia entre los valores medidos de las concentraciones de cada compuesto
en cada medición y los valores arrojados por el modelo, todo lo anterior ponderado contra la
desviación estándar. Este nuevo parámetro es Chi2 (EPA, 2016b) (Henry, Lewis, Hopke, &
Williamson, 1984):
𝜒2 = ∑ (𝐶𝑖−∑ (𝑃𝑒𝑟𝑓𝑖𝑙∗𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 )) 𝑃
𝑗=1
𝜎𝐶2 𝑛
𝑖=𝑛 (Ecuación 4)
Este parámetro estadístico representa la dispersión que introduce el modelo respecto a la
dispersión previa, además de ser un método correcto de cálculo de las contribuciones, este
método permite determinar errores o incertidumbres asociados a la contribución; sin embargo,
este método solo tiene en cuenta la incertidumbre asociada a la medición y no al perfil, pero tiene
en cuenta la propagación del error de las mediciones generando un intervalo de confianza para
la contribución arrojada. Además del estadístico Chi2 el método también calcula el valor R2
Método de mínimos cuadrados de varianza efectiva
Este método pasa a incluir el error contenido en los perfiles usados de concentración, por lo que
la expresión para el parámetro estadístico chi2 se transforma en lo siguiente:
𝜒2 = ∑ (𝐶𝑖−∑ (𝑃𝑒𝑟𝑓𝑖𝑙∗𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 )) 𝑃
𝑗=1
𝜎𝐶2 + ∑ 𝜎𝑃𝑒𝑟𝑓𝑖𝑙
2 ∗𝐶𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛2 𝑃𝑗=1
𝑛𝑖=𝑛 (Ecuación 5)
En la anterior expresión ya se introduce la incertidumbre dentro del perfil de concentraciones
usado para cada contribución, sin embargo, requiere un esfuerzo computacional más grande a
causa de mayores iteraciones requeridas sobre la contribución a cada paso (EPA, 2016b) (Henry,
Lewis, Hopke, & Williamson, 1984):
Este método es mucho más riguroso pues tiene en cuenta la incertidumbre de todas las entradas
al cálculo y además pondera mejor todavía aquellos elementos o composiciones con menores
incertidumbres sobre otros datos más inciertos, refinando el cálculo.
Según lo que se manifiesta por (EPA, 2016b), el método de mínimos cuadrados pondera es el
preferido sobre el medo de trazas y el método de programación lineal por las siguientes razones:
1 teóricamente genera la mejor solución de las ecuaciones CMB si las suposiciones del modelo
39
se cumplen, 2 puede hacer uso de todos los compuestos químicos medidos, 3 estima la
incertidumbre de la contribución y 4 en la práctica no existen fuentes que cumplan la condición
de elementos traza. Si bien la solución generada por el método de varianza efectiva es mucho
más realista, este método no se recomienda en casos donde la incertidumbre de las fuentes es
grande, pudiendo dar soluciones no realistas o pudiendo generar problemas durante el cálculo.
Trabajos como el de (Christensen, & Gunst, 2004). Reportan haber realizado comparaciones
entre los métodos de CMB disponibles actualmente, encontrando que el de varianza ordinaria
ponderada genera resultados similares a los otros métodos e incluso tiene mejor desempeño
Regresión de cresta (ridge regression) o Regularización de Tikhonov
Otro problema que debe tenerse en cuenta al usar los métodos de mínimos cuadrados es que,
vistos desde una perspectiva estadística, son problemas de regresión y como tal pueden existir
problemas si dos fuentes son muy similares entre sí o sí una fuente puede construirse mediante
una combinación lineal de fuentes, por lo que durante el cálculo deben incluirse metodologías
enfocadas a disminuir los problemas de colinealidad, una de estas metodologías es la regresión
de cresta en la cual se introduce un parámetro k, el cual genera una ligera distorsión en los
parámetros de los modelos; si bien este parámetro permite mejorar los problema de colinealidad,
introduce cierto sesgo en los datos por lo que se espera que a pesar de introducir ese sesgo se
disminuya en mayor medida la aleatoriedad estadística.
Si se escribe la ecuación de balance de materia como una forma matricial se tiene lo siguiente
(Henry, Lewis, Hopke, & Williamson, 1984):
𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛𝑖𝑗 = ∑ 𝐶𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑖𝑘 ∗ 𝑃𝑒𝑟𝑓𝑖𝑙𝑖𝑘 + 𝐸𝑟𝑟𝑜𝑟𝑖𝑗𝑃𝑘=1 (Ecuación 6)
𝐶 = 𝐴 𝑆
Donde C es el vector nx1 de observaciones, A es la matriz de nxp de composiciones de fuentes
y S es el vector px1 de contribuciones. Para un elemento especificado
Las soluciones de S serian entonces en forma matricial seria de la siguiente manera
𝑆 = (𝐴𝑡 𝑊 𝐴)−1 𝐴𝑡 𝑊 𝐶 (Ecuación 7)
Donde W es la matriz diagonal con las desviaciones estándar al cuadrado de la composición
observada (𝜎𝐶2), t indica la transpuesta de la matriz y -1 indica la inversa de la matriz
Para el método de regresión de cresta se introduce el parámetro k de la siguiente manera
𝑆(𝑘) = (𝐴𝑡 𝑊 𝐴 + 𝑘 𝐼)−1 𝐴𝑡 𝑊 𝐶 (Ecuación 8)
Donde 𝐼 es la matriz identidad, como se indica anteriormente, la solucion S de las contribuciones
esta dada en funcion del parametro k, por lo que este genera un sesgo, el efecto de k es el de
asegurar que el determinante de la matriz 𝐴𝑡𝐴 no sea muy pequeño y por tanto la solucion sea
estable. No hay estandares para escoger el parametro k universales, sin embargo, se lo trata de
escoger en una region estable donde cambios en k no afecten grandemente los resultados de S.
varios de los métodos anteriormente mencionados se pueden ver con varios estudios realizados
en el trabajo de (Watson, Zhu, Chow, Engelbrecht, Fujita & Wilson, 2002).
40
Además de lo anterior, se estaba suponiendo que se conocen los perfiles de las fuentes
propuestas, cosa que no siempre sucede y por ello surge la necesidad de conocer al tiempo el
perfil y su respectiva contribución, por lo que de la misma manera se deben desarrollar métodos
que permitan conseguir el objetivo con la condición de tener disponible un gran número de
muestras, siendo que estos modelos tratan de atribuir las fuentes en base a correlaciones internas
de las observaciones en los sitios, sin embargo se determina a veces que estos modelos generan
más información de la realmente disponible además que se suele generar una mezcla de fuentes
en vez de fuentes claras independientes, además de existir limitaciones si las fuentes cambian
de composición en el tiempo.(Viana et al, 2008).
Análisis de componentes principales (PCA): el objetivo de este modelo es reducir la complejidad
en el análisis de los resultados, se busca disminuir el número de componentes relacionados con
el número de variables de estudio. A diferencia del método anterior se requiere un número
relativamente alto del número de muestras.
Factorización de Matriz Positiva (PMF): con este modelo se realiza un análisis por medio de un
algoritmo de mínimos cuadrados asociado a tiempos de respuesta cortos (Paatero, Hopke, Song,
& Ramadan, 2002).
Modelo UNMIX: con este modelo es posible conocer la distribución de contaminantes por medio
de algoritmos, para ello se requiere de gran número de muestras donde se supone que la
composición de las emisiones es constante durante el periodo de muestreo (Bruinen de Bruin,
Koistinen, Yli-Tuom, Kephalopoulos, & Jantunen, 2006).
Entre los modelos multivariados ampliamente utilizados, se tienen:
Análisis por Componentes Principales (PCA)
Aquí el análisis estadístico es más detallado, en este modelo se le llama selección de
componentes principales a las variables seleccionadas del total de variables correlacionadas, por
ello la parte más compleja del método es establecer cuáles serán los criterios de selección de
variables que sean representativas. Para aplicar el modelo de forma adecuada se debe el número
de muestras necesarias que puede ser calculado como sigue:
Se miden V variables en N muestras, con el cálculo de la media, la desviación estándar y se
reduce el número de grados de libertad que son expresados como el producto de las variables
con el número de muestras. El número de muestras se expresa según la ecuación siguiente:
𝐷 = 𝑁𝑉 − 𝑉 −𝑉(𝑉+1)
2 (Ecuación 9)
Donde V es el número de medias calculadas, y 𝑉(𝑉+1)
2 es el número de desviaciones estándar,
ahora si se divide entre el número de variables V, resulta:
𝐷
𝑉= 𝑁 −
(𝑉+3)
2 (Ecuación 10)
Si el cociente D
V es mayor que 30 datos el modelo de análisis por componentes principales es
adecuado, expresándose el número de muestra como sigue:
41
𝑁 > 30 +(𝑉+3)
2 (Ecuación 11)
El modelo PCA funciona de la forma siguiente: si se tienen 2 variables una dependiente y una
independiente, se puede trazar una línea de correlación de forma que se puede obtener una
representación funcional de los datos de la forma y=a x + b; esto implica entonces reducir las 2
variables a un solo factor. El PCA se concibe como una transformación de las series de datos a
un nuevo sistema de coordenadas, sin embargo, la idea es que la mayor varianza del conjunto
de datos sea capturada en el primer eje, que sería el eje del componente principal, la segunda
varianza principal en un segundo eje y así sucesivamente, y cada nuevo eje se denomina factor.
Para construir esta transformación lineal se requiere primero generar una matriz de covarianzas
y esta matriz tendrá una base completa de vectores propios de sí misma. Además, las
coordenadas de la nueva base dan la composición en factores subyacentes de los datos iniciales.
(Bruinen de Bruin, Koistinen, Yli-Tuom, Kephalopoulos, & Jantunen, 2006). (Hopke, 1991).
El propósito básico del método PCA es el de reducir la dimensionalidad en los datos
interrelacionados con el número mínimo de factores, de forma que estos mínimos factores puedan
explicar la mayor variabilidad de los datos, transformando los datos correlacionados en un nuevo
ser de variables no correlacionadas, siendo un proceso equivalente a la generación de valores
propios que serían las contribuciones de las fuentes y sus vectores propios que serían las
composiciones de las fuentes. (Bruinen de Bruin, Koistinen, Yli-Tuom, Kephalopoulos, &
Jantunen, 2006) (Hopke, 1991).
El modelo PCA ha sido modificado para ampliar su aplicabilidad puesto que este modelo no
considera la incertidumbre o errores en los datos en el modelamiento y no considera restricciones
de no negatividad de los perfiles y de las contribuciones; tampoco hay parámetros definidos para
hacer las rotaciones de la búsqueda ortogonal, por lo que a veces los datos resultantes son
difícilmente explicables desde un punto de vista físico, además que este modelo no puede
manejar apropiadamente los datos perdidos o bajo los límites de detección que comúnmente
ocurren en estos estudios atmosférico. Las mejoras implementadas en el modelo pocas se tienen
en cuenta en el modelo de factor de matriz positiva (PMF) que presenta grandes ventajas
comparativas con respecto al ser una refinación de este (Villalobos & Karin, 2008). Software
estadístico como SPSS pueden realizar este tipo de análisis.
Factorización de matriz positiva (PMF)
En esta técnica se analiza el problema de modelo de receptor mediante el uso de mínimos
cuadrados. Para ello se define la diferencia entre la concentración observada, 𝑥𝑖𝑗(𝜇𝑔
𝑚3⁄ ) y los
valores modelados (𝑥𝑖𝑗). Esta diferencia corresponde a una matriz residual (𝑒𝑖𝑗) expresada como
sigue (Zabalza, Ogulei, Hopke, Lee, Hwang, Querol, & Santamaría, 2006).
𝑒𝑖𝑗 = 𝑥𝑖𝑗 − �̂�𝑖𝑗 = 𝑥𝑖𝑗 − ∑ 𝑓𝑘𝑗 ∗ 𝑔𝑖𝑘𝑝𝑘=1 (Ecuación 12)
42
Este modelo fue desarrollado por la EPA, la cual desarrolló un programa computacional para
solucionar el problema, con EPA PMF se va minimizando mediante iteraciones de la función
objetivo (Q).
𝑀𝑖𝑛 {𝑄(𝑒) = ∑ ∑ [(𝑒𝑖𝑗)
(𝜎𝑖𝑗)]
2𝑚𝑗=1
𝑛𝑖=1 } (Ecuación 13)
𝑠. 𝑎 𝑔𝑖𝑘 ≥ 0
𝑓𝑘𝑗 ≥ 0
Donde 𝜎𝑖𝑗es la incertidumbre de la especie j de la muestra i, para todas las n muestras y las m
especies. Este parámetro Q se calcula de dos maneras
Qverdadero: expresa la bondad del ajuste incluyendo todos los datos.
Qrobusto: que indica la bondad del ajuste calculado excluyendo los puntos que no entraron en el
modelo, definidos como las muestras para las cuales la incertidumbre residual, (relación entre el
dato medido y la incertidumbre de este) es mayor que 4.
El Modelo de PMF de la EPA busca los factores mediante métodos iterativos con números
generados al azar y va refinando la búsqueda hasta encontrar un óptimo para el cual se obtenga
el menor Qrobusto. Este método tiene como valor agregado que tiene en cuenta la incertidumbre
e los datos y genera unas restricciones físicas sobre los resultados obtenidos. También puede
generar rotaciones mediante la función FPEAK ayudando a obtener el valor mínimo global de la
función Q. (EPA, "Positive Matrix Factorization Model for environmental data analyses", 2018)
Modelo UNMIX
El modelo UNMIX es un modelo derivado igualmente del PCA con restricciones físicas de no
negatividad; tiene un algoritmo computacional que permite identificar las fuentes visibles sobre el
ruido de la señal, siendo este ruido tomado como la relación genera de la desviación estándar de
las muestras en promedio; este programa parte de la suposición de que todas las fuentes excepto
aquellas que se pueden identificar por un elemento traza, ocasionalmente tienen periodos con un
efecto cercano a cero en el recepto, esto genera que dicha muestra haga un eje en el espacio
muestral; generando que dicho eje tenga una correspondencia 1 a 1 con el perfil de la solución y
por ello genera una descomposición total de todos los perfiles y contribuciones de fuentes. El
modelo también diagnostica cuantas fuentes pueden ser significantes, pero la decisión del
número de fuentes es dejada al usuario. El modelo también puede reemplazar datos perdidos y
estimar gran cantidad de fuentes (hasta 15) (EPA, "Unmix 6.0 Model for environmental data
analyses", 2017). Lo anterior se indica en la Figura 5, la cual representa un problema de 3
especies medidas 2 fuentes y 3 especies medidas y 3 fuentes distintas; en el primer caso los
datos están todos sobre un plano delimitado por 2 vectores; se puede notar que los puntos negros
están tocando los vectores que delimitan el plano y si se indica que estos puntos fueron
generados por una sola fuente, en ausencia de la otra, se puede determinar la composición de la
fuente como la composición del menor punto, y las contribuciones se pueden calcular como k
veces esta contribución.
43
En el caso de 3 fuentes 3 especies, se indica que los puntos están confinados en un espacio
tridimensional, entre planos delimitando los datos; así si hay 3 o más fuentes los puntos tendrán
influencia de 2 fuentes, siendo más difícil la determinación de las composiciones y contribuciones;
estos puntos estarán situados en alguno de los planos. Estos puntos proyectados dan un triángulo
cuyos vértices indicaran las composiciones relativas de cada una de las fuentes, resolviendo el
problema de la mezcla y posteriormente el problema de las contribuciones puede ser resuelto por
otros cálculos matemáticos. Sin embargo, siempre es necesario que existan suficientes puntos
en los ejes de la solución y que las fuentes no sean demasiado colineales. Si no existen
suficientes puntos eje el método no encontrara una solución además que esta solución depende
de la cantidad de incertidumbre de los datos, generando que no estén completamente alineados
(Henry, 1997).
Todos los modelos anteriormente buscan información a partir de los datos mismos, pues a partir
de la falta de perfiles, estos problemas desde un punto de vista matemático están
subespecificados al buscar al tiempo una contribución y un perfil. A pesar de impones las
condiciones de no negatividad y de que la suma de los compuestos sea la unidad, los problemas
siguen siendo subespecificados
Figura 5, explicación grafica de la búsqueda de ejes realizada por el método UNMIX, en el ejemplo de 3 especies y 2
fuentes a la izquierda y 3 especies y 3 fuentes a la derecha. Tomado de (Henry, 1997).
44
7 Métodos
7.1 Sitio de medición
Las mediciones fueron desarrolladas en Soacha, Mosquera, Briceño y Nemocón, municipios que
fueron seleccionados por ser representativos de las condiciones y que fueron resultado de una
metodología previa de ponderación de factores como los siguientes, se indica en la Tabla 4
algunos comentarios finales sobre los sitios; las características analizadas para esta ponderación
fueron las siguientes:
1. Calidad de aire, selección de áreas-fuente con niveles medios altos de contaminación.
2. Producto Interno Bruto (PIB) como un indicativo de las principales actividades económicas
de la región y su contribución a la economía municipal.
3. Población del municipio y características.
4. Fuentes fijas considerando actividad industrial de la zona, número de fuentes, tipo de
combustible usado y emisiones calculadas en inventarios anteriores.
5. Fuentes móviles considerando emisiones totales reportadas en los inventarios y
descripción de vías y su estado.
6. Sistema de quejas y reclamos de la población frente a la calidad del aire en sus municipios.
Tabla 4, comentarios finales resultan es de los análisis realizados para escoger las 4 ciudades de estudio dentro de
este proyecto
Municipios Evaluación integral de criterios
Soacha
Soacha es un sitio que despierta gran interés para los propósitos del modelo pues permitiría
evaluar varios aspectos simultáneamente. Es el municipio más poblado de la jurisdicción
CAR lo cual permitiría evaluar exposición, se ubican numerosas industrias que usan diversos
combustibles en sus procesos, y adicionalmente es uno de los municipios con las emisiones
vehiculares más altas calculadas en inventarios anteriores. Por lo tanto, seleccionar este
municipio como un receptor permitiría obtener información muy completa y diversa que
alimentada a un modelo arrojaría resultados de alto impacto y aplicabilidad, aun cuando las
estaciones de monitoreo no detectan excedencias del límite permisible anual.
Madrid
La industria en Madrid representa una tercera parte del PIB municipal, al igual que el sector
agrícola y floricultor. Es una región con diversidad de actividades económicas, por tanto y
en comparación con otros municipios de la jurisdicción, no representa un aporta tan
significativo a la evaluación de inventarios de fuentes fijas. Sin embargo, es uno de los
municipios con mayor población en el departamento lo cual permitiría evaluar exposición.
Fue considerado en el inventario de fuentes móviles realizado en el año 2008 y en el
inventario del año 2010, aun cuando las emisiones calculadas no son de las más altas de la
región. De acuerdo a los datos de la red de monitoreo, no se excede el límite permisible
anual de PM10.
Mosquera
Aproximadamente el 60% del PIB de este municipio lo aporta la industria, fue el municipio
con la segunda cantidad más alta de fuentes fijas georreferenciado en SIG para efectos de
este proyecto, donde principalmente se usa Diesel como combustible. Si bien no presenta
excedencias en los límites anuales de PM10 (de acuerdo a la red de monitoreo), el ser un
45
municipio industrial y con un importante flujo vehicular y vías en estado regular, lo hace
interesante para evaluar inventarios y emisiones. Adicionalmente, es el municipio con la
cuarta población más alta de los diez preseleccionados, sugiriendo también la posibilidad de
evaluar exposición.
Nemocón
Informes del IDEAM revelaron que Nemocón es uno de los sitios más contaminados del
país, en donde hay excedencias la mayor parte del tiempo (Caracol radio, 2008). Esto es
preocupante y coincide con el hecho de que en el municipio se presenten un gran número
de pequeñas empresas informales dedicadas a la extracción y transformación de arcilla,
caolín y arena, usando en sus procesos carbón como combustible principal. Existen
numerosas fuentes de emisiones fijas en el municipio, pero información insuficiente para
ubicarlas y evaluar su impacto sobre la calidad del aire. A pesar de que se trata de un
municipio principalmente agrícola y pecuario y con una baja población, el tema de las
numerosas fuentes fijas es una problemática emergente que debe ser considerada y
evaluada en estudios técnicos y científicos.
Zipaquirá
Estudio realizado por UMNG (Air, Cundinamarca) indica que el municipio se encuentra bajo
la influencia de la zona industrial de otros municipios aledaños donde operan empresas sin
sistemas de control para la reducción de contaminantes, afectando así la calidad del aire de
Zipaquirá. El estudio muestra excedencias diarias de PM10 y dada la gran población que allí
habita, este puede ser un municipio interesante para el modelo de receptor.
Cajicá
Aproximadamente el 45% del PIB de este municipio lo aporta el sector industrial, seguido
por el sector agrícola y pecuario. Debido a su ubicación cuenta con una excelente malla vial,
por donde circulan gran cantidad de vehículos como lo es el corredor vial de la Autopista
Norte. El Plan de desarrollo municipal (2012-2015) señala preocupación por la alteración de
la calidad del aire debido a las fábricas e industrias ubicadas en el municipio. Cajicá
permitiría evaluar inventarios tanto de fuentes fijas como de fuentes móviles, no es una
población significativa en comparación con otros municipios de la región, por tanto, no es un
buen sitio para evaluar exposición.
Tocancipá
La tercera parte del PIB de Tocancipá la aporta el sector industrial. Existen dos fuentes
importantes dentro del municipio: la Planta Central de Termozipa y la planta de Tibitoc, así
como una importante representación de la actividad minera. Aunque la red de calidad de
aire no muestra excedencia del límite anual, su promedio para el 2012 sí es uno de los más
altos de los municipios monitoreados. No es un municipio con uno o más criterios marcados
que lo haga de gran interés para efectos del modelo de receptor a aplicar. Queja: Empresa
transportadora Mincivil, trasporta materiales entre Ubala y Paz del Rio, y el centro de acopio
es en Tocancipá. CAR dice que la empresa no requiere Licencia Ambiental. Queja: Empresa
transportadora Mincivil, trasporta materiales entre Ubala y Paz del Ro, y el centro de acopio
es en Tocancipá. CAR dice que la empresa no requiere Licencia Ambiental.
46
Sopó
Sopó es un municipio de baja población, el octavo entre los diez preseleccionados, pero con
un PIB alto debido a la presencia de grandes industrias de alimentos. Es uno de los
municipios con promedios anuales de PM10 más altos de la red de monitoreo, aun cuando
no sobrepasa el límite correspondiente. Si bien su actividad comercial no se concentra en la
minería, últimamente se han iniciado explotaciones mineras en el sector de Hato Grande y
se han detectado problemas de olores en el sector de Pueblo Viejo. No permite evaluar
exposición ni inventarios pues no figura como un municipio problema ni en para fuentes fijas
ni para fuentes móviles. Con cierta similitud con Nemocón, puede tratar de un municipio con
una problemática nueva y emergente que sugiere atención por parte de la comunidad
científica. Cantera en Sopó. Según los vecinos afectados por la explotación minera, ni la
CAR ni el municipio se han preocupado por los damnificados que deja.
Cogua
La minería de la zona es a pequeña escala, y en general de muy bajo nivel tecnológico,
aunque a la zona del páramo existente allí es protegida, se encuentran títulos mineros para
carbón que se están otorgando. El impacto a la atmósfera por este tipo de actividad puede
darse gracias al aumento en la emisión de partículas como humos y polvos. La situación ha
sido poco explorada.
Girardot
En el municipio es de especial interés el aumento en el flujo vehicular siendo un corredor
vial fundamental para la conexión del sur del país con la capital. No es una zona de actividad
industrial importante y por tanto no permitiría evaluar fuentes fijas, excepto por la presencia
de asaderos y restaurantes. Sí resulta interesante, además de las fuentes móviles, la
posibilidad de evaluar exposición, pues se trata de un municipio altamente poblado. Girardot
no ha sido foco de estudios y por tanto no se conoce si hay efectos sobre la calidad del aire
y por ende en la población.
7.2 Descripción del sitio de medición
El sitio de medición de Mosquera (4°42'9.75" N, 74°13'54.94" W), se localizó en una plataforma
de monitoreo a 7 metros de altura usada regularmente para un monitoreo del material particulado,
en el estadio llamado Villa olímpica. Este sitio de medición está a 71 metros de distancia de la vía
Bogotá- Honda-Manizales, la cual conecta Bogotá con el rio magdalena y el eje cafetero.
Teniendo en cuenta la importancia de la vía para el comercio de café con la zona central del país,
esta vía cuenta con una gran afluencia de vehículos de todos los tipos. Este receptor se encuentra
en una zona cerca a los límites del casco urbano de Mosquera, limitando hacia el nororiente con
este, hacia el sur y el norte con las vías intermunicipales que vienen de Soacha y que van hacia
Madrid respectivamente. Hacia el área urbana mencionada, sobresalen fuentes puntuales de
emisión correspondientes a chimeneas de restaurantes y asaderos, y hacia el sur oriente se
observan las chimeneas de mayor altura correspondientes a actividad industrial. Hacia el
suroccidente, a más de 2 kilómetros de distancia, se encuentran canteras a cielo abierto de arena
y hacia el sur se observan pastos manejados. Mosquera tiene aproximadamente 83000
habitantes y tiene un corredor industrial importante donde las industrias más importantes son
bebidas y comida, metalmecánica y plásticos.
El sitio de medición de Soacha (4°35'4.59" N, 74°13'11.62" W) está localizado en el techo en el
techo del hospital público Mario Gaitán Yanguas, de 5 pisos. El hospital está localizado en una
calle estrecha y congestionada, con un volumen de tráfico medio de automóviles y buses
47
pequeños, está separado de la autopista sur 620 metros de distancia, siendo este el principal
corredor que conecta Bogotá con el suroeste y oeste y una de las vías más congestionadas en
la ciudad, particularmente por el tráfico de vehículos de carga pesada. Este sitio se encuentra en
una zona cercana a los límites del casco urbano de Soacha, limitando hacia el norte con suelo
de expansión urbano, en el cual se presentan construcciones de conjuntos residenciales desde
el año 2013. Hacia el sur se observa el casco urbano del municipio, en el que sobresalen fuentes
de emisión puntuales, como chimeneas de restaurantes, panaderías y asaderos, que se
encuentran a menos de 50 metros del punto de muestreo. Hacia el sur, a más de 2 kilómetros de
distancia, se observan canteras a cielo abierto de arena y arcillas, con sus correspondientes
equipamientos de transporte y transformación. También se observa un caño que conduce aguas
residuales domésticas a lo largo del perímetro cubierto por la estación y no muy lejos se encuentra
el río Bogotá. Soacha tiene un gran corredor industrial en el que se pueden encontrar actividades
industriales desde cosméticas y farmacéuticas, plásticos, agroquímicos, manufactura general
entre otros. Las actividades de minería para la construcción igualmente son significativas en esta
ciudad, la cual sigue creciendo a tasas alarmantes a causa de una insuficiente planeación.
El sitio de medición de Nemocón (5º 08’09.17” N 73º 54’08.89” W) fue localizado en la terraza de
una casa de 3 pisos en el barrio de patio bonito en el municipio de Nemocón, la cual fue construida
alrededor de la mina de gravilla y de una zona de producción de ladrillos desde 1950. Este sitio
representa las condiciones de vivienda en el barrio y la exposición de sus habitantes a los
contaminantes del medio ambiente. La estación se encuentra en un pequeño casco urbano,
rodeado de minas de arcilla y fábricas de ladrillo. Al oriente se encuentra la vía hacia Ubaté. En
los alrededores, a menos de 20 metros se encuentran varias fuentes puntuales de emisión,
correspondientes a chimeneas de panaderías y asaderos. La zona se caracteriza por presentar
constantemente olores asociados a la quema de carbón coque y quema de residuos sólidos.
Durante los últimos 15 días de campaña en este municipio, se trasladó el receptor por motivos
logísticos a una vivienda dentro de la vereda Patio Bonito, en una terraza ubicada en el tercer
piso de una casa familiar. Este punto de muestreo se encuentra a 1 km aproximadamente del
primer receptor, y dentro de la zona de producción de ladrillo, contiguo a viviendas de los
habitantes de la vereda y a menos de 20 metros de un punto de emisión puntual propiedad de un
asadero de pollos. Patio bonito tiene aproximadamente 2500 de los 13000 habitantes de
Nemocón y más de 500 hornos artesanales de ladrillos en un área de 6,5 km2. El carbón de las
minas de Sutatausa, localizado a solo 13 km al norte de Nemocón, es usado como el combustible
para dichos hornos. Virtualmente todos los caminos del barrio no están pavimentados y son
usados para distribuir el carbón a los hornos de ladrillos y recolectar los ladrillos producidos,
también para ofrecer distintos servicios para la población. La ruta nacional 45A, que conecta
Bogotá con Bucaramanga, pasa a través del barrio y es el principal canal de distribución de su
producción de ladrillos. Esta ruta tiene un lo tráfico de camiones, buses y vehículos. Una situación
similar se observa en otras ciudades mineras de Cundinamarca, así los resultados obtenidos
pueden ser aplicables para diseñar planes de manejo de la calidad del aire en dichos lugares.
Las ubicaciones de los sitios de medición se muestran en la Figura 6, Ubicación de los receptores
objeto de estudio. Soacha (a), Mosquera (b), Briceño (c) y Nemocón (d) (Patio Bonito) Y en las
Figura 7 y Figura 8 se muestran los mapas de Soacha y Mosquera con algunas fuentes.
48
Figura 6, Ubicación de los receptores objeto de estudio. Soacha (a), Mosquera (b), Briceño (c) y Nemocón (d) (Patio
Bonito)
El ultimo sitio de medición, que fue Briceño (4º 56’ 34.12” N 73º 57’ 37.30” W) se localiza en el
techo de un colegio en el corregimiento de Briceño en el municipio de sopo. La ciudad creció
alrededor de un área plana en el cruce de ruta nacional 55, la cual conecta Bogotá con Tunja, y
la ruta Briceño sopo, numero 56. La estación se encuentra en una zona de asaderos y panaderías,
ubicados a aproximadamente 50 metros de distancia. Hacia el norte se localiza el parque Jaime
Duque, y está cerca de las vías que van a Sopó, Zipaquirá y Tunja. Hacia el Nororiente se
encuentra la zona industrial de Tocancipá, en la que se localizan diferentes tipos de industria.
Briceño tiene 7000 de los aproximadamente 25500 habitantes de sopo. Está en medio de las
áreas agrícolas e industriales de Tocancipá (5.8 km al noroeste) Sopo (4.4 km al suroeste) y
Zipaquirá (10 km al noreste), mayormente relacionados con la industria de comidas y bebidas y
la industria metalmecánica, igualmente con la planta de tratamiento de aguas de Tibitoc que
produce el agua potable de Bogotá. Gran cantidad de atracciones turística y deportivas como el
parque Jaime duque, el parque agroindustrial Panaca, el autódromo de Tocancipá y muchos otros
campos de golf y clubes campestres están alrededor de Briceño en un radio de 10 km.
A B
C D
49
Figura 7, Mapa de Soacha con la ubicación de la estación receptora y algunas fuentes puntuales de material
particulado identificadas. Elaboración propia en ArcGIS.
50
Figura 8, Mapa de Mosquera con la ubicación de la estación receptora y algunas fuentes puntuales de material
particulado identificadas. Elaboración propia en ArcGIS
51
7.3 Métodos de muestreo
Para el muestreo de material particulado se pueden utilizar dos tipos de muestreadores, de alto
flujo o HIGH VOLUME, y de bajo flujo o LOW VOLUME. La principal diferencia entre ambos
métodos se relaciona con el área utilizada para que el material particulado impacte en el sustrato
que sirve para su captura y el flujo volumétrico al cual opera el muestreador, siendo ambos
parámetros de mayor magnitud en los muestreadores HI-VOL (alto flujo) que en los LOW-VOL
(bajo flujo).
Ambos muestreadores operan bajo el mismo principio de muestreo, en el que se succiona aire
desde los alrededores a través de un sistema compuesto por una boquilla de aceleración que
permite el paso de material particulado de un solo tamaño máximo, en este caso de PM10 y un
plato de impactación cubierto de grasa siliconada y soportado por 2 portafiltros, donde se
seleccionan las partículas de determinado tamaño, en este caso sería la fracción mayor a PM2.5
y menor a PM10 que debido a su inercia se adhieren a la grasa, dando paso al aire con las
partículas PM2.5 a ser capturadas por un sustrato químicamente inerte ante compuestos
orgánicos o inorgánicos, que viene a ser el filtro final. De esta manera, se mantienen las
características de los compuestos hasta que se realicen los ensayos gravimétricos y la
caracterización química en laboratorio para determinar las concentraciones de las sustancias
muestreadas. EL equipo de muestreo se complementa con una bomba para succionar el aire a
través del montaje, se instala un montaje para elevar el muestreador sobre el nivel del piso del
lugar y se usa un horómetro para contabilizar el tiempo de muestreo. Externamente se usan un
rotámetro calibrado para medir el flujo y un termohigrómetro para tomar datos de temperatura y
humedad ambiente
La EPA recomienda en el uso de muestreadores HI-VOL para el muestreo de material particulado
PM2.5, en su método de referencia. En el mercado existen diferentes tipos de muestreadores de
alto flujo, dependiendo de la necesidad de mantenerlos en un único lugar de muestreo (como se
realiza en un sistema de vigilancia y monitoreo de calidad del aire) o equipos con mayor
portabilidad para estudios en diversos periodos de muestreo.
En este estudio se utilizaron dos tipos de muestreadores, uno de tipo HI-VOL y uno de tipo LOW-
VOL. A continuación se describen brevemente los dos equipos.
Los impactadores ChemComb 3500 de Thermo Electron Corporation, anteriormente de
Rupprecht & Patashnick, EE. UU. son muestreadores de material particulado y gases de aire
ambiente con fines de análisis químico del tipo Harvard (HI) de bajo volumen (LOW-VOL).
Consisten en una carcasa cilíndrica en la que se muestrea aire a través de una boquilla
especialmente diseñada para captar PM2.5 o PM10 y protegida por un O-ring para evitar fugas,
en tanto en la parte superior se ubican platos de impactación seguidos de portafiltros de 47 mm
de diámetro; estos platos de impactación se cubren con grasa siliconada inerte para atrapar
partículas de PM10-2.5 o superiores a PM10 remanentes por su inercia, según se requiera,
seguido opcionalmente por 2 “denuders” del tipo panal, los cuales son conductos recubiertos para
el caso de requerir recolectar o eliminar un gas especifico con un reactivo químico que recubre
estas superficies, para finalmente hacer pasar el aire por un filtro de alta eficiencia final, con
capacidad para 4 filtros. Externamente, el impactador se conecta a una bomba por medio de una
extensión de manguera de material inerte y cuidadosamente ajustada en ambos extremos, con
52
el fin de succionar el aire ambiente a muestrear. El cilindro se instala verticalmente en un montaje
sobre el nivel del piso, a una altura aproximada de 160 cm donde además se usa un horómetro
que permite contabilizar el tiempo de muestreo, un rotámetro previamente calibrado para medir
el flujo y un termohigrómetro para medición de temperatura y humedad ambiente. Tiene
capacidad de absorber hasta 16.7 lpm usando filtros para absorber solo material particulado
PM2.5 o 10 lpm para absorber solo material particulado PM10. Se muestra el cartucho en la
Figura 9 y Figura 10.
Figura 9, Impactador ChemComb 3500 cerrado, tomado de
http://www.thermo.com.cn/Resources/200802/productPDF_27223.pdf
Figura 10, Impactador ChemComb 3500 abierto, primero se ve el impactador con la sección de despojamiento abierta,
las artes de izquierda a derecha son el cuerpo del cartucho, espira de metal para mantener unidos los componentes,
un espaciador de HDPE, el despojador de panal, , un espaciador de HDPE, el despojador de panal, , un espaciador de
HDPE, un espaciador de vidrio, el impactador de ojal con grasa y finalmente la boquilla de PM2.5 cubierta de PTFE
(politetrafluoroetileno) y la última es el impactador con la sección de filtros abierta, de izquierda a derecha se tiene la
tapa del filtro, un acople modular con la boquilla de salida, 3 filtros y el cuerpo del aparato.
El muestreador PUF TE-1000, fabricado por la empresa TISCH Environmental Inc., es un
muestreador HI-VOL certificado por la EPA, diseñado para ser ubicado en una locación
permanente. Consiste en una cabina dividida en dos compartimientos: uno superior donde se
ubican el impactador para recolectar el material y el muestreador de material particulado y gases
53
que por medio de 2 ciclones seleccionan las partículas por su tamaño y los gases se recogen en
espuma de poliuretano y un compartimento inferior donde se encuentran instrumentos que
permiten hacer seguimiento a la variación de flujo y el tiempo de muestreo, junto con un bomba
de flujo de aire y los demás sistemas eléctricos. Este muestreador tiene capacidad de hasta 280
lpm y permite recolectar tanto material particulado, gases y pesticidas, contando con un sistema
interno de filtración muy similar al expuesto anteriormente contando además con un filtro de
poliuretano que permite la mejor captación de vapores orgánicos y también permite una gran
independencia de muestreo gracias sus temporizadores para diferenciar día y noche y soltar un
día o días específicos. (https://tisch-env.com/wp-content/uploads/2015/07/TE-1000-PUF-
Manual.pdf)
En Soacha y Mosquera Se desarrollo un muestreo de 24 horas simultáneo por dos filtros de
partículas, durante el 9/12/2014 al 11/11/2014. En Soacha, 3 medidores para la especiación de
16.7 lpm de los impactadores ChemComb 3500 de Thermo Electron Corporation, anteriormente
de Rupprecht & Patashnick, EE. UU. tipo Harvard (HI) de bajo volumen (LOW-VOL), fueron
usados. Uno se cargó con un filtro PTFE (membrana de teflón “Zefluor” de 2 µm y 47 mm de Pall
Corporation) y 2 cargados con filtros de cuarzo (QMA, 47mm de Whatman USA). en Mosquera,
se usaron 1 filtro de especiación de 16.7 lpm fue cargado con un filtro PTFE de las mismas
especificaciones del anterior, y además se usó el muestreador PUF TE-1000, fabricado por la
empresa TISCH Environmental Inc. tipo HI-VOL (TE-1000, 200 lpm, Tisch Environmental, USA)
el cual fue cargado con un filtro de cuarzo de 100mm, cortado de una placa más grande (QMA,
203.2 X 254 mm, de Whatman USA).
Para Nemocón y Briceño se hizo muestreo simultáneo con una pareja de muestreadores en el
sitio del tipo ChemComb 3500 de Thermo Electron Corporation LOW-VOL, entre los días
12/1/2014 y 2/3/2015 con interrupciones de 3 días durante las festividades de navidad y 3 días
durante las festividades de año nuevo. Cada día un filtro PTFE y uno de cuarzo fueron cargados
uno a cada muestreador, el de Teflón para determinar el PM2.5, iones y metales traza y el de
cuarzo para determinar EC OC y los marcadores orgánicos.
Antes y después de los muestreos, los filtros fueron guardados y transportados en cajas de Petri,
con una bolsa interna de aluminio y una cinta de teflón externa para sellarlo; siendo refrigerados
a -20°C hasta su análisis.
A continuación, se presenta el resumen de las muestras tomadas y la fecha de finalizacion de
cada muestreo
Tabla 5, fecha de las muestras tomadas y numero de muestars tomadas por cada sitio de muestreo
SOACHA MOSQUERA NEMOCÓN BRICEÑO
16/09/2014 16/09/2014 4/12/2014 4/12/2014
18/09/2014 18/09/2014 6/12/2014 6/12/2014
21/09/2014 21/09/2014 8/12/2014 8/12/2014
23/09/2014 23/09/2014 10/12/2014 10/12/2014
24/09/2014 24/09/2014 13/12/2014 13/12/2014
27/09/2014 27/09/2014 16/12/2014 16/12/2014
54
30/09/2014 30/09/2014 19/12/2014 19/12/2014
1/10/2014 1/10/2014 20/12/2014 20/12/2014
4/10/2014 4/10/2014 22/12/2014 22/12/2014
6/10/2014 6/10/2014 27/12/2014 27/12/2014
8/10/2014 8/10/2014 29/12/2014 29/12/2014
12/10/2014 12/10/2014 4/01/2015 4/01/2015
14/10/2014 14/10/2014 6/01/2015 6/01/2015
17/10/2014 17/10/2014 9/01/2015 9/01/2015
18/10/2014 18/10/2014 13/01/2015 13/01/2015
21/10/2014 21/10/2014 20/01/2015 16/01/2015
22/10/2014 22/10/2014 22/01/2015 20/01/2015
25/10/2014 25/10/2014 25/01/2015 22/01/2015
28/10/2014 28/10/2014 27/01/2015 25/01/2015
30/10/2014 30/10/2014 29/01/2015 27/01/2015
1/11/2014 1/11/2014 31/01/2015 29/01/2015
3/11/2014 3/11/2014 2/02/2015 31/01/2015
6/11/2014 6/11/2014
2/02/2015
8/11/2014 8/11/2014
10/11/2014 10/11/2014
Numero de muestras obtenidas
25 25 22 23
7.4 Metodologías de Análisis
Para mantener una correcta carga másica para la especiación química se hizo una composición
de filtros, los cuales fueron compuestos en 3 grupos distinto de días consecutivos de medición:
lunes y martes, miércoles a viernes y sábado y domingo. Estos fueron analizados por OC
(carbono orgánico), EC (Carbono elemental WSOC (carbono Orgánico soluble en agua) WIOC
(carbono orgánico insoluble en agua) y finalmente iones. Así las diferencias entre los días entre
semana y de fines de semana podrían ser detectadas fácilmente. Luego los compuestos de la
segunda etapa fueron agrupados por semanas los cuales fueron analizados en busca de metales
y los marcadores orgánicos. Por ello se obtuvieron 25, 22 y 23 compuestos de la primera etapa y
9 compuestos semanales de cada uno de los materiales de los filtros
Concentración másica y análisis químico
Los filtros de teflón usados para el análisis gravimétrico fueron acondicionados en una habitación
con temperatura controlada a 20± 2 °C y una humedad relativa de 35± 5% por 24-48 antes de ser
pesados en una micro balanza (MX%, ± 0.001 mg, Mettler Toledo, USA). Cada filtro fue pesado
3 veces y repesado si se obtenía una diferencia mayor de 15 µg consecutiva entre cada pesada.
En general las microbalanzas funcionan midiendo el efecto piezoeléctrico generado por la
muestra pesada sobre un cristal de cuarzo; esto implica que al ser pesada cierta muestra sobre
el plato se genera una tensión mecánica sobre el cristal de cuarzo que genera una corriente
55
eléctrica. Esta corriente eléctrica es medida por una seria de transductores de alta sensibilidad,
además su circuitería integrada permite mejores mediciones que las balanzas analíticas
normales. Se muestra en la Figura 11.
Figura 11, Algunas Microbalanzas de Mettler Toledo
https://www.mt.com/int/es/home/products/Laboratory_Weighing_Solutions/Micro_Ultra_Balances/XPR_MicroBalance.
html
El WSOC fue determinado usando un analizador de carbón orgánico total TC-V SCH Shimadzu.
Para este análisis, un pedazo del filtro PTFE de ¼ fue cortado y extraído en 15 ml de agua Milli-
Q (agua ultra pura resultante de procesos de filtración y deionización, llegando a una resistividad
tan baja como 18.2 MΩ·cm at 25 °C) por 6 horas en un agitador sónico, seguido de una filtración
se alta eficiencia con jeringa y filtro de 0.45 µm de poro y extraídos los líquidos sobrenadantes
fueron inyectados al analizador. Estos líquidos se inyectan en el primero tubo de combustión del
analizador, el cual está lleno de un catalizador oxidante (fibra de platino sobre cuarzo) y se calentó
a 720°C para emitir CO2 y NO (si existe) en un flujo constante de aire ultra puro. los gases de
combustión después pasaron a través de un deshumidificador eléctrico para enfriar y deshidratar
el flujo de aire y después en un scrubber de halógenos y al final se mide el dióxido de carbono
derivado mediante un Infrarrojo no dispersivo, el cual es una medición en la que se incide el gas
de dióxido de carbono con radiación en el espectro infrarrojo y se mide la cantidad de energía
absorbida en cierta zona específica para el CO”. Así se determinó el carbono orgánico soluble en
agua y después de pasar a través de la NDIR se puede dirigir el flujo para determinar el nitrógeno
total de la muestra mediante la medición de NO en un detector quimio luminiscente de ozono, el
cual se basa en la reacción entre NO y O3, la cual produce moléculas de NO2 excitadas que al
pasar a niveles menores de energía emiten luz la cual es proporcional a la concentración de NO.
Para estas medicines se deben realizar blancos de campo para corregir los datos generados y
además algunas interferencias que pudieran generarse por moléculas de agua o aire remanentes.
El procedimiento se describe con más detalle en (Miyazaki, Kawamura, Jung, Furutani &
Uematsu, 2011) y https://www.shimadzu.com/an/toc/lab/tocv-csh.html
El carbono orgánico insoluble en agua (WIOC) fue calculado mediante la diferencia entre OC y
WSOC y su incertidumbre fue calculada por medio de la propagación de incertidumbre de dicha
diferencia. Después del análisis de WSOC, una fracción de la solución remanente fue usada para
determinar los iones inorgánicos solubles. Se determinaron 7 iones (Sulfato (SO42-), Nitrato
56
(NO3-), Cloruro (Cl-), Sodio (Na+), Amonio (NH4+), Potasio (K+), y Calcio (Ca2+) que fueron
medidos usando cromatografía Iónica (Dionex ICS 2100 y Dionex ICS 100) (Wang et al., 2005).
Estos instrumentos consisten de una columna de separación, una columna de guarda, un detector
de conductividad suprimido auto regenerativo y una bomba gradiente, se usa un efluente básico
débil para la detección de los aniones (76.2 mM NaOH+H2O) y un efluente de acido débil (20mM
de Acido Meta sulfónico). Se analiza la recuperación de cada ion y los límites de elección y
reproducibilidad mediante muestras estándar para después ser corregido en las medidas finales
y sustrayendo los valores de blanco de las muestras, las cuales son posteriormente analizadas
por conductividad al ser separadas en la columna, obteniéndose mediciones de aumento y
disminución de la conductividad que se puede asociar fácilmente a la concentración del ion en
solución que se está pasando a través de esta.
El Carbono Orgánico (OC) y el Carbono Elemental (EC) se analizaron de la siguiente manera: Se
utilizó un pedazo de 1.02 cm2 cortado del filtro de cuarzo (no del de teflón para evitar posibles
interferencias por la destrucción de este) para analizar la concentración de carbono orgánico y
elemental mediante el método NIOSH 5040, utilizando un analizador de Transmitancia Óptica
Térmica (TOT) de Sunset Laboratories (Sunset Laboratories, Forest Grove, OR, USA). En la
primera etapa de este análisis, la muestra se calienta paulatinamente para liberar los compuestos
orgánicos volatilizables y pirolizables en una atmósfera libre de oxígeno, siendo bombeado Helio
de ultra alta pureza (99.999%) calentando la muestra en 4 pasos sucesivos de temperatura hasta
llegar a 870°C. Posteriormente, se libera el carbón elemental en una atmósfera de helio y oxígeno
primero enfriando la muestra a 550°C y luego calentada en 6 pasos de temperatura en una mezcla
de 2% de O2 y 98% de He hasta llegar a los 900°C. La cuantificación de los productos liberados
en cada etapa se lleva a cabo mediante la detección de ionización de llama. El filtro se monitorea
de manera continua mediante la transmitancia de un rayo láser, para determinar los puntos de
corte que permiten separar el carbono orgánico del elemental, así como para hacer correcciones
por productos pirolizables empezando la cuantificación de carbono elemental una vez la
transmitancia del láser vuelve al mismo valor inicial. (Schauer et al., 2003).
Los detectores de ionización de llamada se utilizan mucho en cromatografía de gases, siendo un
quemado de Hidrogeno/O donde se mezcla el gas efluente de la columna (que es el gas portador
como Nitrógeno en la primera parte del experimento y helio y oxígeno en la segunda) con
hidrogeno. Este gas compuesto se enciende por una chispa produciendo una llama de alta
temperatura, la cual piroliza y descompone los compuestos orgánicos en iones y electrones. Se
produce una diferencia de voltaje entre la parte inferior de la llama y un colector sobre ella, lo cual
mide la corriente generada por los iones producidos por la pirolizacion después de ser
amplificada, se produce aproximadamente un ion por cada átomo de carbono transformado en la
llama. Algunos compuestos como los grupos carbonilo, alcohol, halógeno, amina o gases como
el CO2, SO2, agua y NOx no generan respuesta, refinando el análisis. Este voltaje es medido y
cuantifica la cantidad de carbono orgánico y elemental en unidades de masa equivalente.
Los compuestos semanales de la segunda fase conteniendo partes iguales de los filtros de cuarzo
por semana fueron preparados para analizar lo compuestos orgánicos por cromatografía de
gases y espectrometría de masas (GC-6980, quadrupole MS-5973, Agilent Technology). Para
asegurar que los compuestos orgánicos fueran detectados por el GC_MS, los compuestos tenían
aproximadamente 500 µg de OC. Antes de la extracción, los compuestos fueron enriquecidos con
57
soluciones estándar isotópicamente etiquetadas. Las muestras de los compuestos fueron
extraídas usando 50/50 diclorometano y acetona. Las muestras fueron sonificadas en
incrementos de 20 minutos, alternando entre solvente y extracción zonificada (4 extracciones
sucesivas), luego evaporados en un roto evaporador y finalmente reducidas en volumen mediante
soplado con nitrógeno ultra puro. Los extractos fueron analizados por duplicado mediante Gc-
MS. Una alícuota fue metilada con diazometano, el cual tiene el efecto de metilar los grupos OH
y COOH, como se ejemplifica en las siguientes reacciones.
𝐻2𝐶 = 𝑁+ = 𝑁− ↔ 𝐻2𝐶− − 𝑁+ ≡ 𝑁 (formas oscilantes del diazometano)
𝐻3𝐶 − 𝐶 ≡ 𝐶 − 𝐶𝐻2 − 𝐶𝑂𝑂𝐻 + 𝐻2𝐶 = 𝑁+ = 𝑁− → 𝐻3𝐶 − 𝐶 ≡ 𝐶 − 𝐶𝐻2 − 𝐶𝑂 − 𝑂 −
𝐻3𝐶 (reacción del diazometano con un ácido carboxílico)
𝐻3𝐶 − 𝐶 ≡ 𝐶 − 𝐶𝐻2 − 𝐶𝐻2 − 𝑂𝐻 + 𝐻2𝐶 = 𝑁+ = 𝑁− → 𝐻3𝐶 − 𝐶 ≡ 𝐶 − 𝐶𝐻2 − 𝐶𝐻2 − 𝑂 −
𝐻3𝐶 (reacción del diazometano con un alcohol)
También se utilizó un agente silante de bis- (trimetilsilil) trifluoroacetamida (BSTFA) mas 1% de
trimetilclorosilano (TMCS) como catalizador (Pierce Chemical Company, Rockford, IL) para
derivar una alícuota de 5-10-µL de los extractos de las muestras, convirtiendo los grupos OH y
COOH en éteres y esteres trimetilsilicios (TMS). De esta manera se garantizó que no quedaran
grupos carbonilo ni hidróxido sin derivar a Ester trimetilsilicios. Las muestras se marcaron con
1,2,4-butanetriol como un estándar interno para verificar que la derivación se llevara a cabo
completamente. Esta derivatizacion y metilación se hace en general para mejorar las
características de los compuestos ser analizados por HPLC, pues en general mejoran la
volatilidad haciéndolos más volátiles, brindan estabilidad térmica y aumentan la detección del
analito generando estructuras fragmentadas más predecibles o mejor absorción UV, también se
hacen los analitos más hidrofóbicos para ser aplicados en RP-HPLC; este método de
derivatizacion puede ser particular para cada analito o aplicación, por lo que existen diversos
métodos que derivatizar muestras con otras reacciones y otros reactivos. Además, que las
reacciones de derivatizacion requieren tiempo para completarse
Para hacer un control de calidad de los trazadores orgánicos, una muestra de SRM 1649a (Polvo
Urbano) del Instituto nacional de estándares y tecnología (NIST) y una muestra de compuestos
trazadores estándar fue analizada con cada batch de muestras. Para todos los trazadores usados
en el modelo CMB, se tuvieron recuperaciones de 90% a 140%. Para las mediciones de
compuestos inorgánicos se tuvieron recuperaciones de 90 a 107%. Todas las mediciones fueron
corregidas contra blancos y las incertidumbres se estimaron usando la desviación de los blancos
y los límites de detección instrumentales.
Por otro lado, también se realizaron los análisis de metales; aunque en la presente tesis no se
hace uso de los análisis realizados de los metales, este análisis de metales fue realizado
mediante la técnica de plasma acoplado inductivamente y detección de espectroscopía de masas
(ICP-MS) a un extracto producido a partir de 1/4 del filtro de teflón. La técnica de plasma acoplado
inductivamente se basa en la vaporización, disociación, ionización y excitación de los diferentes
elementos químicos de una muestra en el interior de un plasma. Cuando los átomos se bajan su
nivel de energía ya sean átomos neutros e iones, emiten radiación electromagnética en la zona
del UV-visible, y estas radiaciones que son características de cada átomo de la tabla periódica,
estas radiaciones son separadas en función de su longitud de onda y se mide su intensidad, así
58
se determina cualitativa y cuantitativamente la presencia de cierto átomo o ion, este método de
análisis permite extraer las líneas más sensibles de los elementos y entrega una linealidad de
más de 6 órdenes de magnitud, analizando desde compuestos mayoritarios hasta ultra trazas,
con mínimos efectos de matriz, corrección de interferencias y alta reproducibilidad.
La espectrometría de masas se usa igualmente en la volatilización de las muestras de forma que
se puedan ionizar y una vez ionizadas, existe un electrodo que las separa según su relación
carga/masa, generando un flujo constante de iones que son desviados y según si carga masa,
será detectados en diferentes lugares del plato colector, lo que indicara según su carga masa su
identidad.
El método de análisis anteriormente descrito es estándar para la mayoría de los estudios de
calidad del aire donde se analice la materia particulada, como en los estudios de (Villalobos et al,
2015) y (Villalobos et al, 2017).
8 Resultados y discusión
8.1 Material particulado, recuento y composición
En la Figura 16 y Figura 17 se pueden ver las masas de material particulado recolectado durante
la campaña de Soacha Y Mosquera y Nemocón y Briceño. También se observan las relaciones
de material particulado reconstruido vs gravimétrico en la Figura 12 y Figura 13 para los 4 lugares.
El primer resultado que salta a la vista son los factores de OM/OC encontrados para cada una de
las ciudades, encontrándose que el factor que mejor se ajusta a Soacha es de 1.45, mientras que
para las demás ciudades es el mismo y es de 1.2. Datos en otros estudios reportan radios o
razones (en este documento se usará la denominación radio o razón para denotar la divisio nentre
dos valores A y B, lo que seria el denominado “ratio” en ingles) desde valores de 0.45 a 2,
dependiendo igualmente de la localización y del método de análisis o el solvente utilizado. En el
estudio de (Aiken et al, 2008), se reporta valores del índice OM/OC variado entre 1.6 y 1.85 para
Ciudad de México; también se reportan algunas relaciones representativas de vehículos Diesel
(1.25) Vehículos a gasolina (1.3) y quemas de maderas (entre 1.5 y 1.8). en el estudio de (Polidori
et al, 2008), se encontró una variación significativa de la relación OM/OC obtenido en función del
solvente usado y su polaridad, variando desde el menor valor obtenido de 1.37 con hexano a 2.25
con metanol como el más polar, además de lo anterior se encontró radios o razones de OM/OC
entre 1.6 a 2.3 con un promedio de 1.91. en el estudio de (Srinivas & Sarin, 2014), se realizaron
análisis del material particulado de la Bahía de bengala, encontrándose radios o razones de 1.3
a 2.7, con promedio de 1.5, variando dependiendo del origen de las masas de aire con valores
de 1.1 a 3.7 con promedio de 2 si el flujo de aire proviene de la parte continental, y de 1.3 a 3.5
con promedio de 2.3. Se sugieren en este mismo estudios valores de 1.6 ±0.2 para zonas urbanas
y de 2.1 ± 0.2 para zonas rurales, demás que se indica que valores menores de 1 no tienen
significado físico y que valores altos son válidos para zonas oceánicas remotas, mientras que
para ubicaciones costeras los valores más comunes están entre 1.4 a 1.6. A partir de lo anterior,
se puede indicar que los datos del índice OM/OC para Soacha son mas cercanos a la quma de
madera, mientras que en los demás municipios esta relación OM/OC es mas cercana a la
contribución generada por la gasolina y el diesel.
Es también de notar que los coeficientes de correlación son mayores en Soacha y Mosquera,
respecto a las otras ciudades. En Soacha y Mosquera hay un dato en cada uno que se sale de la
tendencia, están mucho más arriba a la derecha en el diagrama, si bien no están tan alejados de
la línea diagonal; están separados de la demás nube de puntos. Lo anterior no se de en Nemocón
y Briceño en las cuales hay una mayor dispersión de los puntos y no están centralizados en cierta
área, aunque también tienen datos extremos que se salen de la tendencia.
Las Figura 16 y Figura 17 muestran la tendencia temporal del material particulado medido en las
4 localizaciones, respecto a estas graficas es posible decir que la ciudad menos contaminada es
Briceño, pues esta es la única localización que apenas tiene 3 mediciones que sobrepasan en
límite impuesto de 25 µg/m3 en promedio anual impuesto por la ley nacional, respecto al límite
de 50 µg/m3 se verifica que solo Nemocón sobrepasa este límite. Se puede verificar que para el
29 de diciembre se tiene la menor concentración de material particulado, lo cual podría estar
relacionado con la disminución de actividades por año nuevo, si bien la medición más alta es para
el 27 de diciembre y el 22 de diciembre se tiene una medición relativamente baja. Se ve que el
60
material particulado tiene su mínimo En el día 29 de diciembre y después de allí van aumentando
pausadamente. Los datos medidos de PM2.5 en promedio para las 4 localizaciones junto con su
desviación estándar se muestran en la
Tabla 7. Se indica que la calidad del aire en general cumple con los límites mínimos impuestos
para Briceño; sin embargo, para tener una mejor idea sobre la caldiad del aire seria necesario
relizar una comparación con una campaña de muestreo que realice muestreo diario sobre los
puntos y que se realice durante un periodo de tiempo mas largo para garantizar la
representatividad de los datos.
Figura 12. Correlación entre material particulado 2.5 gravimétrico y reconstruidos para Soacha (izquierda) y Mosquera
(derecha), utilizando los factores, OM/OC de 1,45 y 1,2 respectivamente.
Figura 13. Correlación entre material particulado 2.5 gravimétrico y reconstruidos para Nemocón (izquierda) y Briceño
(derecha), utilizando los factores, OM/OC de 1,2 para ambos sitios de medición.
Para Nemocón, la tendencia es un poco más clara, pues se observa una disminución total de las
emisiones con mínimos entre el 27 de diciembre y el 20 de enero donde se tiene la zona con
menor material particulado. Se ve que el mínimo medido está en 30 µg/m3 y la máxima está en
160 µg/m3. Se ve además que a lo largo del mes hay cierta estacionalidad pues las mediciones
R² = 0,7591
0
10
20
30
40
50
60
70
80
0 10 20 30 40 50 60 70 80
Rec
on
stru
cted
PM
2.5
(µ
g/m
3)
Gravimetric PM2.5 (µg/m3)
R² = 0,8064
0
10
20
30
40
50
60
70
80
90
100
110
0 10 20 30 40 50 60 70 80 90 100 110
Rec
on
stru
cted
PM
2.5
(µ
g/m
3)
Gravimetric PM2.5 (µg/m3)
R² = 0,7204
0
50
100
150
200
250
300
350
400
0 50 100 150 200 250 300 350 400
Rec
on
stru
cted
PM
2.5
(µ
g/m
3)
Gravimetric PM2.5 (µg/m3)
R² = 0,5267
0
5
10
15
20
25
30
35
0 5 10 15 20 25 30 35
Rec
on
stru
cted
PM
2.5
(µ
g/m
3)
Gravimetric PM2.5 (µg/m3)
61
del 31 de enero y 2 de febrero son mínimas y la diferencia entre ellas puede deberse a que una
medición está dada por ser fin de semana y otro para días normales, mientras que la medición
del 29 está en los rangos máximos de lo medido; esto puede indicar cierta estacionalidad al
respecto de la fuente contribuyente más importante que puede estar relacionada a los hornos
ladrilleros y cambios en la producción mensuales, pues se verifica que las mediciones para los
principios de diciembre son las más altas. Esto puede indicar un comportamiento generalizado
de cambios de producción mensuales. Los datos arrojados de promedio y desviación estándar
mostrados en la
Tabla 7 ratifican que existe una gran variabilidad entre los datos y en general el promedio supera
todos los estándares establecidos de calidad del aire.
Tabla 6, porcentaje de excedencias presentados en las mediciones de PM2.5 respecto al límite de 25 µg/m3
Sitio Mediciones
#
Excedencias
%
Soacha 25 68
Mosquera 25 56
Nemocón 22 100
Briceño 23 13
Tabla 7, datos de PM2.5 promedio y desviación estándar para los datos obtenidos durante la campaña de medición,
en µg/m3.
Sitio PM2.5
promedio
Desviación
estándar
Max Min
Soacha 35.13 15.09 77.81 10.84
Mosquera 30.26 15.03 87.16 12.78
Nemocón 85.29 42.14 156.47 28.83
Briceño 17.19 5.88 30.60 6.76
Respecto a Soacha, se verifica que no hay patrones tan notables como en Briceño y Nemocón,
se puede ver un ligero aumento de las emisiones a finales de octubre, donde se alcanza y un pico
la tendencia disminuye nuevamente. Para Soacha, varios puntos superan el límite anual de
50µg/m3 y más de la mitad superan el promedio diario de 25µg/m3. Para Mosquera no se
encuentra ningún patrón más allá de mencionar la existencia de un punto que se sale de toda
medida pero que se validado por la reconstrucción másica. Los datos arrojaron para Soacha y
para Mosquera indican que al menos se supera la directiva máxima diaria de 25 µg/m3 en ambos
lugares; dichos porcentajes se verifican en la Tabla 6, comparada con la directriz de la WHO de
25 µg/m3 de promedio de 24 horas. Es de notar que Soacha supera a Mosquera y Briceño,
indicando un problema más grave de contaminación, pero Nemocón indica una excedencia total
a la norma.
Comparado con los datos reportados En el estudio de (Villalobos et al 2015) realizado para
Santiago de Chile, Chile durante el año 2013, en donde Se reporta una concentración de material
particulado de 40 ± 20 μg/m3 registrándose las mayores concentraciones en los meses más fríos
(junio y julio) en promedio de 62 ± 15 μg/m3. Las concentraciones encontradas en este estudio
son en general menores que las encontradas por Villalobos excepto las reportadas para
62
Nemocón, las cuales están más cerca de las reportadas en china durante el 2003 por (Cao, et al,
2012), reportando en promedio 115 µg/m3 y el máximo reportado de 543.9 µg/m3, o las
reportadas por Deshmukh, et al (2011) durante junio de 2009 a junio de 2010, reportando las
concentraciones de PM2.5 y PM10 las cuales estuvieron entre 26.7 a 263.0 µg/m3 y de 8.6 a
134.7 µg/m3, respectivamente, con una concentración promedio de 135.0 ± 76.2 y 64.7 ± 36.9
µg/m3. A partir de la tabla se puede verificar que, si bien las concentraciones no son tan altas
como algunos sitios de India o China, si son peores que la mayoría de ciudades europeas
mencionadas en la Tabla 9, teniendo en cuenta que estas ciudades no cuentan con estaciones
que implican la quema de biomasa. Estudios realizados en ciudades más cercanas como Lima
en la red de monitoreo de dicha ciudad indica valores en un rango de entre 35 a 16 μg/m3, con
un promedio absoluto de 26 μg m−3 , observándose las mayores concentraciones en las
estaciones de medición de ATE (35 μg m−3 ), PPD (32 μg m−3 ), HCH (31 μg m−3 ), SJL (31 μg
m−3 ), CRB (28 μg m−3 ), STA (27 μg m−3 ), SBJ (18 μg m−3 ), SMP (18 μg m−3 ), y CDM (16
μg m−3 ). Las máximas concentraciones alcanzadas fueron de 1.6 y 2 veces el promedio anual
anterior para los años 2014 y 2015; reportándose también que los máximos son generalmente
evidentes entre mayo y septiembre y los mínimos varían de estación a estación entre 11 y 30 μg
m−3, con mínimos absolutos generalmente observados entre octubre y abril. (Silva, Rojas,
Norabuena, Molina, Toro, & Leiva-Guzmán, 2017).
Para algunas ciudades de Brasil se han realizado mediciones como las que se muestran en la
Tabla 8, para el estudio realizado en Brasil durante junio 2007 a agosto 2008. En el trabajo de
(de Miranda, de Fatima Andrade, Fornaro, Astolfo, de Andre & Saldiva, 2012). En general estos
datos y los reportados anteriormente para Perú son menores que los recuentos de material
particulado medido en Soacha, Mosquera y Nemocón, mientras que Briceño tiene datos bastante
pequeños comparados con los reportados para estas megaciudades.
Tabla 8, estudio realizado por (de Miranda, de Fatima Andrade, Fornaro, Astolfo, de Andre & Saldiva, 2012), para la
caracterización del PM2.5 en diferentes ciudades de Brasil.
Ciudad Numero de
muestras
PM2.5
(desviación)
(µg/m3)
Sao Paulo 340 28.1 (13.6)
Rio 427 17.2 (11.2)
Belo Horizonte 371 14.7 (7.7)
Curitiba 320 14.4 (9.5)
Porto Alegre 342 13.4 (9.9)
Recife 327 7.3 (3.1)
Respecto a lo reportado para Bogotá, se utiliza lo reportado en el informe de calidad del aire
generado por el IDEAM con datos recolectados a partir de las redes de monitoreo de calidad del
aire del país. Para Bogotá, se tienen datos de la estación de Kennedy para los años 2011, 2012
y 2013 en los cuales se reportan promedios anuales de 31, 28 y 28 µg/m3 respectivamente,
teniendo en cuenta que la norma colombiana durante ese momento era de 25 µg/m3 como
63
promedio anual y lo recomendado por WHO es máximo de 10 µg/m3 como promedio anual y 25
µg/m3 como promedio diario, para 2014 se tienen datos reportados por las estaciones de
monitoreo de Carvajal-Sevillana, Kennedy, Tunal, Suba, Centro de alto rendimiento y Usaquén,
reportándose valores de 33, 32, 23, 22, 21 y 13 µg/m3 respectivamente. Mientras que para el
2015 se reportan promedios para las anteriores estaciones (Carvajal-Sevillana, Kennedy, Tunal,
Suba, Centro de alto rendimiento y Usaquén) y además se reportan en nuevas estaciones como
la del ministerio del Medio Ambiente, Guaymaral y san Cristóbal; con mediciones de 31, 27, 21,
22, 17, 13, 15, 14 y 9 µg/m3, respectivamente. También se reporta que existieron excedencias
del límite de 50µg/m3 diarios impuesto por la ley colombiana en ese momento, ya que para 2015
se reporta que en las estaciones de Carvajal-Sevillana y Kennedy se reportaron
aproximadamente 7 días de mediciones con excedencia, mientras que para tunal, centro de alto
rendimiento y min ambiente se excedieron 4, 2 y 2 días respectivamente, mientras que para las
demás estaciones de monitoreo disponibles no hubo excedencias, para el año 2011, 2012, y 2013
las excedencias en la estación de Kennedy fueron de 14, 16, 4 días respectivamente, para 2014
también se reportaron excedencias de 19, 10, 5, 4 y 2 días en las estaciones de Kennedy, Tunal,
Carvajal-Sevillana, Suba y centro de alto rendimiento. (IDEAM, “Informe del Estado de la Calidad
del Aire en Colombia 2011-2015”, 2016).
Para el año 2016 también existe un informe de la calidad del aire de Bogotá, indicándose los
promedios anuales de PM2.5 para las estaciones de Kennedy, Tunal, Centro de alto rendimiento,
Las Ferias, Min ambiente, Usaquén y Guaymaral de 30, 23, 20, 19, 18 17 y 16 µg/m3
respectivamente; para los días de excedencias se tienen valores sobre los días de excedencia
del límite de 50µg/m3 diario para las estaciones de Kennedy, Tunal, Usaquén, Min Ambiente y
centro de alto rendimiento de 15, 13, 5, 4 y 2 respectivamente (IDEAM, “Informe del Estado de la
Calidad del Aire en Colombia 2016”, 2017).
Según resultados mostrados por el IDEAM para 2017, las estaciones de Carvajal-Sevillana y
Kennedy tienen una concentración promedio anual de 28 y 27 µg/m3 respectivamente, mientras
que las de Tunal, suba, Las Ferias, Puente Aranda, Min Ambiente, Guaymaral, Usaquén, y San
Cristóbal indican mediciones de 22, 18, 18, 18, 16, 15, 14 y12 µg/m3 respectivamente, con solo
1 día de excedencia del nivel de 50 µg/m3 reportado para la estación de Carvajal-Sevillana y para
la de Tunal. En este informe se indica además que la estación del centro de alto rendimiento tuvo
un promedio anual de 16 µg/m3, mientras que las estaciones de la CAR Tales como Bogotá-
Mochuelo, Zipaquira-Emafez, Sibaté-los sauces, Ráquira-Colegio, Cajicá-Manas, y Sopo-Briceño
tuvieron promedios anuales de 23, 20, 17, 17, 16 y 16 respectivamente, notándose que estas
estaciones mencionadas no cumplieron con la representatividad mínima temporal para ser
reportadas como promedios anuales y son solo indicativos.
Teniendo en cuenta los datos anteriores, se puede indicar que las concentraciones medidas en
Soacha y Mosquera son similares a las medidas en las estaciones de Kennedy y Carvajal-
Sevillana, las cuales son zonas eminentemente industriales con alto tráfico vehicular. Sin
embargo, las concentraciones de PM2.5 medidas para Nemocón sobrepasan los promedios
reportados para las estaciones de la red de monitoreo de Bogotá, siendo el promedio de las
mediciones mayor que los medido por alguna red de monitoreo incluida dentro de los estudios
realizados por el IDEAM entre 2011 a 2016. El caso de Briceño indica un comportamiento similar
a los encontrados en zonas residenciales de Bogotá pues su promedio esta alrededor de los
64
promedios presentados por Min Ambiente, Usaquén y Guaymaral. En el estudio de (Valderrama,
Rojas, & Gómez, 2006). Se realizaron mediciones del material particulado en Bogotá,
específicamente en las carrera séptima y avenida caracas, encontrando un recuento de 46.39 y
49.67 µg/m3 de PM2.5 y PM10 en la carrera séptima, respectivamente y para la carrera caracas
se encuentra que estos datos son de 16.53 y 24.64 µg/m3, comparados con un sitio de medición
base de 7.18 y 8.80 g/m3. Otro estudio realizado para Bogotá fue el realizado por (Ramirez, de
la Campa, Amato, Catacoli, Rojas, & de la Rosa, 2018). En el cual se midió el PM10 de un sitio
de contaminación de fondo en Bogotá, alcanzándose un promedio anual de 37.5 µg/m3 con un
rango de 9.89 a 160 µg/m3 siendo menor que lo obtenido en la zona industrial de 110 µg/m3,
puntos de alto tráfico como 53 µg/m3 y áreas residenciales de 41.4 a 54 µg/m3.
A B
C D
Figura 14, datos de lluvia promedio para los 4 sitios de medición, A Soacha, B Mosquera, C Nemocón y D Briceño.
Graficas tomadas de https://es.climate-data.org/
Es necesario también tener en cuenta que las mediciones realizadas en este estudio tuvieron
lugar en las épocas más secas del año para Briceño y Nemocón, pues las mediciones fueron
realizadas entre diciembre y febrero cuando tiene lugar un periodo seco para los 4 sitios de
medición, teniendo en cuenta que varias zonas de Colombia presentan un promedio Bimodal de
lluvias, manteniendo una temperatura constante; para el caso de Soacha y Mosquera se
65
realizaron los estudios durante los meses de septiembre, octubre y noviembre, los cuales son un
pico de lluvias, Soacha tiene un promedio de 13.5°C y en promedio de precipitación de 653 mm
por año, siendo el mes más seco enero con 20 mm y la mayor parte de la precipitación cae en
octubre, en promedio de 96mm, para Mosquera la temperatura promedio es de 13.5°C con
precipitación anual de 649 mm al año, con el mes de enero siendo el más seco con precipitaciones
de 16 mm y en octubre la mayor precipitación cae con 104 mm de lluvia. Para Nemocón, la
temperatura Media Anual es de 13.8 °C con una precipitación de 726 mm anuales, el mes más
seco es enero con 26 mm y el más lluvioso es abril con 95 mm. Por último, la temperatura media
de Briceño es de 14.1 °C con precipitación de 841 mm, el mes más seco es enero con
precipitación de 30 mm y el más lluvioso abril con 107 mm.
En la Figura 15 se presenta el diagrama de cajas realizado para los datos de la campaña de
medición; es de notar la asimetría de todas las distribuciones excepto la de Briceño. Se verifica
que la mayoría de los datos de Soacha y Mosquera están distribuidos más densamente en la
parte inferior de los datos, siendo menos comunes los datos de medición de material particulado
alto; en el caso de Nemocón la distribución es más simétrica que las anteriores, pero se mantiene
La tendencia a que los datos estén localizados en la parte inferior de las mediciones. En el caso
de Briceño, la distribución es casi completamente simétrica y el promedio y la mediana están
centrados en el mismo punto, además que las cajas son simétricas y los bigotes también más
similares.
Figura 15, diagrama de cada para los datos medidos de PM2.5 en las ciudades de Soacha, Mosquera, Nemocón y
Briceño, donde los rombos representan el promedio
0
13
25
38
50
63
75
88
100
113
125
138
150
163
Soacha Mosquera Nemocon Briceño
Co
nce
ntr
acio
n µ
g/m
3
66
Figura 16, Masa gravimétrica de PM2.5 medida Durante septiembre y noviembre de 2014, Soacha (primero) y Mosquera (ultimo)
0
10
20
30
40
50
60
70
80
90C
on
cen
trat
ion
(µ
g/m
3)
0
10
20
30
40
50
60
70
80
90
9/1
6
9/1
8
9/2
0
9/2
2
9/2
4
9/2
6
9/2
8
9/3
0
10
/2
10
/4
10
/6
10
/8
10
/10
10
/12
10
/14
10
/16
10
/18
10
/20
10
/22
10
/24
10
/26
10
/28
10
/30
11
/1
11
/3
11
/5
11
/7
11
/9
Co
nce
ntr
atio
n (
µg
/m3)
Gravimetric PM2.5 (µg/m3)
67
Figura 17, Masa gravimétrica de PM2.5 medida Durante septiembre y noviembre de 2014, Nemocón (primero) y Briceño
(ultimo)
0
20
40
60
80
100
120
140
160
180C
on
cen
trat
ion
(µ
g/m
3)
0
5
10
15
20
25
30
35
40
20
14
-12
-04
20
14
-12
-06
20
14
-12
-08
20
14
-12
-10
20
14
-12
-13
20
14
-12
-16
20
14
-12
-19
20
14
-12
-20
20
14
-12
-22
20
14
-12
-27
20
14
-12
-29
20
15
-01
-04
20
15
-01
-06
20
15
-01
-09
20
15
-01
-13
20
15
-01
-16
20
15
-01
-20
20
15
-01
-22
20
15
-01
-25
20
15
-01
-27
20
15
-01
-29
20
15
-01
-31
20
15
-02
-02
Co
nce
ntr
atio
n (
µg
/m3
)
Gravimetric PM2.5 (µg/m3)
68
Otros recuentos de material particulado son los siguientes (Tabla 9)
Tabla 9, recuento de estudios realizados midiendo material particulado.
(Querol et al, 2001). Se realizaron las mediciones de PM10 y
PM2.5 en la zona metropolitana de Barcelona
España; encontrándose en promedio
concentraciones de 40.6 µg/m3 y 27.7 µg/m3
respectivamente, entre otras cosas realizando
monitoreos horarios diarios y encontrando
tendencias estacionales.
(Hueglin et al, 2005). Se midieron los parámetros de PM2.5 Pm10 y
TSP en bern (al lado de vías, centro de la
ciudad), Zurich-Kaserne (espacio verde en el
centro de la ciudad) , Basel (suburbano) y
Chaumont (rural sobre 1000 msnm) todas
ciudades e suiza, encontrándose
respectivamente concentraciones de 24.6,
40.2 y 19.6; 20.0, 24.4 y 6.3; 18.9, 24.8 y 6.7;
7.7, 10.8 y 2.6 respectivamente.
(Querol et al, 2004) En el estudio se hace la revisión de las
características y orígenes del material
particulado de diferentes ciudades de Europa,
encontrando los siguientes resultados para
PM2.5 (RB fondo regional, UB fondo urbano,
RS sitios rurales)
Sitio RB UB RS
Austria 20 x 38
Alemania x 22-30 25-39
España 14 19-25 28-35
Suecia 7-13 8-15 13-18
Países Bajos 14 20 20
Reino Unido x 16 24
Suiza 18 19 22
(Vargas et al, 2012) En el estudio se midieron concentraciones en
dos sitios de Bogotá Colombia, encontrándose
una concentración de 41.42 µg/m3 para Suba
y 52.041 µg/m3 para Kennedy
(Villalobos et al, 2017). En este estudio realizado sobre Temuco Chile
para el PM2.5, se encontraron
concentraciones de 46 ± 37 µg/m3 con un
máximo de 176 µg/m3.
69
(Khodeir et al, 2012). Este estudio realizado para la ciudad de
Jeddah, en arabia saudita, encontró
concentraciones promedio de 28.4±25.4
µg/m3 para el PM2.5 y de 87.3±47.3 µg/m3
para PM10.
(Yatkin & Bayram, 2008). Este estudio realizado para lugares urbanos y
suburbanos de la ciudad de Izmir en Turquía,
encontrando para el PM2.5 y Pm10 en el área
suburbana de 24.1122 ± 12.1588 µg/m3 y
46.8960 ± 20.0790 µg/m3 para la zona
suburbana y para la zona urbana de 64.3708
± 38.5089 µg/m3 y 79.9814 ± 30.2255 µg/m3.
(Heo et al, 2009). Este estudio realizado para Seúl, Corea del
sur, encontró promedios de 37.616 y 43.502
ug7m3 (geométrico y aritmético) con un
mínimo de 5.780 µg/m3 y un máximo de
131.224µg/m3
(Mooibroek et al, 2011) Se hizo un monitoreo del material particulado
de 5 ciudades de los países bajos
encontrándose concentraciones de PM2.5 de
17.2 ± 11.6 para Schiedam, 17.5 ± 9.2 en
Vredepeel, 19.5 ±11.1 en Rotterdam,
18.5±12.3 en Cabauw y 14± 6.9 en
Hellendoorn (todos en µg/m3)
8.2 Análisis de Iones
Los iones medidos en las diferentes muestras se muestran en las Figura 18 y Figura 19 para los
4 sitios de medición En el caso de Soacha y Mosquera, se puede verificar que las mediciones de
iones son menos variables que las mediciones de material particulado y muestran una tendencia
un poco más clara que las mediciones de material particulado, mostrando con mayor claridad un
máximo a en las mediciones de Soacha al final de la campaña de mediciones que esta
principalmente dado por las mediciones de sulfato y amonio, también existe un punto que arroja
una mayor medición de nitrato que todas las demás, mientras que para dicho punto la medición
de material particulado no compensa dicho aumento de nitrato; además de lo anterior, las
mediciones de sulfato y amonio son mucho menores que esta medición de nitrato y siguen en
cierta medida la tendencia por lo que no es seguro a que se deba este punto si tiene algún error
o si demuestra algún evento especifico de contaminación. En general se puede ver que las
mediciones de nitratos no tienen casi variación y son casi continuas en un valor, Mosquera
presenta algunas desviaciones de las mediciones de nitrato y un poco más de variabilidad que
Soacha. En Mosquera también se ve una tendencia en las mediciones de sulfato de ser más altas
y coincidir aproximadamente con un aumento en las mediciones de PM2.5, aumento que también
se puede ver en las mediciones de amonio. En general se puede verificar que las mediciones de
70
iones no son necesariamente función de la cantidad de material particulado, por lo que la masa
no iónica del mismo podria tener mecanismos de generación independientes de los que generan
iones, o puede darse que algunas condiciones atmosféricas favorezcan la presencia o ausencia
de Iones, por lo que se sugiere en futuros estudios realizar una comparación entre las fuentes
posibles obtenidas desde un análisis de iones contra las fuentes obtendias por Marcadores
organicos u otros estudios que permitn verificar alguna de las hipótesis indicadas o dar una
explicación a este fenomeno.
Las mediciones de iones para Nemocón muestran de forma más marcada la estacionalidad
presente en la medición de material particulado, sin embargo siguen presentándose desviaciones
de la tendencia teniendo en cuenta que existen zonas en las que el material particulado disminuye
mientras los iones aumentan, las ediciones de nitrato en Nemocón y Briceño tienen muy pocas
variaciones, lo que se puede explicar por una fuente de óxidos de nitrógeno cuyo comportamiento
no se ve afectado por las demás fuentes y no tiene marcados cambios de comportamiento.
El comportamiento en Briceño coincide en cierta manera con el comportamiento del material
particulado, pero igualmente existen zonas en las cuales tienen tendencias antagónicas pues
zonas en las cuales el material particulado disminuye su concentración, las mediciones de iones
se mantienen bastantes altas y en las zonas de mínimo material particulado el recuento de iones
tiende a mantenerse bajo después de que el material particulado aumenta.
En la Tabla 16 se indican los promedios y desviaciones estándar de los principales iones amonio
sulfato y nitrato y los demás. Las mediciones de iones para Soacha y para Mosquera indican que
varios iones tienen una desviación estándar muy similar al promedio calculado, mientras otros
solo la tienen a la mitad. Los iones para Nemocón, los iones de amonio y sulfato son los más
importantes, pero en nitrato es pequeño en comparación, los demás iones además tienen un
recuento mayor con una desviación estándar mucho más alta. Para el caso de Briceño los
recuentos de iones son mucho más pequeños que los demás. Por el lado del amonio, se verifican
altas concentraciones de amonio en Nemocón seguidas de Soacha, mientras que las de Briceño
y Mosquera son similares, se verificaron altas mediciones de amonio en ciudades como Sao
paulo, donde se obtuvieron mediciones de 2.084 µg/m3 en la campaña de invierno de 2008
(Vasconcellos et al., 2011), igualmente similares a las verificadas en Santiago de Chile en el
estudio de (Villalobos et al., 2015), donde se verificaron niveles de 3.3 µg/m3. En el estudio de
(Vasconcellos et al., 2007) se indica que las emisiones de Amoniaco son atribuibles a la
contaminación regional causada por aguas residuales humanas, y otras fuentes las cuales se
incluyen fuentes industriales, emisiones vehiculares y contaminantes que se han transportado por
alta distancia (Vasconcellos et al., 2007). Algunos estudios relacionan las altas concentraciones
de amonio con el uso de convertidor catalíticos de 3 vías en vehículos a gasolina, ya que las
emisiones de amonio en la fase particulada es 12 a 20 veces mayor en vehículos a gasolina con
convertidor de 3 vías que en vehículos a diesel (Zhang et al., 2017). El amonio en el material
particulado puede formarse por reacciones del amoniaco gaseoso con especies acidas, y también
por reacción y condenación de amoniaco gaseoso en la superficie de las partículas
antropogénicas (Ianniello et al., 2011; Wang et al., 2006). Teniendo en cuenta las referencias
anteriores se podría sugerir que el amonio presente en Nemocón y en menor medida en Soacha
se deba a la presencia más fuerte de vehículos a gasolina con convertidor catalítico o indicando
una contribución mayor de algunas de las fuentes de amoniaco urbanas anteriormente
71
mencionadas, según lo que se puede verificar gráficamente y tambien en la Tabla 16, donde se
observa una mayor concentración de amonio en Nemocon y en menor Medida en Soacha.
Figura 18, masa gravimétrica de PM2.5 (µg/m3) medida durante la campana, primeras gráficas y comparativa entre sulfato nitrato
y amonio en µg/m3 (ultimas graficas) medidos en Soacha (izquierda) y Mosquera (derecha).
En el estudio realizado por (Villalobos et al, 2015), los iones inorgánicos totales sumaron el 31 ±
19% de la masa total del PM2.5. los mayores iones fueron nitrato (17.8 ± 13.8%), amonio (8.3 ±
4.6%), y sulfato (4.9 ± 2.3%), que fueron 7.1 ± 5.5 μg/m3 , 3.3 ± 1.8 μg/m3 , y 2.0 ± 0.90 μg/m3
respectivamente, teniendo en cuenta la concentración de PM2.5 de 40± 20 µg/m3 en promedio
anual. en el estudio de (Cao, et al, 2012), reportaron que el sulfato fue el segundo componente
del PM2.5 más abundante en invierno para todas las ciudades revisadas excepto Hong Kong, en
un rango de 11.5 µg/m3 Jinchang a 60.9 µg/m3 Chongqing. Seguido por el ion nitrato, variando
0
10
20
30
40
50
60
70
80
90
9/16 9/26 10/6 10/16 10/26 11/5
PM2.5 (µg/m3)
0
10
20
30
40
50
60
70
80
90
9/16 9/26 10/6 10/16 10/26 11/5
PM2.5 (µg/m3)
0
2
4
6
8
10
12
14
9/16 9/26 10/6 10/16 10/26 11/5
Sulfate (µg/m3)
Nitrate (µg/m3)
Ammonium (µg/m3)
0
1
2
3
4
5
6
7
8
9
9/16 9/26 10/6 10/16 10/26 11/5
Sulfate (µg/m3)
Nitrate (µg/m3)
Ammonium (µg/m3)
72
2.1 µg/m3 (Jinchang) a 29 µg/m3 (Xi’an), y el amonio vario entre 6.6 µg/m3 (Jinchang) a 29.8
µg/m3 (Xi’an), para la concentración promedio de material particulado de 115 µg/m3. Se reporto
que también los promedios de verano son más bajos respecto a lo encontrado en invierno.
Deshmukh, et al (2011), reporto los siguientes datos para la india y la concentración de material
particulado de 135.0 ± 76.2, µg/m3 de PM2.5 (Tabla 10).
Figura 19, masa gravimétrica de PM2.5 (µg/m3) medida durante la campana, primeras gráficas y comparativa entre sulfato nitrato
y amonio en µg/m3 (ultimas graficas) medidos en Nemocón (izquierda) y Briceño (derecha). Debe tenerse cuidado con los ejes y.
Tabla 10, tabla de especies constituyentes del PM2.5 reportados en el estudio de Deshmukh, et al (2011) en µg/m3
Especie Promedio desviación min máx.
PM2.5 135.0 76.2 26.7 263.0
Na+ 1.08 1.19 0.15 3.86
0
20
40
60
80
100
120
140
160
180
Gravimetric PM2.5(µg/m3)
0
5
10
15
20
25
30
35
40
0
5
10
15
20
12
-04
12
-08
12
-13
12
-19
12
-22
12
-29
01
-06
01
-13
01
-20
01
-25
01
-29
Ammonium (µg/m3)Sulfate (µg/m3)Nitrate (µg/m3)
0
1
2
3
4
5
6
7
12-0
4
12-0
8
12-1
3
12-1
9
12-2
2
12-2
9
01-0
6
01-1
3
01-2
0
01-2
5
01-2
9
02-0
2
73
NH4+ 2.13 1.04 0.31 3.87
K+ 0.87 0.70 0.05 1.93
Mg2+ 0.18 0.20 0.03 0.60
Ca2+ 0.70 0.52 0.28 1.82
CL- 2.06 2.10 0.03 6.39
NO3- 3.16 3.62 0.05 11.16
SO4
-2
6.75 6.04 0.17 19.51
TWSII 16.93 12.67 1.11 41.88
Aniones
totales
11.97 11.65 0.26 37.06
Cationes
totales
4.96 2.58 0.85 9.56
Relación
iónico
4.85 8.25 0.28 28.97
Como se ve en los datos reportados en general las concentraciones de iones encontradas son
iguales o más bajas en general que para Santiago de chile y para lo encontrado para la India y
China, teniendo en cuenta que la cantidad de iones depende de la masa de material particulado,
pero igual las concentraciones de iones no siguen un comportamiento similar entre los sitios
examinados; sin embargo para los lugares más contaminados como la india y China los iones
pasan a ser una menor proporción del material particulado que para un lugar menos contaminado
como Santiago de Chile.
En Bogotá se han realizado pocos estudios en los cuales se caracterice completamente el PM2.5;
en el estudio; se han realizado varios estudios del PM10 como el de (Ramirez, de la Campa,
Amato, Catacoli, Rojas, & de la Rosa, 2018), que se presenta a continuación
Tabla 11, datos de los iones medidos por (Ramirez, de la Campa, Amato, Catacoli, Rojas, & de la Rosa, 2018), en su
estudio para junio 2015 a junio 2016, todos los datos en µg/m3.
Promedio anual Época Lluviosa Época Seca
elemento Promedio Mínimo Máximo Promedio Mínimo Máximo Promedio Mínimo Máximo
PM10 37.5 9.89 160 41.4 14.2 104 34.6 9.89 160
PO4-3 0.13 <DL 0.35 0.14 <DL 0.29 0.13 0.04 0.35
SO4-2 2.03 <DL 11.8 2.35 <DL 10.1 1.79 <DL 11.8
NO3- 0.95 0.06 5.43 1.24 0.10 5.43 0.73 0.06 4.15
CL- 0.09 <DL 1.21 0.11 <DL 0.44 0.08 <DL 1.21
NH4+ 0.50 <DL 3.35 0.63 <DL 3.00 0.41 <DL 3.35
74
En general, los datos de iones medidos en el estudio de Bogotá son menores que los encontrados
para este estudio, teniendo en cuenta también que la concentración de material particulado es de
37.5 µg/m3, indicando igualmente que la fracción iónica es menos importante.
En el estudio de (Ramírez, de la Campa Amato, Moreno, Silva, & Jesús, 2019), se realizó también
una caracterización del PM10 según lo mostrado en la siguiente tabla (Tabla 12)
Tabla 12, datos de iones reportados por (Ramírez, de la Campa Amato, Moreno, Silva, & Jesús, 2019), para la ciudad
de Bogotá y el análisis de PM, todos los datos en % de masa a la fracción torácica del material particulado.
residencia industrial comercial Referejc9a completo
CL 0.06 0.06 0.04 0.03 0.21 0.04 0.27 0.01 0.09 0.05
F 0.04 0.02 0.01 <0.01 0.13 0.07 0.20 0.01 0.05 0.03
Br 0.43 <0.01 0.45 0.02 1.25 0.09 1.61 0.08 0.60 0.03
PO4 <DL <DL <DL <DL <DL <DL <DL <DL <DL <DL
NO2 0.06 0.01 0.07 0.02 0.05 0.01 <DL <DL 0.07 0.03
NO3 0.07 0.08 0.07 0.02 0.08 0.07 0.05 <0.01 0.07 0.07
So4 0.74 0.32 0.62 0.14 1.55 0.65 <DL <DL 0.89 0.35
Nh4 0.12 0.05 0.13 0.02 0.55 0.15 1.15 0.06 0.23 0.09
Tabla 13, datos de los totales reportados por el estudio de (Ramírez, de la Campa Amato, Moreno, Silva, & Jesús,
2019), para la ciudad de Bogotá y el análisis de PM, todos los datos en % de masa a la fracción torácica del material
particulado. Residencial Industrial Comercial Referencia Todo
Mayores
Elementos
56 20 49 25 62 26 55 2.7 55 52
OC 13 5.8 14 6.9 19 7.1 29 1.5 19 7.4
EC 0.5 0.6 0.3 0.4 1.9 0.7 0.8 0.0 0.9 0.7
Iones 1.5 0.5 1.4 0.3 3.8 1.1 3.3 0.2 2.5 1.2
Trazas 0.4 0.2 0.4 0.2 0.5 0.2 0.3 0.0 0.4 0.1
Estos datos están en concordancia indicando que la fracción iónica en Soacha, Mosquera y
Nemocón es más importante que en los sitios como Bogotá.
Analizando la cantidad de sulfatos se debe hacer una corrección por los sulfatos provenientes de
corrientes marinas o debidos a sales, por lo que se utiliza esta ecuación:
𝑠𝑠 𝑆𝑂4−2 = 0.246 ∗ (𝑁𝑎+) (Ecuación 14),
En la ecuación anterior se asume que 1 la composición química de las partículas de sal es la
misma que para la sal presente en el mar, y 2 que todo el Na+ en las muestras de material
particulado provienen de sal marina únicamente. El 𝑠𝑠 𝑆𝑂4−2 (sulfato de origen marino) se muestra
en la siguiente tabla (Tabla 14) (Almeida, Pio, Freitas, Reis & Trancoso, 2006).
Tabla 14, datos calculados para el sulfato de origen salino o marino, calculado a partir de la 𝑠𝑠 𝑆𝑂4−2 = 0.246 ∗ 𝑁𝑎+
(Ecuación 14)
Sitio 𝑠𝑠 𝑆𝑂4−2 σ min máx. % Σ min máx.
Soacha 0.063 0.029 0.012 0.132 3.74 1.88 1.34 8.02
Mosquera 0.061 0.029 0.027 0.15 4.61 2.27 1.09 10.04
75
Nemocón 0.011 0.013 0.001 0.051 0.22 0.36 0.01 1.47
Briceño 0.026 0.026 0.000 0.095 2.00 2.45 0.01 10.78
Es importante notar el hecho que Soacha y Mosquera tienen las mayores contribuciones de
sulfato que los demás sitios, incluso teniendo en cuenta que Nemocón los supera en recuento de
material particulado. Respecto al estudio de (Ramirez, de la Campa, Amato, Catacoli, Rojas & de
la Rosa, 2018) se indica que la contribuciones sulfatos de origen marino al sulfato de la ciudad
de Colombia represento el 98 a 99% del sulfato total medido en temporada lluviosa y en
temporada seca, respectivamente por lo cual se puede indicar que los datos acá obtenidos son
coherentes con lo obtenido en Bogotá, sin embargo es de notar que Soacha y Mosquera son el
doble de lo reportado para Bogotá, lo cual podría deberse a una diferente medición o por el hecho
de haber medido solo durante algunas semanas y no durante todo un año. En el estudio de
(Almeida, Pio, Freitas, Reis & Trancoso, 2006) Se indica que el spray marino en este estudio
represento el 19 y 5.4 % de la masa PM2.5-10 y PM2.5 respectivamente, para un lugar suburbano
de Lisboa, Portugal. Tambien es de indicar que en Cundinamarca existe una fuente adicional
posible de sal o sulfatos tipo sal marina, como las minas de sal presentes en el municipio de
Zipaquir, teniendo en cuenta que dicho municipio representa una de las mayores producciones
de sal; sin embargo, no es posible indicar con exactitud si esta fuente es la responsable de parte
de los iones presentes en el material particulado o si por el ocntrario existe una inclusión de
material salino proveniente del mar. Seria Necesario realizar mayores estudios al respecto de
dicha emisión de material particulao salino debida a la explotación salina de zipaquira.
En dicho estudio también se introduce la relación de Nitrato a Sulfato, el cual se indica ayuda a
determinar la importancia diferencial entre la combustión de fuentes fijas y la contribución dada
por fuentes móviles, teniendo en cuenta que las fuentes fijas generalmente queman carbón con
contenido alto de azufre.
Tabla 15, datos respecto al radio o razon𝑁𝑂3
−
𝑆𝑂4−2 para los datos de este estudio
Sitio 𝑁𝑂3−
𝑆𝑂4−2
Σ min Max
Soacha 1.02 3.60 0.05 18.29
Mosquera 0.408 0.401 0.114 2.247
Nemocón 0.044 0.044 0.044 0.044
Briceño 0.144 0.144 0.144 0.144
Es de notar que Soacha y Mosquera indican datos mucho más altos que Nemocón y Briceño,
teniendo en cuenta la diferencia entre Briceño y Nemocón con estos dos municipios. Según lo
indicado en (Xiao & Liu, 2004), para Guiyang, China, se obtuvieron radios o razones
nitrato/sulfato para el TSP en el rango de 0.01–0.38 (promedio 0.13 ±0.06), indicando según el
estudio que las fuentes fijas de emisiones son mucho más importantes que las fuentes móviles a
causa de un uso de carbón con alto azufre en esa zona. Estos datos también son menores que
los reportados por (Huebert, Ming-Xing, & WEI-XIU, 1988). Donde se reportan datos entre 1 a 3
para esta relación, indicando la presencia significativa de fuentes móviles teniendo en cuenta que
los datos fueron medidos en zonas sin grandes influencias industriales, en general se han
encontrado radios o razones sobre 0.5 que se han atribuido a emisiones debidas a fuentes
móviles. En el trabajo de (Wang, Zhuang, Zhang, Huang, Xu, Tang, & An, 2006), se indican los
76
radios o razones de nitrato a sulfato, los cuales estuvieron entre 0.06 a 2.55, con un promedio
de 0.64 ± 0.4 para PM2.5 y de 0.83 ± 0.4 para el TSP; se indica que son datos comparables con
medidos en Beijing en 2001 a 2003, mayores a los vistos en Shanghái (0.43) y Beijing (0.58) en
1999 a 2000, mayor a lo visto en Qingdao (0.35), Taiwán (0.20) y Guiyang (0.13), dentro de los
valores referenciados en ese estudio. Se indica también que estos valores obedecen a un
aumento constante en la flota automotor de Shanghái, seguido por una disminución del uso de
carbón, sin embargo, este radio o razones menor que 1, indicando aun una prevalencia de las
fuentes fijas. Teniendo en cuenta lo anterior, se puede inferir que la contribución de la flota
vehicular en Soacha y Mosquera sean predominantes sin desmeritar las contribuciones
generadas por las fuentes fijas, mientras que para Nemocón y Briceño la contribución de fuentes
móviles es mucho menor, y según estas relaciones se indicaría que la emisión causada por las
fuentes fijas es predominante, en especial en Nemocón; este resultado es coherente teniendo en
cuenta que en Soacha y Mosquera existen vías bastante importantes muy cerca de la población
y los sitios de estudio, mientras Nemocón tiene pocas vías importantes y su problemática principal
ha sido siempre los hornos de ladrillos. Briceño indica una contribución mayor por porcentual de
fuentes móviles, sin embargo, no es similar a las contribuciones de Soacha y Mosquera.
Tabla 16, datos de promedio de los iones amonio, sulfato, nitrato y otros iones con sus desviaciones estándar para los
4 sitios de medición. Todos los anteriores en µg/m3, SNA hace referencia a la suma de Sulfato, Nitrato Y Amonio
Sitio NH4+ σ SO4
-2 σ NO3- σ SNA σ Otros σ Total σ
Soacha 1.27 1.17 2.02 1.28 0.96 2.47 4.26 3.59 1.41 0.67 5.67 3.80
Mosquera 0.83 0.53 1.48 0.62 0.54 0.43 2.84 1.28 1.20 0.49 4.02 1.49
Nemocón 4.92 2.82 7.29 4.22 0.28 0.15 12.49 7.08 11.88 38.83 24.37 42.52
Briceño 0.85 0.43 1.83 1.03 0.21 0.07 2.89 1.47 1.34 2.87 4.23 3.85
Figura 20, Carbón Orgánico y elemental (OC y EC) medidos Durant la campaña , Soacha (izquierda) and Mosquera (derecha).
0
10
20
30
40
50
60
con
cen
trat
ion
µg/
m3
OC(µg/m3)
EC(µg/m3)
0
10
20
30
40
50
60
OC(µg/m3)
EC(µg/m3)
77
Figura 21,, Carbón Orgánico y elemental (OC y EC) medidos Durante la campaña, Nemocón (izquierda) y Briceño (derecha).
8.3 Masa Carbonácea
La masa carbonácea medida en las cuatro localizaciones del estudio se muestra en las Figura 20
y Figura 21.
Para el caso de Soacha y Mosquera, es notable que los niveles de materias carbonáceas sean
mayores en Mosquera que en Soacha, en la Tabla 17 se muestran las concentraciones promedio
de los carbones para los 4 sitios de medición. Es de notar que el comportamiento de Soacha en
términos de material particulado se ve reflejado en las fracciones carbonáceas pues los
comportamientos se replican es una y otra grafica los mínimos y máximos, sin embargo, los
aumentos y disminuciones vistos en la medición de material particulado son mucho más
atenuadas en el comportamiento de las fracciones carbonáceas. Este comportamiento se replica
en Mosquera sitio en el cual se ve el máximo de material carbonáceo coincide con el máximo
reportado en las mediciones de material particulado; yendo al detalle de las mediciones se ve que
hay algunos comportamientos similares, pero igual que en Soacha, se ve que las variaciones en
los materiales orgánicos no se dan en la misma medida que en el material particulado, siendo así
que los valores de materiales carbonáceos están muy cercanos a un valor central. Los valores
de OC y EC tienen la misma separación, sin embargo en Nemocón las cantidades de OC son
mucho mayores que las de EC en casi todo el rango de medición, mientras valores para Briceño
y Soacha están mucho más juntos y similares, otro punto a resaltar es que las mediciones de OC
y EC en Nemocón siguen comportamiento distintos, pues las mediciones de OC son mucho más
variables que las de EC, pues las de EC se mantienen en un rango de valore más cerrado que
las de OC, además que se replica un poco el comportamiento que tiene el OC, lo que parece
indicar que en Nemocón las fuentes de OC son relativamente independientes, pues periodos de
alto OC no se reflejan necesariamente con la misma intensidad para el EC. En el caso de Briceño
la separación y tendencia es similar en ambos carbones, mientras en Soacha y Mosquera las
tendencias son similares sin embargo la separación de los carbones varia de punto a punto. Lo
0
20
40
60
80
100
120
140
160
180
OC(µg/m3)
EC(µg/m3)
0
2
4
6
8
10
12
14
16
18
78
anterior podría indicar que sitios como Mosquera y Soacha tienen dinámicas ligeramente
independientes en la generación de OC y EC, mientras que Briceño las fuentes de ambos
carbones son muy similares, o solo existe una fuente principal. Para Nemocón, debe existir varias
fuentes aportantes a los carbones que siguen aparentemente la misma estacionalidad, pero
difieren en gran medida de su nivel de contribución al material particulado; otra posibilidad es que
las químicas atmosféricas sean distintas o la dispersión mayor y menor en uno y otro sitio, lo que
podría indicar que las velocidades de descomposición son diferenciales entre los sitios.
Tabla 17, datos promedio de carbono orgánico y carbono elemental (OC y EC) medidos en los 4 sitios de la campaña,
con su desviación estándar, todos los datos en (µg/m3).
Sitio OC desvest EC desvest
Soacha 13.80 4.371 7.618 3.825
Mosquera 18.59 7.903 12.08 5.993
Nemocón 62.755 40.105 20.132 9.595
Briceño 7.364 2.271 4.997 1.645
8.4 Relación OC/EC
La relación OC/EC se grafica la relación de OC/EC se grafica a continuación en las Figura 22 y
Figura 23 y en la Tabla 17 se indican los datos de OC/EC promedio y su desviación estándar para
los 4 sitios de medición. Es necesario mencionar que los datos de esta relación de Soacha son
mucho más grandes y más variables que los de Mosquera, y los datos de Nemocón son mayores
que los de Briceño y todos los demás. La relación de OC/EC es un indicador de los aerosoles
orgánicos secundarios y también indican la emisión y transformaciones características de
compuestos carbonáceos. Según se muestra los radios o razones que exceden 2 o más bajos
que 1.1 (Ho et al, 2004) indican la presencia de aerosoles orgánicos secundarios. Otros estudios
incluso indican que valores de esta relación OC/EC menores que 1 son frecuentemente
encontrados en túneles de carreteras y asociados a emisiones frescas del tráfico de automóviles
(Pio et al., 2011), mientras que radios o razones de 1.8 a 3.7 han sido encontrados en la
contaminación de fondo en sitios urbanos y se atribuyen a las emisiones del tráfico pero que por
la distancia han generado Compuestos Orgánicos Secundarios (Amato et al., 2016). En el estudio
realizado por (Valderrama, Rojas, & Gómez, 2006), se analizó el PM recolectado en 2 vías de la
ciudad de Bogotá, encontrando que para la Avenida Caracas el carbono orgánico y el elemental
hacen el 59% y 41% del carbono total recolectado, mientras que para la carrera séptima se tiene
que el orgánico es el 80% del carbono total recolectado, con un elemental del 20% indicando
unos radios o razones OC/EC de 1.44 para la avenida caracas y de 4 para la carrera séptima.Sin
embargo es de mencionar que la variación de los datos de esta relación no es fácilmente
explicable, pues no siguen un patron especifico o no coindicen con máximos y minimos
necesariamente de las mediciones de PM2.5, es nevcesario estudiar mas a fondo la relación
OC/EC y determinar los factores de su variabilidad.
Por lo anterior se podría decir que Soacha en general la mitad de los datos superan el límite de
2 de esta relación indicando una mayor presencia de aerosoles orgánicos secundarios, mientras
que solo algunas mediciones de Mosquera superan este límite y otros datos están por debajo de
79
1. Para el caso de Nemocón se ve que solo 3 datos están por debajo del límite de 2, llegando a
relaciones tan altas como 5, indicando que la gran mayoría del carbono orgánico de Nemocón
estaría dada por los aerosoles orgánicos secundarios y Briceño 3 datos superan esta magnitud,
indicando que en Briceño seria la localización con menor concentración de aerosoles
secundarios. Comparado con el estudio realizado para Las Localidades de suba y Carvajal donde
se analiza el PM10 de estas localidades se reportan los datos de OC y EC de 11.85 ±3.45 y
6.77±2.09 µg/m3 respectivamente para Carvajal y para suba son de 7.55 ±1.91 y 4.55 ±+1.01
µg/m3. Se reporta también que la relación de OC/EC encontrado promedio para los datos es de
1.42 para Carvajal y de 1.59 para Suba (Vargas, 2009), además que se referencia que estas
relaciones son similares a los encontrados en varias ciudades asiáticas altamente contaminadas
las cuales presentan rangos de 1 a 3. (Fang Wu, Chou, & Lee, 2008). En esta bibliografía se
indica que valores de 1 a 1.2 se pueden asociar a combustión de diesel con bajos contenidos de
azufre, mientras que los análisis de Zhang et al (2009) indican que los radios o razones de OC/EC
son una función fuerte del contenido de azufre del combustible usando, pasando de 5.77 (gasolina
con contenidos de azufre de 500 ppm) a 2.57 (gasolina con 20 ppm de azufre).
En el estudio de (Brito et al, 2013), se analizaron las relaciones EC/OC de las muestras
recolectadas en los túneles de Rodoanel (RA), el cual es dominado por vehículos de carga
pesada e impulsados con diesel y biodiesel al 5% y el túnel Jânio Quadros (JQ), túnel dominado
por vehículos livianos y en promedio impulsados mediante gasolina mezclada con etanol. La
relación OC/EC encontrado en JQ fue de 1.59 ± 0.09, comparando con estudios anteriores al
mismo enfocado en vehículos livianos arrojando un radio o razonde 2.4, se indica que este radio
o razonencontrado cae dentro del límite inferior del rango de valores asociado a vehículos livianos
(OC/EC >1) con varios tipos de gasolina y diesel. Este radio de valores OC/EC en el túnel JQ
indica que existe una contribución importante de los vehículos livianos a la emisión de EC a pesar
del uso de biocombustibles. Las relaciones de OC/EC encontrados en el túnel de RA fueron de
0.49 ± 0.12, lo que se indicó que es comparable con lo reportado para estudios de las emisiones
debidas a vehículos diesel pesados, donde se reportan valores cercanos a 0.5. según lo anterior,
los valores de OC/EC estaría mayormente asociados a emisiones de gasolina, teniendo en cuenta
que la flota vehicular está compuesta igualmente de vehículos a gasolina y diesel livianos y de
camiones diesel pesados, además que se requiere tener en cuenta la penetración de las motos.
Se indica que para el 2018 el parque automotriz del país estaba compuesto de 7.1 millones de
motos, con 3.4 millones de automóviles particulares, 1.1 millones de camionetas, 0.7 millones de
camperos, 0.7 millones de camiones, 0.7 de vehículos comerciales de pasajeros y 0,2 millones
de otros vehículos.
En el estudio de (Ramirez, de la Campa, Amato, Catacoli, Rojas, & de la Rosa, 2018), se muestran
los siguientes datos:
Tabla 18, datos reportados por de (Ramirez, de la Campa, Amato, Catacoli, Rojas, & de la Rosa, 2018), presentando
el OC y EC medido. Promedio anual Época Lluviosa Época Seca
elemento Promedio Mínimo Máximo promedio Mínimo Máximo Promedio Mínimo Máximo
PM10 37.5 9.89 160 41.4 14.2 104 34.6 9.89 160
OC 8.84 2.17 24.5 10.4 3.13 21.7 7.67 2.17 24.5
EC 3.24 0.69 11.3 3.41 0.69 11.3 3.12 0.82 9.86
80
Se indica que se encontró poca variación del EC a lo largo de las 2 estaciones analizadas, así
los radios o razones OC/EC variaron entre 2.5 en la estación seca y 3 en la estación lluviosa,
principalmente debido a la variación en el OC siendo menor en la estación seca, se asocia a esto
el efecto de la fotolisis y evaporación a causa de mayor radiación solar. A partir de análisis de
correlaciones de estos OC y EC, se indica en el estudio que estos valores de OC deben provenir
de los SOA principalmente.
Tabla 19, datos de los totales reportados por el estudio de (Ramírez, de la Campa Amato, Moreno, Silva, & Jesús,
2019), para la ciudad de Bogotá y el análisis de PM, todos los datos en % de masa a la fracción torácica del material
particulado. Residencial Industrial Comercial Referencia Todo
Mayores
Elementos
56 20 49 25 62 26 55 2.7 55 52
OC 13 5.8 14 6.9 19 7.1 29 1.5 19 7.4
EC 0.5 0.6 0.3 0.4 1.9 0.7 0.8 0.0 0.9 0.7
Iones 1.5 0.5 1.4 0.3 3.8 1.1 3.3 0.2 2.5 1.2
Trazas 0.4 0.2 0.4 0.2 0.5 0.2 0.3 0.0 0.4 0.1
Datos reportados para otras localizaciones como el estudio relacionado por Ho et al, 2004, en los
cuales reportaron los radios o razones de OC/EC en localizaciones urbanas adentro y afuera de
las construcciones residenciales de Hong Kong monitorearon el material particulado analizando
la relación EC/OC, de las cuales se obtiene la
Tabla 21 y
Tabla 22. En este estudio se analiza la relación de PM2.5 afuera y adentro de las construcciones
obteniéndose rangos de concentraciones entre 195.2 a 15.3 µg/m3 con relaciones de OC/EC
promedio de 2.7 ± 1 y 2 ± 0.4, encontrándose relaciones en algunos lugares de 2.9 a 1.7. Se pudo
concluir que casi todas las localizaciones excedieron la relación de 2 excepto una en la que se le
atribuye a que no existiera un gran flujo de vehículos de carga pesada, por lo que ellos
concluyeron que había una alta presencia de aerosoles orgánicos. También encontraron un
enriquecimiento de carbono orgánico en el interior de las edificaciones, indicando una fuente
interna de OC.
Tabla 20, relación OC/EC (carbono orgánico sobre carbono elemental) para los datos medidos en el presente estudio.
Sitio OC/EC desvest Min Max
Soacha 2.050 0.705 1.14 4.14
Mosquera 1.603 0.404 0.89 2.32
Nemocón 3.114 1.054 1.43 5.14
Briceño 1.559 0.434 0.99 2.44
81
Tabla 21, concentraciones promedio de PM2.5 en diferentes ambientes internos y externos cercanos a caminos en
Hong Kong, reproducido a partir de lo expuesto por Ho et al, 2004
Localización Concentración
promedio de PM2.5
(µg/m3)
Rangos de concentración
de PM2.5 (µg/m3)
radio
promedio
I/O
rangos I/O
PUU-O 89.5±61.4 42.0-197.2 0.5±0.2 0.2--0.7
PUU-I 39.6± 25.8 15.3-83.3
PUA-O 91.4±32.7 59.7-109.7 0.5±0. 1 0.4-0.7
PUA-I 45.2± 12.4 30.J-58.3
PUS-O 51.5± 27.2 27.8-104.2 0.9±0.2 0.6-1.1
PUS-I 46.5±31.0 27.0-108.3
TM-O 108.3± 2.0 106.9-109.7 0.9±0.1 0.8--0.9
TM-I 97.9 ±6.9 93.1-102.8
SPK-O 76.7±41.5 37.S-125.0 1.2±0.4
0.8-1.6
SPK-I 77.3± 18.6 59.7-98.6
Figura 22, Gráficos de la relación OC/EC (carbono orgánico contra carbono elemental) de las ciudades de Soacha
(izquierda) y Mosquera (derecha).
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
9/16 9/23 9/30 10/7 10/14 10/21 10/28 11/4
OC/EC
0,0
0,5
1,0
1,5
2,0
2,5
9/16 9/23 9/30 10/7 10/14 10/21 10/28 11/4
OC/EC
82
Figura 23, Gráficos de la relación OC/EC (carbono orgánico contra carbono elemental) de las ciudades de Nemocón
(izquierda) y Briceño (derecha).
Tabla 22, concentraciones promedio de OC y C y los radios o razones OC/EC y I/O en diferentes ambientes cercanos
a carreteras internos y externos en Hong Kong, construido a partir de lo expuesto en Ho et al, 2004
Localización OC
(µg/m3)
OC rangos
(µg/m3)
EC
(µg/m3)
EC rangos
(µg/m3) OC/EC
Relación
I/O EC
Relación
I/O OC
PUU-O 10.5±3.3 6.5-14.9 5.9±0.8 4.6-6.6 1.8±0.4 0.5±0.1 0.6±0.2
PUU-I 6.2± 1.4 4.2-8.2 2.8±0.5 2.3-3.6 2.3±0.6
PUA-O 16.4±6.0 10.7-22.9 8.2 ±2.3 6.2-10.2 2.0±0.2 0.5±0.1 0.7± 0.2
PUA-I 10.3±2.S 6.8-12.6 3.7± 1.4 2.4-5.7 2.9±0.8
PUS-O 8.5±4.3 2.2-15.2 4.4 j:2.8 1.1-9.2 2.1± 0.4 0.9±0.3 1.5± 1.0
PUS-I 9.S±3.4 6. 1-14.7 4.0± 3.1 1.3-9.1 3.1 ± 1.5
TM-O 19.4±4.3 26.3-34.9 11.2± 1.8 10.0-12.4 1.7±0.1 1.0±0.4 1.1 ±0.1
TM-I 21.2±3.1 19.0-23.4 11.1 ±6.3 6.7-15.5 2.2± 1.0
SPK-O 14,1
±3.8 10.6-19.4 6.0± 1.6 3.9-7.4 2.4±0.4 1.1±0.4 1.2±0.2
SPK-I 16.7±3.4 13.7-2 1.0 6.2 ± 2.4 3.9-8.6 2.8±0.6
Promedio
interno
Promedio
externo
11.3±5.5
12.6±S.4 4.8±:3.4
6.4± 2.8 2.7± 1.0
2.0±0.4 0.8±0.3 1.0±0.7
Los estudios realizados por Ram y Sarim en 2010 en la India, indican coeficientes ente 8.1 y 6.6
en ambientes urbanos, de 3.1 en ambiente rural y 2 a 6.7 en ambientes de alta altitud. Para este
estudio se concluye que en sitios urbanos los radios o razones variaron de 2.4–14.5, con un
promedio de 7.87 indicando una contribución predominante de quema de biomasa (madera como
0,0
1,0
2,0
3,0
4,0
5,0
6,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
OC/EC
0,0
0,5
1,0
1,5
2,0
2,5
3,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
OC/EC
83
combustible y desechos agrícolas) mientras que las emisiones en sitios rurales están en el rango
de 2.1–4.0 con un promedio de 3.17, siendo influenciados mayormente por industrias que usan
carbón como combustible; sin embargo el estudio manifiesta que la variabilidad de los datos es
muy alta al respecto de las relaciones OC/EC sugeridas para sitios urbanos que se manifiesta en
el mismo artículo entre 2-3, por lo que se manifiesta que estas relaciones de OC/EC pueden no
estar relacionados con un aumento de los SOA, sino por fuentes muy específicas. Estos
investigadores indican que en general las relaciones OC/EC indican quema de biomasa como
fuente de mayor impacto mientras que los radios o razones más pequeños indican emisiones de
combustibles fósiles. En la revisión bibliográfica de estos investigadores manifiestan que se han
reportado radios o razones promedio de OC/EC de 7.3 para quema de madera y de 1.1 para
emisiones vehiculares, otros estudios han reportado radios o razones OC/EC de 6.6 para quema
de biomasa, 12 para contaminantes de gran rango de viaje, 3.3 para carbón orgánico secundario
y 0,71 para emisiones de tráfico basados en un ambiente urbano (Helsinki). A la luz de estos
resultados, se podría decir que los radios o razones OC/EC de Soacha, Mosquera y Briceño están
más asociados a las emisiones de vehiculares, pero con una contribución de los SOA, mientras
que en Nemocón la contribución de los SOA es importante. La Tabla 23 muestra los datos
reunidos por Ram y Sarim en 2010
Tabla 23, abundancias atmosféricas de las especies carbonáceas para sitios seleccionados en la península
indogangenica, construido a partir de lo expuesto por Ram y Sarim en 2010
Tipo de
sitio sitios Periodo
TSP
µg/m3 OC µg/m3 EC µg/m3 OC/EC
wsoc
µg/m3 WSOC/OC
Urban
AlB diciembre 2004 300 ±90 49.0± 14.1 6.2 ±:2.0 8.1 ±1.7 17.7 ±5.9 0.37±0.08
KNP Enero – marzo 2007 141± 73 25.0± 13.8 4.8 ±3.0 6.2 ± 3.7 8.8±5.7 0.38±0.09
HSR Diciembre 2004 177 ±
64 30.9 ± 17.9 3.8 ± 1.4 8.5 ± 2.2 10.7 ± 4.5 0.32 ;1:0.14
Rural JGD Diciembre 2004 194 ±
38 35.3 ± 7.1 11.6± 2.0 3.1± 0.6 16.2 ± 3.5 0.47 ± 0.11
High·
altutude MNP
Diciembre 2004 27 ± 8 4.8 ± 1.1 0.9 ± 0.3 6.0± 1.9 2.0± 0.7 0.42 ± 0.14
Febrero marzo 2005 138 ±
78 11.6± 5.9 1.8± 0.8 6.6± 0.3 4.4 ± 1.7 0.39 ± 0.04
Diciembre 2005- marzo
2006 65± 35 11.0± 2.3 1.5 ± 0.6 8.2± 2.6 5.0± 1.4 0.46± 0.08
Enero marzo 2007
49 ± 24
5.9 ± 3.3
1.0± 0.7
6.2 ± 1.1
3.4 ± 1.7
0.55± 0.14
Diciembre 2007-
febrero 2008 64 ± 18 13.0± 6.1 2.0 ± 0.9 6.5 ± 1.6 6.7± 3.2 0.52±0.12
El trabajo de Plaza et al en 2011 muestra los resultados de seguimiento realizado en Madrid, en
una zona suburbana con predominancia de automóviles, obteniéndose en relaciones entre 1.8 y
6 con un promedio de 4.3. aunque en este estudio no se ahondo sobre las posibles fuentes de
los contaminantes, se discute sobre la estacionalidad vista en los datos, en invierno se presenta
un comportamiento característico siendo una relación menor en invierno asociada a una menor
actividad atmosférica a diferencia de verano donde se presenta la mayor actividad fotoquímica y
por ende mayor OC y mayor OC/EC. También en la Tabla 24 se presentan los datos medidos en
su estudio.
84
Tabla 24, datos de EC y OC medidos por Plaza et al en 2011, junto con la relación OC/EC
Mes OC rango EC rango OC/EC
Febrero 06 6.2 1.5-14.7 3.3 0.2-11.9 1.9
Marzo 05 2.8 1.2-6.3 1.1 0.2-4.6 2.5
Abril 06 2.4 1.2-4.1 0.7 0.1-2 3.6
Mayo 06 3.0 1.4-4.9 0.7 0.2-1.9 4.2
Junio 06 4.1 2.5-6.7 1.2 0.3-2.8 3.5
Julio 05 3.5 1.7-6.2 0.9 0.2-2.6 4.1
Septiembre 06 2.8 1.4-4.8 1.0 0.2-3.4 2.8
Octubre 06 3.1 1.4-6.3 1.7 3-5.8 1.8
Noviembre 06 3.4 1.5-7.6 1.6 0.3-4.7 2.1
Diciembre 06 3.4 1.4-8.1 2.1 0.2-5.7 1.6
Marzo 07 2.8 1.3-5.2 1.1 0.2-3.1 2.5
Abril 07 3.1 1.7-5.1 0.7 0.1-2 4.4
Mayo 07 3.2 1.7-5.2 1.0 0.2-3.4 3.2
Junio 07 3.6 2-7.1 0.9 0.2-2.8 4.0
Noviembre 07 4.3 2.6-8.3 1.9 0.4-6.2 2.3
Diciembre 07 6.1 2.7-12.1 2.7 3-7 2.3
Enero 08 4.6 2-9.2 2.0 0.3-6.7 2.3
Febrero 08 4.5 2.4-7.5 1.8 0.4-5 2.5
Marzo 08 3.6 1.9-6 0.9 0.2-2.4 4.0
Abril 08 3.6 2.1-5.8 0.7 0.2-1.8 5.1
Mayo 08 4.0 2.8-5.8 0.8 0.2-1.9 5.0
Junio 08 4.2 3.7-5.1 0.7 0.3-1.3 6.0
Promedio 3.7 - 1.3 - 4.3
En su estudio de 2005 Jones y Harrison utilizaron la relación OC/EC como un indicador de los
SOA y de las fuentes, indicando una contribución de los SOA al carbón orgánico o a las fuentes
de quema de biomasa y quema de carbón en Beijín durante la primavera. Para china se ha
identificado que los radios o razones que exceden 2.8 son identificadores de formación de SOA.
Reconociendo que el carbón es y será la principal fuente de energía para China, esta fuente se
ha visto en otros estudios indexados por estos autores, se reconoce como una fuente probable
en áreas urbanas, seguido por las fuentes de emisiones móviles, que indican un OC/EC bajo,
reportándose entre 1.1 para vehículos y 2.7 para combustión de carbón.
Las condiciones del estudio indicaron que la presencia de SOA debería ser insignificante y los
radios o razones de OC/EC medidos son por fuentes primarias, excluyendo la quema de biomasa
por no ser significativa en esta temporada. Teniendo estas dos fuentes (quema de carbón y
emisiones vehiculares) se analizó la contribución de cada una a las especies carbonáceas
haciendo relaciones promedio entre estas dos teniendo en cuenta que en no es factible que la
quema de madera sea una fuente importante en primavera, además se reportan datos para otras
localizaciones medidas de OC y EC tal como se muestra en la Tabla 26.
85
Tabla 25, relación de estudios relacionados que presentan la relación OC/EC.
(Viidanoja, et al,
2002)
Estudio de 1 años realizado en Helsinki, encontrándose una gran relación
entre velocidad del viento y concentración de sulfatos con la relación
OC/EC. Los resultados fueron 1.8 – 4.4 con un promedio de 2.94 en todos
los meses de julio del 2000 a julio 2001
(Jones & Harrison,
2005).
Estudio realizado en Londres. Se encuentra que solo el sitio del norte
Kensington revelo una tendencia generada por los SOA durante el verano
y se identifica la importancia individual de las fuentes antropogénicas. Los
resultados fueron los siguientes:
Sitio Tipo OC/EC
Promedio
OC/EC
Geométrico
Harwell Rural 2.80 4.10
North
Kensington
Urban
Background
3.20 3.65
Belfast
Centre
Urban
Centre
2.25 2.81
Marylebone
Road
Kerbside 1.33 1.52
(Polidori, et al,
2006).
El estudio fue desarrollado entre julio de 2001 y julio de 2002,
analizándose el material particulado de Pittsburg. Se analizo los SOA
concluyéndose que los SOA pueden influir altamente en la formación de
material particulado, especialmente en los meses de verano. Se
obtuvieron los datos de OC y EC y a partir de estos datos se calculan los
datos de OC/EC, las concentraciones de OC EC fueron de 2.75 (0.23–
15.70) y 0.89 (0.20–7.98) µg/m3, dando OC/EC de entre 2.74 y 3.36
(Zhang et al, 2009). En este estudio se analizó el PM10 y los OC y EC de este, encontrándose
valores de OC/EC 0.88 y 2.95 con un promedio de 2 en Beijín durante la
primavera. Se le atribuye la alta concentración de OC/EC en ciertos
momentos del día a los vehículos a motor, seguido por la combustión de
carbón y se indica que la formación de SOAs ya que la primavera no es
una temporada de quema de biomasas por lo que las fuentes deben ser
solamente los vehículos de motor y la quema de carbón
Tabla 26, datos de relaciones OC/EC, junto con los datos OC y EC medidos, reunidos Enel trabajo del 2005 de Jones
y Harrison
Sitio de medición Fechas de medición OC
(µg/m3)
EC
(µg/m3)
OC/EC
Beijing. China Enero 2004 21.2 8.9 2.3
Beijing. China Marzo y abril 2004 13.5 7.1 2.11
Sub Beijing. China Septiembre diciembre 2002 21.2 73 3.11
86
Centro de Beijing.
China
Julio 1999- septiembre 2000 21.5 8.7 2.5
Los Ángeles, Estados
Unidos
Noviembre y diciembre 1987 18.5 7.3 2.5
Seúl Corea del sur junio 1994 11.1 8.4 1.3
Seúl Corea del sur Junio 1994 10.3 8.4 1.3
Kaoungisn Taiwán Noviembre 1998 abril 1999 10.4 4.0 2.6
Helsinki Finlandia Julio 2000-julio 2001 3.0 1.2 2.5
Región del delta del rio
Pearl
Enero and febrero,2002) 19.7 7.8 2.5
Xi’an. China Septiembre y octubre, 2004 43.2 15.0 3.2
Uji, Japón Junio 1998-diciembre 1999 3.0 6.2 0.5
8.5 Estimación de los SOC
Se ha usado la siguiente expresión para determinar a masa de carbonos orgánicos segundarios,
usando el EC como trazados de las emisiones primarias de OC:
𝑆𝑂𝐶 = 𝑂𝐶𝑚𝑒𝑑𝑖𝑑𝑜 − (𝑂𝐶
𝐸𝐶)
𝑝𝑟𝑖𝑚𝑎𝑟𝑖𝑜∗ 𝐸𝐶 (Ecuación 15),
Figura 24, OC secundario (carbono orgánico secundario) calculado a partir de la (Ecuación 15), para Soacha (izquierda)
y Mosquera (derecha).
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14/9/16 14/10/1 14/10/16 14/10/31
OCsec (µg/m3)
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
16,0
18,0
14/9/16 14/10/1 14/10/16 14/10/31
OCsec (µg/m3)
87
Figura 25, OC secundario (carbono orgánico secundario) calculado a partir de la ecuación (Ecuación 15), para
Nemocón (izquierda) y Briceño (derecha).
Figura 26, Relación entre carbono orgánico secundario y carbono orgánico total (OCsec / OCtotal) calculada para Soacha (izquierda) y Mosquera (derecha).
0,0
20,0
40,0
60,0
80,0
100,0
120,0
140,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
OCsec (µg/m3)
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
9,0
10,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
OCsec (µg/m3)
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
14/9/16 14/10/1 14/10/16 14/10/31
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
14/9/16 14/10/1 14/10/16 14/10/31
88
Figura 27, Relación entre carbono orgánico secundario y carbono orgánico total (OCsec / OCtotal) calculada para Nemocón (izquierda) y Briceño (derecha).
Este método asume lo siguiente: que las emisiones de OC y EC provienen de la misma fuente, y
que el EC es un carbono primario en el origen, o sea no sufre transformaciones en la atmosfera.
Además de lo anterior se requiere estimar la emisión primaria o la relación primaria de OC/EC,
siendo estimado como la medición más baja de OC/EC registrada, siendo este radio o
razonmínimo únicamente generado por fuentes móviles. Los estudios en general toman la
relación mínima de sus mediciones ya sea diarias o horarias, sin embargo, se puede incurrir en
el error de sobreestimar los SOC obtenidos si existen fuente con radios o razones de OC/EC
mayores a este mínimo. Por lo anterior se estimaron los SOC de los datos de este estudio como
se puede observar en la Figura 24 y Figura 25 y en las Figura 26 y Figura 27 se pueden ver las
relaciones entre carbón orgánico secundario contra carbono orgánico total medido. También es
importante analizar la cantidad de material particulado generado por el carbón orgánico
secundario, el cual fue multiplicado por un factor de 2 para convertirlo en material particulado, y
se comparó contra el material particulado gravimétrico, como se muestra en la Figura 28 y Figura
29.
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
89
Figura 28, relación de PM secundario contra el PM gravimétrico (PMsec/PMgrav %) en porcentaje para Soacha (izquierda) y Mosquera (derecha),
Figura 29, relación de PM secundario contra el PM gravimétrico (PMsec/PMgrav %) en porcentaje para Nemocón (izquierda) y Briceño (derecha)
En el estudio realizado por (Dan et al, 2004). En el cual se analizaron el material particulado de
Bejín, donde se ha realizado el siguiente recuento de radios o razones OC/EC, como se ve en la
Tabla 27.
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
14/9/16 14/10/1 14/10/16 14/10/31
0,0
20,0
40,0
60,0
80,0
100,0
120,0
140,0
160,0
14/9/16 14/10/1 14/10/16 14/10/31
0,0
20,0
40,0
60,0
80,0
100,0
120,0
140,0
160,0
180,0
200,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
14/12/4 14/12/19 15/1/3 15/1/18 15/2/2
90
Tabla 27, datos reportados por (Dan et al, 2004), sobre el valor de OC y EC.
Localización fecha (mes/año) OC (µg/m3) EC (µg/m3) OC/EC
Beijing, China 6-7/2002 10.7 ± 3.6 5.7 ± 2.9 2.2
12/2002 36.7 ± 19.4 15.2± 11.1 3.5
Kaohsiung,
Taiwán
11/1998 - 4/1999 10.4 4 2.6
Los Ángeles, USA 6-9/ 1987 8.3 2.4 3.5
11-12/ 1987 18.5 7.3 2.5
Seúl, Corea 6/ 1994 9.97 7.57 1.3
Seúl, Corea 11/27-12/09/99 15.2± 9.9 7.3 ± 5.9 2.4
Kwangju, Corea 06/07-06/20/00 7.6 ± 3.7 4.9 ± 2.1 1.5
Helsinki, Finlandia 7/2001-7/2002 3.0 1.2 2.5
Nairobi, Kenia 3/2000 13± 3 2.3 ± 0.3 5.7
Meru, Kenia 5-6/ 1999 6 ± 1 1.4± 0.1 4.3
Polay U, Hong-
Kong
11/2000-2/2001 9.45 ± 2.0 l 5.80 ± 1.14 1.6
HT, Hong-Kong 11 /2000-2/2001 5.52± l.13 1.36± 0.40 4.1
PRD, China 1-2/2002 14.7 ± 11.9 6.1 ± 4.0 2.4
A partir del trabajo de trabajo de (Pio, Cerqueira, Harrison, Nunes, Mirante, Alves, & Matos, 2011).
se verifica que los datos obtenidos en este estudio sobrepasan los datos reportados allí, pues el
parámetro principal de la gráfica que relaciona el OC/C mínimo y el EC llega hasta 3.5 µg/m3 y
los datos reportados en este estudio sobrepasan este límite para el PM2.5. Sin embargo, si se
extrapolan los datos graficados se puede indicar que, teniendo en cuenta los EC medidos en esta
campaña de campo la relación de OC/EC mínimo es de 0.7. Este dato es cercano a lo mínimo
encontrado en la Tabla 20 para Mosquera y Briceño, sin embargo, lo encontrado en las
mediciones para Soacha y Nemocón son mayores; sin embargo, el uso de un OC/EC mínimo
más bajo implica hacer una predicción más conservativa de los SOA. En este trabajo también se
indican algunos radios o razones OC/EC encontrados para diferentes gases exhaustos,
encontrando valores promedio de OC/EC que indican valores de 0.2 a 1.6 dependiendo del tipo
de flota vehicular, también se han medido radios o razones OC/EC en diferentes túneles de
autopista, encontrándose valores de 0.27 a 0.8. Sin embargo, estos datos pueden no reflejar las
condiciones predominantes en el ambiente
Respecto a Nemocón, se puede ver que la masa carbonácea, en especial el carbono orgánico
OC tiene la misma tendencia que el material particulado, la tendencia es en general muy similar
excepto para las primeras 5 mediciones; el carbono elemental presenta un comportamiento
ligeramente coherente a la tendencia del material particulado pero en general se verifica que el
más variable es el carbono orgánico el cual aparentemente condiciona la masa del material
particulado, indicando que los mecanismos que generan el carbono orgánico son relativamente
independientes de los que generan el carbono elementan. En el caso de Briceño la tendencia
91
entre ambas fracciones carbonáceas se mantiene pues en general la tendencia de la medición
de material particulado es descendente y esto se refleja en la masa carbonácea, pero al contrario
que sucede en Nemocón, en Briceño los comportamientos vistos en el material particulado no se
reflejan en las materias carbonáceas, especialmente en el punto de máximo material particulado
que coincide con un mínimo de material carbonáceo, también se verifica que tienen
comportamientos en general independientes pues tienen tendencias distintas a lo largo de las
mediciones.En general los comportamientos en los carbonos orgánicos pueden deberse tanto a
aerosoles orgánicos secundarios como fuentes asociadas a la emisión de carbón orgánico.
Figura 30, Fracciones carbonáceas medidas en Soacha (primero) y Mosquera (ultimo) mediciones de carbón elemental (EC) carbón orgánico soluble (WSOC), y carbón orgánico insoluble (WIOC).
0
5
10
15
20
25
30
35
40
45
50
Co
nce
ntr
atio
n, µ
g/m
3
EC (µg/m3)
WIOC (µg/m3)
WSOC (µg/m3)
0
10
20
30
40
50
60
70
80
90
µg/
m3
EC (µg/m3)
WIOC (µg/m3)
WSOC (µg/m3)
92
Figura 31, Fracciones carbonáceas medidas en Nemocón (primero) y Briceño (ultimo) mediciones de carbón elemental (EC) carbón orgánico soluble (WSOC), y carbón orgánico insoluble (WIOC). En diferentes escalas
0
20
40
60
80
100
120
140
160
180
200C
on
cen
trat
ion
, µg/
m3
EC(µg/m3)
WIOC (µg/m3)
WSOC (µg/m3)
0
5
10
15
20
25
Co
nce
ntr
atio
n, µ
g/m
3
EC(µg/m3)
WIOC (µg/m3)
WSOC (µg/m3)
93
Figura 32, Masa gravimétrica vs reconstruidas medidas durante la campana, Soacha (Primera) y Mosquera (ultima).
0
20
40
60
80
100C
on
cen
trat
ion
(µg/
m3)
Reconstructed PM2.5 (µg/m3) Gravimetric PM2.5 (µg/m3)
0
20
40
60
80
100
Co
nce
ntr
atio
n (µ
g/m
3)
Reconstructed PM2.5 (µg/m3) Gravimetric PM2.5 (µg/m3)
94
Figura 33, Masa gravimétrica vs reconstruida medidas durante la campana, Nemocón (Primera) y Briceño (ultima), en diferentes
escalas.
8.6 Reconstrucción másica
La reconstrucción másica fue desarrollada sumando los iones medidos en la muestra que son
amonio, sulfato, nitrato y los otros que son iones menos importantes como cloruro, sodio, potasio
y calcio. También se suman los carbonos orgánicos y elemental y el total de masa orgánica se
calcula con los factores de OM/OC ya mencionados 1,45 para Soacha y 1,2 para los otros 3
sitios; las Figura 32 y Figura 33 muestran la reconstrucción másica realizada vs la masa
0
50
100
150
200
250
300
350C
on
cen
trat
ion
(µg/
m3)
Reconstructed PM2.5 (µg/m3) Gravimetric PM2.5 (µg/m3)
0
5
10
15
20
25
30
35
Co
nce
ntr
atio
n (µ
g/m
3)
Reconstructed PM2.5 (µg/m3) Gravimetric PM2.5 (µg/m3)
95
gravimétrica medida. Como ya se ha mostrado, la reconstrucción de Soacha y Mosquera es mejor
que la de Nemocón y Briceño; la reconstrucción másica en Soacha tiende a subestimar la masa
reconstruida y en general falta un poco de masa para llegar a la masa medida gravimétricamente
lo cual puede indicar que hay presencia de otros iones o metales que no se han medido y que su
contribución conjunta afecta la reconstrucción, para el caso de Mosquera hay bastante masa que
sobra de la reconstrucción sobre la masa medida gravimétricamente, se ve que la mayoría de las
reconstrucciones de masa superan la masa medida gravimétricamente, lo que podría indicar que
la variabilidad del parámetro OM/OC día a día es mucho mayor que en Soacha, que para obtener
un mejor ajuste debería ajustarse individualmente cada valor para cada medición
Respecto a Briceño y Nemocón, la masa reconstruida y gravimétrica tiene en promedio un buen
acuerdo, pero la variación medición a medición es mucho más grande que lo presentado en
Soacha y Mosquera, también se presentan casos donde la masa reconstruida es mucho más
grande que la gravimétrica en Nemocón lo que puede indicar la presencia de eventos que
sesgaron de alguna manera la medición o, por el contrario, eventos que cambiaron drásticamente
la relación OM/OC utilizada.
8.7 Compuestos carbonáceos
Los compuestos carbonáceos medidos son EC (carbono elemental) WSOC (compuestos
orgánicos solubles en agua) y WIOC (compuestos orgánicos insolubles en agua), lo cuales se
pueden ver en la Figura 30 y Figura 31.
Como se puede ver en las gráficas, la fracción soluble de carbono orgánico en Soacha y en
Mosquera tiene un comportamiento independiente de las otras fracciones carbonáceas, siendo
esto que hay mediciones de carbón elemental que son mucho menores que en otras mediciones,
a pesar de que las otras fracciones carbonáceas sean similares, esto sugiere que la fracción
soluble del carbono orgánico proviene principalmente de otros mecanismos distintos a los de las
otras. Es de notar que la tendencia del carbono orgánico soluble es mucho más estable que en
Soacha. Respecto a los carbonos solubles e insolubles en Briceño, se verifica que la cantidad de
orgánicos solubles e insolubles en este sitio de medición es similar, a diferencia en que Nemocón
y los demás sitios la cantidad de insolubles respecto a los solubles es mucho mayor. Además,
que para Briceño la cantidad de carbón elemental y orgánico insoluble es similar, mientas que las
demás localizaciones la concentración de carbón elemental es menor que las demás
concentraciones. Se verifica que las concentraciones según el comportamiento de la tendencia
del material particulado pues no se verifican mediciones que no sigan la tendencia general
Esta independencia de la fracción orgánica soluble se ve también en las mediciones realizadas
en Nemocón y Briceño, pues en estas ciudades tampoco se ve que la fracción orgánica soluble
no necesariamente sigue las tendencias de las fracciones carbonáceas. En la Tabla 28 se indican
los promedios y desviaciones estándar, siendo Briceño el lugar que tiene menor cantidad de
carbón insoluble de todos los lugares.
En el estudio realizado por Villalobos, et al, (2015). Se reportaron las concentraciones de WSOC,
WIOC, y EC, encontrando gran variación estacional con unos valores más altos en lo meses más
fríos. El promedio de EC fueron 4.3 ± 2.2 μg/m3 de marzo a octubre con una contribución relativa
al material particulado de 11 ± 6%. Los promedios de OC variaron desde el mínimo de μg/m3 en
96
octubre al más alto de 22 μg/m3 en junio. Además de tener radios o razones de OC/EC
constantes de 2.8 ± 0.4
Tabla 28, carbones solubles e insolubles en agua (WSOC y WIOC) medidos en los 4 lugares de medición, todos los datos en µg/m3
sitio WIOC SD WSOC SD
Soacha 11.823 3.473 1.984 1.223
Mosquera 17.489 7.589 1.104 0.651
Nemocón 59.214 38.712 3.541 2.020
Briceño 5.403 1.456 1.961 1.514
El WSOC vario desde el mínimo de 1.8 μg/m3 en marzo a 6.5 μg/m3 en junio, mientras las
concentraciones promedio de WIOC estuvieron entre 3.5 ± 1.8 μg/m3 en octubre y 16 ± 1.8 μg/m3
en junio. Las relaciones WSOC/OC fueron similares durante todo el periodo con promedios de
0.33 ± 0.04.
Para el estudio de Cao et al., 2012, Se encontró que el OC y EC exhibieron un máximo en invierno
y un mínimo en verano. El OC se reporta como el más abundante y más contribuyente al PM2.5
durante el invierno, siendo el OC el constituyente del PM2.5 más abundante en el invierno en
todas las ciudades estudiadas excepto para Hangzhou y Hong Kong, variando entre 13.3 (Hong
Kong) a 95.8 µg/m3 (Xi’an). El EC durante el invierno vario de forma similar al OC, variando entre
4.6 (Jinchang) a 21.5 µg/m3 (Xi’an). Según el estudio esta co-ocurencia se esperaba ya que el
OC y EC resultan típicamente de la combiustion incompleta de combustibles liquidos y solidos
(Lighty et al., 2000). Las concentraciones de OC y EC fueron las más altas en las ciudades
continentales, como Changchun, Xi’an, Wuhan, y Chongqing, y menores en las ciudades costeras
como Qingdao, Xiamen, y Hong Kong. En el estudio (Querol et al, 2001), se encontró que el
carbono orgánico, elemental y mineral alcanzaron los 70%, 26% y 5% del carbono total medido
en el Pm10, respectivamente, así las concentraciones para promedio anual fueron 8 mg OC m3,
3 mg EC m3 y 0.6 mg MC m3.
8.8 Compuestos orgánicos
Existen cientos de especies orgánicas que pueden ser medidas por cromatografía-
espectroscopia de masas, dichos marcadores moleculares contribuyen en muy baja cantidad a
la masa del material PM2.5, pero a pesar de su pequeña contribución a la masa total del material
particulado, estos trazadores son muy útiles para determinar y cuantificar las fuentes de los
aerosoles orgánicos. Las concentraciones medidas mediante compuestos semanales de
moléculas como el levoglucosano, lo hidrocarburos aromáticos policíclicos (PHAs) y lo hópanos
se muestran en las Figura 34, y Figura 35.
97
Figura 34, Concentraciones de compuestos orgánicos en Soacha (izquierda) y Mosquera (derecha), Primero se muestran las concentraciones de benzopirenos y fluóratenos, denominados como hidrocarburos aromáticos policíclicos (PHAs), en la mitad se grafican los Levoglucosanos y el final se grafican lo Hópanos.
0
0,002
0,004
0,006
0,008
0,01
0,012C
on
cen
trat
ion
(µ
g/m
3)
benzo[b]fluoranthenebenzo[k]fluoranthenebenzo[e]pyreneBenzo(a)pyrene
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
0
0,2
0,4
0,6
0,8
1
µg/
m3
0
0,2
0,4
0,6
0,8
1
Levoglucosane
0
0,0005
0,001
0,0015
0,002
0,0025
0,003
0,0035
0,004
Co
nce
ntr
atio
n (
µg/
m3
)
17A(H)-21B(H)-Hopane
17A(H)-21B(H)-30-Norhopane
17A(H)-22,29,30-Trisnorhopane
0
0,0005
0,001
0,0015
0,002
0,0025
0,003
0,0035
0,004
98
Figura 35, Concentraciones de compuestos orgánicos en Nemocón (izquierda) y Briceño (derecha), Primero se muestran las concentraciones de benzopirenos y fluóratenos, denominados como hidrocarburos aromáticos policíclicos (PHAs), en la mitad se grafican los Levoglucosanos y el final se grafican lo Hópanos.
0
0,03
0,06
0,09
0,12
0,15
0,18
0
0,005
0,01
0,015
0,02
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14
benzo[b]fluoranthene
benzo[k]fluoranthene
benzo[e]pyrene
Benzo(a)pyrene
0
0,1
0,2
0,3
0,4
0,5
0,6
0,0
0,5
1,0
1,5
2,0
2,5
3,0
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0
0,002
0,004
0,006
0,008
0,0117A(H)-21B(H)-Hopane
17A(H)-21B(H)-30-Norhopane
17A(H)-22,29,30-Trisnorhopane
99
Tabla 29, concentraciones de levoglucosano medidas en los 4 sitios de medición
Sitio Levoglucosano (µg/m3)
SD (µg/m3)
Soacha 0.599 0.216
Mosquera 0.258 0.053
Nemocón 0.26 0.20
Briceño 1.74 0.69
El levoglucosano, una de las moléculas más utilizados como marcador para la quema de biomasa
(Simoneit et al., 1999) mostro mayores concentraciones en Soacha que en Mosquera y se vieron
2 picos importantes durante la segunda y séptima semana de medición y un mínimo importante
en la quinta; mientras que en Mosquera se vio solamente una alta concentración durante la
tercera semana, todas las demás semanas de medición tienen un comportamiento estable similar
dentro de la incertidumbre estadística. Las concentraciones promedio se muestran en la Tabla
29. La tabla anterior y las gráficas sugieren que en Mosquera hay un uso pequeño pero continuo
de madera para la combustión, mientras que Soacha puede estar influenciada por fuentes de
quema de madera más grandes y esporádicas, dígase incendios forestales o producciones
grandes, mientras que en Mosquera este uso podría estar asociado solo a quemas domesticas o
propias de las actividades agrícolas.
En el caso de Nemocón y Briceño el comportamiento del levoglucosano es mucho más variado
que para Soacha y Mosquera; Nemocón tiene una alta variabilidad entre mediciones habiendo
mediciones casi tan grandes como las vistas en Mosquera y otras absolutamente pequeñas para
las cuales la incertidumbre es mayor que la medición misma, además que las mediciones de
Nemocón en cuanto a levoglucosano son mucho menores que las de Soacha a pesar de tener
un mayor recuento de material particulado que Soacha y que Mosquera lo cual puede indicar que
la quema de biomasa es una fuente bastante pequeña para Nemocón comparativamente, pues
tiene unas mediciones de levoglucosano tan pequeñas como las de Mosquera para un recuento
de material particulado 4 veces mayor en algunos casos, también es importante mencionar que
las mediciones de Nemocón tienen la misma tendencia que el material particulado, pues se ve
que los máximos y mínimos de levoglucosano coinciden con los máximos y mínimos de material
particulado, dándose así a entender que la quema de biomasa es una fuente que sigue la misma
estacionalidad o comportamientos del material particulado si bien no debería ser una fuente tan
importante.
En el caso de Briceño, tuvieron que hacerse compuestos de 2 semanas casa uno siendo el último
compuesto de una sola semana. Es notable que sea Briceño el sitio de medición que tenga
mayores mediciones pus tiene unas concentraciones mayores incluso que las medidas en
Soacha. Esto indicaría que la contribución por quema de maderas debería ser la fuente más
importante de Briceño y además se puede ver que tiene la misma tendencia que las mediciones
de material particulado. Esto podría indicar que esta es la fuente más importante del material
particulado de Briceño.
Los comportamientos anteriormente verificados son distintos a lo esperado a partir del estudio de
trayectorias inversas realizado, como se muestra más adelante. En este estudio se encuentra
100
que las trayectorias son provenientes de fuentes de incendio, en especial para Briceño y
Nemocón, sitios ques tienen un comportamiento muy similar entre si en términos de trayectorias
inversas; sin embargo, el levoglucosano es importante solamente en Briceño, mientras en
Nemocón se reportan concentraciones muy pequeñas. Según los datos arrojados por las 4
localizaciones y teniendoen cuenta lo encontrado en las trayectorias reversas, se podría indicar
que los componentes como el levoglucosano se descompusieron durante el camino por diversas
causas ya sea por la química atmosférica o deposición húmeda o seca pus si bien las corrientes
de aire inversas son provenientes del norte de Venezuela y pasan sobre sitios de incendio, en
Briceño y nemocon no existe una concentración de Levoglucosano que sea coherente con lo
anterior en nemocon mientras que Briceño si es coherente con dicha concentracion, mientras que
en Soacha y Mosquera puede que las fuentes sean locales o que la presencia de los incendios
forestales cercanos sea la causante de la concentración de levoglucosano, pues las trayectorias
reversas no pasan por grandes focos de incencias y si se verifica una concentración de
levoglucosano importante teniendo en cuenta la cantidad de PM2.5 recolectado. Por el
comportamiento surgido en Nemocón, se podría indicar que en Briceño las fuentes locales son
predominantes y fuertes, mientras que en Nemocón son menores las fuentes locales y la
contribución por fuentes de incendios forestales de largo alcance es menor. Sin embargo es
necesario realziar mayores estudios en este aspecto sobre la vida del levoglucosano y las fuentes
de levoglucosano posibles que afecten en Cundinamarca y también sobre las trayectorias
reversas
En el estudio de (Villalobos et al, 2015). Se midieron las concentraciones de levoglucosano,
encontrando las concentraciones más altas en junio y julio llegando a los 1789 ± 85 ng/m3 (1.782
µg/m3) en dichos meses. Mientras la concentración más pequeña se registró en marzo (52.9
ng/m3). También se indica que los estudios previos en Santiago de chile indican concentraciones
entre abril 25 y mayo 8 en el rango de 206 a 1797 ng/m3, con promedio de 680 ng/m3. Siendo
explicado por el consumo de leña para la calefacción doméstica.
Las concentraciones medidas por (Villalobos et al, 2017) de levoglucosano en Temuco Chile
estuvieron en promedio entre 871 ± 89 ng/m3, comparándolas en el mismo estudio con lo medido
en invierno en Sondrio (Italia), Graz (Austria) y Dettenahusen (Alemania): 885, 860 y 806 ng/m3,
respectivamente como se compara en dicho estudio.
En el estudio de (Stone et al, 2010) se midieron las concentraciones de levoglucosano,
encontrándose en concentraciones de 95± 40 µg/mg OC en quemas de biomasa abiertas,
además de ser medido en concentraciones de 0.16 a 2.6 µg/m3 en Lahore, con las menores
concentraciones en la estación monzónica de verano y las mayores concentraciones fueron
medidas en enero, noviembre y diciembre. Sin embargo, se indica que no se percibió quema de
estiércol de vaca, siendo este un indicio que esta no es una fuente importante. Las
concentraciones anteriores son comparables en general con lo encontrado en este estudio, como
se muestra en la Tabla 29. Sin embargo, es interesante notar que Briceño indica una mayor
cantidad de levoglucosano medido incluso que estudios mostrados acá, siendo comparable con
las concentraciones medidas en meses de invierno.
Dentro de otros estudios se encuentra el de (Schauer & Cass, 2000), en el cual se hizo atribución
de fuentes mediante compuestos orgánicos, y se midió el Levoglucosano para los sitios de
Fresno, Bakersfield y en el refugio de vida salvaje de Kern, desde el 26 al 28 de diciembre de
101
1995 y del 4 a 6 de enero de 1996, encontrándose concentraciones de 7590 y 2130 ng/m3
respectivamente en fresno, 1100 y 1370 en Bakersfield y de 25.3 y 22.5 ng/m3 en el refugio Kern.
En el estudio de (Zheng et al, 2002), Se hizo también atribución de fuentes de contaminantes y
se midió el levoglucosano en las ciudades de Centreville, N. Birmingham, Yorkville, Jefferson
Street, Oak Grove, Gulfport, OLF #8 y Pensacola, de estados unidos, encontrando
concentraciones de 322, 251, 177, 307, 333, 166, 267 y 358 ng/m3. Los dos estudios anteriores
también realizaron sus mediciones encontrando una gran contribución de la quema de biomasa
al PM2.5 muy relacionado a la calefacción, pues en un entorno natural como el Refugio Kern se
encontraron niveles muy pequeños siempre encontrándose un nivel de quema de biomasa incluso
en los meses cálidos.
En este estudio de (Chowdhury et al, 2007) se midieron las concentraciones de levoglucosano
encontrando para el verano en las ciudades de Delhi, Calcuta, y Chandigarh fueron 210 ± 40
ng/m3, 75 ± 15 ng/m3, y 140 ± 30 ng/m3, respectivamente mientras que en invierno fueron de
5300 ± 1100 ng/m3, 5500 ± 1100 ng/m3, y 910 ± 180 ng/m3, respectivamente, siendo explicada
por la necesidad de calefacción doméstica en invierno. En el estudio de (Gelencsér et al, 2007),
se realizaron atribuciones de contaminantes a ciudades de toda Europa, encontrándose los
siguientes resultados Tabla 30:
Tabla 30, datos presentados por (Gelencsér et al, 2007) respecto al análisis del PM2.5 medido en diversas ciudades europeas
Sitio estación Fecha de monitoreo TC (µg/m3)
EC (µg/m3)
OC (µg/m3)
Levoglucosano (ng/m3)
Aveiro, Portugal
Invierno Dic 2002, Ene-Feb 2003, Dic 2003 to Ene 2004
14.1 1.80 12.3 1220
Verano Jul -Ago 2002, May -Ago 2003, Ene 2004
4.04 0.57 3.47 38
Puy de Dome, Francia Central
Invierno Dic 2002, Ene and Dic 2003
0.86 0.21 0.65 10.9
Verano Jun and Jun 2003 4.92 0.29 4.63 7.4
Schauinsland, Alemania sureste
Invierno Dic 2002, Jan and Dic 2003
1.66 0.28 1.38 32
Verano Jun a Ago 2003 4.05 0.25 3.80 10.4
Sonnblick, Alpes austriacos,
Invierno Oct-Dic 2002 0.21 0.02 0.19 2.7
Verano May -Jun 2003 1.56 0.12 1.44 4.5
K-Puszta Hungría
Invierno Nov -Dic 2002, Feb and Dic 2003, Ene -Feb 2004
10.7 1.74 8.91 585
Verano Jul a Ago 2002 May 2003, Ago -Sep 2003
5.04 0.53 4.52 44.1
Los hidrocarburos aromáticos policíclicos (PHAs) son compuestos que se generan de reacciones
de reacciones químicas entre hidrocarburos durante la combustión incompleta de combustibles
fósiles y vegetación a alta temperatura, en las que se forman y se unen grandes anillos
aromáticos, siendo emitidos en los gases de exosto. Los PHAs son usados como trazadores de
102
las emisiones debidas a vehículos impulsados por gasolina y combustión de madera, Enel estudio
de (Ravindra et al., 2008) se ahonda sobre sus posibles fuentes. También se indica que se forman
durante la combustión incompleta de madera y emisiones asociadas a los hidrocarburos. La
emisión debida a gases exosto es función del tipo de motor, carga y edad de este, tipo de
combustible y calidad, acumulación en el aceite lubricante, su propia combustión y el modo de
conducción. Los PHAs se distribuyen en las fases particulada y gaseosa dependiendo de su peso
molecular, temperatura ambiente, concentraciones y composiciones del material particulado.
(Brito et al, 2013).
Su potencial carcinogénico ha sido reportado especialmente para algunos PHAs como el
benzo[b]fluoranthene, benzo[k]fluoranthene, y benzo[a]pirene (Bostrom et al., 2002; Ravindra et
al., 2008; Zhang et al., 2009). Sus concentraciones se muestran en las Figura 34 y Figura 35.
Las concentraciones de PHAs no muestran ningún patrón específico en Soacha a excepción de
un máximo en la séptima semana de medición que coincide con un máximo de la concentración
de levoglucosano. Para Mosquera, existe un máximo marcado en la última semana de medición
que indica un comportamiento de aumento desde la cuarta semana. La concentración promedio
de estos PHAs medidos en los 4 sitios se indica en la Tabla 31.
Tabla 31, PHAs totales medidos en los 4 sitios de la campaña, en ng/m3
Sitio PHAs
totales
SD
Soacha 6.28 2.53
Mosquera 7.812 2.885
Nemocón 106.73 50.68
Briceño 13.27 2.91
El caso de Nemocón con los PHAs es bastante alto, es diez veces mayor que el promedio de
Soacha y Mosquera. Sigue igualmente las tendencias mostradas en el material particulado
además de que comparada contra el levoglucosano los mínimos del levoglucosano son mucho
más fuertes, indicando que las fuentes que generan PHAs son mucho más estables que las que
generan propiamente el levoglucosano.
En el caso de Briceño las concentraciones son mayores que los promedios presentados en
Soacha y Mosquera, también Briceño presenta cierta variabilidad que coincide con los datos
presentados en la medición de material particulado y con los datos de levoglucosano, aunque
tiene una menor variación entre las mediciones. Como en el caso de Nemocón, al parecer las
fuentes de PHAs son más estables en el tiempo que las de levoglucosano.
Según el estudio de Villalobos et al, 2015, se midieron las concentraciones de
benzo[b]fluoranthene, benzo[k]fluoranthene, benzo(e)pireno, and benzo[a]pireno, mostrando
concentraciones más altas en los meses más fríos especialmente en junio cuando la suma de los
4 PHAs medidos fue de 14.1 ng/m3. La concentración más baja medida fue de 1.5 ng/m3 y se
registró durante el mes de marzo y la concentración promedio de estos PHAs en el periodo otoño-
103
invierno fue de 7.4 ± 4.5 ng/m3. Mediante estos datos se indica que los patrones de emisión y
meteorológicos son diferentes entre verano a inverno, produciendo unas concentraciones de
PHAs mayores en invierno posiblemente debido a las condiciones de estancamiento de la
atmosfera y química atmosférica propia de los meses de mayor intensidad lumínica. En estudios
previos al estudio de Villalobos et al de 2015, se midieron concentraciones en agosto y octubre
de 1998, encontrándose concentración de 68 ng/m3 y 8.3 ng/m3 respectivamente, mientras que
en el estudio de Villalobos et al en 2013 se midieron para esos respectivos meses
concentraciones de 5.9 ng/m3 y 1.6 ng/m3 respectivamente, mostrando una mejora en la calidad
del aire de Santiago de Chile. Para el estudio de (Villalobos et al, 2017), también se midieron
concentraciones de estos PHAs, encontrándose la máxima concentración de PHAs es la segunda
semana de estudio, midiéndose 31.4 ng/m3 y el promedio encontrado durante el estudio fue de
17.5 ± 6.8 ng/m3.
En el estudio de (Stone et al, 2010) se midieron 5 isómeros de PHAs con peso molecular de 252
unidades másicas, con una concentración promedio de 370 ±50 ng/mg OC. Estos niveles se
indican elevados respecto a otras localizaciones en la india como Mumbai (2.0ng/m3) y Hong
Kong (0.75-1.0 ngm3) y mayores a los indicados para Los Ángeles (0.18 - 0.44 ng/m3).
Dentro del estudio de (Zheng et al, 2002). Se realizaron mediciones de los PHAs para su
atribución de contaminantes, encontrando los siguientes resultadosTabla 32 es de notar que los
resultados de este estudio son menores que los encontrados en los estudios anteriores, indicando
menor contaminación del aire. Además, existen faltantes PHAs no encontrados en diversos sitios,
indicando una menor química atmosférica o reactividad de estos y menores contribuciones al
material particulado.
Tabla 32, resultados de PHAs medidos en el estudio de (Zheng et al, 2002). Los datos están en ng/m3
Compuesto Centreville N. Birmingham
Yorkville Jefferson Street
Oak Grove
Gulfport OLF#B Pensacola
benzo(k)fluoranthene 0.10 2.75 0.06 0.30 0.06 0.07 0.06 0.18
benzo(b)fluoranthene 0.08 2.40 0.06 0.29 0.06 0.07 0.06 0.17
benzo(J)fluoranthene - 0.48 - 0.04 - - - 0.02
benzo(e)pireno 0.10 3.18 0.05 0.36 0.10 0.10 - 0.12
benzo(a)pireno 0.04 2.50 0.03 0.18 0.03 0.04 - 0.05
Los datos anteriores también indican un comportamiento esperable en Soacha, Mosquera y
Briceño, pues ambos tienen un alto flujo vehicular, sin embargo para Nemocón el valor obtenido
es bastante alto comparativamente, teniendo en cuenta que Nemocón no cuenta con grandes
vías altamente transitadas, pudiendo deberse estos resultados a fuentes que también quemen
gasolina o diesel no relacionadas necesariamente a vehículos o combustión de biomasa, también
indicando que existen ineficiencias en la combustión en los vehículos de las vías de estos sitios
de medición, lo cual se deber a los “vehículos chimenea” que han circulado por las vías de
Colombia.
Para el caso de los Hópanos, estos están principalmente asociados con la emisión de vehículos
impulsados con diesel y gasolina (Rogge et al., 1997; Schauer et al., 1996; Shrivastava et al.,
104
2007). Figura 34 y Figura 35 muestran las concentraciones de 17α(H)-22,29,30-trisnorhopane,
17α(H)-21β(H)-30-norhopane, y 17α(H)-21β(H)-hopano. Es claro que las mediciones en Soacha
arrojan menores concentraciones que para Mosquera, además que la tendencia de las
mediciones es la misma que para los PHAs, aunque los máximos de PHAs no se corresponden
totalmente con los máximos de Hópanos. Para Mosquera el primero comentario es que en
promedio las concentraciones de hópanos en este sitio son mayores que en Soacha; pues el
promedio medido en Soacha es de 1.268 ng/m3 con una desviación estándar de 0.358 ng/m3
mientas que para Mosquera dichos valores son 2.813 ng/m3 y 0.396 ng/m3 siendo así el doble
de lo presentado en Soacha. También Mosquera tiene un comportamiento particular, pues tiene
en general un comportamiento descendente desde la primera semana de medición, siendo
contario al comportamiento de los PHAs.
Tabla 33, promedio de los hópanos totales medidos en los 4 sitios de la campaña con la desviación estándar (datos en ng/m3 nanogramos sobre metro cubico) y su comparacion con el recuento de material particulado.
Sitio Hópanos
totales
SD PM2.5
promedio
(ug/m3)
Relación
hopanos
/PM2.5
Soacha 1.268 0.358 35.13 3.61
Mosquera 2.813 0.396 30.26 9.30
Nemocón 107.6 44.3 85.29 126.16
Briceño 4.23 1.14 17.19 24.61
Para Nemocón en general las tendencias coinciden con las mostradas por las gráficas en general
de PHAs y Levoglucosano, sin tener total coincidencia con algunos datos, pero la tendencia en
general es la misma, además que estas concentraciones son en realidad mucho mayores que las
vistas en Soacha y Mosquera (mayores en 2 órdenes de magnitud) indicando también la
importancia de las fuentes de Hópanos como fuentes de todo el material particulado. Para
Briceño, las concentraciones y su tendencia son mucho más parecidas a lo presentado en el
levoglucosano que la de los PHAs; además es de notar que su concentración sigue siendo en
promedio mucho mayor que la de Soacha Y Mosquera (4 y 2 veces aproximadamente) indicando
una fuerte presencia de las fuentes de hópanos como fuente contribuyente al Material particulado;
Es de notar que las concentraciones de Soacha son las menores a pesar del alto trafico vehicular
y que nemocon y en menor medida Briceño son relativamente altas para la medicion del material
particulado a pesar de tener cualitativamente menor flujo vehicular, siendo zonas mayormente
rurales; estos comportamientos relacionados al hopano no se pueden explicar en este estudio,
por lo cual se recomiendan mas estudios sobre las fuentes de hopano en las ciudades estudiadas.
Por último, valores reportados en Ciudad de México para los hópanos son de 1,31 ng/m3 como
concentración promedio de los 3 hópanos durante Marzo (Stone et al., 2008). En el estudio de
Villalobos et al, 2015 se midieron los hópanos 17α(H)-22,29,30-trisnorhopane, 17α(H)-21β(H)-30-
norhopane, y 17α(H)-21β(H)-hopano, encontrando una estacionalidad muy marcada en los
mismos con concentraciones mayores en los meses más fríos atribuible más probablemente a
condiciones climáticas que a patrones de emisión de las fuentes de hópanos. Las
105
concentraciones de los tres hópanos mencionados estuvieron entre 0.54 ng/m3 en octubre a 3.0
ng/m3 in Julio, con un promedio de 1.3 ± 0.85 ng/m3 y la emisión para septiembre fue de 0.61
ng/m3. También para la provincia de Temuco en chile, Villalobos eta all en 2017 indicaron que la
concentración de los hópanos 17a(H)-21b(H)-30-norhopane y 17a(H)- 21b(H)-hopano fue en
promedio de 0.34 ± 0.15 ng/m3, mientras que el 17a(H)-22,29,30- trisnorhopano no fue detectado.
Lo anterior indicando que las concentraciones de hopano medidas son similares a las medidas
en Santiago de Chile y Ciudad de México para Soacha, siendo Mosquera u Briceño mayores y
Nemocón superando totalmente lo medido en dichas ciudades, por lo cual se indicaría que las
contribuciones de la combustión incompleta de diesel y gasolina vehicular es muy importante en
los 4 sitios de medición del presente estudio. Este comportamiento indica que las emisiones
debidas a emisiones vehiculares son muy importantes en Nemocón, descartando la posible
contribución de biomasa como una fuente totalmente responsable de los altos niveles de PHAs
en Nemocón, pues los niveles de Hópanos y PHAs son similares. Para el caso de Briceño si
puede existir una contribución de quema de biomasa a pues la concentración de Hópanos es
menor que la de PHAs, y para Soacha y Mosquera también debe existir una contribución de
quema de biomasa y contribución de emisiones vehiculares, aunque diferencial púes la
concentración de PHAs es similar en ambos sitios, pero la de hópanos es relativamente diferente.
En el estudio de (Stone et al, 2010) para la atribución de fuentes en Lahore Pakistán se midieron
los hópanos en el PM2.5 midiéndose los hópanos 17a(H)-22,29,30-trisnorhopane, 17b(H)-
21a(H)- 30-Norhopane, y 17a(H)-21b(H)- hopano siendo la suma de los 3 compuestos anteriores
44 ng/m3 en el mes de julio como el mínimo de los estudios y el máximo de 110 ng/m3 en
Noviembre. Dichos niveles fueron bastante altos respecto a muchas ciudades consideradas en
estudios similares, según lo mostrado en el mismo trabajo.
En el estudio de (Zheng et al, 2002) se midieron igualmente las concentraciones de diversos
hópanos como se muestra a continuación siendo en general concentraciones mucho más
pequeñas y en muchos lugares no se detectaron los tris hópanos anteriormente referenciados.
Indicando una menor contaminación que en el presente estudio y los anteriores citados.
Tabla 34, datos de todos los hópanos medidos en el estudio de (Zheng et al, 2002)
Compuesto Centreville N. Birmingham
Yorkville Jefferson Street
Oak Grove
Gulfport OLF#B Pensacola
22,29,30-trisnorhopane - 0.10 - 0.10 - - 0.01 0.01
17a.{H)-21fi{H)-29-norhopane
0.01 0.56 0.02 0.57 - 0.11 0.04 0.21
18a.{H)-29-norneohopane - 0.11 - 0.10 - 0.01 - 0.04
17a.{H)-21fi{H)-hopano 0.01 0.59 0.03 0.56 0.01 0.12 0.04 0.23
225,17a.{H),21fi{H)-homohopano
- 0.30 0.01 0.31 - 0.06 -- 0.12
22R,17a.{H),21fi{H)-homohopano
- 0.29 0.01 0.26 - 0.05 - 0.12
225,17a.{H),21fi{H)-bishomohopano
- 0.19 - 0.19 - 0.01 - 0.05
22 R,17a.{H),21fi{H)-bishomohopano
- 0.14 - 0.15 - 0.01 - 0.04
225,17a.{H),21fi{H)-trlshomohopano
- 0.11 - 0.14 - - - 0.02
106
22R,17a.{H),21fi{H)-trishomohopano
- 0.07 - 0.07 - - - 0.01
La molécula de Piceno fue detectada en casi todas las muestras, sugiriendo la presencia de
fuentes las cuales utilizan carbón como fuente de energía, ya sean fuentes industriales o
domésticas. La concentración promedio de Piceno en Soacha es 0.37 ± 0.14 ng/m3 y en
Mosquera estos valores son 0.48 ± 0.30 ng/m3. En general es notable que ambos sitios tienen
más o menos la misma concentración promedio y siguen en general la tendencia de los PHAs
medidos, a pesar de que Mosquera no se determinó Piceno en la tercera semana de mediciones.
Los promedios de Piceno se muestran en la Tabla 35 y en las Figura 36 y Figura 37.
Tabla 35, concentraciones promedio de Piceno medidas en los sitios de medición con su desviación estándar, en ng/m3
(nanogramos sobre metro cubico). * la medición de Briceño es la única medición arrojada con su respectivo error
Sitio Piceno SD
Soacha 0.37 0.14
Mosquera 0.48 0.30
Nemocón 26.52 12.82
Briceño 0.19 * 0.0465
Para el caso de Nemocón, la tendencia es muy similar a las mostradas por las demás moléculas
orgánicas, pero igual tiene unos máximos que no coinciden con otros máximos en la medición de
material particulado, además de que sus concentraciones son mucho mayores que las de Soacha
y Mosquera y Briceño, con una mayor concentración en general de 2 órdenes de magnitud mayor
que las concentraciones promedio de Soacha y Mosquera. Para Briceño, solo se determinó
Piceno en la última semana de medición. Lo anterior indica que en general la combustión de
carbón no es una fuente dominante del material particulado en Briceño.
En su estudio de 2015, Villalobos et al no reportaron haber medido la molécula de piceno,
mientras que, en sus mediciones en 2017, Villalobos et al midieron concentraciones de Temuco
en todas sus muestras con un promedio de 0.73 ± 0.28 ng/m3, siendo atribuido a la quema de
carbón doméstico e industrial en Temuco.
En este estudio de (Chowdhury et al, 2007). Se midieron las concentraciones de piceno en
distintos momentos del año, las concentraciones de piceno durante el verano en Delhi, Calcuta y
Chandigarh fueron de 0.30 ± 0.06 ng/m3,0.30±0.06 ng/m3, y 0.20 ± 0.04 ng/m3, respectivamente,
mientras que en invierno las mismas concentraciones fueron 5.1 ± 1.0 ng/m3, 7.1 ± 1.4 ng/m3, y
0.9 ± 0.2 ng/m3, respectivamente. Este aumento se indica causado por el uso de carbón para la
calefacción residencial
En el estudio de (Stone et al, 2010) igualmente se realizaron mediciones de Piceno
Encontrándose en concentraciones de 0.57 ± 0.11 µg/mg OC en el humo de estufas a carbón en
Lahore, y también estuvo en concentraciones de 0.6 a 2.4 ng/m3, siendo niveles comparables a
las concentraciones medidas en primavera e invierno en Delhi (1.3-1.5 ng/m3).
Entre los otros PHAs determinados se determinaron los siguientes Fenantreno (Phe), Antraceno
(Ant), fluoranteno (Flt), pirene (Pyr), benzo[a] Antraceno (BaA), Criseno (Chr),
107
benzo[b]fluoranteno (BbF), benzo[k]fluoranteno (BkF), benzo[e]pireno(BeP), benzo[a]pireno
(BaP), indeno[cd]pireno (InP), dibenzo[ah] Antraceno (DBA), benzo[ghi]perileno (BPe) y coroneno
(Cor). Además de la determinación de estos PHAs, se calculó el índice de Benzo(a)pireno
equivalente (BaPE), el cual permite determinar la carcinogenicidad de los aerosoles presentes en
el aire. Se indica que valores sobre 1 ng/m3 indican un riesgo significante de cáncer. Se calcula
este índice con la siguiente ecuación (Pereira et al., 2017b; Yassaa et al., 2001):
𝐵𝑎𝑃𝐸 = ([𝐵𝑎𝐴] × 0.06) + ([𝐵𝑏𝐹] × 0.07) + ([𝐵𝑘𝐹] × 0.07) + ([𝐵𝑎𝑃] × 1) + ([𝐷𝐵𝐴] × 0.6) +
([𝐼𝑛𝑃] × 0.08) (Ecuación 16),
Los potenciales carcinogénico (BaP-TEQ) y mutagénico (BaP-MEQ) de los PHAs fueron
calculados con las siguientes ecuaciones (Jung et al., 2010):
𝐵𝑎𝑃 − 𝑇𝐸𝑄 = ([𝐵𝑎𝐴] × 0.1) + ([𝐶ℎ𝑟] × 0.01) + ([𝐵𝑏𝐹] × 0.1) + ([𝐵𝑘𝐹] × 0.1) + ([𝐵𝑎𝑃] × 1) +
([𝐼𝑛𝑃] × 0.1) + ([𝐷𝐵𝐴] × 5) + ([𝐵𝑃𝑒] × 0.01) (Ecuación 17),
𝐵𝑎𝑃 − 𝑀𝐸𝑄 = ([𝐵𝑎𝐴] × 0.082) + ([𝐶ℎ𝑟] × 0.017) + ([𝐵𝑏𝐹] × 0.25) + ([𝐵𝑘𝐹] × 0.11) + ([𝐵𝑎𝑃] ×
1) + ([𝐼𝑛𝑃] × 0.31) + ([𝐷𝐵𝐴] × 0.29) + ([𝐵𝑃𝑒] × 0.19) (Ecuación 18),
El riesgo de cáncer de pulmón (LCR) debido a la exposición a material particulado con PHAs fue
estimado multiplicando los valore de los potenciales anteriores BaP-TEQ y BaP-MEQ por la
unidad de riesgo establecida por la WHO (8.7×10-5 (ng m-3)-1) (de Oliveira Alves et al., 2015;
WHO, 2000).
Figura 36, Concentraciones de Piceno medido en Soacha (izquierda) y Mosquera (derecha).
0
0,0002
0,0004
0,0006
0,0008
0,001
Co
nce
ntr
atio
n, µ
g/m
3
0
0,0002
0,0004
0,0006
0,0008
0,001
0,0012
0,0014
108
Figura 37, Concentraciones de Piceno medido en Nemocón (izquierda) y Briceño (derecha), notse la diferencia en las
magnitudes de la grafica de Nemocon respecto a la de Briceño.
Las mediciones de los compuestos orgánicos se muestran a continuación en las Tabla 42 y
Tabla 43. A partir de estos datos se puede evidenciar que el total de PHAs medidos en Nemocón
superan por 2 órdenes de magnitud los medidos en los demás lugares indicando una gran
contaminación de PHAs; esto viene dado porque Nemocón es el sitio con mayores
concentraciones de PM2.5. Sin embargo, es de evidenciar que las concentraciones de Soacha y
Mosquera son alrededor de 35 y 30 en promedio respectivamente, mientras que en Nemocón
eran de 85 µg/m3 en promedio, lo cual aún así indica que existe una mayor concentración de
PHAs teniendo en cuenta el material particulado. Es de notar igualmente que las concentraciones
de PHAs entre Soacha y Mosquera son similares, sin embargo, las de Mosquera son mayores
que las de Soacha a pesar de que la concentración de material particulado es mayor en Soacha.
Otro punto importante sobre los datos es el hecho de que Briceño tiene una concentración total
de PHAs similar a la verifica en Mosquera, si bien la concentración de material particulado en
este sitio fue de 17 µg/m3, siendo menor al de Mosquera.
A continuación se presentan los índices Benzo(a)pireno equivalente en ng/m3, en las Tabla 44,
Tabla 45, Tabla 46 y Tabla 47. Es de notar que las mediciones indican que en todos los lugares
este índice supera el límite mencionado de 1 ng/m3, indicando que en todos los sitios de medición
existe un significativo riesgo de cáncer; el índice de BaPE de Nemocón es el mayor de todos
sobrepasándolos por un orden de magnitud, este índice para Soacha es menor que el de
Mosquera, pero aun así son similares; estos datos son coherentes con las concentraciones de
PHAs medidos en el material particulado. Es de resaltar nuevamente que el BaPE de Briceño es
mayor que para Soacha y Mosquera, indicando un mayor riesgo a pesar de tener una menor
concentración de material particulado. Comparado contra otros estudios como el realizado por
(Vasconcellos, et al, 2011). En el cual se realizaron mediciones PHAs totales de Bogotá
(Colombia) Buenos Aires (argentina) y Sao Paulo (Brasil), se obtuvieron datos de PHAs totales
de 15 ±6, 16 ±2 y 26.9 ± 16.4 ng/m3, respectivamente. Se indica entonces que solo las mediciones
de Soacha son similares a las reportadas para Bogotá y Buenos aires, mientras que as demás
son mayores, siendo estos los casos de Mosquera y Briceño y Nemocón, sitio que reporta las
mayores mediciones de todas. Es notable pensar que Mosquera y Briceño tengan mayores
0
0,01
0,02
0,03
0,04
0,05
0,06C
on
cen
trat
ion
, µg/
m3
0
0,0001
0,0002
0,0003
0,0004
0,0005
0,0006
0,0007
0,0008
9/15/14 9/22/14 9/30/14 10/16/1410/13/14
109
recuentos de PHAs que Bogotá y Buenos aires, las cuales son ciudades mucho más urbanizadas
especialmente para el caso de Briceño. Respecto al índice BaPE, se reportan datos de 0.8-4.4
para Bogotá, 2.5-3 para Buenos Aires y 1.2-12.1 para Sao Paulo; los valores de Soacha y
Mosquera están en el rango de lo reportado para Buenos Aires y Bogotá, sin embargo es notable
que la tendencia de Soacha es a unos valores menores que Mosquera y Briceño, pues tiene un
promedio y unos valores mínimos y máximos menos que lo calculado para Mosquera y Briceño,
pareciéndose más a Bogotá mientras que Mosquera esta más cercano al rango de Buenos aires
y Briceño supera lo reportado para buenos aires posicionándose en el rango superior de
mediciones reportadas para Bogotá. Por su parte Nemocón supera incluso lo reportado para Sao
Paulo y las demás ciudades; incluso en menor valor del índice BaPE en Nemocón es un orden
de magnitud mayor que lo encontrado en Bogotá y Buenos Aires. Los datos completos reportados
por (Vasconcellos et al, 2011) Se presentan los resultados en la Tabla 36.
Tabla 36, datos de PHAs reportados por (Vasconcellos et al, 2011). En ng/m3
PHA Bogotá Buenos Aires Sao Paulo
Phe 1.6 ± 1.7 1.0 ± 0.6 2.0 ± 0.8
Ant 1.2 ± 1.0 1.2 ± 0.6 2.6 ± 1.5
Fla 0.6 ± 0.1 1.2 ± 0.3 2.2 ± 2.6
Pyr 2.5 ± 2.8 0.8 ± 0.2 1.6 ± 0.7
BaA 1.0 ± 0.5 0.9 ± 0.2 1.4 ± 1.3
Chr 0.4 ± 0.1 0.9 ± 0.3 1.6 ± 1.0
BbF 0.8 ± 0.7 1.6 ± 0.6 2.4 ± 1.6
BkF 1.7 ± 0.9 1.5 ± 0.4 2.9 ± 3.6
BeP 0.8 ± 0.2 1.1 ± 0.3 2.5 ± 2.5
BaP 0.7 ± 0.2 1.0 ± 0.1 2.2 ± 2.1
InP 1.1 ± 0.8 1.2 ± 0.3 1.4 ± 1.1
OBA 0.9 ± 0.1 2.1 ± 0.1 1.1 ± 0.6
BPe 4.3 ± 2.1 1.5 ± 0.5 1.6 ± 0.2
Total 15.0 ± 6.0 16.0 ± 2.0 26.9 ± 16.4
BaPE 0.8-4.4 2.5-3.0 1.2-12.1
También se pueden comparar los resultados anteriores con mediciones similares realizadas por
(Brito et al, 2013), estas mediciones de PM2.5 se realizaron en 2 túneles vehiculares de Brasil
con un flujo alto, el túnel Rodoanel (RA), el cual es dominado por vehículos de carga pesada e
impulsados con diesel y biodiesel al 5% y el túnel Jânio Quadros (JQ), túnel dominado por
vehículos livianos y en promedio impulsados mediante gasolina mezclada con etanol. Entre los
resultados se encontró que el material particulado de los túneles RA y JQ son de 233 µg/m3 and
52 µg/m3, respectivamente, en dicho artículo se indica también que en ambos túneles circula un
número similar de vehículos livianos, por lo que la mayor contribución en el túnel RA está dada
por el tráfico pesado. Al respecto de los PHAs, se indica que la concentración total de PHAs es
en RA de 56 ± 5 ng/m3 y para JQ fue de 45 ± 9 ng/m3. para JQ, el túnel de vehículos livianos, se
tienen las siguientes composiciones de los PHAs mayoritarios: Phe (16 %), BaA (13 %) y BbF y
110
DBA (11 %). Por otro lado, se presentan las siguientes composiciones de los PHAs mayoritarios
del túnel RA: BaA (12 %) and DBA and BPe (11 %).
También se realizaron mediciones los PHAs totales en la ciudad de Córdoba, Argentina, durante
el otoño de 2008, con un medición total de 2.88 ng/m3 de PHAs, mientras que para el invierno se
tuvieron concentraciones de 5.51 ng/m3 y en verano de 0.14 ng/m3 de PHAs; se calculó también
el BaPE los cuales arrojaron valores de 0.69, 1.47 y 0 ng/m3 en otoño, invierno y verano (Carreras
et al., 2013). Se indica en este trabajo que la composición de PHAs tiene marca de emisiones
asociadas a vehículos a motor y con un gran porcentaje de vehículos impulsados a gasolina; en
Argentina existe una gran cantidad de vehículos sin catalizador con motores viejos, Se indica
también que la mayor concentración en otoño e invierno es atribuible a condiciones de menor
dispersión atmosférica por las condiciones meteorológicas como menor velocidad del viento e
inversión térmica. En verano se tienen condiciones de mayor temperatura, mayores vientos, más
precipitación y una mayor degradación fotoquímica de los PHAs disminuyendo drásticamente su
concentración. Para esta ciudad se ha encontrado en estudios previos que la mayor fuente de
contaminación son los automóviles. Estas concentraciones comparadas con los datos obtenidos
para las 4 ciudades de este estudio indican una mayor contaminación, lo cual podría deberse a
un cambio de las condiciones de dispersión atmoferica de la 4 ciudades, sin embargo no se
cuentan con suficientes datos a partir de este estudio que puedan asegurar que este nivel de
contaminaciopn sea resultado de un cambio en las condiciones de contaminación, por lo que se
propone que este ítem sea de estudio posterior con muestreos año a año; es de mencionar que
en estas ciudades los periodos muestreados fueron de ligera época lluviosa para Soacha y
Mosquera, mientras que los periodos de muestreo de Nemocón y Briceño fueron típicamente de
verano usualmente seco, lo cual indicaría que a pesar de una mayor inestabilidad atmosférica la
concentración de PHAs es alta y podría ser mayor durante días con poca dispersión pero sin
lluvias, sin embargo para asegurar estas conclusiones se requiere en el futuro un estudio que se
enfoque en la medición de variables climáticas que permitan hallar correlaciones entre la
estabilidad atmosferica y las concentraciones de hopanos.
La presencia de vehículos impulsados a gasolina frente a los impulsados con diesel y la emisión
relativa de fuentes como motores, calefacción y otras se pueden relacionar a diferentes PHAs
como se presentan en las quemas de maderas medidas por (Freeman and Catell, 1990) mediante
el cual se detallan las mediciones de PHAs debidas a quema de madera, humo de cigarrillos y
combustión de residuos y material vegetal, Nielsen, 1988). Igualmente en el estudio de (Carreras
et al., 2013) Se encontró que el PHA más importante es el benzo(k)fluoranteno, el cual está
fuertemente relacionado a vehículos impulsados a diesel y gasolina, seguido de
Benzo(a)antraceno y Benzo(a)pireno. Se indica que los PHAs de alto peso molecular están
relacionados a emisiones de vehículos a gasolina mientras los más livianos están descritos como
trazadores para vehículos diesel (Amador-Muñoz et al., 2010), según esto en Córdoba es
predominante la emisión por vehículos a gasolina. Las mediciones reportadas en el estudio de
(Carreras et al., 2013) se muestran en la Tabla 37; y también en este trabajo se presenta un tabla
indicando las concentraciones características de algunos PHAs en diversas localizaciones
representativas, como se ve en la
Tabla 38. Respecto a los datos obtenidos en este estudio, para Soacha los PHAs más abundantes
son BbF, InP, BkF y Chr, para Mosquera son InP, Pyr, BkF y Chr, para Nemocón son Chr, BaP,
111
BbF y InP y para Briceño son DBA, InP, Phe y Bpe, todos los anteriores en orden de mayor a
menor. Es de notar que los PHAs ordenados de mayor a menor en cada uno de los 4 lugares
estudiados acá son distintos, sin embargo, se ve que los de mosquera y Soacha son similares en
3 de 4 de los primeros 4 PHAS, mientras que Nemocón y Briceño son distintos entre ellos mismos
y distintos a Mosquera y Soacha.
Tabla 37, datos reportados en el estudio de (Carreras et al., 2013), con las mediciones de PHAs en la ciudad de Córdoba, argentina, en ng/m3, *identificación de PHAs: FLAN: fluoranteno, PYR: pireno; BaA: benzo(a)antraceno; CHR + TPH: suma de Criseno y trifenileno; BkjF: benzo(k,j)fluoranteno; BaPY: benzo(a)pireno; IPY: indeno(1,2,3-cd)pireno; DahA: dibenzo(a,h)antraceno; BghiP: benzo(ghi)perileno; Total: suma de todos los PHAs; BaPE: equivalente de benzo(a)pireno para el potencial carcinogénico.
COMPUESTO OTOÑO INVIERNO VERANO
Mean SD Mean SD Mean SD
FLAN 0.05 0.01 0.15 0.02 0.00 0.00
PYR 0.07 0.00 0.12 0.49 0.00 0.00 BAA 0.63 0.01 1.47 0.30 0.00 0.00
CHR + TPH 0.30 0.03 0.56 0.29 0.00 0.00 BKJF 0.70 0.08 1.60 1.54 0.00 0.00
BAPY 0.59 0.12 1.24 0.73 0.00 0.00 IPY 0.19 0.02 0.37 0.48 0.00 0.00
DBAHA 0.00 0.00 0.00 0.00 0.00 0.00 BGHIP 0.36 0.07 0.00 0.00 0.14 0.01
TOTAL 2.88
5.51
0.14
BAPE 0.69
1.47
0.00
BAPE/BAPY 1.17
1.18
0.00
Tabla 38, reporte de perfiles de PHAs característicos de diversos sitios, en ng/m3. Tomado del trabajo de (Carreras et al., 2013), *identificación de PHAs: FLAN: fluoranteno, PYR: pireno; BaA: benzo(a)antraceno; CHR + TPH: suma de Criseno y trifenileno; BkjF: benzo(k,j)fluoranteno; BaPY: benzo(a)pireno; IPY: indeno(1,2,3-cd) pireno; BghiP: benzo(ghi)perileno
PHAs* Sitios remotos
Sitios rurales
Sitios urbanos
trafico Sitios industriales
Carreras et al., 2013
FLAN 0.14 0.04-7.4 X X 42 0.153 PYR 0.08 0.1-6.1 0.24-1.2 9.2-15 75 0.116 BaA 0.00 -
0.02 0.01-0.9 0.2-1.3 0.6-4.2 0.37-42 1.471
CHR + TPH
X X X X X 0.557
BkjF 0.04 -0.32
0.2-1 X X 0.3-17 1.602
BaPY 0.02 0.02-1.6 0.4-2 0.7-3.1 0.5-39 1.242 IPY 0.02-
0.04 0.04-0.21 0.3-2.1 1.3-2.6 0.4-37 0.365
BghiP 0.01 0.15-1.0 0.5-2.8 1-4.7 0.7-52 0.356 En el estudio posterior de (Amarillo y Carreras, 2016), se analizaron los PHAs de la ciudad de
Córdoba, Argentina por un periodo más largo, obteniéndose los siguientes datos:
112
Tabla 39, datos obtenidos en el estudio de (Amarillo y Carreras, 2016) en ng/m3. Identificación: Naftaleno (NAP),
Acenafteno (AC), Fluoreno (FL), fenantreno (PHE), Antraceno (ANT), Fluoranteno (FLU), Pireno (PYR),
Benzo[a]antraceno (BaA), Criseno (CHR), Benzo[b]fluoranteno (BbF), Benzo[k]fluoranteno (BkF), Benzo[a]pireno
(BaP), Dibenzo[a,h] antraceno (DBahA), Benzo[g,h,i]perileno (BghiP).
Estación Otoño
Invierno
Primavera
Verano
Promedio
total
Mean SE Mean SE Mean SE Mean SE
NAP 3.220 0.320 4.000 0.396 2.608 0.229 2.094 0.351 2.88
ACE 0.206 0.072 0.269 0.030 0.147 0.010 0.049 0.007 0.16
FL 0.835 0.132 0.767 0.080 0.315 0.065 0.256 0.030 0.49
PHE 0.456 0.040 0.769 0.067 0.495 0.044 0.144 0.027 0.45
ANT 0.014 0.001 0.023 0.002 0.008 0.001 0.004 0.000 0.01
FLU 0.348 0.082 0.658 0.073 0.158 0.012 0.129 0.017 0.30
PYR 0.199 0.044 0.367 0.046 0.077 0.010 0.061 0.005 0.16
BaA 0.315 0.061 0.530 0.051 0.167 0.018 0.148 0.008 0.27
CHR 0.293 0.086 0.515 0.059 0.124 0.020 0.083 0.007 0.23
BbF 0.521 0.116 0.913 0.148 0.504 0.052 0.349 0.030 0.56
BkF 0.171 0.032 0.226 0.022 0.687 0.089 0.341 0.065 0.40
BaP 0.293 0.072 0.455 0.051 0.115 0.018 0.130 0.011 0.23
DBahA 0.122 0.019 0.113 0.011 0.030 0.005 0.035 0.004 0.07
BghiP 0.720 0.097 0.938 0.073 0.385 0.033 0.360 0.022 0.56
Total 7.629 0.788 10.423 0.895 5.793 0.319 4.133 0.378 6.68
En este estudio (Amarillo y Carreras, 2016) encontraron mediciones de PM10 en promedio de
131.2 µg/m3 con un mínimo de 10.80 µg/m3 y un máximo de 822.4 µg/m3. Con unos PHAs totales
ligados al material particulado 0.33 a 49.33 ng/m3 con un promedio de 6.68 ± 2.88 ng/m3. Se
encuentra una dominancia de los PHAs ligeros debido a la dominancia de Naftaleno, se encontró
que los PHAs siguen un orden de importancia de 4, 3, 6 y 5 anillos ordenados de mayor a menor
concentración. Se mantiene una estacionalidad indicativa que las mayores concentraciones de
PHAs se encuentran durante los meses fríos, mientras que en la época de verano se registran
las menores concentraciones, reforzando la teoría de que fenómenos como la volatilización,
descomposición foto lítica, dispersión atmosférica y asimilación de los mismos dentro de la
materia biótica es mayo durante el verano. Por otro lado, en ese estudio se analizó la
concentración del PHA más carcinogénico, BaP, se lo encontró un rango de 0.12 a 0.46 ng/m3,
excediendo según se dice en este estudio lo encontrado en zonas urbanas pequeñas de china,
como 0.05 ng/m3, pero menor a lo encontrado en zonas industriales como Minas Gerais de Brasil,
donde se indican 5.6 ng/m3 y ciudad de México, México, con 4 ng/m3.
En el estudio de (Amador-Munoz et al, 2010), Se realizaron mediciones sobre el total de material
suspendido de ciudad de México, México, se reporta que el BaP reporto un promedio de las
113
concentraciones de 0.98±0.56 ng/m3 para la estación seca y de 0.40±0.20 ng/m3 para la estación
lluviosa. Estos datos son mucho menores que los encontrados en el presente estudio, teniendo
en cuenta que México es una ciudad mucho más grande que las examinadas en este estudio y
que ha tenido problemas de contaminación.
En el estudio de (Ravindra et al, 2008) se indican algunos resultados de estudios, indicando
algunos PHAs marcadores de distintas emisiones, que se presentan a continuación:
(a) presencia dominante de Criseno y benzo[k]fluoranteno son relacionados con su origen de la
combustión de carbón
(b) los niveles significativamente altos de benzo[ghi]pireno, coroneno, and fenantreno son
relacionados a las emisiones causadas por vehículos a motor. Se ha encontrado que los
camiones diesel son la mayor fuente de PHAs ligeros, mientras que los vehículos ligeros a
gasolina son las fuentes dominantes de PHAs de alto peso, como el BAP y el
dibenzo[a,h]antraceno. Específicamente también se ha definido que los vehículos de tarea liviana
contribuyen significativamente a los PHAs de 4 a 5 anillos bencénicos, mientras que los vehículos
de tarea pesada contribuyen dominantemente a los PHAs de 3 anillos, como el fluoranteno y
pireno
(c) se asocian el fenantreno, fluoranteno y pireno están asociados a las partículas de sal, como
la proveniente de los caminos durante el invierno, pues se indica que estas partículas absorben
los PHAs emitidos por los motores
(d) el pireno, fluoranteno, y fenantreno muestran altos niveles de emisión durante la incineración
de materiales como desechos o papel.
(e) la combustión de aceite se ha reportado como asociada con altas concentraciones de los
PHAs más volátiles como Fluoreno, fluoranteno y pireno, con niveles moderados de los
compuestos más pesados como el benzo[b]fluoranteno and indeno[1,2,3-cd]pireno
(f) se ha observado un aumento en la relación de PHAs in-sustituidos cobre sus homólogos
sustituidos con metilos o dimetilos en las emisiones de gases exhaustos de acuerdo a los
combustibles usados
(g) se han determinado otros PHAs marcadores para plantas de cemento, incineradores de
basuras y chimeneas industriales.
En el mismo estudio, (Ravindra et al, 2008) muestran los radios o razones de PHAs mas
utilizados según su bibliografía, con algunos valores de referencia, y algunos datos de PHAs
según el sitio presentado y su número de anillos. En el estudio de (Alves et al, 2016) se realiza
una comparación de varios radios o razones , colocándolos en planos cartesianos para indicar la
fuente exacta de los mismos.
Tabla 40, relaciones entre PHAs propuestos en el estudio de (Ravindra et al, 2008), con su respectivo significado,
CPAHs/TPAHs hace referencia a la suma de los compuestos no alquilados (fluoreno + pireno + benzo[a]antraceno +
chriseno + benzo[b]fluoranteno + benzo[k]fluoranteno + B[a]P + indeno[1,2,3-cd]pireno + benzo[ghi]perileno) sobre la
concentracio total de los PHAs
Relación de PHAs Valor Fuente
0.18 Vehículos a gasolina
114
Indeno [l ,2,3-cd]pireno/(indeno[l ,2,3- cd)pireno +
benzo[ghi]perileno)
0.37 Vehículos Diesel
0.56 Carbón
0.62 Quema de madera
0.35-
0.70 Diesel emisiones
Fluoreno/ (Fluoreno + pireno)
> 0.5 Vehículos Diesel
< 0.5 Vehículos a
Gasolina
B[a]P/(B[a]P + chriseno)
0.5 Vehículos Diesel
0.73 Vehículos a
Gasolina
Benzo(b]fluoranteno/ benzo[k]fluoranteno > 0.5 Diesel
B[a]P/benzo[ghi]perileno
0.5-06 Emisiones del trafico
> 1.25 Quema de carbón
café
Indeno[l,2,3-cd) pireno/benzo[ghi]perileno < 0.4 Gasolina
Aprox 1 diesel
CPAHs/TPAHs Aprox 1 Combustión en
general
Fluoranteno/benzo[e]pireno 3.5± 0.5 Gases exhaustos de
automóvil
Pireno/benzo[e]pireno 6± 1 XX
Pireno/B[a]P
Aprox I0
Aprox I
Motores diesel
Aprox 1 Motores a Gasolina
Fluoranteno/pireno 0.6 Emisiones
vehiculares
Tabla 41, porcentajes de PHAs presentados en diferentes localizaciones, según el estudio de (Ravindra et al, 2008),
Bdl, debajo del límite de detección
PAH Túnel de
autopista
Vehículos
diesel
Vehículos
a gasolina
Hornos
de
coque
Quema de
madera
2-Ring 76.2 8.7 55.6 89.8 1.1
3-Ring 16 56.2 18.1 8.9 69.2
4-Ring 4.3 10.8 12.6 0.97 6.6
5-Ring 3. 1 18.7 13.4 0.22 13.2
6-Ring 0.4 5.2 0.05 0.01 Bdl
7-Ring Bdl 0.2 0.08 Bdl Bdl
115
Tabla 42, PHAs medidos para Soacha (Izquierda) y Mosquera (derecha), en ng/m3
Compuesto mean Min máx. SD Compuesto mean min Max SD
Total 14.464 7.552 25.681 5.621 Total 27.78 20.01 46.86 7.71
BbF 1.976 1.053 3.346 0.718 InP 6.01 4.59 10.48 1.81
InP 1.855 0.962 2.951 0.657 Pyr 2.74 2.02 3.83 0.51
BkF 1.691 0.815 2.855 0.599 BkF 2.51 1.8 4.57 0.85
Chr 1.474 0.695 2.93 0.659 Chr 2.36 1.61 4.18 0.73
BaP 1.317 0.652 2.778 0.653 BbF 2.1 1.45 3.37 0.57
BeP 1.292 0.706 2.101 0.452 Flt 2.06 1.53 2.97 0.4
Pyr 0.974 0.467 1.663 0.376 Bpe 1.78 1.31 2.67 0.37
BaA 0.928 0.448 1.978 0.478 BaA 1.67 1.02 3.45 0.72
Cor 0.835 0.443 1.313 0.289 BeP 1.62 1.05 3.35 0.68
Flt 0.691 0.271 1.268 0.31 BaP 1.58 0.94 3.07 0.62
Bpe 0.656 0.285 1.331 0.307 Phe 1.27 1 1.62 0.18
Phe 0.368 0.135 0.585 0.173 Cor 1.27 1 2.17 0.36
DBA 0.293 0.197 0.417 0.073 DBA 0.57 0.4 0.79 0.11
Ant 0.115 0.069 0.176 0.032 Ant 0.25 0.17 0.34 0.05
ΣLMW
/ΣHMW 0.448 0.385 0.503 0.038
ΣLMW
/ΣHMW 0.602 0.538 0.651 0.040
Tabla 43, PHAs medidos para Nemocón (izquierda) y Briceño (derecha), en ng/m3
Compuesto mean Min máx. SD Compuesto mean min máx. SD
Total 247.83 79.01 410.99 111.73 Total 35.07 24.452 40.988 5.854
Chr 45.32 11.76 73.76 22.99 DBA 4.374 3.245 5.608 0.969
BaP 37.85 10.2 80.15 21.65 InP 3.445 2.312 4.773 0.817
BbF 25.43 10.22 39.86 10.8 Phe 3.201 2.538 4.255 0.591
InP 24.48 6.81 50.05 12.96 Bpe 2.76 2.108 3.196 0.419
BaA 23.31 9.1 37.16 10.26 Flt 2.567 1.88 3.008 0.372
BkF 22.89 9.24 38.14 9.6 BkF 2.495 1.756 3.282 0.508
BeP 20.56 7.02 35.19 9.46 BbF 1.96 1.263 2.428 0.434
116
Tabla 44, datos de BaPE o índice de Benzo(a)pireno equivalente, para Soacha en ng/m3
BaPE
2SQ1 2SQ2 2SQ3 2SQ4 2SQ5 2SQ6 2SQ7 2SQ8 promedio SD
1.19 1.79 1.03 2.32 1.14 2.25 3.82 2.09 1.95 0.85
Tabla 45, datos de BaPE o índice de Benzo(a)pireno equivalente, para Mosquera en ng/m3
BaPE
2MQ1 2MQ2 2MQ3 2MQ4 2MQ5 2MQ6 2MQ7 2MQ8 promedio SD
2.67 2.35 2.22 2.47 1.84 2.63 3.28 5.14 2.82 0.96
Tabla 46, datos de BaPE o índice de Benzo(a)pireno equivalente, para Nemocón en ng/m3
BaPE
2NQ1 2NQ2 2NQ3 2NQ4 2NQ5 2NQ6 2NQ7 2NQ8 2NQ9 promedio SD
57.47 51.77 73.79 21.38 14.94 90.53 13.72 51.71 56.21 47.94 25.02
Tabla 47, datos de BaPE o índice de Benzo(a)pireno equivalente, para Briceño en ng/m3
BaPE
2BQ1_2 2BQ3_4 2BQ5_6 2BQ7_8 2BQ9 promedio SD
4.92 3.30 4.20 2.41 5.62 4.09 1.14
También es importante calcular la relación entre PHAs de bajo y alto peso molecular (3 a 4 y 5
en adelante anillos aromáticos, respectivamente) (Pereira et al., 2017b). Los estudios indican que
los PHAs pesados provienen principalmente de emisiones debidas a gasolina mientras que los
Pyr 15.1 4.84 24.89 7.34 Chr 1.947 1.207 2.594 0.476
Flt 11.91 3.71 20.72 5.89 BaA 1.579 1.068 1.82 0.267
Bpe 7 2.18 12.74 3.38 Cor 0.567 0.182 0.972 0.274
DBA 5.59 1.72 8.7 2.59 Pyr 0.559 0.335 0.719 0.149
Cor 4.09 1.29 7.66 1.8 BaP 0.443 0 0.827 0.365
Phe 2.18 0.35 4.91 1.79 Ant 0.27 0.139 0.392 0.09
Ant 2.11 0.81 4.11 0.98 BeP 0.194 0 0.566 0.243
ΣLMW
/ΣHMW 0.671 0.608 0.777 0.047
ΣLMW
/ΣHMW 0.619 0.505 0.743 0.080
117
PHAs de bajo peso molecular son asociados a emisiones debidas a diesel. En el estudio de
(Pereira et al., 2017b). se observó que los PHAs pesados representaron un 55% de los PHAs
totales observados para vehículos de gasolina mientras que para los vehículos a diesel
representaron un 15%, y los PHAs livianos presentan mayores concentraciones en las emisiones
de diesel, siendo alrededor del 85% de los PHAs totales (Perrone et al., 2014). Las relaciones
entre ligeros y pesados en Nemocón y Briceño fueron de 0.671 y 0.619 y para Soacha y Mosquera
son de 0.448 y 0.602 respectivamente. Esto puede indicar que para Nemocón Briceño y
Mosquera la contribución de vehículos a diesel es mayor, mientras que para Soacha es mayor la
contribución de vehículos a gasolina, Comparativamente la diferencia no es tan grande, pero
permite indicar un dominancia de los vehículos diesel en los 3 sitios mencionados, lo cual es
coherente con la situación de los lugares, pues Soacha tiene mediciones realizadas en calles
más cerradas y las vías cercanas tienen dominancia de vehículos a gasolina y diesen en partes
iguales incluso un poco más de vehículos a gasolina, mientras que Mosquera, Nemocón y Briceño
por tener una vocación más industrial o agrícola la dominancia esta más cercana a diesel. Es
necesario anotar que se supone que existe una similitud de temperaturas, pues se sabe que la
temperatura afecta gravemente la distribución de PHAs entre la fase gaseosa y la fase
particulada. Por otro lado, también es necesario indicar que todas estas contribuciones están en
el rango de las emisiones debidas a la combustión, pues relaciones mayores de 1 entre los PHAs
livianos y pesados indican emisiones debidas a derrames o emisiones de hidrocarburos (Zhang
et al, 2008). Siempre que las zonas monitoreadas son similares en términos climáticos por estar
dentro de la misma región geográfica, podrían haberse dado diferencias fuertes de temperatura
que influencien los datos como se indica en el estudio de (Ravindra et al, 2008)
Los valores de los potenciales se muestran a continuación y las relaciones entre PHAs se
muestran a continuación en las tablas Tabla 48, Tabla 49, Tabla 50 y Tabla 51 y en la Tabla 52
se detallan los riesgos de cáncer de pulmón calculados (LCR) para cada sitio de medición. Es de
notar que en todos los sitios los riesgos de cáncer calculados tanto mutagénico como
carcinogénico están en el intervalo de riesgo de 10-4 a 10-6, estando todos en el extremo
superior, además que Nemocón cuenta con valores del orden de 10-3 (Chen and Liao, 2006; de
Oliveira Galvão et al., 2018).
Tabla 48, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico según las mediciones
realizadas en Soacha, los potenciales en ng/m3
2SQ1 2SQ2 2SQ3 2SQ4 2SQ5 2SQ6 2SQ7 2SQ8 promedio SD
Flt/(FLT+Pyr) 0.398 0.406 0.398 0.425 0.368 0.423 0.433 0.412 0.408 0.019
InP/ (InP + BPe) 0.788 0.727 0.740 0.775 0.771 0.728 0.689 0.739 0.745 0.030
BaP/(BaP+BeP) 0.408 0.476 0.480 0.475 0.515 0.491 0.569 0.530 0.493 0.044
BaA / Chr 0.548 0.532 0.527 0.690 0.664 0.634 0.675 0.662 0.617 0.064
BAP-TEQ 2.47 3.20 2.01 4.28 2.17 3.90 6.02 3.56 3.45 1.24
BAP-MEQ 1.90 2.72 1.53 3.49 1.62 3.35 5.43 3.02 2.88 1.20
118
Tabla 49, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico según las mediciones
realizadas en Mosquera, los potenciales en ng/m3
2MQ1 2MQ2 2MQ3 2MQ4 2MQ5 2MQ6 2MQ7 2MQ8 promedio SD
Flt/(FLT+Pyr) 0.430 0.421 0.427 0.437 0.430 0.416 0.429 0.437 0.428 0.007
InP/ (InP +
BPe) 0.775 0.756 0.745 0.740 0.778 0.784 0.768 0.797 0.768 0.018
BaP/(BaP+BeP) 0.507 0.475 0.485 0.508 0.474 0.499 0.524 0.478 0.494 0.017
BaA / Chr 0.638 0.643 0.620 0.691 0.635 0.686 0.753 0.826 0.687 0.066
BAP-TEQ 5.51 5.44 4.88 4.69 3.86 5.45 6.40 9.28 5.69 1.52
BAP-MEQ 4.64 4.22 3.86 4.25 3.40 4.79 5.47 8.75 4.92 1.56
Tabla 50, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico según las mediciones
realizadas en Nemocón, los potenciales en ng/m3
2NQ1 2NQ2 2NQ3 2NQ4 2NQ5 2NQ6 2NQ7 2NQ8 2NQ9 promedio SD
Flt/(FLT+Pyr) 0.438 0.443 0.454 0.452 0.447 0.437 0.434 0.415 0.447 0.441 0.011
InP/ (InP +
BPe) 0.754 0.812 0.797 0.797 0.803 0.719 0.757 0.768 0.770 0.775 0.028
BaP/(BaP+BeP) 0.617 0.629 0.619 0.605 0.580 0.799 0.592 0.601 0.613 0.628 0.062
BaA / Chr 0.692 0.579 0.485 0.780 0.741 0.510 0.774 0.526 0.214 0.589 0.172
BAP-TEQ 92.69 94.34 117.33 34.41 26.53 118.41 22.51 84.33 93.05 75.95 35.78
BAP-MEQ 73.01 68.01 95.74 27.63 19.76 102.65 17.79 65.13 69.80 59.95 29.63
Tabla 51, datos de las relaciones entre PHAs y potenciales de riesgo cancerígeno y mutagénico según las mediciones
realizadas en Briceño, los potenciales en ng/m3
2BQ1_2 2BQ3_4 2BQ5_6 2BQ7_8 2BQ9 promedio SD
Flt/(FLT+Pyr) 0.466 0.485 0.473 0.471 0.515 0.4802 0.018
InP/ (InP +
BPe) 0.785 0.683 0.812 0.768 0.699 0.749 0.050
BaP/(BaP+BeP) 0.547 0.512 0.512 0.495 0.581 0.529 0.031
BaA / Chr 0.737 0.733 0.830 0.719 0.901 0.784 0.071
BAP-TEQ 5.47 3.70 4.72 2.73 10.15 5.35 2.57
BAP-MEQ 7.69 5.32 7.03 4.03 7.65 6.34 1.44
Tabla 52, datos del riesgo de cáncer de pulmón (LCR) cancerígeno y mutagénico calculados a partir de los datos
promedios de los potenciales BAP-TEQ y BAP-MEQ promedio calculados anteriormente,
Riesgo Soacha Mosquera Nemocón Briceño
LCR-TEQ 3.0E-04 5.0E-04 6.6E-03 4.7E-04
LCR-MEQ 2.5E-04 4.3E-04 5.2E-03 5.5E-04
Las relaciones de PHAs han sido propuestas para explicar la contribución de los distintos tipos
de vehículo a la contaminación; la relación entre InP/ (InP + BPe) en el rango de 0.35–0.70 es
atribuido a emisiones de diesel y relaciones de BaA / Chr sobre 0.7 indican contribuciones de
quema de gasolina. Las relaciones de Flt/(FLT+Pyr) y InP/(InP+BPe) se indican como los más
119
conservativos según el estudio de (Tobiszewski and Namieśnik, 2012). Se indica que la relación
Flt/(Flt+Pyr) emisiones petrogénicas si es <0.4, entre 0.4 y 0.5 indica combustión de combustibles
fósiles y >0.5 indica combustión de pastos, madera o carbón, lo cual indica que para los sitios
analizados en este estudio las emisiones están en 0.4 y 0.5 indicando la combustión de
combustibles, sin embargo se acerca bastante al límite de 0.4 lo que podría indicar una
contribución de emisiones fugitivas a causa de los PHAs petrogénicas emitidos, la relación de
InP/(InP+BPe) indica emisiones petrogénicas si es <0.2, de 0.2 a 0.5 se indica como una
combustión de derivados del petróleo y >0.5 indica emisiones debidas a quema de madera,
pastos y carbón, los indicadores acá calculados indican en general 0.7 para todos los sitios, lo
cual puede indicar una contribución debida a la quema de madera pasto o carbón que no se pudo
verificar mediante la relación anterior, sin embargo ambas relaciones deberían indicar una misma
fuente.
La relación de BaP/(BaP+BeP) indica la edad de las partículas, siendo aproximadamente de 0.5
para partículas frescas y < 0.5 para partículas viejas. Sin embargo para este estudio los valores
encontrados están sobre 0.5, lo que podría indicar partículas frescas como se indica el estudio
de (Oliveira et al., 2011), sugiriendo que las emisiones son locales, sin embargo algunas muestras
arrojan valores por debajo de 0.5 indicando una ligera descomposición solar como se indica en
el estudio de (Vasconsellos et al, 2003).
Según el estudio de (Brito et al, 2013), La relación entre BaA / Chr indica una contribución de
vehículos a gasolina si esta sobre 0.7, y por debajo indica una contribución de vehículos diesel.
Los resultados encontrados acá indican para Soacha y Mosquera valores de este radio o razonde
0.617 y 0.687, respectivamente, estando muy cerca de lo reportado para contribuciones de
gasolina, esto indicaría una contribución proveniente de diesel y gasolina de manera cercana,
para Nemocón este radio indica un valor de 0.589 indicando una contribución de diesel y para
Briceño el valor es de 0.784 indicando una contribución mayoritaria de gasolina
El estudio de (Brito et al, 2013), se analizaron algunos de estas relaciones, se encontró que la
relación InP/(InP + BPe) en el túnel de RA fue de 0.24–0.91 y en el túnel de JQ se obtuvieron
valores de 0.7–1.5, la relación de BaA / Chr en el túnel RA estuvo entre 0.8–3.3 y 1.0–12.4 en el
túnel JQ. En este estudio también se reportan los valores de la relación de InP/ (InP + BPe) con
un valor de 0.55 en el túnel JQ y 0.36 para el túnel de Maria Maluf (MM) los cuales están asociados
directamente a flotas vehiculares de vehículos ligeros y pesados. La relación BaA / Chr tuvo
valores de 0.48 (túnel JQ) y 0.79 (túnel MM). Las mediciones de BaP estuvieron entre 0.9 a 6.7
ng/m3 (0.02–0.1 ‰ de la masa de PM2.5) en el túnel JQ mientras en el túnel RA, el BaP estuvo
entre 0.9 a 4.9 ng/m3 (0.004–0.02 ‰ de la masa de PM2.5), según el estudio esto indica una
contribución importante a la emisión de BaP en los vehículos de baja carga o livianos
8.9 Series de alcanos
Examinar las series de alcanos indica sobre el posible origen de estos y en general del material
particulado, es por ello por lo que a continuación y grafican dichas series para cada uno de los
sitios de medición y se calcula el CPI. Lo primero a mencionar es el comportamiento de los
alcanos en Soacha, sitio en el cual no se observó la presencia de C15 y el alcano C16 tuvo
concentraciones anormalmente altas comparadas con los otros sitios de medición, tal como se
aprecia en las Figura 59 y Figura 61. Respecto a la serie completa de alcanos, es importante
decir que Soacha presento un comportamiento marcado bimodal, como se ve en la Figura 61,
120
siendo es un comportamiento que se mantiene hasta la medición de la sexta semana, para
después ser menos evidente en las mediciones de las semanas 7 y 8. Este comportamiento es
muy distinto a los demás sitios, pues los datos en Mosquera tienen una distribución
evidentemente unimodal parecida a la distribución de una campana de gauss (Figura 66),
mientras que Nemocón tienen una distribución unimodal aunque más recargada a los alcanos de
menor número de carbonos (Figura 71) y el caso de Briceño indica una distribución unimodal
mucho más aplanada, pues las diferencias entre las mediciones de alcanos son mucho menores
entre cada alcano (Figura 76), mientras que para los otros sitios se verifica una diferencia mucho
más pronunciada entre cada alcano; el comportamiento bimodal de Soacha se verifica también
en el estudio realizado por Aceves y Grimalt (1993). En la Tabla 53 se muestra la sumatoria de
las concentraciones de todos los alcanos medidos en los sitios de medición y también se muestra
el promedio del total de alcanos; a partir de esta tabla se verifica que la menor medición se vio
en Soacha, seguida de Mosquera y sorprendentemente Briceño es la segunda medición más alta
sobre Soacha y Mosquera. Las mediciones de Nemocón son las más altas con una diferencia de
1 orden de magnitud contra las de Briceño, lo cual concuerda teniendo en cuenta que Nemocón
cuenta con la concentración de material particulado más alto en los meses de medición, sin
embargo el hecho de que Briceño tenga una mayor medición de alcanos que Soacha y Mosquera
cuando la concentración de material particulado en Briceño es similar o menor que Soacha y
Mosquera es importante y puede indicar la presencia de una fuente diferenciadora para Briceño.
en los resultados de Villalobos et al de 2015 se reportaron las concentraciones de los alcanos
C27–33las cuales variaron entre el mínimo de 39.6 ng/m3 en septiembre al máximo de 311 ng/m3
en julio con un promedio de 110 ± 109 ng/m3. Los CPI fueron calculados con los alcanos C28–
33, indicándose en dicho artículo que los CPI más cercanos a 1 indican predominancia de fuentes
antropogénica mientras que mayores de 2 hasta 10 indican fuentes biogénicas. estos valores de
CPI para Santiago de Chile estuvieron entre 0.70 a 1.6, con un promedio de 0.90 indicando una
predominancia de fuentes antropogénicas. En el trabajo de Villalobos et al de 2017 se midieron
igualmente las concentraciones de alcanos C27-33 siendo la suma total de los mismos en
promedio de 19.2 ± 7.5 ng/m3 y con un CPI promedio de 1.1.
Tabla 53, Alcanos totales medidos en los 4 sitios de campaña, en ng/m3
sitio Mediciones del total de alcanos por semana de medición µg/m3
S1 S2 S3 S4 S5 S6 S7 S8 Promedio
Soacha 75.6 100.8 85.1 91.6 58.6 81.2 151.2 83.3 90.9
Mosquera 125.4 137.2 172.8 97.1 129.3 123.5 106 112.4 125.5
Nemocón 6298.5 4965.4 4131.3 2310.9 2666.3 4276.8 2086 6298.5 4129.2
Briceño 730.6 465.2 357.6 387.4 543.1 496.8
Se ha calculado los CPI (Carbón Preference Índex) para los 4 sitios de medición, se muestran los
datos de los CPI calculados en las gráficas Figura 38, Figura 39, Figura 40 y Figura 41, también
en las Tabla 64, Tabla 65, Tabla 66 y Tabla 67. Los índices se calculan de la siguiente manera
(Kavouras et al, 1999):
𝐶𝑃𝐼1 = ∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑖𝑚𝑝𝑎𝑟𝑒𝑠
3513
∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑝𝑎𝑟𝑒𝑠3412
(𝑡𝑜𝑑𝑜 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜) (Ecuación 19),
𝐶𝑃𝐼2 = ∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑖𝑚𝑝𝑎𝑟𝑒𝑠
2513
∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑝𝑎𝑟𝑒𝑠2412
(𝑎𝑙𝑐𝑎𝑛𝑜𝑠 𝑝𝑒𝑡𝑟𝑜𝑔𝑒𝑛𝑖𝑐𝑜𝑠) (Ecuación 20),
121
𝐶𝑃𝐼3 = ∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑖𝑚𝑝𝑎𝑟𝑒𝑠
3525
∑ 𝐶𝑎𝑟𝑏𝑜𝑛𝑜𝑠𝑝𝑎𝑟𝑒𝑠3424
(𝑎𝑙𝑐𝑎𝑛𝑜𝑠 𝐵𝑖𝑜𝑔𝑒𝑛𝑖𝑐𝑜𝑠 ) (Ecuación 21),
Se asume que los índices CPI son más cercanos a 1 para los alcanos cuando son provenientes
de quemas de combustibles fósiles y es mucho mayor que uno para fuentes biogénicas, del tipo
de las emisiones generadas por las plantas. En Soacha se obtuvo un índice promedio de 0.83,
1.19 para Mosquera, 1.00 para Nemocón y 1.09 para Briceño. A partir de los datos arrojados por
los CPI calculados se indica que la tendencia es bastante cerca de las fuentes petrogénicas
siendo bastante cercanos a la unidad todos los calculados siendo algunos incluso menores como
los de Soacha. Según los datos reportados en las tablas Tabla 54 y Tabla 55 se puede ver que
los datos arrojados para las 4 sitios de medición son mucho más parecidos a los CPI indicados
para las emisiones de gases exostos de diesel y gasolina. De la Tabla 55 se puede verificar
algunos datos para lugares remotos y rurales o poco contaminados presentados por Simoneit
(1989) en los cuales se identifican valores de CPI en general más altos asociados a una mayor
contribución por los materiales vegetativos, siendo aún asociada con contaminación petroquímica
pero un poco menor, se verifica que los CPI de Soacha son marcadamente parecidos a los
emitidos por vehículos impulsados por gasolina y diesel según las Tabla 54 y Tabla 55, esto es
también aplicable para Nemocón cuyo valores de CPI si bien están cercanos se puede indicar
que la presencia de fuentes petrogénicas es un poco menos acusada o no esta tan asociada a
quema de gasolina o diesel. Los datos para Mosquera y Briceño indican una presencia menor
para fuentes petrogénicas, pudiéndose deber a un cambio en general de la flota automóvil y una
mayor influencia de otras fuentes como aerosoles de humo, indicando también una contribución
ligeramente mayor de alcanos de ceras vegetales.
Tabla 54, datos reportados por (Simoneit, 1985) sobre los datos de CPI y Cmax medidos para distintas fuentes
emisoras.
Muestra Cmax CPI
Gas Exosto de automóvil (mercedes 280S
1967, sin convertidor catalítico)
22
0.93
Gas exosto Diesel (CO1600 internacional,
1968)
21 1.00
Gas exosto de Diesel (Opel 2.3D, 1974
encendido frio)
20
1.04
Diesel como combustible (Pemex) 19
0.96
Aceite lubricante (Castrol SAE 10-50) 19 1.01
Aerosoles de humo (Los Padres, CA) 29 10.0
Aerosoles de humo (barras de madera
combustibles)
23-25 1.2-5
Detrito vegetativo, ceras 29-31 6.0 - 30
122
Tabla 55, datos presentados por Simoneit, B. R. (1989), para el CPI en diversas regiones y de diversos aerosoles y
humos.
Sitio de medición CPI Cmax
EE. UU.
western
Rural 1.6-
8.4
27, 29
Urbano 1.8-
2.8
29
África Central Rural 3.0-
7.8
29,31
Urbano 1.7-
3.3
29,31
Australia
suroriental
Rural 2.0-
2.4
17, 18, 29
América del sur
remota
Punta Arenas 2.1 29
Amazonia 2-4 29
Aerosoles
Oceánicos
Atlántico 5-10 27, 29, 31
Pacifico 2-4 27, 29, 31, 33
Ceras de plantas vasculares 6-10 27, 29, 31, 33
Humo (incendios forestales) 1.2-10 29.31
Gas exosto
vehicular
Gasolina, (sin
convertidor
catalítico)
0.93 22
Diesel 1.02 21
En el estudio de (Kavouras et al, 1999) No se encontró una predominancia de los alcanos impares
sobre los alcanos pares; el CPI1 estuvo entre 0.66 a 1.96 similares a los observados en otras
áreas en las cuales hay una gran contaminación por residuos de petróleo, diesel y emisiones de
gasolina y una menor contribución de las ceras vegetales. Los valores de los coeficientes CPI2
en dicho estudio estuvieron entre 0.51 y 1.44, indicando una importancia dominante de las fuentes
petrogénicas, lo mismo se indica en los coeficientes de CPI 3 los cuales estuvieron entre 0.65 y
4, que indican una moderada contribución a los alcanos de las ceras vegetales y su abrasión
mecánica. Los anterior también se puede verificar con el cálculo realizado de las concentraciones
de ceras en los alcanos las cuales rondaron el 4.55 a 20.83% indicando una poca contribución
de estas ceras al material particulado al respecto de otros estudios
Los datos presentados por (Stone et al, 2010) indican la medición de alcanos para Lahore,
midiendo los alcanos C27 a C33, cuya cantidad vario entre 6.4 a 68 ng/m3 con una preferencia a
los alcanos impares, con un máximo en C29 indicando una contribución de las ceras vegetales.
Se encontró También una diferencia drástica cuando se observaron concentraciones en
noviembre de 400 a1100 ng/m3con una preferencia igual de pares e impares, sugiriendo que
durante estos picos las fuentes petrogénicas fueron predominantes.
123
También es importante calcular la concentración de alcanos provenientes de las ceras de las
plantas, los cuales son comúnmente alcanos Impares, así se calcula para cada alcano impar la
concentración de alcano proveniente de ceras así (Simoneit et al 1991).
𝐶𝑛𝑐𝑒𝑟𝑎 = 𝐶𝑛 − 0.5 ∗ (𝐶𝑛−1 + 𝐶𝑛+1) (Ecuación 22),
Se sabe que los compuestos mayoritarios de las ceras de las plantas vasculares son n-alcanos
(del C23 al C35 con una predominancia mayo de los impares), los N-alcanoles y ácidos n-
alcanoicos (C22 al C34 mayormente pares) con porcentajes menores de n-alcanales, n-
alcanonas y biomarcadores cíclicos como fitoesteroles y triterpenoles (Simoneit et al 1991).
Mediante la ecuación propuesta anteriormente puede aislar los alcanos provenientes de las ceras
vegetales pues se asume que los residuos carbonáceos tienen un CPI de uno, especialmente
después del alcano 24, por ello se hace una sustracción de la concentración promedio de los
alcanos pares inmediatamente arriba y abajo del alcano impar, así las concentraciones
resultantes negativas se tomaron como cero. (Simoneit et al 1991).
Se calcula la concentración de cera para cada alcano impar restándole las concentraciones de
los alcanos pares inmediatamente arriba y abajo, de esta forma la curva de concentraciones se
suaviza y se obtendría teóricamente una curva suavizada con un CPI de 1 exactamente, los datos
de concentraciones de alcanos cerosos se presentan a continuación en la Tabla 56.
Tabla 56, alcanos cerosos calculados a partir de la concentración de alcanos impares medidos en cada sitio, junto con
el porcentaje de ceras (cantidad de ceras / total de alcanos), en ng/m3
Sitio S1 S2 S3 S4 S5 S6 S7 S8 Promedio
Soacha Alcanos
cerosos 2.8 3.4 3.7 5.9 2.9 3.3 12 8.4 5.3
% ceras 3.75 3.33 4.4 6.49 4.89 4.04 7.92 10.1 5.61
Mosquera Alcanos
cerosos 11.8 15.9 18.1 8.8 18.6 11.6 9 11.1 13.1
% ceras 9.4 11.58 10.47 9.05 14.39 9.36 8.51 9.91 10.33
Nemocón Alcanos
cerosos 159 138 128 64 67 97 64 140 262
% ceras 2.52 2.78 3.11 2.79 2.52 2.28 3.06 2.22 3.65
Briceño Alcanos
cerosos 35 20.6 51.7 29 31.4 33.5
% ceras 4.79 4.42 14.45 7.48 5.77 7.38
Respecto al porcentaje de ceras presentes en las muestras es importante mencionar que las
mayores concentraciones de alcanos cerosos predichas están en Nemocón, pues esta es la zona
más rural de todas las mediciones; los datos de Mosquera y Briceño son similares a pesar de que
tienen una diferencia marcada en la ruralidad presente, pues Mosquera es un poco mar urbano
e industrial que Briceño. la contribución para Soacha es la menor siendo esto coherente con que
Soacha es mucho más urbano. Sin embargo, en general se tiene una pequeña contribución de
fuentes siendo Mosquera el sitio con mayor cantidad de alcanos provenientes de ceras con un
alrededor de un 11%.
124
Los estudios realizados en Guangzhou, China por Bi et al en 2003 indicaron concentraciones de
alcanos totales de 1457.7, 345.4 y 150.7 ng/m3 para los sitios de medición en promedio con los
siguientes resultados (Tabla 57)
Tabla 57, datos de CPI y % de alcanos cerosos presentados por Bi et al en 2003.
CPI1 (C12-C3s) 1.03-1.16 (1.08)
CPI2 (C12-C2s) 1.03-1.13 (1.08)
CPl3 (C25-C3s) 0.77-1.18 (0.98)
%ceras 1.05–4.63 (2.59)
2.35–7.54 (5.09)
Se concluyo según este estudio que los dato indican la importancia de los residuos petrogénicas
en la contaminación del aire, además que con el cálculo de las ceras se ratifica que las ceras
vegetales en la contaminación del aire tienen un impacto muy pequeño en la calidad del aire de
los sitios analizados.
En el estudio de (Zheng, et al, 2000). Se realizaron los análisis de la calidad del aire y del material
particulado para Hong Kong encontrándose los siguientes resultados (Tabla 58).
También se calculó la cantidad de ceras presentes en el ambiente, encontrando una contribución
por ceras cercana al 30% de los alcanos medidos. Esto se sustenta en que los CPI calculados a
partir de los datos son relativamente altos e indican una contribución significativa de los alcanos
provenientes de las ceras vegetales
En el estudio de Giri, et al (2013), se hace una determinación química del material particulado de
las zonas industriales de India, examinado sus posibles fuentes, y se encontraron los siguientes
datos para lo alcanos Tabla 59
A partir del dato del índice de preferencia de carbonos, los investigadores concluyeron que la
contribución de las fuentes petrogénicas a los alcanos es muy importante para casi todas las
muestras, comparándolas con sitios como Bhilai y Korba que tienen menores influencias
industriales y con los incendios presentados en ese momento.
Los CPI encontrados en el estudio fueron alrededor de 0.8 a 2.5 con un promedio de 1.3 calculado
para los alcanos de C20 a C33, Este estudio indica que los CPI bajos encontrados en la región
de raipur indica una influencia bastante significativa de las fuentes antropogénicas tales
asociadas a la combustión incompleta de combustibles fósiles, lo cual es similar a. Santiago
(Chile), Guangzhou (China), Beijing (China), Madras (India). Sin embargo, las otras regiones
tienen unos CPI mayores pues tienen una mayor contribución biogénica
125
Tabla 58, datos de alcanos totales, CPI y Cmax presentados por (Zheng, et al, 2000)
Fecha Alcanos totales
ng/m3 CPI Cmax
31/ 10/96 6.5 1.4 C29
27/ 11/96 41.1 1.8 C29
20/ 12/96 26.2 1.4 C21
28/ 1/97 27.6 1.6 C29
29/ 1/97 32.2 1.9 C29
18/2/97 21.0 1.6 C29
19/ 3/97 25.9 1.3 C31
24/ 3/97 9.0 1.6 C31
23/4/97 20.0 1.9 C29
28/4/97 27.5 1.4 C31
22/ 5/97 27.7 1.5 C29
27/ 5/97 8.7 1.7 C29
25/6/97 17.3 1.3 C31
23/7/97 40.3 1.2 C29
20/8/97 15.7 1.3 C31
30/8/97 30.9 1.4 C31
31/8//97 15.0 1.3 C29
22/9/97 30.2 1.7 C31
Tabla 59, datos de alcanos totales, CPI alcanos cerosos y su porcentaje presentados por Giri, et al (2013). 5R 6R 7R 8R 13R 13R 14B 15B 16K 17F
Total
(ng/m3)
8.9 0.47 7.94 0.9
9
289.5 335.3 1.7
5
711.8 3.91 140.7
CPI (23-33) 2.52 0.95 0.79 1.0 1.43 1.16 1.0 1.45 1.48 1.28
alcanos
cerosos
(ng/m3)
3.9 - - 0.1 63.5 41.4 0.1 158.5 0.5 32.7
%alcanos
cerosos
43.8
2
- - 6.0
6
21.93 12.35 6.8
6
22.27 12.02 23.24
Los datos presentados por (Kendall et al, 2001). Sobre el análisis del material particulado en dos
localizaciones de Londres indican lo siguiente (Tabla 60 y Tabla 61).
126
Tabla 60, datos de alcano totales, Cmax y CPI presentados por (Kendall et al, 2001).
BOUNDS
GREEN
ST
PAUL'S
Suma De Alcanos (ng/m3) 190.03 247.57
Cmax 25 29
CPI (C19-C30) 1.28 1.04
CPI (C23-C30) 1.46 1.13
Tabla 61, datos de Cmax y CPI estacionales presentados por (Kendall et al, 2001).
Sitio Invierno Primavera Verano Otoño
Total,
Alcanos
BG 287.00 128.35 158.09 186.67
SP 317.75 248.67 160.50 263.36
Cmax BG 23 25 25 25
SP 26 25 29 24
Cpi Bg 1.23 1.05 1.31 1.53
SP 0.88 1.07 1.15 1.05
A partir de los datos anteriores se ve que el pico de C29 indica una contribución importante de
ceras vegetales, mientras que picos en alcanos como el de 30 están más asociados a emisiones
de diesel. A partir de los CPI calculados se indica que hay una influencia biogénica en la
contaminación atmosférica, pero siguen estando cercanos a los coeficientes reportados para aire
limpio además de verse una estacionalidad macada en los datos y en las fuentes antropogénicas
de la contaminación
En el estudio de (Alves et al, 2001) donde se analizó el material particulado de áreas rurales y
urbanas en la costa oeste de Portugal, donde se obtuvieron los siguientes datos (Tabla 62):
Tabla 62, datos de Cmax y CPIs presentados por (Alves et al, 2001)
sitio Cmax CPI rango completo
(C12-c35) biogénico
pirogénico
CPI rango bacterial
(C10-C24)
CPI rango de
cera vegetal
(C22-C34)
Aveiro C21 1.01+ 0.56 0.81 + 0.21 1.96+ 0.60
Anadia C29 1.73+ 0.62 1.14+ 0.37 1.95+ 0.28
Tabua C29 1.79+ 0.28 l .39 + 0.25 2.95 + 0.48
Anadia es la provincia rural de este estudio y Aveiro la urbana, lo cual se ve reflejado en los datos
obtenidos de CPI, se espera que esto sea reflejado en los datos pues los alcanos de las ceras
deben estar más presentes como alcanos mayores de 25 carbonos, pues son formados por
reacciones biosintéticas de elongación de ácidos graso de C16 y C18 mediante grupos de dos
carbonos seguidos de una reacción de descarboxilación que elimina un carbono. En el estudio
se verifica que todos los sitios de medición tienen una influencia más o menos pronunciada de
las fuentes biogénicas y también de las fuentes petrogénicas que incluyen la combustión de
combustibles fósiles.
127
En el estudio de (Karanasiou et al, 2007), se analizó el aire ambiente de las áreas urbanas de
Atenas durante el verano, obteniéndose valores de CPI de 0.8±0.1 para el TSP, comparado con
un dato de 2.7 medido por estudios anteriores, además de que se analizaron las fracciones
gruesas y finas obteniéndose 0.9±0.3 para la fracción gruesa y de 0.7±0.2 para la fina. Esto indica
que la influencia petrogénicas es fuerte en este material particulado, sin embargo, existe una
pequeña contribución petrogénicas causada por ceras vegetales evidenciada en los máximos de
los alcanos impares especialmente en el C29.
El estudio de (Broddin et al, 1980) se midieron los niveles de hidrocarburos aromáticos y alifáticos
en los países bajos y belgica, se encontraron valores de CPI de 1.22 ±0.15 para Wilrijk y
1.36±O.28 para Gentbrugge en los meses de invierno estos resultados se indican dentro del
rango de (0.85 a 1.15) para petróleo y (1.0 a 2.3) para sedimentos envejecidos. Mientras que para
el verano son de 3.06 ±1.5 para Wilrijk y 2.59±0.96 en Gentbrugge indicando sedimentos
recientes (2.4-5.5) y contribuciones de ceras vegetales (llegando a medirse valores hasta 6).
En todos los estudios anteriores también se tiene en cuenta un parámetro importante que indica
el origen de los alcanos medidos, el cual es el Cmax o alcano máximo medido, este alcano es el
máximo medido cuando se retan las concentraciones posibles de ceras. De esta manera se
pueden graficar los alcanos en orden ascendente a número de carbonos y eliminar los picos
asociados a las ceras medidas. En las Figura 79, Figura 80, Figura 81, Figura 82, Figura 83,
Figura 84 y Figura 86 se han graficado los alcanos de cada sitio y cada medición en negro y en
naranja los datos después de restar las ceras.
Tabla 63, datos de Cmax para este estudio para los sitios de Soacha, Mosquera, Nemocón y Briceño a partir de las
gráficas de alcanos eliminando la influencia de las ceras vegetales
Soacha 9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
Cmax C28 C24 C24 C28 C28 C25 C24 C28 C28 C24 C24 C24 C24 C28
Mosquera 9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
Cmax C24 C26 C24 C32 C24 C26 C28 C26 C24
Nemocón 12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
Cmax C24 C24 C24 C24 C24 C22 C24
C28
C24 C24 C22
C24
Briceño 12/04/14 12/15/14 12/29/14 01/12/15 1/26/15
Cmax C32 c24 C32 C24
C18
C24 C24 C32
C36
C32 C24
c18
A partir de la Tabla 63, se verifica que en general para Soacha los carbonos máximos están
relacionados en el C24 y el C28 indicando una gran influencia petrogénicas; es de tener en cuenta
que las gráficas relacionadas a Soacha son bastante distintas de todas las demás, pues tienen
varios picos relacionados a alcanos pares y los picos relacionados a las ceras son pocos y
128
pequeños; mientras que en el caso de Mosquera las gráficas se cuentan con un solo máximo y
la influencia de los picos causados por ceras es clara; sin embargo los carbonos máximos siguen
estando bastante asociados a emisiones petrogénicas, siendo pocos datos los que alcanzan el
C32.
Para Nemocón, las gráficas obtenidas también indica la fuerte influencia petrogénicas en el
material particulado, siendo notorio que los picos asociados a las ceras vegetales son pocos y
pequeños en comparación de la totalidad de alcanos medidos, además que las mediciones
indican la existencia de máximos unimodales salvo algunas graficas cuyo comportamiento es en
ciertos tramos más plano.
Respecto de Briceño, las gráficas son distintas a las presentadas anteriormente siendo más
recargadas a los alcanos superiores a C30, se nota también la existencia de influencia
petrogénicas por la existencia de los máximos en alcanos inferiores a C30, como el C24, C18.
También es notable la influencia de los alcanos provenientes de las ceras vegetales debido a la
cantidad de picos presentados.
Figura 38, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Soacha, sin unidades
Tabla 64, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Soacha, sin unidades
9/15/14
9/22/14
9/30/14
10/16/14
10/13/14
10/20/14
10/27/14
11/13/14
Prom
CPI 0.68 0.75 0.66 0.85 0.75 0.89 1.03 1.05 0.83
CPI petrogénica
s
0.64 0.75 0.66 0.95 0.69 0.90 0.97 1.04 0.82
CPI biogénico
0.79 0.80 0.76 0.86 0.84 0.89 1.07 1.07 0.88
0,6
0,7
0,8
0,9
1
1,1
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
CPI CPI petrogenico CPI biogenico
129
Figura 39, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Mosquera, sin unidades
Tabla 65, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Mosquera, sin unidades
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
CPI 1.17 1.23 1.17 1.16 1.29 1.17 1.14 1.17 1.19
CPI petrogénicas
1.38 1.45 1.25 1.35 1.42 1.52 1.40 1.35 1.39
CPI biogénico
1.11 1.15 1.15 1.10 1.26 1.11 1.10 1.12 1.14
Figura 40, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Nemocón, sin unidades
Tabla 66, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos medidos para Nemocón, sin unidad
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15 Prom
CPI 1.02 1.03 1.02 1.00 0.98 0.97 0.99 1.02 1.00 1.00
1
1,1
1,2
1,3
1,4
1,5
1,6
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
CPI CPI petrogenico CPI biogenico
0,8
0,85
0,9
0,95
1
1,05
1,1
1,15
1,2
1,25
CPI CPI petrogenico CPI biogenico
130
CPI petrogénicas
1.15 1.18 1.18 1.19 1.12 1.05 1.15 1.19 1.10 1.15
CPI biogénico
0.91 0.90 0.89 0.87 0.89 0.91 0.89 0.90 0.88 0.89
Figura 41, CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de alcanos
medidos para Briceño, sin unidades
Tabla 67, datos de CPI (Carbón Preference Índex, o índice de preferencia de carbono) calculado para los datos de
alcanos medidos para Briceño, sin unidades
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015 Promedio
CPI 1.03 1.03 1.26 1.08 1.04 1.09
CPI petrogénicas
1.30 1.20 1.29 1.14 1.17 1.22
CPI biogénico
0.99 0.98 1.20 1.05 0.98 1.04
8.10 Profundidad óptica de aerosoles
La profundidad óptica de aerosoles (o aerosol optical Depth AOD), es una medición de la
dispersión y absorción de la luz visible e infrarroja por las partículas presentes en el aire de una
columna vertical de aire, esta lectura es entonces proporcional a la concentración de partículas
en el aire. Lecturas o mediciones de menos de 0.1 indican una atmosfera limpia cristalina con la
máxima visibilidad mientras que valores de 1 indican condiciones muy nubosas o con poca
visibilidad. Estas mediciones no son solamente función de las emisiones de humo pues
fenómenos como las tormentas de arena tienen un efecto similar en la atmosfera según las
mediciones de AOD, por ejemplo se verifican valores muy altos de AOD en sur América de julio
a septiembre, en Centroamérica durante marzo y mayo y África central y sur durante julio
septiembre y Asia suroriental durante enero y abril, todas relacionadas a periodos de limpieza de
la tierra y grandes cantidades de aerosoles se concentran en las montañas del Himalaya en
algunos meses y se presentan en china casi todo el año, siendo estas mediciones de AOD
asociadas a la emisión humana; otras mediciones de AOD altas entre mayo y agosto en la película
arábica y el océano cercano está asociada a las tormentas de arena. (Earth Observatory NASA,
2018). Existen varios factores que limitan su uso, pues la AOD requiere luz para poder sr medida,
restringiéndola a horas diurnas y con poca nubosidad o fuera de superficies reflectantes como
0,90
0,95
1,00
1,05
1,10
1,15
1,20
1,25
1,30
1,35
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
CPI CPI petrogenico CPI biogenico
131
hielo o desiertos. Por otro lado, esta AOD se mide sobre toda la columna de aire, pudiendo darse
el caso en el cual exista una gran concentración de partículas y capas superiores de la atmosfera,
por lo que puede que una AOD alta no esté relacionada a una contaminación a nivel del suelo.
Es por esto que estas imágenes suelen complementarse con imágenes a color natural o de los
llamados Active fires para correlacionar la presencia de humo o quemas con el AOD (SERVIR,
2009) (https://earthobservatory.nasa.gov/global-maps/MODAL2_M_AER_OD). Las imágenes del
AOD presentadas a continuación, fueron descargadas como imágenes a partir del visualizador
online presentado por la NASA para los datos medidos por los satélites MODIS Aqua y Terra
(https://giovanni.gsfc.nasa.gov/giovanni/), Sin embargo estas imágenes están disponibles para
diferentes longitudes de onda y con una resolución diaria, por lo que , para evitar los puntos faltos
de datos por nubosidad, se van a presentar las imágenes promediadas generadas para los meses
medición de los datos de este estudio (meses de septiembre, octubre, noviembre y diciembre de
2014 y enero y febrero de 2015), y se hará especial énfasis en las imágenes tomadas para la
longitud de onda de 550 nm, pues según la bibliografía consultada esta es la longitud de onda
más usual para realizar medición reportada en estudios.
Figura 42, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de septiembre
(izquierda MODIS AQUA, derecha MODIS TERRA)
132
Figura 43, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de octubre (izquierda
MODIS AQUA, derecha MODIS TERRA)
Figura 44, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de noviembre (izquierda MODIS AQUA, derecha MODIS TERRA)
133
Figura 45, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de Diciembre (izquierda MODIS AQUA, derecha MODIS TERRA)
Figura 46, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de enero 2015 (izquierda MODIS AQUA, derecha MODIS TERRA)
134
Figura 47, Imágenes de la profundidad óptica de aerosoles sobre América latina durante el mes de febrero 2015
(izquierda MODIS AQUA, derecha MODIS TERRA)
Las imágenes de los puntos de fuego se descargaron de la página de la NASA de observaciones
de la tierra (NEO-NASA EARTH OBSERVATION) y fueron visualizados en el software Google
Earth ® en el formato .KMZ
https://neo.sci.gsfc.nasa.gov/servlet/RenderData?si=1774783&cs=rgb&format=JPEG&width=36
00&height=1800
A partir de las imágenes anterior, se puede indicar que en general Colombia tiene valores de
profundidad óptica pequeños y en general uniformes en toda la extensión a comparación de los
observados para Brasil; para el mes de septiembre se verifican algunos focos de baja calidad en
las guyanas, Panamá y Venezuela y la parte norte de Brasil valores de profundidad óptica
superiores a 0.5), mientras en la zona central y sur de Brasil existe una zona extensa con una
profundidad óptica de aproximadamente 0.42. Este comportamiento se repite en octubre, mes en
el cual esta zona extensa aumenta su tamaño y se verifican más puntos con valores superiores
a 0.5, apareciendo nuevos puntos en Brasil, Perú y ecuador aparte de los ya existentes. Incluso
para Colombia se verifican zonas con valores de profundidad óptica superiores a 0.4,
específicamente en las zonas del centro del país costa caribe. Para el mes de noviembre
desaparecen los puntos de las guyanas y Venezuela, y la zona de altas AOD del Brasil se ve
desplazada al centro del país, y disminuye su tamaño. Por otra parte, aparecen nuevos focos con
AOD mayor a 0.6 y se ve que hay menor disponibilidad de los datos, pues existen ms puntos en
blanco respecto los meses anteriores posiblemente a causa de la nubosidad; sigue
manteniéndose los valores de AOD altos en Colombia para ciertos puntos de la zona centro y de
la costa caribe, y aparece un nuevo valor para la costa pacífica. El caso de diciembre es especial
pues aparecen nuevas zonas de alta AOD en la zona límite de Brasil con Bolivia con valores
cercanos a 1, habiendo puntos de alta AOD dispersos por Perú, ecuador y el sur de Colombia y
norte de Brasil con valores de 0.6. La zona de altos valores de Brasil ha disminuido levemente su
135
tamaño, pero cuenta en su centro con puntos de alta AOD que no se presentaron anteriormente,
por último, para este mes se cuentan con datos más completos. Para el mes de enero de 2015,
los puntos de AOD fueron mucho más dispersos y no se verifica la existencia de la zona de altos
AOD central en Brasil, los puntos de alta AOD se concentraron en la parte norte de Perú y
ecuador, sin que hubiera puntos notables dentro del territorio colombiano a excepción de uno en
el putumayo, también es notable la ausencia de mediciones sobre el Perú, pues existe una amplia
zona sin mediciones y las mediciones registradas dentro de dicha zona son altas, lo que podría
indicar fenómenos de nubosidad asociados a la contaminación por PM. Las imágenes de febrero
muestran menor número de puntos de alta AOD y una ausencia de datos sobre la parte norte de
Brasil y las guyanas, se verifica la existencia de puntos de alta AOD en la frontera entre Brasil y
Perú, y en el ecuador, con algunos puntos de menor intensidad en el centro de Brasil, no se
verifican puntos especialmente altos en la zona del territorio colombiano. Respecto a la
comparación entre las imágenes de AOD y fuegos fotografiados por los satélites, se encuentra
que no hay correspondencia total entre estas imágenes con lo encontrado para los incendios,
pues los puntos de mayor AOD vistos no coinciden exactamente con los incendios vistos
mediante el satélite MODIS, pues para los meses de septiembre, octubre y noviembre los
incendios de Brasil no coinciden directamente con los puntos de mayor AOD, armas que los
incendios vistos en Colombia no se reflejan en lo visto por el AOD. Lo mismo sucede con los
meses de diciembre, enero y febrero en los cuales los incendios de los llanos orientales y el norte
de Venezuela toman un papel importante pero no son vistos por las fotografías de AOD, aunque
los incendios de la parte norte de Brasil si son visibles a través del AOD. Sin embargo, los
incendios que realmente deberían afectar la calidad del aire en Colombia no son visibles ya sea
por los movimientos de masas de aire o la altitud de los puntos de medición estudiados. A partir
de lo anterior se puede considerar que estos resultados de AOD no son concluyentes para las
situaciones de contaminacion en el país, pues no reflejan situaciones de econtaminacion alta
vrificada en ciudades como Bogota y medellin. Por lo anterior, se requiere un estudio mas a fondo
de las imágenes de AOD que permita hacerlas útiles en el estudio de la contaminación los países
tropicales, pudiendo realizarse observaciones enfocadas al caso de Colombia o hacuiendose un
análisis sobre las imágenes diarias para realizar análisis. Igualmente se puede detacar que el
análisis de estas imágenes en estudios de mayores escalas puede se rmuy util por lo que se
recomienda en los estudios realizados tomar en cuenta las imágenes de AOD para tener una
base en su uso a medida que se estudia y correlaciona la caldiad del aire.
136
Figura 48, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
137
Figura 49, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
138
Figura 50, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
139
Figura 51, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
140
Figura 52, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
141
Figura 53, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para Colombia, con marcadores de color en las ciudades de medición (Mosquera en amarillo, Soacha en azul oscuro, Briceño en Azul aguamarina y Nemocón en Blanco), visualizados mediante el software Google Earth Pro.
8.11 Trayectorias reversas
Las trayectorias inversas se calcularon haciendo uso del sistema en línea Hysplit, este software
permite realizar el seguimiento de las masas de aire desde un punto final hasta su origen
aproximado; estudios como el de (Pio et al 2008). Realizan la atribución de fuentes contaminantes
y hacen un análisis de las trayectorias inversas, para determinar especialmente el origen de
compuestos provenientes de quemas forestales, haciendo trayectorias a 550 metros sobre el
suelo. Por su parte, en el estudio de (Juda-Rezler et al, 2011). Se hace atribución e fuentes y se
toca más a fondo el tema de las trayectorias inversas, encontrando que las trayectorias sobre los
500 metros sobre el suelo son muy similares, y hacen sus análisis sobre las trayectorias de 50,
100 y 200 metros con un amplio recorrido sobre Europa, como también se hace en el trabajo de
(Almeida, et al, 2005), en el cual se analizan los distintos tipos de trayectorias de aire según su
origen y apoya los resultados de la atribución de fuentes de contaminación. En general este es
un análisis útil para ayudar a determinar los orígenes de la contaminación. En la Figura 100 a
Figura 135 del anexo se muestran los resultados obtenidos haciendo el cálculo de Hysplit en las
alturas de 200, 550 y 700 metros sobre los meses de septiembre, octubre y noviembre para
142
Soacha y Mosquera, y Diciembre, enero y febrero de 2015 para Nemocón y Briceño, Se
calcularon trayectorias cada 36 horas para cubrir todo el mes. También se usó el modelo
meteorológico de REANALISYS y el movimiento vertical se utilizó de acuerdo a la velocidad
vertical del modelo. Los resultados se analizan a continuación
Para Mosquera en el mes de septiembre, se puede verificar que las trayectorias de aire inversas
que llegan al sitio de medición tienen origen al oeste del departamento de Cundinamarca,
aproximadamente llegados del departamento del Tolima, es notable que las trayectorias tienen
diferentes longitudes, incluso algunas de las cuales son provenientes del océano pacifico, en
general un 70% de las trayectorias son provenientes de la zona occidental del departamento de
Cundinamarca, mientras e existen otras provenientes del océano pacífico y otras también de la
zona de los llanos colombianos, se verifica la existencia de incendios en ambas zonas, en general
todas las trayectorias cruzan sobre puntos de incendio, este comportamiento se ve para todas
las alturas analizadas. Este comportamiento se sigue presentando durante el mes de octubre,
habiendo trayectorias provenientes del mar pacifico, del occidente del departamento de
Cundinamarca y del Tolima, y de los llanos orientales; sin embargo, se verifica que también
existen trayectorias provenientes del norte del país, y la intensidad de los incendios forestales
disminuyo para este mes de octubre, sin embargo, todavía varias trayectorias pasan sobre
lugares de incendio forestal. Para el mes de noviembre, las trayectorias tienen una predominante
dirección nororiental, proviniendo desde el norte de Venezuela, e incluso desde las costas
caribeñas de dicho país, con unas trayectorias de largo alcance, también existen trayectorias
provenientes de la zona costera de Colombia y del océano pacifico; para este mes la intensidad
de los incendios forestales cambio, presentándose fuertes incendios en la zona de los llanos
orientales de Colombia y el norte y centro de Venezuela, en las cuales varias de las trayectorias
pasan obre estos puntos de incendio forestal no solo de Venezuela sino de los llanos orientales
colombianos
Para el caso de Soacha, el comportamiento es similar al de Mosquera durante el mes de
septiembre, de las cuales varias trayectorias provienen del departamento de Tolima, del océano
pacífico y de los llanos orientales de Colombia, mientras que para octubre el origen de las masas
de aire incluye la zona norte del país, en unas trayectorias ligeramente más largas, igualmente
pasan estas trayectorias sobre puntos de incendio forestal en los llanos orientales de Colombia y
en general puntos dispersos de incendio forestal presentes en este mes. Durante noviembre las
trayectorias muestran el mismo comportamiento de Mosquera, siendo originadas en el norte del
país y provenientes del mar caribe venezolano y pasando sobre las zonas de incendios forestales
de Venezuela y algunos lugares de los llanos orientales de Colombia. Para este mes, las
trayectorias a la altura de 200 metros son distintas a las calculadas para 550 y 700 metro sobre
el nivel del suelo, comportamiento similar para Mosquera
Para el caso de Nemocón, en el mes de diciembre las trayectorias tienen un origen más definido,
con trayectorias largas provenientes del mar caribe de Venezuela, las cuales pasan a través de
diversos focos de incendio en Venezuela y en los llanos orientales de Colombia. Se verifica una
intensificación de los incendios de los llanos orientales y en general del norte de América del sur.
Para enero, las trayectorias son similares a lo observado en el mes de diciembre, siendo
originadas desde el mar caribe de Venezuela y pasando por puntos de fuertes incendios en
Venezuela y los llanos orientales de Colombia, se ve también que existen trayectorias con
143
orígenes más al sur del país, ocupando la mayor parte de los llanos orientales del país y que se
originan localmente de allí. Para el mes de febrero las trayectorias siguen comportamientos
similares sin embargo su origen esta menos orientado al mar caribe y más orientado localmente,
a la zona de los llanos orientales. Por otro lado, se evidencia un aumento de los incendios
forestales en este mes.
Para el caso de Briceño, el comportamiento es similar que en Nemocón presentándose
trayectorias de largo alcance provenientes del mar caribe de Venezuela y pasando sobre los
puntos de incendio de Venezuela y los llanos orientales colombianos, para el mes de enero los
orígenes de las trayectorias son más locales, existiendo todavía trayectorias originadas en el mar
caribe venezolano, pro las trayectorias se ven más enfocadas en los llanos orientales y tienen un
origen más cercano, comportamiento que se ve en febrero mes en el cual las Trayectorias
provenientes de Venezuela son menos que los meses anteriores, pero las trayectorias provienen
de los llanos orientales y pasan sobre zonas de incendio forestal de ambos países.
Es de mencionar que el modelo metereologico utilizado de REANALYSIS puede no ser el mas
útil para determinar diferencis entre las ciudades, sin mbargo se espera que para transportes de
larga distancia el modelo sea suficientemente útil por su resolución de 2.5° de latitud y Longitud,
sin embargo, un estudio mas detallado podría realizarse comparando diferentes modelos
meteorológicos y validar sus resultados con el fin de encontrar los mejores modelos para las
condiciones de Colombia.
8.12 Resultados de la atribución de fuentes Contribución al material orgánico OM
Las fuentes seleccionadas provienen del estudio de las condiciones propias de cada sitio y las
actividades que en ellos se presentan. Durante los cálculos y las corridas, se siguió la
recomendación de la EPA de usar el CMB de forma consistente a fuentes que estuvieran
presentes, por lo que desde el inicio de los cálculos debe tenerse presente unas fuentes
principales, las cuales se tiene certeza completa estarán presentes en el estudiopor las
condiciones de los lugares; dichas fuentes iniciales fueron emisiones debidas a gasolina, a diesel
y vehículos chimenea, también se incluyo fuentes de quema de madera y a partir de estas fuentes
principales se corrio el modelo buscando los perfiles mas idóneos para este trabajo, decartandose
la fuente de vehículos chimenea y analizándola viabilidad de incluir otras fuentes como los
carbones y como el gas natural, siendo stas ultimas fuents plausibls de aplciacion o de
importancia en las ciudades de medición; es de mencionar que la inclusión de otras fuentes que
fue inplementada durante las corridas. En general los perfiles de fuentes seleccionados provienen
de fuentes medidas en Estados Unidos y China, explorándola capacidad de estos perfiles para
representar las condiciones y fuentes de este país. Las fuentes móviles seleccionadas tienen en
cuenta las emisiones de una gran variedad de vehículos a gasolina y diesel representativos de la
distribución de edades de los parques automotores de Cundinamarca. Inicialmente se utilizaron
3 perfiles de fuentes (diesel, Gasolina, Vehículos chimenea) sin embargo estas generaron
problemas de colinealidad, así que el modelo CMB fue corrido nuevamente con solamente 2
fuentes móviles (vehículos a diesel y a gasolina). El uso de los perfiles medidos para Estados
Unidos y China podría generar un sesgo en los resultados, sin embargo, no hay perfiles medidos
que se ajusten completamente a las condiciones de Colombia o América Latina y algunos
144
investigadores han usado perfiles similares con resultados coherentes, así que usar perfiles
medidos en otras latitudes abre la posibilidad de extrapolar datos a otros sitios.
El modelo CMB fue primero usado para calcular las contribuciones al material Orgánico (OM) de
a las fuentes propuestas como humo de madera, gas natural, emisiones de vehículos diesel y
gasolina y combustión de carbón. La fracción “indeterminada” representa la masa que no fue
contribuida a ninguna fuente por el modelo CMB y se cree que esta dada por aerosoles orgánicos
secundarios (SOA) y por fuentes no identificadas inicialmente, esta fuente fue calculada mediante
la resta de la masa orgánica total OM contra la suma de las fuentes encontradas.
Es de mencionar igualmente que la atribución realizada no fue existosa en las ciudades de
Nemocon y Briceño, pues una vez realizada la atribución en Soacha y Mosquera, los perfiles que
fueron ecitosos en estas ciudades fueron propuestos para su uso como partida en Nemocon y
Briceño no fueron de utilidad, y además no hubo éxito en explroar otras fuentes ni otros perfiles
de ellos cuales había disponibilidad. Este resultado es importante pues muestra que hay una clara
diferencia entre las mediciones de Soacha y Mosquera respecto a las realizadas en nemocon y
en Briceño. Este resultado puede indicar que las fuentes presnetes en Briceño y nemocon son
especiales y no son realmente bien representadas por ninguno de los perfiles disponibles para
este estudio. Este punto require un análisis mas profundo en estudios posteriores.
Las contribuciones de Soacha y Mosquera se muestran en la Figura 54 y Figura 55 junto con su
contribución porcentual y en las Tabla 68 y Tabla 69 se dan los datos y las incertidumbres. A
partir de esta contribución se puede observar que no hay patrones estacionales visibles, sin
embargo la contribución de ambas semanas tiene aparentemente una distribución bimodal, es
importante notar que las contribuciones encontradas para Soacha son mayores que las de
Mosquera y las masa indeterminada en Soacha es mayor que la de Mosquera; esto indica que
probablemente las condiciones urbanísticas de Soacha generan un mayor tiempo de residencia
que en Mosquera, explicando así la mayor presencia de aerosoles orgánicos; esto también podría
deberse a que en Soacha hayan más fuentes no previstas que en Mosquera, teniendo en cuenta
que Soacha alberga una variedad más grande de industrias mientras que Mosquera es una
población un poco más distribuida y rural. Otra diferencia importante acerca de las contribuciones
al material orgánico proviene de los perfiles de carbón pues después de hacer un análisis de
sensibilidad sobre los datos, el perfil de carbón que mejor se adapta a cada sitio de medición es
distinto, mientras que las demás fuentes son iguales entre ambos sitios de medición. El perfil que
mejor representa las emisiones de carbón en Soacha indica un Carbón mixto entre bituminoso
(alta calidad) y Café (calidad media) mientras que para Mosquera el perfil que mejores parámetros
obtuvo es el perfil del carbón café, siendo las atribuciones de alta y media calidad provenientes
de los experimentos que generaron los perfiles usados.
Desde una perspectiva porcentual las contribuciones son similares pero para Soacha la fuentes
más importante es la quema de madera, mientras que para Mosquera la mayor parte del material
particulado proviene de la combinación de fuentes móviles (gasolina y diesel), la contribución del
diesel en general mayor que la contribución de la gasolina para Soacha, indicando esto que los
usos predominantes en Soacha son industriales, asociado los vehículos diesel con actividades
como transporte público y de mercancías y la gasolina con transporte más familiar, mientas que
lo que indica el panorama en Soacha es que si bien hay contribuciones por diesel, la gasolina
predominan, posiblemente debiéndose a una predominancia de vehículos impulsados a gasolina
145
o a que, mientras los vehículos destinados al transporte público y de mercancías están confinados
en general a las principales, los vehículos más familiares están más cerca del sitio de medición.
No se esperaría una contribución tan grande de los vehículos a gasolina en ambas ciudades pues
la gasolina esta mayormente asociada con compuestos orgánicos volátiles, pero teniendo en
cuenta que la calidad de los combustibles puede no ser la mejor y las tecnologías están o
desactualizadas o pueden presentar poco mantenimiento tratándose se zonas periféricas de la
ciudad con un estrato socioeconómico relativamente bajo, se explica una alta contribución de la
gasolina al material particulado.
En el caso de la contribución del gas natural, es importante notar que es muy pequeña en ambos
casos siendo sin embargo estadísticamente significativa, lo que no sucede con la fuente de
carbón (esta significancia estadística indica que el valor arrojado debería ser 2 o más veces mayor
que la incertidumbre asociada a él). Es de tener en cuenta que el gas natural es un combustible
muy común en las labores domésticas, de servicios e industriales tanto hasta el punto de que
muchas actividades industriales antes impulsadas con carbón o aceite combustibles se han
reconvertido a gas natural, por lo que, aunque su contribución sea pequeña es una contribución
esperada por su grueso uso.
Tabla 68, datos de la contribución a los materiales carbonáceos en Soacha
Date Woodburning
Natural gas
as fuel
Diesel
engines
Gasoline
vehicles
ignitions
Coal mixed
combustion Undeterminated
µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc
15/09/2014 4.40 0.97 0.06 0.02 1.50 0.15 2.04 0.28 0.23 0.22 2.83 0.70
22/09/2014 6.49 1.42 0.06 0.02 2.65 0.26 3.00 0.40 0.46 0.29 2.48 0.90
30/09/2014 3.74 0.83 0.04 0.01 1.71 0.16 1.81 0.25 0.07 0.18 4.68 0.70
06/10/2014 4.33 0.98 0.10 0.03 2.19 0.21 2.05 0.29 0.88 0.27 1.38 0.70
13/10/2014 2.12 0.49 0.04 0.01 1.97 0.19 1.32 0.19 0.35 0.15 5.46 0.70
20/10/2014 4.56 1.01 0.11 0.03 2.43 0.23 2.01 0.29 0.90 0.26 2.89 0.80
27/10/2014 7.45 1.59 0.18 0.04 4.74 0.44 2.29 0.34 0.79 0.31 5.45 1.20
03/11/2014 3.63 0.81 0.08 0.02 3.26 0.31 1.95 0.28 0.62 0.23 3.30 0.80
Tabla 69, datos de la contribución a los materiales carbonáceos en Mosquera
Woodburning
Natural gas
as fuel
Diesel
engines
Gasoline
vehicles ignitions
Brown Coal
combustion Undeterminated
µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc µg/m3 unc
15/09/2014 1.91 0.43 0.11 0.02 1.77 0.19 3.55 0.52 1.33 0.39 3.29 0.60
146
22/09/2014 1.38 0.31 0.07 0.02 1.96 0.23 4.11 0.61 1.94 0.49 4.80 0.70
30/09/2014 1.38 0.32 0.07 0.02 1.96 0.23 4.11 0.61 1.94 0.49 0.90 0.50
06/10/2014 1.69 0.38 0.14 0.02 1.85 0.19 2.47 0.38 1.32 0.31 0.84 0.40
13/10/2014 1.31 0.30 0.08 0.02 1.96 0.20 2.47 0.38 1.43 0.32 4.47 0.50
20/10/2014 1.80 0.41 0.12 0.02 2.33 0.25 2.99 0.45 1.59 0.38 4.33 0.60
27/10/2014 1.74 0.39 0.20 0.03 3.04 0.30 2.77 0.43 1.60 0.37 -0.31 0.50
03/11/2014 2.08 0.47 0.37 0.06 1.69 0.17 3.67 0.55 1.14 0.39 1.37 0.50
Los parámetros mostrados en la Tabla 70 son los parámetros estadísticos más importantes del
modelo, siendo R2, Chi2 y el porcentaje de masa explicado por el modelo. Se puede verificar que
todos los parámetros R2 están sobre 0.9, pero es notable que los valores de R2 de Soacha son
mayores que en Mosquera, sucediendo los mismo con el otro parámetro estadístico Chi2, el cual
es más pequeño en Soacha Que Mosquera. El factor R2 indica que tan bien se ajustan los datos
al modelo propuesto, y el parámetro Chi2 indica que tanta dispersión agrega el modelo en sí
mismo a la incertidumbre ya presente en los datos; sin embargo, es de señalar que aun así el
porcentaje de masa explicada no es de 100% variando entre 70% y 103% siendo notorio que en
todos los datos hace falta masa. esto refuerza la hipótesis de que en Soacha hay mayor presencia
de SOA u otras fuentes no tenidas en cuenta en el modelo, pero para el caso de Mosquera los
perfiles propuestos, si bien explican la contribución generada por dichas fuentes no son las
mejores para representar el comportamiento verificado en Mosquera
0
2
4
6
8
10
12
14
16
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
µg/
m3
Natural gas as fuel Diesel engines
Gasoline vehicles ignitions Coal mixed combustion
Woodburning
147
Figura 54,Atribucion de fuentes a la masa carbonácea para Soacha (primero) y Mosquera (ultimo).
Figura 55, Atribución de fuentes de contaminación porcentual al material orgánico para Soacha (izquierda) y Mosquera (derecha)
Tabla 70, Datos de desempeño del modelo CMB para los municipios de Soacha (izquierda) y Mosquera (derecha)
0
2
4
6
8
10
12
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
µg/
m3
Woodburning Natural gas as fuelDiesel engines Gasoline vehicles ignitionsBrown Coal combustion
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Coal mixed combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
Woodburning
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
brown coal combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
Woodburning
Date R2 Chi2
%
Mass
15-sep 0.95 3.41 74.4
22-sep 0.96 2.97 83.6
30-sep 0.94 3.24 61.1
06-oct 0.95 3.64 87.4
13-oct 0.94 3.69 51.5
20-oct 0.95 3.2 77.6
27-oct 0.93 4.87 73.9
03-nov 0.94 3.93 74.3
Date R2 Chi2
%
Mass
15-sep 0.92 5.43 77.3
22-sep 0.92 5.50 73.0
30-sep 0.92 5.50 92.0
06-oct 0.92 5.20 90.7
13-oct 0.91 5.84 69.9
20-oct 0.91 6.10 73.5
27-oct 0.92 5.65 103.6
03-nov 0.9 6.61 88.1
8.13 Contribuciones a la masa total de PM2.5
Después de calculada la contribución al Material Orgánico OM, la contribución a la masa total de
PM2.5 fue calculada usando los factores específicos de OM/PM2.5 reportados para cada una de
las fuentes, adicional a lo anterior, los iones principales fueron incluidos como una fuente y los
aerosoles Orgánicos secundarios fueron incluidos en la masa total del material particulado
usando un factor OM/PM2.5 de 2, como se ha sugerido por Villalobos et al, in 2015. También se
comparó la masa reconstruida mediante las fuentes encontradas contra la masa gravimétrica que
se presenta en las tablas 5 y 6 y 7 y 8 se presentan los valores de las atribuciones y las
reconstrucciones anteriores con los SOA, iones y fuentes encontradas y en las Figura 56, Figura
57 y Figura 58 se muestran las gráficas de las atribuciones, los porcentajes de atribución y la
reconstrucción másica.
Después de realizado el cálculo de las contribuciones reales a material particulado, las
contribuciones de los perfiles de carbón se hacen mucho más importantes, pasando a ser los
contribuyentes más importantes a la masa total de PM2.5. este resultado indica que existe
entonces una gran cantidad de industrias pequeñas que siguen usando carbón o materiales
similares para la combustión y la producción de energía; también puede deberse a que existen
muchos negocios pequeños de comidas en Colombia los cuales, por razones culturales, utilizan
carbón para la combustión y obtención de energía. También es importante mencionar que la
contribución del carbón en Mosquera es similar sobre los periodos de tiempo, pero en Soacha
esta contribución varia en gran medida sin patrón alguno, obteniendo la menor contribución en la
tercera semana. La contribución del carbón es en promedio 12.72 µg/m3 con una desviación
estándar de 7.34 µg/m3 en Soacha, mientras que en Mosquera es de 8.98 µg/m3 con una
desviación de 1.70 µg/m3, siendo otro dato que refuerza la hipótesis de que las fuentes que
queman carbón en Soacha son mucho más variables que las que lo usan en Mosquera, además
de haber un uso mucho más profuso de carbón en Mosquera.
149
En segundo lugar, vienen las contribuciones de las fuentes móviles de vehículos d gasolina y
diesel, siendo muy importante notar que la contribución de diesel en % es mayor en Soacha,
mientras que en Mosquera las contribuciones tienden a sr similares en porcentaje. Lo anterior se
dio al cambiar las contribuciones de diesel y gasolina desde la contribución al material orgánica
hacia la contribución a la masa total, dándose el caso de que una fuente contribuya bastante al
material orgánico, pero después a la masa total de material particulado puede no contribuir tanto
como se esperaba. La contribución de la quema de diesel y gasolina en Soacha son de 6.27
µg/m3 y 2.65µg/m3 con desviaciones estándar de 2.56 µg/m3 y 0.61 µg/m3 respectivamente
mientras que en Mosquera las contribuciones son de 5.08 µg/m3 y 4.21 µg/m3 con desviaciones
de 1.07 µg/m3 y 0.88 µg/m3. Teniendo en cuenta lo anterior las contribuciones de fuentes móviles
en Mosquera son mayores que en Soacha y la contribución de diese es mayor que la de la
gasolina en Soacha mientas que en Mosquera las contribuciones son bastante más similares
pero la de diesel sigue siendo mayor
Como se puede ver en la Tabla 70 se puede ver un buen ajuste de la masa reconstruida contra
la gravimétrica, sin embargo, hay alguna sobreestimación en algunas semanas de medición, en
Soacha casi todas las semanas se tienen una sobreestimación y solo la última semana subestima
la masa. En Mosquera 4 semanas de medición tienen una subestimación de la masa y las otras
la sobreestiman. Sin embargo, es algo esperaba teniendo en cuenta que tanto las contribuciones
como la medición de la masa gravimétrica tiene cierta incertidumbre que sumada debería cobijar
ambos resultados. La contribución del gas natural es de 0.10 µg/m3 con una desviación de 0.06
µg/m3 para Soacha y para Mosquera esta contribución es de 1.99 µg/m3 con una desviación de
0,33 µg/m3. Esto sugiere que en Mosquera las actividades que utilizan gas natural son más
numerosas mientras en Soacha son menos numerosas; dándose también que el sitio de medición
está más cerca de actividades domésticas o de servicios como restaurantes y esto pueda sesgar
de cierta manera la medición.
La contribución de la quema de madera en Soacha a la quema de madera es de 5.49 µg/m3 con
una desviación de 2.00 µg/m3 mientras en Mosquera la contribución es de 1.99 µg/m3 con una
desviación de 0.33 µg/m3 , esto sugiere que Soacha tiene una mayor contribución de quema de
madera aparentemente debido a una mayor densidad de población y de negocios que la usan
para sus actividades económicas, a pesar de que Mosquera sea una localización mucho más
rural que se esperaría que el acceso a gas natural fuese menor, lo que se ve también contradicho
con la contribución del gas natural en Mosquera, que es mayor a la de Soacha.
Respecto a los resultados de la reconstrucción másica, en general hay menos masa gravimétrica
que lo que se esperaba teniendo en cuenta los iones, las fuentes y los SOA, en general se puede
decir que hay otras fuentes que pueden contribuir al material particulado desde lugares más
lejanos y que pueden ayudar a complementar la masa no predicha, disminuyendo los SOA y así
generando mejor ajuste.
150
Figura 56, Atribución de las fuentes de contaminación a la masa total de PM2.5 en Soacha (izquierdo) y Mosquera (derecho).
Teniendo en cuenta las escalas.
Figura 57, Porcentaje de atribución de las fuentes al material particulado de Soacha (izquierda) y Mosquera (derecha).
0
10
20
30
40
50
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Co
nce
ntr
atio
n in
PM
2.5
(u
g/m
3)
Ions
Woodburning
Coal mixed combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
0
10
20
30
40
50
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Ions
Brown Coal combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
Woodburning
0
20
40
60
80
100
Per
cen
taje
in m
ass
Ions
Woodburning
Coal mixed combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
0
20
40
60
80
100
Ions
Brown Coal combustion
Gasoline vehicles ignitions
Diesel engines
Natural gas as fuel
Woodburning
151
Tabla 71, Contribuciones al material particulado PM2.5 de Soacha,
Source contribution (µg/m3)
Date Woodburning
Natural
gas as
fuel
Diesel
engines
Gasoline
vehicles
Mixed Coal
Combustion Iones
15/9 5.27 0.07 3.67 2.63 5.49 8.39
22/9 7.76 0.07 6.50 3.87 10.85 3.89
30/9 4.47 0.04 4.20 2.33 1.61 2.97
6/10 5.19 0.12 5.37 2.63 20.77 3.63
13/10 2.54 0.04 4.84 1.70 8.28 4.63
20/10 5.46 0.13 5.97 2.59 21.31 5.61
27/10 8.92 0.21 11.63 2.94 18.66 10.14
3/11 4.34 0.09 8.01 2.52 14.77 6.35
Tabla 72, Contribuciones al material particulado PM2.5 en Mosquera.
Source contribution (µg/m3)
Date Woodburning
Natural
gas as
fuel
Diesel
engines
Gasoline
vehicles
Brown Coal
Combustion Iones
15/9 2.29 0.13 4.34 4.57 7.78 5.04
22/9 1.66 0.09 4.81 5.29 11.34 2.48
30/9 1.66 0.09 4.81 5.29 11.34 3.19
6/10 2.02 0.16 4.54 3.19 7.70 3.69
13/10 1.57 0.10 4.81 3.18 8.37 3.73
20/10 2.15 0.14 5.71 3.85 9.31 4.35
27/10 2.08 0.23 7.47 3.57 9.36 4.87
3/11 2.49 0.44 4.15 4.72 6.67 4.85
152
Tabla 73, Contribución de las fuentes, los iones y los SOA a la masa total de PM2.5, y la comparación entre la masa gravimétrica y reconstruida para Soacha.
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Sources
(µg/m3) 17.140 29.054 12.648 34.084 17.398 35.473 42.364 29.727
Ions (µg/m3) 8.386 3.894 2.972 3.630 4.627 5.613 10.136 6.347
SOA (µg/m3) 5.667 4.965 9.367 2.756 10.924 5.786 10.910 6.602
Reconstructed
Mass (µg/m3) 31.193 37.913 24.987 40.471 32.949 46.872 63.410 42.676
Gravimetric
Mass (µg/m3) 24.618 35.444 21.064 28.084 27.796 40.602 61.014 44.823
Tabla 74, Contribución de las fuentes, los iones y los SOA a la masa total de PM2.5, y la comparación entre la masa gravimétrica y reconstruida para Mosquera.
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Sources
(µg/m3) 19.111 23.192 23.192 17.601 18.036 21.154 22.715 18.464
Ions (µg/m3) 5.038 2.480 3.189 3.686 3.734 4.348 4.866 4.851
SOA (µg/m3) 6.586 9.591 1.790 1.688 8.950 8.652 -0.627 2.745
Reconstructed
Mass (µg/m3) 30.734 35.263 28.171 22.974 30.720 34.154 26.954 26.061
Gravimetric
Mass (µg/m3) 21.830 27.225 29.588 25.309 22.722 34.722 30.078 31.132
153
Figura 58, Comparación entre la masa contribuida por las fuentes, los iones y los SOA contra la masa gravimétrica, Soacha
(izquierda) y Mosquera (derecha).
8.14 Comparación con otros estudios
Los datos de la atribución de fuentes hallados por Villalobos et al en 2015 se muestran a
continuación, en la Tabla 75 realizado en Santiago de Chile, encontrando contribuciones de humo
de madera, gas natural, vehículos a diesel y gasolina y una parte de masa no atribuida,
utilizándose en términos generales los mismos perfiles utilizaos en este trabajo encontrando
buenos ajustes. Después de obtener los datos de contribución al OC se utilizaron los mismos
factores de OC/PM2.5 mostrados en la bibliografía de la cual se obtuvieron los perfiles,
obteniéndose la Tabla 76. En general este estudio identifica que las fuentes son fuertemente
estacionales, en especial fuentes relacionadas con la quema de calefacción; las mediciones
fueron realizadas en un entorno netamente urbano sin fuertes influencias industriales lo que
explica que con las 4 fuentes propuestas se hayan obtenido los resultados obtenidos.
Tabla 75, contribución de fuentes de contaminación al carbono orgánico (OC) del material PM2.5 estimado por el estudio de Villalobos et al en 2015 estimado por el CMB.
Mes Humo de madera
Gas natural Emisión de diesel
Vehículos a gasolina
Otros R2 X2
µg/ml unc µg/ml unc µg/ml unc µg/ml unc µg/ml unc R2 X2
Mar 0.37 0.08 0.01 0.01 0.86 0.09 1.34 0.14 3.42 0.60 0.98 1.03
Abr 1.51 0.33 0.04 0.01 1.16 0.12 1.96 0.18 4.93 1.18 0.98 1.26
May 7.13 1.50 0.19 0.04 1.29 0.14 3.19 0.29 2.40 2.59 0.98 1.25
Jun 16.85 3.41 0.33 0.06 2.56 0.28 4.79 0.44 -2.45 3.97 0.96 2.41
Jul 12.70 2.69 0.17 0.05 1.60 0.20 6.16 0.60 -1.11 3.07 0.99 0.94
Ago 8.53 1.75 0.09 0.03 1.16 0.13 2.64 0.27 0.75 2.70 0.98 1.08
Sep 2.26 0.48 0.05 0.01 0.93 0.10 1.26 0.12 1.76 1.48 0.95 2.77
Oct 0.79 0.17 0.02 0.01 0.61 0.06 1.19 0.14 3.03 0.50 0.97 2.08
0
10
20
30
40
50
60
70
15/9 22/9 30/9 6/10 13/10 20/10 27/10 3/11
Co
nce
ntr
atio
n P
M2
.5 (
ug/
m3
)SourcesIonsSOAGravimetric Mass
0
10
20
30
40
50
60
70
154
Tabla 76, contribuciones mensuales de las fuentes de contaminación a PM2.5 de marzo a octubre, incluyendo los iones, los SOA u la masa indeterminada (todo en µg/m3)
Arial PM2.5 Humo de madera
Gas natural
Emisiones diesel
Vehículos a gasolina
Sulfato Nitrato Amonio SOA Masa indeterminada
Mar 20 0.44 0.02 2.11 1.72 1.30 1.44 1.44 6.84 5.27
Abr 35 1.81 0.05 2.86 2.52 3.42 3.00 3.00 9.86 7.57
May 55 8.53 0.22 3.17 4.11 2.23 5.39 5.39 0.00 19.48
Jun 73 20.17 0.39 6.29 6.17 1.99 5.56 5.56 0.00 18.07
Jul 51 15.2 0.19 3.92 7.94 1.64 4. 19 4.19 0.00 6.88
Ago 45 10.21 0.11 2.86 3.40 3.02 4.30 4.30 0.00 10.26
Sep 17 2.7 0.06 2.28 1.62 0.94 1.47 1.47 0.00 6.02
Oct 21 0.94 0.02 1.49 1.53 1.10 0.96 0.96 6.06 7.59
En el estudio de Villalobos et al de 2017 realizados en la región de Temuco, Chile se realiza
también se realizó atribución de fuentes a los contaminantes medidos del 15 de Julio al 30 agosto
durante la semana laboral (no hubo mediciones durante el fin de semana) obteniéndose la Tabla
77. En general escogieron un perfil de madera medido en estados unidos similar a la madera
comúnmente quemada en Temuco medido por Fine et al. (2004). También se seleccionaron los
perfiles de vehículos de gasolina (Lough et al., 2007), vehículos diesel (Lough et al., 2007),
Carbón (Zhang et al., 2008) y detrito vegetativo (Rogge et al., 1993). Los datos se convirtieron
igualmente a PM2.5 con cada perfil, Después de realizar la conversión y encontró que la masa
indeterminada es el mayor contribuyente al material particulado en 6 de las ocho muestras, siendo
esta fuente la que contribuye en 31.0 ± 12.5 µg/m3, más del 50% del PM2.5 durante esas 6
semanas. La siguiente Fuente mayoritaria primaria fie el humo de madera con una contribución
estable durante las semanas de estudio con un promedio de 18.5 ± 3.0 µg/m3, siendo el 37.5%
del PM2.5 solamente se identificó una contribución de los vehículos diesel de 1.6 ± 0.4 µg/m3
(3.7%). Luego también se identificó que el polvo contribuye solamente al 2.3% del PM2.5
consistente con un clima de invierno húmedo. Los iones contribuyeron al 4.9% del PM2.5.
Tabla 77, datos de la atribución de fuentes de contaminación al carbono orgánico OC del PM2.5 medido en Temuco
Semana Humo De
Madera
Detrito
Vegetativo
Emisiones De
Diesel
Combustión
De Carbón
Otros,
Incluyendo El
SOA
R2 % OC
1 13.48 ± 235 0.10 ± 0.01 0.67 ± 0.06 0.78 ± 0.09 11.08 ± 2.47 0.88 57.6
2 11.86 ± 2.52 0.14 ± 0.02 0.96 ± 0.09 1.75 ± 0.18 27.13 ± 2.75 0.89 35.2
3 12.50 ± 2.05 0.06 ± 0.01 0.43 ± 0.04 0.42 ± 0.05 0.51 ± 2.08 0.90 96.3
4 13.47 ± 2.48 0.10 ± 0.01 0.70 ± 0.07 0.98 ± 0.10 15.79 ± 2.60 0.89 49.1
155
5 14.60 ± 2.64 0.17 ± 0.02 0.59 ± 0.06 1.05 ± 0.11 16.64 ± 2.77 0.86 49.6
6 12.85 ± 2.45 0.11 ± 0.02 0.70 ± 0.07 0.84 ± 0.09 11.83 ± 2.55 0.90 55.1
7 12.00 ± 2.10 0.07 ± 0.01 0.48 ± 0.05 0.43 ± 0.06 3.60 ± 2.18 0.90 78.3
8 18.60 ± 3.04 0.11 ± 0.02 0.75 ± 0.09 0.79 ± 0.09 10.52 ± 3.22 0.86 65.8
Promedio 13.67 ± 2.18 0.11 ± 0.04 0.66 ± 0.17 0.88 ± 0.42 15.50 ± 6.24
En el estudio de (Stone et al, 2008), en el que se realizó la atribución de fuentes de contaminación
al material particulado fino de Ciudad de México se encontró lo siguiente (Tabla 78):
Tabla 78, datos reportados por (Stone et al, 2008), para la atribución de contaminantes al material particulado de
Ciudad de México, en (µg/m3).
Detrito
Vegetal
Motors
Diesel
Vehículos
de gasolina
Vehículos
chimenea
Humo de
madera
Otros R2 x2
Sitio urbano
17 Marzo 0.12±0.04 0.70±0.11 0.90±0.16 1.19±0.41 0.78±0.21 1.95±0.93 0.97 0.42
18 Marzo 0.32±0.07 0.76±0.16 1.50±0.35 0.73±0.67 1.90±0.51 4.55±1.75 0.85 1.98
19 Marzo 0.20±0.04 1.19±0.14 1.15±0.18 0.54±0.38 0.38±0.11 2.15±0.85 0.91 2.06
20 Marzo 0.31±0.07 0.83±0.14 0.73±0.26 0.83±0.54 2.63±0.68 4.73±1.69 0.89 1.37
21 Marzo 0.37±0.08 1.43±0.23 1.08±0.35 1.78±0.78 3.34±0.86 6.37±2.31 0.87 1.96
22 Marzo 0.27 ±0.07 0.77 ± 0.15 0.69 ± 0. 19 1.18±0.53 1.20 ± 0.32 6.11 ± 1.27 0.84 1.92
23 Marzo 0.24±0.06 1.37 ± 0. 19 1.46 ±0.3 1 1.31 ±0.75 0.47 ± 0.13 3.66 ± 1.44 0.88 1.86
24 Marzo 0.00±0.05 0.91 ± 0. 15 0.98± 0. 17 2.16 ±0.56 0.36 ± 0.
10
3.21 ± 1.02 0.98 0.37
25 Marzo 0.05 ±0.04 1.35± 0.19 2.16 ±0.3 1 0.48±0.57 0.52 ± 0.
15
3.60 ± 1.27 0.95 0.76
26 Marzo 0.13±0.04 1.23 ± 0.18 2.70 ±0.40 0.76±0.75 0.64 ± 0.18 2.02 ± 1.55 0.94 1.06
27 Marzo 0.06±0.04 0.91 ± 0.12 0.85± 0. 15 1.55±0.45 0.40 ± 0. 1
1
1.69 ±0.87 0.97 0.52
28 Marzo 0.24±0.05 1.96 ± 0.25 1.72 ±0.28 2.49±0.77 0.63 ± 0.
18
2.09 ± 1.52 0.89 2.28
29 Marzo 0. 17±0.03 1.96 ± 0.24 1.19±0.20 1.58±0.53 0.52 ± 0.15 2.81 ± 1.16 0.87 2.87
30 Marzo 0.40±0.07 2.95± 0.35 1.82 ± 0.31 3.35 ±0.91 0.85± 0.24 1.83± 1.88 0.82 4.66
Sitio perimetral
17 Marzo 0.24±0.04 0.51±0.09 1.34±0.19 0.09±0.33 0.31±0.09 1.80±0.74 0.78 4.73
18 Marzo 0.38±0.06 0.35±0.09 0.85±0.13 BO 2.42±0.49 3.03±0.77 0.77 3.84
19 Marzo 0.30±0.05 0.48±0.08 0.61±0.10 BO 2.08±0.42 1.91±0.65 0.82 3.02
20 Marzo 0.32±0.05 0.82±0.13 1.13±0.15 BO 1.61±0.38 3.12±0.70 0.78 4.13
2 1 Marzo 0.29±0.06 0.44±0.10 0.96±0.15 BO 0.98±0.25 2.90±0.56 0.81 2.08
22 Marzo 0.28±0.06 0.83±0.14 0.84±0.15 BO 1.72±0.42 4.61±0.76 0.84 1.92
23 Marzo 0.10±0.02 0.18±0.04 0.54±0.09 0.14±0.17 0.36±0.09 1.07±0.42 0.78 4.02
24 Marzo 0.10±0.02 0.43±0.08 0.55±0.10 0.36±0.20 0.42±0.11 2.38±0.50 0.80 4.07
25 Marzo 0.09±0.02 0.29±0.06 0.87±0.10 BO 0.42±0.11 1.53±0.29 0.83 2.63
156
26 Marzo 0.08±0.02 0.46±0.08 0.74±0.12 0.17±0.22 0.46±0.12 2.65±0.56 0.81 3.65
27 Marzo 0.11±0.02 0.47±0.09 0.95±0.15 0.12±0.26 0.42±0.11 2.36±0.62 0.80 4.12
28 Marzo 0.1I±0.02 0.67±0.10 0.92±0.14 0.32±0.27 0.39±0.10 1.99±0.64 0.80 4.40
29 Marzo 0.10±0.02 0.67±0.10 0.97±0.15 0.15±0.27 0.42±0.11 2.47±0.65 0.81 4.04
30 Marzo 0.1I±0.02 0.75±0.11 0.84±0.14 0.21±0.25 0.57±0.15 2.55±0.66 0.80 4.56
A partir de este estudio (Stone et al, 2008), se encontró que el detrito vegetativo contribuye con
0.2 µg/m3 al OC total de ambas localizaciones de México, siendo 2.3% del OC en el sitio urbano
y 3.6% en el sitio periférico. Encontrándose que es similar a lo medido en el centro de Los
Ángeles, siendo 0.24 µg/m3 de OC en 1982, encontrándose una variación estacional de esta
contribución. Por otro lado, el sitio de medición tiene una influencia grande de los vehículos de
motor. En promedio la suma de las contribuciones de vehículos diese, gasolina y vehículos
chimenea fueron de 49% del total de OC determinado, siendo el diesel el mayor contribuyente al
EC, mientras que la contribución de los vehículos a motor al OC es mucho menor en el sitio
perimetral a causa de la menor densidad vehicular en este sitio donde los vehículos a motor
contribuyeron en promedio al 32% del OC y los motores diesel al 80% del EC.
Los vehículos a gasolina contribuyeron en un 41% a las emisiones de OC en días de semana y
en un 74% en fines de semana, mientas que los vehículos chimenea contribuyeron a lo restante,
indicando que existe una variación entre los vehículos que se conducen entre los diferentes días
de la semana, tanto en el sitio urbano como en el perimetral pero menos pronunciado. El humo
de madera es una fuente primaria importante de OC en México, segunda respecto a los vehículos
a motor. En el área urbana el humo de madera contribuyo al 5–26% del OC con una contribución
de 0.36–3.34 µg/m3 de OC, mientras que en el are perimetral esta contribución fue de 7–39% y
contribuyo entre 0.31–2.42µg/m3. También se indica que esta contribución es similar a la
determinada en el centro de Los ángeles en 1982 con una contribución promedio de
1.85±0.31µg/m3. También se determinó que la contribución de quema de madera es
relativamente una fuente puntual que afecta periódicamente al centro de la ciudad. Mientras que
la contribución a las zonas perimetrales no es tan irregular en el tiempo. La contribución de la
quema de madera fue mayor Durante 18–22 de marzo, con un promedio de 1.76µg/m3 mientras
durante los otros día de estudio se indica un promedio de 0.42µg/m3 en la contribución de esta
fuente al OC, siendo una contribución similar en su comportamiento a lo que contribuye el detrito
vegetal y se indica que las contribuciones de humo de madera en el sitio perimetral no es la
misma fuente que en el sitio urbano, aun mas se puede indicar que el humo de madera y el detrito
vegetativo son una sola fuente como la quema abierta que emite gran cantidad de aerosoles
vegetales, mientras que se indica que la fuente de quema de madera es químicamente diferente
a lo presentado en los lugares perimetrales y no está muy relacionado con el detrito vegetativo.
Por último, en este estudio también se usaron los mismos perfiles de este estudio, siendo las
mismas bibliografías usadas excepto que se incluyó el perfil de detrito vegetal
En el estudio de (Fraser et al, 2003), se hizo la atribución de fuentes de contaminación al PM2.5
de 4 lugares de Houston, Texas, encontrándose lo siguiente (Tabla 79):
Tabla 79, datos de la atribución de fuente de contaminación realizados para 4 ciudades localidades de Texas (Fraser
et al, 2003), los datos en µg/m3
Fuente Galveston Bingle HRM-3 Clinton
157
Vehículos a gasolina 0.52±0.19 2.01±0.71 1.13±0.59 2.76±1.90
Vehículos Diesel 0.54±0.08
2.61±0.46
1.56±0.27
3.74±0.70
Polvo de camino
pavimentado
0.12±0.03 1.04±0.19 2.83±0.58 2.30±0.93
Detrito vegetal - 0.65±0.11 - 0.45±0.14
Quema de madera 0.04±0.01 0.16±0.06 - 0.33±0.09
Emisiones de cocción de
carne
0.66±0.18 1.34±0.40 0.87±0.25 1.27±0.36
Combustion de fuel oíl - - - 1.45±0.48
Algunas fuentes no fueron estadísticamente distintas de cero, por lo que durante el trabajo se
eliminaron y el modelo se corrió de nuevo sin ellas, encontrándose que de varios perfiles de
quema de madera el mejor es para madera suave de pinos; también se encontró que los datos
para emisiones asociadas al gas natural en todas las muestras no fueron estadísticamente
distintos de cero, por lo que fue excluida. Los valores de R2 de los datos estuvieron entre 0.64 y
0.69 y para Chi2 los valores fueron de 3.9 y 8.2, mientras que la masa predicha por las fuentes
encontradas por el modelo CMB representan 14% del PM2.5 en Galveston, 31% en HRM-3.37%
en Bingle y 57% Clinton, siendo explicados en general por contribuciones de brisa marina y
partículas oxidadas, siendo también complementados por los iones sulfato y nitrato, indicadores
de SOA. Siendo así incluyendo el sulfato de amonio en la atribución de fuentes se determina que
la masa atribuida es de 53% en Galveston, 67% en HRM-3.73% en Bingle y 89% en Clinton. Las
contribuciones de vehículos a diesel y a Gasolina contribuyen muy significativamente al PM2.5.
El gas exhausto de diesel es la Fuente más importante de PM2.5 en Houston, variando de 4% de
la masa de PM2.5 en Galveston y 17% de la masa en Clinton. Las emisiones de vehículos a
gasolina contribuyen ligeramente menos al PM2.5, variando entre 4% del PM2.5 en Galveston al
máximo de 13% en Clinton. En Galveston se calcula que aproximadamente es igual la
concentración de partículas debidas a la emisión de vehículos a gasolina y a diesel. En cualquier
caso, en los tres sitios restante el material particulado de vehículos a gasolina es un 72% a 77%
de la masa de las partículas debidas al diesel, indicando que en general la flota vehiculas en los
tres sitios es la misma. El polvo de los caminos es significante en los 2 sitios industriales (HRM-
3 y Clinton), con menores contribuciones en los otros 2 sitios, siendo explicado por la presencia
de caminos sin pavimentar en dichos sitios
Entre otras fuentes encontradas, el humo de la cocción de carne contribuye en una cantidad
consistente al PM2.5 en todos los sitios. La combustion de Fuel oíl es solamente significativa en
un solo sitio, Clinton. Siendo consistente con la cercanía de Clinton al canal de barcos de Houston.
El detrito vegetativo y la combustion de madera son menores contribuyentes al PM2.5 en todos
los sitios. Por otro lado, se verificaron las tendencias de las fuentes durante las diversas
estaciones climáticas, siendo por ejemplo el humo de madera mayor en el invierno mientras que
las emisiones de polvo de camino pavimentado en general aumentan en primavera y verano a
causa de un clima más seco, mientras oras fuentes no tienen variaciones estacionales como la
emisión por cocción de carne. Otros resultados son difíciles de explicar pues la contribución de
158
detrito vegetal debería ser mayor en verano cuando existe mayor biomasa, pero fue mayor
durante el invierno según el análisis estacional
En el estudio de (Stone et al, (2010) en el cual se hizo la atribución de fuentes de contaminación
al material particulado en la ciudad de Lahore en Pakistán encontró los siguientes resultados para
la atribución de fuentes al OC del PM2.5 (Tabla 80):
Tabla 80, datos presentados por (Stone et al, 2010), para la atribución de fuentes de contaminación al PM2.5 de Lahore
en Pakistán, los datos en µg/m3, siendo la contribución y su incertidumbre en cada columna.
Fecha Vehículos
de
gasolina
sin
catalizador
Combustion
de diesel y
aceite
residual
Humo
de
carbón
Detrito
Vegetal
Quema de
biomasa
Otros R2 X2
Ene-07 22.4 3.5 6.5 0.7 1.8 0.3 1.3 0.3 16.8 7.7 27.7 8.7 0.88 3.9
Feb-07 23.8 3.7 52 0.5 1.3 0.2 0.9 0.2 6.1 3.0 26.5 5.1 0.86 4.3
Mar-07 19.9 3.1 4.1 0.4 0.9 0.2 0.8 0.2 2.9 1.4 16.0 3.6 0.85 4.8
Abr-07 24.8 3.7 4.6 0.4 1.0 0.2 1.4 0.3 3.0 1.4 11.3 4.2 0.86 4.8
May-07 21.3 32 2.3 0.2 0.7 0.2 0.9 0.2 3.0 1.5 12.5 3.7 0.86 4.7
jun-07 19.6 3.0 1.5 0.2 0.6 0.1 0.7 0.1 2.1 1.0 1.5 3.2 0.85 5.1
jul-07 27.5 4.0 1.8 0.2 0.6 0.2 0.7 0.1 1.5 0.7 0.0 4.1 0.83 5.9
Ago-07 28.9 4.1 1.8 0.2 0.6 0.2 1.1 0.2 2.4 1.1 0.0 4.4 0.84 5.3
Sep-07 262 3.9 1.9 02 0.5 0.2 0.8 0.2 4.7 2.3 7.7 4.7 0.81 6.3
Oct-07 32.6 4.9 4.6 0.5 1.1 0.2 1.2 0.3 8.1 3.9 22.7 6.5 0.85 5.0
Nov -07 51.3 7.8 7.0 0.8 2.7 0.5 nq nq 22.6 10.7 68.4 13.7 0.89 3.8
Dic-07 47.2 7.2 4.4 0.6 2.7 0.5 1.6 0.3 15.1 7.3 54.6 10.7 0.86 4.2
ene -08 35.6 5.5 4.8 0.5 1.7 0.3 1.2 0.3 12.9 6.2 29.5 8.8 0.85 4.7
A partir de este estudio se indica que los vehículos a gasolina sin catalizador fueron la Fuente
más importante contribuyendo en un 20± 3 a 51± 8 µg/m3 y un 29 a 86% del OC, con un promedio
de 53%± 19%). En promedio las contribuciones de esta fuente fueron más altas en invierno, pero
tuvieron picos en verano, sin embargo estas contribuciones fueron mayores que en otros lugares
metropolitanos como en Los Ángeles, donde se observaron contribuciones combinadas de
vehículos a gasolina con y sin catalizador de 1.6 ± 0.2 µg/m3 y Hong Kong donde las
contribuciones estuvieron entre 0.8± 0.4 µg/m3 y 1.4 ± 0.4 µg/m3 El impacto de la combustion de
diesel y aceite residual es pequeño comparado con el de los vehículos a gasolina sin embargo
genera una contribución de 3.8 ± 1.9 µg/m3 lo que es un 6.3% del OC del PM2.5 siendo una
contribución comparable a la encontrada por los vehículos diesel en Los Ángeles donde fueron
de 2.7± 0.3 µg/m3. La contribución del humo de carbón fue en promedio de 1.2 ± 0.8 µg/m3 o un
2% del OC. La quema de biomasa fue el Segundo gran contribuyente al OC del PM2.5 además
de ser altamente variable respecto a la estación climática del año, variando de entre 1.5 ± 0.7
µg/m3 (5% del OC del PM2.5) en julio a un máximo de 22.6 ± 10.7 µg/m3 (15% de OC) en
noviembre, siendo esta contribución coherente a los patrones de quema de biomasa y cultivos
en las épocas de siembra y cosecha además de que el perfil usado es un perfil de humo de
quemas de madera abierta.
159
9 Conclusiones
Para los sitios de Soacha, Mosquera, Nemocón y Briceño se realizaron las mediciones del
material particulado PM2.5, con su posteror análisis quimico de iones, materiales organicos y
carbonos orgánico y elemental, con lo cual se encontró lo siguiente:
Conteo de Material particulado
La concentración de material particulado para las 4 localizaciones fue en promedio de 35.13,
30.26, 85.29, 17.19 µg/m3 respectivamente para Soacha, Mosquera, Nemocón y Briceño,
comparados con el límite de 25 µg/m3 por 24 horas o de 10 µg/m3 anual recomendados por la
OMS, se verifica una excedencia en 3 de las 4 localizaciones, pudiéndose indicar que Briceño
cuenta con un aire con menos concentración de material particulado (13 excedencias a la norma
de 25 µg/m3). También se verifica Nemocón tiene un aire altamente contaminado según las
mediciones y comparables a valores presentados en India y China, mientras que los demás sitios
de medición presentan concentraciones similares a ciudades como Santiago de chile y otras de
Brasil, y Europa, siendo aire con niveles de contaminación leves a moderados con calidad del
aire similar a algunos promedios de Bogotá. No se puede indicar que exista estacionalidad dentro
de las mediciones, excepto para Nemocón según las cuales los mínimos más marcados y las
tendencias de disminución y aumento coinciden con los días festivos en ese periodo, lo que
refuerza la indicación de que el origen del material particulado se debe a una exacerbada
actividad industrial de hornos de ladrilleras, mientras que en los demás sitios no hay patrones
aparentes. Las mediciones se dieron en una aparente época de sequía, lo que pudo aumentar la
concentración de material
Relacion OM/OC
Se encontró que la relación OM/OC de Soacha es de 1.45, mientras la de los 3 sitios de medición
restantes es de 1.2; estos datos son representativos para zonas urbanas, según lo reportado en
la literatura, y es notable que exista una diferencia entre los datos arrojados para Soacha y
Mosquera, estos datos hacen que esta relación OM/OC sea mas parecida a la de quema de
madera para Soacha, mientras que para los demás es mas parecida a quema de gasolina.
Iones
Respecto a las mediciones de iones, estas en general no siguen las variaciones del material
particulado y tienden a ser constantes a lo largo del tiempo, siendo el sulfato el ion mayoritario
seguido del amonio y el nitrato, esto para el caso de Soacha y Mosquera. Para Nemocón, la
tendencia de los iones en general sigue la tendencia del material particulado, no sin presentarse
algunas desviaciones de la tendencia igual que en Briceño; por otro lado, se verifica que en estas
dos últimas ciudades las mediciones de nitratos son muy constantes, indicando una fuente del
ion nitrato que no cambia su comportamiento con el tiempo. Cada ion tiene su propio
comportamiento, siendo la concentración de amonio menor en Briceño y Mosquera que en
Nemocón y Soacha, lo que puede sugerir una contribución mayor de vehículos a gasolina con
catalizador en Nemocón y Soacha los cuales son los que generarían dichas concentraciones
altas; por otra parte las concentraciones de iones en Soacha, Mosquera y Briceño son similares
o menores a las verificadas para diversas ciudades de Europa y Santiago de Chile, y siendo
160
menores que lo obtenido para otros estudios realizados en Bogotá, mientras los datos obtenidos
en Nemocón son representativos de lugar altamente contaminados como la India o China o en
fuertes episodios de quema forestal de Brasil.
Respecto al análisis de sulfato marino, se verifica que las concentraciones calculadas son
mayores en Soacha y Mosquera que en Nemocón y Briceño incluso con los altos recuentos de
material particulado; esto podría indicar que en los meses de medición hubo una fuerte influencia
de vientos marinos respecto a lo verificado en los otros sitios de medición, a pesar de lo verificado
según las trayectorias inversas calculadas mediante las cuales se observa una mayor influencia
de origen marino en Nemocón y Briceño, puede darse que durante el largo trayecto la parte salina
sea lavada del mismo, mientras que el trayecto hasta Soacha y Mosquera desde el océano
pacifico es menor; siendo este un ítem a estudiar en el futuro, también siendoposible una
contribución causada por minas de sal cercanas en Cundinamarca.
Materiales Carbonaceos
Las mediciones de carbones orgánico y elemental (OC y EC) revelan que en cada sitio de
medición existen dinámicas distintas en cuanto a la medición de estos carbones, pues para
Soacha y Mosquera se tienen mediciones con la misma tendencia pero distintas concentraciones
de cada uno, para Briceño la tendencia y la concentración de cada uno son muy similares y para
Nemocón se mantiene la misma tendencia entre ambas mediciones pero las concentraciones son
distintas a lo largo del periodo de estudio.
La relación OC/EC encontrada fue de 2.050, 1.603, 3.114 y 1.559 para Soacha, Mosquera,
Nemocón y Briceño, respectivamente. Como se verifica, la relación de Nemocón es mayor que la
presentada en los demás sitios de medición, y las relaciones para Mosquera y Briceño son muy
similares, indicando que existe una similaridad en las condiciones de Mosquera y Briceño; según
la bibliografía, los datos de Nemocón en general indican una presencia predominante de carbones
organicos secundarios, mientras que para Soacha y Mosquera están entre los dos limites
indicadores de Carbón orgánico secundario, mientras que Briceño seria la localización con menor
carbón orgánico secundario. En general los datos de Mosquera y Briceño son comparables a los
reportados en otros estudios para Bogotá y que estos a su vez son similares a los encontrados
en ciudades altamente contaminadas con rangos de 1 a 3, se puede indicar además que estas
relaciones están entre los rangos medidos para emisiones puramente de vehículos impulsados a
gasolina y diesel con cierta contribución de quema de biomasa y aerosoles organicos
secundarios, sin embargo, los datos no son concluyentes.
A partir de la estimación de la estimación del carbono orgánico secundario, se encontró una
contribución promedio de 70% al carbono orgánico total y al material particulado, sin embargo,
estos datos fueron calculados teniendo en cuenta la menor relación presentada durante los
meses de estudio, la cual puede no ser representativa de la relación OC/EC mínima propia de los
compuestos organicos de fondo del ambiente.
Según las mediciones de WSOC WIOC y EC se verifica que Briceño cuenta con cantidades
similares de EC, WSOC y WIOC, mientras los demás sitios de medición se comportan de una
manera similar con menores concentraciones de solubles y de EC, siendo el WIOC
comparativamente mucho mayor que las otras dos especies.
161
Según la reconstrucción másica realizada la reconstrucción de Soacha y Mosquera es mejor que
la de Nemocón y Briceño; la reconstrucción másica en Soacha tiende a subestimar la masa
reconstruida y en general falta un poco de masa para llegar a la masa medida gravimétricamente
lo cual puede indicar que hay presencia de otros iones o metales que no se han medido y que su
contribución conjunta afecta la reconstrucción, para el caso de Mosquera hay bastante masa que
sobra de la reconstrucción sobre la masa medida gravimétricamente, se ve que la mayoría de las
reconstrucciones de masa superan la masa medida gravimétricamente, lo que podría indicar que
la variabilidad del parámetro OM/OC día a día es mucho mayor que en Soacha, que para obtener
un mejor ajuste debería ajustarse individualmente cada valor para cada medición. Respecto a
Briceño y Nemocón, la masa reconstruida y gravimétrica tiene en promedio un buen acuerdo,
pero la variación medición a medición es mucho más grande que lo presentado en Soacha y
Mosquera, también se presentan casos donde la masa reconstruida es mucho más grande que
la gravimétrica en Nemocón lo que puede indicar la presencia de eventos que sesgaron de alguna
manera la medición o, por el contrario, eventos que cambiaron drásticamente la relación OM/OC
utilizada.
Molecuas organicas
Respecto a las moléculas orgánicas medidas, se encontró que el levoglucosano mostro mayores
concentraciones en Soacha que en Mosquera y mayores en Briceño que en Nemocón (0.599,
0.258, 0.26 y 1.74 µg/m3 en Soacha, Mosquera, Nemocón y Briceño), con algunos picos durante
el periodo de mediciones, lo cual sugiere que en Mosquera hay un uso pequeño pero continuo
de madera para la combustión, mientras que Soacha puede estar influenciada por fuentes de
quema de madera más grandes y esporádicas, dígase incendios forestales o producciones
grandes, mientras que en Mosquera este uso podría estar asociado solo a quemas domesticas o
propias de las actividades agrícolas, podría ser que los incendios forestales cercanos
influenciaron las mediciones de estas dos localizaciones. En el caso de Nemocón y Briceño el
comportamiento del levoglucosano es mucho más variado que para Soacha y Mosquera;
Nemocón tiene una alta variabilidad entre mediciones habiendo mediciones casi tan grandes
como las vistas en Mosquera y otras pequeñas para las cuales la incertidumbre es mayor que la
medición misma, además que las mediciones de Nemocón en cuanto a levoglucosano son mucho
menores que las de Soacha a pesar de tener un mayor recuento de material particulado que
Soacha y que Mosquera lo cual puede indicar que la quema de biomasa es una fuente bastante
pequeña para Nemocón comparativamente, también es importante mencionar que las
mediciones de Nemocón tienen la misma tendencia que el material particulado, pues se ve que
los máximos y mínimos de levoglucosano coinciden con los máximos y mínimos de material
particulado, dándose así a entender que la quema de biomasa es una fuente que sigue la misma
estacionalidad o comportamientos del material particulado si bien no debería ser una fuente tan
importante. Es notable que sea Briceño el sitio de medición que tenga mayores mediciones pus
tiene unas concentraciones mayores incluso que las medidas en Soacha. Esto indicaría que la
contribución por quema de maderas debería ser la fuente más importante de Briceño y además
se puede ver que tiene la misma tendencia que las mediciones de material particulado indicando
también que la fuente más importante del material particulado de Briceño. Comparativamente, las
concentraciones de levoglucosano son pequeñas para Mosquera y Nemocón, para Soacha son
medina y para Briceño son similares a las presentadas en lugares altamente contaminados como
en la india en época invernal, donde se presenta alto consumo de quema de madera para
162
invierno, o como en Santiago de Chile y Temuco, en chile, las cuales presentan necesidades de
calefacción en invierno.
Según las trayectorias inversas calculadas, se ve que las trayectorias en Soacha y Mosquera son
de vientos locales, y la contribución por incendios forestales será dada por incendios cercanos a
estos sitios, mientras que las trayectorias de Nemocón y Briceño son de largo alcance
provenientes de los llanos orientales de Colombia o del norte de Venezuela, sin embargo el
levoglucosano dichas corrientes podría haberse descompuesto durante el camino o dispuesto,
siendo esta la razón por la cual se ven menores concentraciones de levoglucosano en Nemocón
y altas concentraciones en Briceño.
Respecto a los PHAs medidos, se puede ver que Benzo fluorantenos (k y b) y Benzo pírenos (e
y a) no muestran tendencias en el tiempo para Soacha y Mosquera a pesar de algunas
coincidencias con máximos de levoglucosano, sin embargo las concentraciones totales
determinadas como promedio del tiempo de medición indican que Nemocón es el lugar con mayor
concentración de PHAs, seguido de Briceño, mientras que Soacha y Nemocón tienen niveles
similares (6.28, 7.812, 106.73, y 13.27 ng/m3 para Soacha, Mosquera, Nemocón y Briceño
respectivamente); es notable que Briceño tenga una concentración tan alta de PHAs teniendo en
cuenta su pequeño recuento de material particulado. Nemocón y Briceño siguen las tendencias
del material particulado y cuentan con menor variabilidad entre las mediciones.
Comparativamente, las mediciones encontradas en Soacha y Mosquera son acordes a las
medidas en ciudades como Santiago de chile para los meses de invierno, mientras que en Briceño
son bastante altas comparables con mediciones de invierno en Temuco, Chile. Estas
concentraciones de PHAs son mayores que las medidas en ciudades como Los Ángeles, Mumbai
y Hong Kong, indicando una particular concentraciones PHAs respecto a lugares más
contaminados. Los datos anteriores también indican un comportamiento esperable en Soacha,
Mosquera y Briceño, pues ambos tienen un alto flujo vehicular, sin embargo para Nemocón el
valor obtenido es bastante alto comparativamente, teniendo en cuenta que Nemocón no cuenta
con grandes vías altamente transitadas, pudiendo deberse estos resultados a fuentes que
también quemen gasolina o diesel no relacionadas necesariamente a vehículos o combustión de
biomasa, también indicando que existen ineficiencias en la combustión en los vehículos de las
vías de estos sitios de medición, lo cual se deber a los “vehículos chimenea” que han circulado
por las vías de Colombia.
Para el caso de los Hópanos, los resultados obtenidos son en promedio los siguientes: 1.268,
2.813, 107.6 y 4.23 ng/m3 para Soacha, Mosquera, Nemocón y Briceño, respectivamente. Las
tendencias de los hópanos son las mismas que para los PHAs anteriormente mencionados,
aunque las tendencias temporales de las mediciones no son exactamente iguales para el cas de
Soacha y Mosquera. Para Nemocón la tendencia de Hópanos sigue la misma tendencia del
material particulado y de los PHAs y levoglucosano, con las concentraciones más altas de los
sitios de medición, para Briceño la tendencia de los hópanos es más parecida a la del
levoglucosano que a los de PHAs, siendo notable que tenga concentraciones mayores que las
vistas para Soacha y Mosquera. Los valores de hópanos para Soacha, Mosquera y Briceño son
similares a los vistos para Ciudad de México y dentro del rango medido para Santiago de Chile;
sin embargo, las de Nemocón siguen siendo superiores a las medidas y son similares a los
máximos encontrados para Pakistán. Este comportamiento indica que las emisiones debidas a
163
emisiones vehiculares son muy importantes en Nemocón, descartando la posible contribución de
biomasa como una fuente totalmente responsable de los altos niveles de PHAs en Nemocón,
pues los niveles de Hópanos y PHAs son similares. Para el caso de Briceño si puede existir una
contribución de quema de biomasa a pues la concentración de Hópanos es menor que la de
PHAs, y para Soacha y Mosquera también debe existir una contribución de quema de biomasa y
contribución de emisiones vehiculares, aunque diferencial púes la concentración de PHAs es
similar en ambos sitios, pero la de hópanos es relativamente diferente.
Respecto al Piceno, en Briceño solo se detectó en la última semana de medición y con una
concentración baja, mientras que se detectó durante casi todos los periodos de medición en los
demás sitios. Los datos encontrados fueron de 0.37, 0.48, 26.52 ng/m3 para Soacha, Mosquera
y Nemocón respectivamente. Para Soacha y Mosquera Los comportamientos coinciden con lo
presentado en los PHAs y coinciden también con el Material particulado. Para Nemocón, la
tendencia también sigue algunos de los comportamientos de los otros iones, pero no hay una
total coincidencia, lo cual indicaría una independencia entre las fuentes generadoras de piceno
frente a las demás fuentes. EL piceno está relacionado al uso de carbón como combustible
industrial, lo que indica que su uso es altamente extensivo en Nemocón superando los valores
propios de Delhi, Calcuta y Chandigarh en el invierno, con un uso intermedio en Soacha y
Mosquera y un uso prácticamente nulo en Briceño. Los valores de Soacha y Mosquera son
similares a los encontrados en Temuco, Chile; Delhi, Calcuta y Chandigarh en temporada de
verano en la India, indicando un uso moderado de carbón doméstico e industrial.
Sobre todos los PHAs medidos se evidencia que existe una alta concentración de PHAs en
Nemocón respecto a lo verificado en Soacha y Mosquera, teniendo en cuenta la masa de material
particulado recolectada, con Mosquera mostrando concentraciones siempre mayores que las de
Soacha. Para Briceño, en la concentración de PHAs totales se verifica una concentración similar
a la de Mosquera, aunque Briceño tiene aproximadamente la mitad del material particulado de
Mosquera, indicando una fuerte concentración de PHAs, para Soacha y Mosquera se obtuvieron
valores de BaP de 1.317 y 1.58 ng/m3respectivamente, mientras que para Nemocón y Briceño
fueron de 37.85 y 0.443 ng/m3, lo cual por sí mismo indica que ya se supera el nivel establecido
de 1 ng/m3, indicando un alto riesgo de cáncer. Por parte del BaPE, los índices obtenidos son de
1.95, 2.82, 47.94 y 4.09 ng/m3 para Soacha, Mosquera, Nemocón y Briceño, lo cual indica una
alarmante cantidad de PHAs en Nemocón con un consiguiente riesgo muy alto de cáncer,
mientras que se tiene un riego alto en los demás sitios de medición; también es notable que el
riesgo aumente de manera tan abrupta para el caso de Briceño, pues la concentración de BAP
es pequeña en comparación de los otros sitios de medición, y el riesgo en Briceño se multiplica
por 8 al tener en cuenta los otros PHAs mientras que para soacha y Mosquera se dobla nada
más y en Nemocón apenas aumenta un 50%, los valores de Soacha y Mosquera están acordes
a lo encontrado para Ciudades como Bogotá y Buenos aires, mientras que Briceño está en los
valores límite de estas ciudades y Nemocón supera los valores incluso de Sao Paulo. Lo anterior
indica que la gran variedad de PHAs presentes en Briceño incrementa sustancialmente el riesgo
de cáncer calculado. Los contenidos de PHAs total de Soacha y Mosquera (14.464 y 27.78 ng/m3)
son similares a los medidos en otros estudios para Bogotá (15 ng/m3), Buenos Aires (16 ng/m3)
y Sao Paulo (26.9 ng/m3), mientras que los de Briceño superan estos promedios (35.07ng/m3) a
pesar de ser una ciudad más rural que Soacha y Mosquera y Nemocón los supera con creces
(247.83 ng/m3). Acompañando esto, los valores de potencial carcinogénico y mutagénico
164
calculados para los 4sitios de medición están En el intervalo de riesgo de 10-4 a 10-6, siendo
cercanos al extremo superior, mientras que Nemocón está en 10-3, lo cual indica que el potencial
carcinogénico para Soacha, Mosquera y Briceño es bastante alto, y para Nemocón es incluso
mucho más alto.
Respecto a la relación entre PHAs de bajo y alto peso molecular, en Nemocón y Briceño fueron
de 0.671 y 0.619 y para Soacha y Mosquera son de 0.448 y 0.602 respectivamente, lo que
indicaría que para Nemocón Briceño y Mosquera la contribución de vehículos a diesel es mayor,
mientras que para Soacha es mayor la contribución de vehículos a gasolina; también se verifica
que estas relaciones están en el rango de las emisiones debidas a combustión. Respecto a la
relación Flt/(Flt+Pyr), los valores obtenidos para los sitios de medición están en promedio entre
0.4 y 0.5 lo cual indica una contribución de la quema de combustibles fósiles al material
particulado, sin embargo los valores durante el muestro se aceran al límite de 0.4 lo cual podría
indicar que las emisiones petrogénicas o fugitivas de automóviles lo cual podría mover este radio
o razona esta zona, por otro lado la relación InP/(InP+BPe) indica emisiones de madera pastos y
carbón, pues los radios o razones encontrados para los sitios de medición están sobre 0.7; este
resultado se puede interpretar desde la perspectiva de que representa la contribución de la quema
de carbón y puede que hayan contribuciones de quema de biomasa en los demás sitios de
medición pero las emisiones de vehículos serían más importantes. Respecto a la edad con las
partículas, la relación de BaP/(BaP+BeP) indica que las partículas están dadas por emisiones
principalmente locales, aunque los valores están próximos a 0.5 algunos superan este límite,
indicando alguna descomposición o envejecimiento de las emisiones. Respecto al radio BaA /
Chr Los resultados encontrados acá indican para Soacha y Mosquera valores de este radio o
razonde 0.617 y 0.687, respectivamente, estando muy cerca de lo reportado para contribuciones
de gasolina, esto indicaría una contribución proveniente de diesel y gasolina de manera cercana,
para Nemocón este radio o razonindica un valor de 0.589 indicando una contribución de diesel y
para Briceño el valor es de 0.784 indicando una contribución mayoritaria de gasolina.
Respecto a las series de alcanos medidas, se verifica que la distribución de alcanos en Soacha
es Bimodal, mientras que la de Mosquera es Unimodal centrada, la de Nemocón es unimodal
pero tiende a centrarse en los alcanos inferiores y la distribución de Briceño es unimodal más
achatada que las demás, partir de las mediciones de alcanos totales se ve que la menor medición
se vio en Soacha, seguida de Mosquera y sorprendentemente Briceño es la segunda medición
más alta sobre Soacha y Mosquera mientras que Las mediciones de Nemocón son las más altas
con una diferencia de 1 orden de magnitud, los datos obtenidos fueron de 90.9, 125.5, 4129.2 y
496.8 µg/m3 para Soacha, Mosquera, Nemocón y Briceño. Los datos de Soacha y Mosquera son
comparables con los encontrados en promedio en Santiago de Chile, sin embargo, los de Briceño
están más cercanos a lo encontrado en julio en Santiago de Chile en su invierno, y los de
Nemocón superan estas mediciones. A partir del CPI (Carbón Preference índex), se verifica que
las emisiones de alcanos están mayormente asociadas a las emisiones petrogénicas, pues en su
mayoría los valores de CPI están en 1, viéndose que lo máximo que se obtiene es de 1.2 y lo
mínimo de 0.6 aproximadamente. En Soacha se obtuvo un índice promedio de 0.83, 1.19 para
Mosquera, 1.00 para Nemocón y 1.09 para Briceño, valores acordes a lo encontrado en Santiago
de chile y Temuco, Los datos arrojados en Soacha y Nemocón indican una fuerte emisión
petrogénicas mientras que para Briceño y Mosquera se tiene una leve pero mayor contribución
biogénica. Lo anterior se verifica con el cálculo de los alcanos debidos a la cera, pues de los
165
alcanos cerosos encontrados equivalen a un 5.61%, 10.33%, 3.65%, y 7.38% de lo medido en
Soacha, Mosquera Nemocón y Briceño respectivamente, indicando que Mosquera y Briceño
tienen la mayor contribución de alcanos cerosos, sin embargo desde la masa calculada de
alcanos cerosos se verifica que Nemocón y Briceño tienen las mayores concentraciones de
alcanos cerosos (262 y 33.5 ng/m3). Lo anterior también indica que debería haber alguna
contribución por parte del detrito vegetativo, la cual podría ser especialmente importante en
Nemocón y Briceño por las concentraciones encontradas de alcanos y alcanos cerosos.
AOD y Trayectorias Reversas
Respecto a la comparación entre las imágenes de AOD y fuegos fotografiados por los satélites,
se encuentra que no hay correspondencia total entre estas imágenes con lo encontrado para los
incendios, pues los puntos de mayor AOD vistos no coinciden exactamente con los incendios
vistos mediante el satélite MODIS, pues para los meses de septiembre, octubre y noviembre los
incendios de Brasil no coinciden directamente con los puntos de mayor AOD, además que los
incendios vistos en Colombia no se reflejan en lo visto por el AOD. Lo mismo sucede con los
meses de diciembre, enero y febrero en los cuales los incendios de los llanos orientales y el norte
de Venezuela toman un papel importante pero no son vistos por las fotografías de AOD, aunque
los incendios de la parte norte de Brasil si son visibles a través del AOD. Sin embargo, los
incendios que realmente deberían afectar la calidad del aire en Colombia no son visibles ya sea
por los movimientos de masas de aire o la altitud de los puntos de medición estudiados. Por otro
lado, se encuentra que las imágenes arrojadas por MODIS TERRA tienen cuentan con mayor
cantidad de datos que MODIS AQUA, y se verifica igualmente que Las imágenes de TERRA
arrojan más puntos de alta AOD y mayores intensidades en general.
Las trayectorias inversas calculadas en general indicarían una influencia de los incendios
forestales sobre la contaminación de los sitios de medición, pues las corrientes que van a Soacha
y Mosquera en general provienen de incendios de la parte occidental del país y de incendios
cercanos, algunos también provenientes del norte de Venezuela y en general todas las
trayectorias calculadas tienen un comportamiento ascendente, originándose a nivel del suelo en
su origen y llegando a las alturas determinadas (200, 550 y 700 m sobre el nivel del suelo). Lo
anterior también ayuda a explicar la presencia de sulfatos de origen marino En el material
particulado, pues, aunque es una pequeña fracción esta puede deberse a trayectorias de aire
provenientes del mar.
Atribución de fuentes mediante modelos de receptores
Los resultados de la atribución de fuentes fueron los siguientes: de las fuentes utilizadas y el
barrido hecho a partir de los perfiles de fuentes disponibles, no se pudo realizar el cálculo para
Nemocón ni para Briceño, pues ninguno de los perfiles que dieron resultados para las otras
localizaciones dio resultado en estos sitios. Después de proponer fuentes probables y realizar
barridos sobre los perfiles disponibles, las fuentes encontradas para Soacha y Mosquera son las
siguientes: humo de madera, gas natural, emisiones de vehículos diesel y gasolina y combustion
de carbón, junto con una fracción de masa no predicha, que fue tomada como SOA. La atribución
se realizó inicialmente sobre el carbón orgánico, para después ser relacionada al material
particulado según los radios o razones OM/PM de cada fuente y del SOA. Se puede verificar que
todos los parámetros R2 están sobre 0.9, pero es notable que los valores de R2 de Soacha son
166
mayores que en Mosquera, sucediendo los mismo con el otro parámetro estadístico Chi2, el cual
es más pequeño en Soacha Que Mosquera, existe igualmente un déficit de masa en los datos
arrojados por el modelo, reforzando la hipótesis de las presencias de SOA. La contribución del
carbón es en promedio 12.72 ± 7.34 µg/m3 en Soacha, mientras que en Mosquera es de 8.98 ±
1.70 µg/m3, siendo otro dato que refuerza la hipótesis de que las fuentes que queman carbón en
Soacha son mucho más variables que las que lo usan en Mosquera, además de haber un uso
mucho más profuso de carbón en Mosquera, además que debe tenerse en cuenta que el perfil
de carbón es distinto, pues para Soacha se tiene un perfil de carbón mezclado, mientras que para
Mosquera es un carbón café, siendo el carbón café de calidad media y el carbón mixto una mezcla
entre carbón café y carbón bituminoso (de alta calidad). las contribuciones de las fuentes móviles
de vehículos de gasolina y diesel. La contribución de la quema de diesel y gasolina en Soacha
son de 6.27 ± 2.56 µg/m3 y 2.65 ± 0.61 µg/m3 mientras que en Mosquera las contribuciones son
de 5.08 ± 1.07 µg/m3 y 4.21 ± 0.88 µg/m3. Teniendo en cuenta lo anterior las contribuciones de
fuentes móviles en Mosquera son mayores que en Soacha y la contribución de diese es mayor
que la de la gasolina en Soacha mientas que en Mosquera las contribuciones son bastante más
similares pero la de diesel sigue siendo mayor. La contribución del gas natural es de 0.10 ± 0.06
µg/m3 para Soacha y para Mosquera esta contribución es de 1.99 ± 0.33 µg/m3. Esto sugiere
que en Mosquera las actividades que utilizan gas natural son más numerosas mientras en Soacha
son menos numerosas; donde también que el sitio de medición está más cerca de actividades
domésticas o de servicios como restaurantes y esto pueda sesgar de cierta manera la medición.
La contribución de la quema de madera en Soacha a la quema de madera es de 5.49 ± 2.00
µg/m3 mientras en Mosquera la contribución es de 1.99 ± 0.33 µg/m3 . esto sugiere que Soacha
tiene una mayor contribución de quema de madera aparentemente debido a una mayor densidad
de población y de negocios que la usan para sus actividades económicas, a pesar de que
Mosquera sea una localización mucho más rural que se esperaría que el acceso a gas natural
fuese menor, lo que se ve también contradicho con la contribución del gas natural en Mosquera,
que es mayor a la de Soacha. Las contribuciones y fuentes encontradas son similares a lo
encontrado en Santiago de chile, exceptuando la presencia del perfil de carbón que esta dado
para una actividad industrial que no se presenta en el sitio de medición en Santiago de Chile, se
encontró en Temuco Chile, contribuciones de humo de madera y quema de carbón mayormente
asociada a Calefacción similares a las encontradas acá, sin embargo se encontraron fuentes
como detrito vegetativo que no se vio en Mosquera a pesar de ser un sitio de medición de similar
condición rural. Otros estudios como el realizado en Ciudad de México encontró contribuciones
por gasolina, diesel, maderas, detrito vegetal y vehículos chimenea, fuente que se esperaba en
este estudio teniendo en cuenta los perfiles de edad de la flota colombiana, lo cual podría indicar
que dichos vehículos tienen recorridos reducidos que no salen a los sitios de medición de Soacha
y Mosquera, siendo confinados a lugares internos de las ciudades. En otros estudios se
encontraron fuentes de emisiones de cocción de carne, quema de fuel oíl y de polvo de camino
pavimentado, fuentes que se esperaría encontrar en sitios como Soacha y Mosquera por las
condiciones de los caminos, la actividad industrial y actividades comerciales de restaurantes, lo
cual podría indicar que estas fuentes no son representativas cerca a los sitios de medición o que
los perfiles no son los indicados. Por otra parte, los datos encontrados por medio de la
contribución son coherentes con los demás análisis realizados, encontrándose presencia de
167
quemas de madera predichas por la presencia de levoglucosano, uso de carbón por la presencia
de piceno, emisiones debidas a diesel y gasolina debido a la presencia de PHAs y Hópanos.
A partir de los datos anteriores se indica que los perfiles usados pueden no ser pertinentes para
su uso en todo el territorio del país, por lo que se requeriría validación adicional sobre mediciones
en otros sitios lo que permita indicar si existen características compartidas que indique alguna
razón para que los perfiles actualmente usados no sean aplicables en ciertos sitios como
Nemocón y Briceño.
A partir de los diversos radios o razones calculados en este estudio, se espera que para Briceño
y Nemocón existan las siguientes fuentes contribuyentes al material particulado: quema de
madera o humos debidos a la madera o biomasa a partir del levoglucosano medido, siendo esta
una fuente preponderante en Briceño; contribución debida a la combustion de combustibles
fósiles como gasolina y diesel debido a la cantidad de PHAs medidos en Nemocón y Briceño,
pudiendo estar o relacionados a emisiones normales o a emisiones de vehículos chimenea, lo
que se refuerza con los niveles de diesel medidos y también refuerza la hipótesis de quema de
vegetación o biomasa; según la relación de PHAs de alto y bajo peso molecular se indicaría
también que en Briceño y Nemocón la contribución de diesel es similar a la de la gasolina, que
es parecido a lo presentado para Mosquera; Respecto al carbón, se esperaría que en Briceño la
emisión debida a carbón sea casi nula, mientras que en Nemocón esta fuente sea importante
debido a la concentración de piceno verificada a pesar de que no se pueda indicar si haya algún
carbón en específico quemado (bituminoso, mixto o café). Podría existir emisión debida al gas
natural, pero esta debería ser mucho más pequeña que la encontrada para Soacha y Mosquera
y por ende no representativa; se espera que existan SOA en Briceño y Nemocón debido a los
datos de OC/C encontrados y también se esperaría alguna contribución del detrito vegetativo en
estos municipios, debido a los alcanos cerosos encontrados. Es de resaltar el alto peligro que
implican el aire de estos dos sitios de medición que arrojan los potenciales carcinogénico y
mutagénico más altos por sus concentraciones de PHAs.
168
10 Recomendaciones
Para nuevos estudios, varios parámetros serian de gran interés investigativo, pues pueden
mejorar el entendimiento de la dinámica de la contaminación en Colombia.
En primer lugar, se deberían hacer muestreos horarios diarios para determinar comportamientos
y picos de contaminación durante el día, pues es bien sabido que en las horas de mayor tráfico
en la ciudad de Bogotá sin embargo este comportamiento puede no ser el mismo en los diversos
municipios de Cundinamarca ya que aparte del tráfico liviano, las emisiones industriales y de
tráfico pesado tienen una mayor cuota que en sitios netamente urbanos, por lo que el tráfico y la
actividad productiva puede no estar ligada a los mismos horarios de ciudades principales como
en Bogotá; incluso se podría verificar que son escasos los estudios que analizan la emisión de
contaminantes y la calidad del aire a diferentes horas del día.
Por otro lado, sería muy provechoso realizar muestreos conjuntos de PM10 y PM2.5, lo cual
puede ayudar a determinar correlaciones entre ambos parámetros y diversas relaciones que
pueden ayudar a dilucidar el origen de las emisiones, radios o razones y correlaciones entre los
mismos y su impacto en la salud. Este muestreo conjunto se puede hacer teniendo en cuenta una
medición de diversas variables climáticas como radicación, nubosidad, precipitación etc. lo cual
puede indicar como son los mecanismos de deposición y descomposición del material particulado
en Bogotá y ciudades, más especialmente en ciudades de la sabana, pudiéndose extender este
análisis para entender cómo afectan estas variables climáticas las concentraciones de
compuestos organicos de interés como los PHAs o las concentraciones de los mismos en el aire
o de otro contaminante criterio. Estas mediciones horarias también pueden ayudar a determinar
la prevalencia de los SOA según si su origen es natural o antropogénico
Además de lo anterior, sería muy útil realizar un estudio de largo plazo para determinar cómo
afectan diversos fenómenos climáticos presentes en la región, como las épocas de lluvia o sequía
y los fenómenos del niño y de la niña, o fenómenos más antropogénicos como los periodos de
vacaciones o de cese de actividades productivas, afectarían la calidad del aire. No es necesario
realizar la atribución de fuentes de contaminación a todas las muestras, pero podrían tomarse
muestras representativas de los periodos más importantes y analizarlas a fondo para determinar
contaminantes criterio como los PHAs, la relación OC/EC y los alcanos que pueden indicar varios
datos importantes, es nevcesario estudiar mas a fondo la relación OC/EC y determinar los
factores de su variabilidad y además determinar los valores de OC/EC base para las ciudades
determinando la contribución a dicho radio o razongenerada por la quema de combustibles fosiles
es necesario realziar mayores estudios en este aspecto sobre la vida del levoglucosano y las
fuentes de levoglucosano posibles que afecten en Cundinamarca y también sobre las trayectorias
reversas lo que permitiría explicar mejor el comportamiento observado donde el levoglucosano
es menor de lo esperado en Nemocon a pesar de tener trayectorias reversas que pasasn sobre
fuentes muy importantes de incendio. También es de notar la importancia de un estudio mas a
fondo sobre las concentraciones de hopanos, que pemita verificar objetivamente cual es la razón
de que Soacha tenga una menor concentración de hopanos respecto a la masa de PM2.5
mientras que nemocon y en menor medida Briceño cuentan con mayores concentraciones de
hopanos teniendo en cuenta el conteo de PM2.5 tambien teniendo en cuenta un monitorio de las
condiciones atmosféricas que puede identificar si existe o no una mayor o menor dispersión de
los contaminantes,afectando o no la concentración de hopanos.
169
Para otros análisis más refinados, se recomienda medir otros compuestos organicos que permiten
dar más luces sobre el origen de la contaminación y el impacto a la salud que genera la misma,
además los compuestos ya medidos en este estudio, se deberían medir compuestos como los
derivados de las azucares galactosanos y manosanos, con el fin de poder comprar los radios o
razones de los mismo. Otros compuestos que se pueden medir son los derivados nitrados,
Oxigenados y quinonas derivadas de los PHAs, los cuales indican también información de la
calidad del aire y de su peligro a la salud, además que permiten indicar la reactividad de estos y
las etapas de descomposición que presenta. En general existen bastantes compuestos que se
han medido en otros estudios y que su medición y radios o razones entre los mismos definen de
diversas maneras los orígenes; sería necesario una revisión bibliográfica extensa de compuestos
y radios o razones de importancia, con el fin de realizar estudios más profundos sobre la situación
de Colombia, verificando radios o razones útiles y compuestos más útiles en su medición que
otros, esto serviría para estandarizar los radios o razones de la literatura aglomerándolos en un
solo documento y analizándolos. Sobre este punto, también convendría hacer un análisis de los
radios o razones presentados en diversas fuentes o en fuentes muy influenciadas por cierto tipo
de emisiones como las vehiculares de forma que se pueda determinar un radio representativo de
las emisiones de Colombia, para validar el parecido que pudiera haber con los radios o razones
mostrados en los estudios y en cualquier caso corregirlos.
Dentro de los análisis posibles adicionales se puede verificar la velocidad de deposición de los
contaminantes tratados, análisis común en algunos de los estudios de la calidad del aire, de forma
que ayuden a entender los mecanismos de remoción de contaminantes criterios, como los PHAs
o los metales pesados, tal como se hace en el trabajo de Rocha et al, 2009.
en otra instancia, sería muy importante realizar una caracterización de los perfiles de las
principales emisiones del país, siendo posible hacer mediciones enfocadas en la cercanía a
fuentes diversas como las carreteras principales, las zonas industriales y algunas chimeneas, de
forma que se pueda caracterizar cual es la diferencia real entre los perfiles usados y poder corregir
los resultados presentados, Haciendo estas caracterizaciones al menos por sitio urbano y sitio
rural. Aunado a lo anterior, seria igualmente útil comprobar los estudios de Analisis de receptores
usando marcaores orgnicos y también la información de iones o metales, igualmente se podría
estudiar mas el efecto de las fuentes que emiten material particulado con sal, tales como las
industrias y minas de sal de Zipaquira y alrededores, con el fin de aislar su efecto individual.
También es necesario determinar mediante una revisión bibliográfica más extensa todos los
radios o razones que se pueden calcular sobre los compuestos medidos, pues varios indicadores
dan idea de el origen de las emisiones o su proveniencia o capacidad degradativa, sin embargo,
estas relaciones no se han estandarizado entre los estudios de calidad del aire. Como en el
estudio de Nielsen, 1988.en el cual se indican los radios más utilizados en la literatura.
Respecto a las imágenes satelitales usadas en este trabajo, sería muy útil hacer un análisis de
los puntos de mayor AOD de América latina y determinar de dónde vienen los vientos o masas
de aire a esos puntos, pues el AOD puede verse afectado por vientos que arrastran
contaminación de un lugar a otro y se estanca en cierto punto, como se verifico en las imágenes
en las cuales los puntos de mayor AOD no coinciden con las zonas de mayor intensidad de
incendios. , se requiere un estudio mas a fondo de las imágenes de AOD que permita hacerlas
útiles en el estudio de la contaminación los países tropicales, pudiendo realizarse observaciones
170
enfocadas al caso de Colombia o hacuiendose un análisis sobre las imágenes diarias para
realizar análisis. Igualmente se puede detacar que el análisis de estas imágenes en estudios de
mayores escalas puede se rmuy util por lo que se recomienda en los estudios ralziados tomar en
cuenta las imágenes de AOD para tener una base en su uso a medida que se estudia y
correlaciona la caldiad del aire.
Respecto a las trayectorias reversas, sería interesante hacer cálculo de trayectorias de masas de
aire a las alturas de los elementos de medición utilizados para saber exactamente de donde viene
el viento que afecta a estos instrumentos, pues las trayectorias calculadas en este estudio
llegaron al punto de las coordenadas señalado a la altura de 200, 550 y 700 metros sobre el nivel
del piso, por lo que existe la posibilidad de indagar más acerca del origen directo de las masas
de aire a nivel del suelo y a nivel de los instrumentos de medición, verificando si se ven afectadas
por turbulencia del nivel del suelo y mezclado del aire o si las trayectorias de altura como las
calculadas en este estudio no afectan realmente la calidad del aire. También sobre las
trayectorias se recomienda hacer análisis de clúster de estas, pues este análisis permite juntar
las trayectorias con orígenes comunes y su porcentaje de incidencia en la calidad del aire. Este
análisis requiere el uso de diversos softwares y requiere mayor análisis, fuera del alcance de este
estudio lo que se puede completnetar con comparaciones entre diversos modelos meteorológicos
con diversas resoluciones espaciales, comparando las características de transportes de corto y
largo alcance. También habría que estudiar más detalladamente la influencia que tiene la brisa
marina sobre la calidad del aire de los lugares continentales, pues según lo encontrado los vientos
de origen marino son muy importantes pero las mediciones de sulfato marino no reflejan este
comportamiento, pudiendo indicar una fuente distinta de compuestos salinos o un
comportamiento desconocido.
Por ultimo, sobre la atribución de fuentes de contaminación es recomendable havcer mayores
estudios alrededor de Nemocon y Briceño, teniendo en cuenta que en estas ciudades no fue
exitosa la atribución de fuentes contaminntes a partir de los perfiles disponibles, por lo que es
recomendable que se estudie mas a fondo las fuentes posibles en nemocon y Briceño y las
causas que llevan a que los perfiles disponibles no sean útiles, con la posibilidad de generar
perfiles para dichas ciudades.
171
11 Bibliografía Aceves, M., & Grimalt, J. O. (1993). Seasonally dependent size distributions of aliphatic and polycyclic
aromatic hydrocarbons in urban aerosols from densely populated areas. Environmental Science & Technology, 27(13), 2896-2908.
Aerosol Optical Depth. Earth Observatory NASA (2018.). Retrieved from https://earthobservatory.nasa.gov/global-maps/MODAL2_M_AER_OD
Aerosol Optical Depth. SERVIR (2009). Retrieved from https://earthobservatory.nasa.gov/global-maps/MODAL2_M_AER_OD
Aiken, A. C., Decarlo, P. F., Kroll, J. H., Worsnop, D. R., Huffman, J. A., Docherty, K. S., ... & Sun, Y. (2008). O/C and OM/OC ratios of primary, secondary, and ambient organic aerosols with high-resolution time-of-flight aerosol mass spectrometry. Environmental Science & Technology, 42(12), 4478-4485.
AIR, S. A. E. I. P. estructuración de un plan ambiental de mejoramiento de la calidad del aire en el municipio de Zipaquirá, Cundinamarca. http://www.umng.edu.co/documents/10162/1299317/ART_14.pdf
Almeida, S. M., Pio, C. A., Freitas, M. C., Reis, M. A., & Trancoso, M. A. (2005). Source apportionment of fine and coarse particulate matter in a sub-urban area at the Western European Coast. Atmospheric Environment, 39(17), 3127-3138.
Almeida, S. M., Pio, C. A., Freitas, M. C., Reis, M. A., & Trancoso, M. A. (2006). Approaching PM2. 5 and PM2. 5− 10 source apportionment by mass balance analysis, principal component analysis and particle size distribution. Science of the Total Environment, 368(2-3), 663-674.
Alves, C. A., Vicente, A. M. P., Gomes, J., Nunes, T., Duarte, M., & Bandowe, B. A. M. (2016). Polycyclic aromatic hydrocarbons (PAHs) and their derivatives (oxygenated-PAHs, nitrated-PAHs and azaarenes) in size-fractionated particles emitted in an urban road tunnel. Atmospheric research, 180, 128-137.
Alves, C., Pio, C., & Duarte, A. (2001). Composition of extractable organic matter of air particles from rural and urban Portuguese areas. Atmospheric Environment, 35(32), 5485-5496.
Amador-Munoz, O., Villalobos-Pietrini, R., Agapito-Nadales, M. C., Munive-Colín, Z., Hernandez-Mena, L., Sanchez-Sandoval, M., ... & Guzmán-Rincón, J. (2010). Solvent extracted organic matter and polycyclic aromatic hydrocarbons distributed in size-segregated airborne particles in a zone of México City: seasonal behavior and human exposure. Atmospheric Environment, 44(1), 122-130.
Amar, A. (2017, August 24). Los municipios de Colombia con el aire más contaminado. Retrieved from https://www.eltiempo.com/colombia/otras-ciudades/municipios-con-el-aire-mas-contaminado-121436
Amarillo, A.C., Carreras, H., 2016. Quantifying the influence of meteorological variables on particle-bound PAHs in urban environments. Atmos. Pollut. Res. 7, 597–602. https://doi.org/10.1016/j.apr.2016.02.006
Amato, F., Alastuey, A., Karanasiou, A., Lucarelli, F., Nava, S., Calzolai, G., Severi, M., Becagli, S., Gianelle, V.L., Colombi, C., Alves, C., Custódio, D., Nunes, T., Cerqueira, M., Pio, C., Eleftheriadis, K., Diapouli, E., Reche, C., Minguillón, C., Manousakas, M., Maggos, T., Vratolis, S., Harrison, R.M., Querol, X., 2016. AIRUSE-LIFE+: a harmonized PM speciation and source apportionment in five southern European cities. Atmos. Chem. Phys. 16, 3289–3309. https://doi.org/10.5194/acp-16-3289-2016
Arimoto, R., Duce, R. A., Savoie, D. L., Prospero, J. M., Talbot, R., Cullen, J. D., ... & Ray, B. J. (1996). Relationships among aerosol constituents from Asia and the North Pacific during PEM-West A. Journal of Geophysical Research: Atmospheres, 101(D1), 2011-2023.
Bedoya, A., Nisperuza, D., Alegría, D., Múnera, M., Guerrero-Rascado, J. L., Zapata, C. E., ... & Bastidas, Á. (2016). Strong Saharan Dust Event Detected at Lalinet LOA-UNAL Station, over Medellín, Colombia by Active and Passive Remote Sensing. In EPJ Web of Conferences (Vol. 119, p. 08006). EDP Sciences.
Bedoya, J., & Martínez, E. (2009). Calidad del aire en el Valle de Aburrá Antioquia-Colombia. Dyna, 76(158), 7-15
Bedoya, J., & Martínez, E. (2009). Calidad del aire en el Valle de Aburrá Antioquia-Colombia. Dyna, 76(158), 7-15.
Berend, I. T. (2016). An economic history of twentieth-century Europe: economic regimes from laissez-faire to globalization. Cambridge University Press. https://zodml.org/sites/default/files/%5BIvan_T._Berend%5D_An_Economic_History_of_Twentieth-_0.pdf
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
Bi, X., Sheng, G., Peng, P. A., Chen, Y., Zhang, Z., & Fu, J. (2003). Distribution of particulate-and vapor-HAPse n-alkanes and polycyclic aromatic hydrocarbons in urban atmosphere of Guangzhou, China. Atmospheric Environment, 37(2), 289-298.
172
Bogotá ElTiempo, 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
Boström, C. E., Gerde, P., Hanberg, A., Jernström, B., Johansson, C., Kyrklund, T., ... & Westerholm, R. (2002). Cancer risk assessment, indicators, and guidelines for polycyclic aromatic hydrocarbons in the ambient air. Environmental health perspectives, 110(Suppl 3), 451.
Brito, J., Rizzo, L. V., Herckes, P., Vasconcellos, P. D. C., Caumo, S. E. D. S., Fornaro, A., ... & Andrade, M. F. (2013). Physical–chemical characterisation of the particulate matter inside two road tunnels in the São Paulo Metropolitan Area. Atmospheric Chemistry and Physics, 13(24), 12199-12213.
Brito, J., Rizzo, L. V., Herckes, P., Vasconcellos, P. D. C., Caumo, S. E. D. S., Fornaro, A., ... & Andrade, M. F. (2013). Physical–chemical characterisation of the particulate matter inside two road tunnels in the São Paulo Metropolitan Area. Atmospheric Chemistry and Physics, 13(24), 12199-12213.
Broddin, G., Cautreels, W., & Van Cauwenberghe, K. (1980). On the aliphatic and polyaromatic hydrocarbon levels in urban and background aerosols from Belgium and the Netherlands. Atmospheric Environment (1967), 14(8), 895-910.
Bruinen de Bruin, Y., Koistinen, K., Yli-Tuomi, T., Kephalopoulos, S., & Jantunen, M. (2006). A review of source apportionment techniques and marker substances available for identification of personal exposure, indoor and outdoor sources of chemicals. JRC—European Commission, 54. https://publications.europa.eu/en/publication-detail/-/publication/b64bb19e-57db-4e3a-a31c-54f18e3c1ede/language-en
California Air Resources Board (2007) - Low Carbon Transportation Investments and Air Quality Improvement Program. (n.d.). Retrieved from https://ww2.arb.ca.gov/es/node/2878/about
Cao, J. J., Shen, Z. X., Chow, J. C., Watson, J. G., Lee, S. C., Tie, X. X., ... & Han, Y. M. (2012). Winter and summer PM2. 5 chemical compositions in fourteen Chinese cities. Journal of the Air & Waste Management Association, 62(10), 1214-1226.
CAR-Corporacion Autonoma Regional de Cundinamarca. (2017, July 24). Top 6 de los Direcciones Regionales que más emiten contaminantes al aire en la jurisdicción CAR. Retrieved from http://web2.car.gov.co/index.php?idcategoria=80782.
Carreras, H.A., Gómez-arroyo, S., Murillo-tovar, M.A., Amador-muñoz, O., 2013. Composition and mutagenicity of PAHs associated with urban airborne particles in Córdoba, Argentina. Environ. Pollut. 178, 403–410. https://doi.org/10.1016/j.envpol.2013.03.016
Charres Fandiño, I., & Gonzalez, D. M. (2016). Evaluación de la calidad del aire en el municipio de Suesca (Cundinamarca).
Chen, S.C., Liao, C.M., 2006. Health risk assessment on human exposed to environmental polycyclic aromatic hydrocarbons pollution sources. Sci. Total Environ. 366, 112–123. https://doi.org/10.1016/j.scitotenv.2005.08.047
Chowdhury, Z., Zheng, M., Schauer, J. J., Sheesley, R. J., Salmon, L. G., Cass, G. R., & Russell, A. G. (2007). Speciation of ambient fine organic carbon particles and source apportionment of PM2. 5 in Indian cities. Journal of Geophysical Research: Atmospheres, 112(D15).
Christensen, W. F., & Gunst, R. F. (2004). Measurement error models in chemical mass balance analysis of air quality data. Atmospheric Environment, 38(5), 733-744.
Dan, M. O., Zhuang, G., Li, X., Tao, H., & Zhuang, Y. (2004). The characteristics of carbonaceous species and their sources in PM2. 5 in Beijing. Atmospheric Environment, 38(21), 3443-3452.
Davidson, C. I., Phalen, R. F., & Solomon, P. A. (2005). Airborne particulate matter and human health: a review. Aerosol Science and Technology, 39(8), 737-749.
Davis, D. L. (2002). A look back at the London smog of 1952 and the half century since. Environmental health perspectives, 110(12), A734. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1241117/pdf/ehp0110-a00735.pdf
de Miranda, R. M., de Fatima Andrade, M., Fornaro, A., Astolfo, R., de Andre, P. A., & Saldiva, P. (2012). Urban air pollution: a representative survey of PM2. 5 mass concentrations in six Brazilian cities. Air quality, atmosphere & health, 5(1), 63-77.
de Oliveira Alves, N., Hacon, S. de S., Galvão, M.F. de O., Peixoto, M.S., Artaxo, P., Vasconcellos, P. de C., de Medeiros, S.R.B., 2014. Genetic damage of organic matter in the Brazilian Amazon: A comparative study between intense and moderate biomass burning. Environ. Res. 130, 51–58. https://doi.org/10.1016/j.envres.2013.12.011
173
de Oliveira Galvão, M.F., de Oliveira Alves, N., Ferreira, P.A., Caumo, S., de Castro Vasconcellos, P., Artaxo, P., de Souza Hacon, S., Roubicek, D.A., Batistuzzo de Medeiros, S.R., 2018. Biomass burning particles in the Brazilian Amazon region: Mutagenic effects of nitro and oxy-PAHs and assessment of health risks. Environ. Pollut. 233, 960–970. https://doi.org/10.1016/j.envpol.2017.09.068
Departamento Nacional de Planeacion – DNP. CONPES de calidad del aire contribuirá a mejorar la salud y el ambiente de los colombianos. (2018). Retrieved from https://www.dnp.gov.co/Paginas/CONPES-de-calidad-del-aire-contribuirá-a-mejorar-la-salud-y-el-ambiente-de-los-colombianos.aspx
Deshmukh, D. K., Deb, M. K., Tsai, Y. I., & Mkoma, S. L. (2011). Water soluble ions in PM2. 5 and PM1 aerosols in Durg city, Chhattisgarh, India. Aerosol Air Qual. Res, 11, 696-708.
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.
El Espectador. (2017, July 24). Estas son las zonas en Cundinamarca donde industrias más contaminan el aire. Retrieved from https://www.elespectador.com/noticias/bogota/estas-son-las-zonas-en-cundinamarca-donde-industrias-mas-contaminan-el-aire-articulo-704630
ElTiempo, Redaccion Cundinamarca. (2014, March 19). La industria se dispara en Cundinamarca. Retrieved from https://www.eltiempo.com/archivo/documento/CMS-1368911
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.
EPA (2013)- Environmental Protection Agency. Receptor Modeling. Recuperado Noviembre 28, 2018, de https://www3.epa.gov/scram001/receptorindex.htm
EPA. (2016a) . Receptor Modeling. Retrieved from https://www3.epa.gov/scram001/receptorindex.htm EPA. (2016b). Chemical Mass Balance (CMB) Model. Retrieved from https://www.epa.gov/scram/chemical-
mass-balance-cmb-model EPA. (2017, June 05). Unmix 6.0 Model for environmental data analyses. Retrieved from
https://www.epa.gov/air-research/unmix-60-model-environmental-data-analyses EPA. (2018, December 19). Positive Matrix Factorization Model for environmental data analyses. Retrieved
from https://www.epa.gov/air-research/positive-matrix-factorization-model-environmental-data-analyses EPA. Particulate Matter (PM) Basics. (2018, September 10). Retrieved from https://www.epa.gov/pm-
pollution/particulate-matter-pm-basics#PM Fang, G. C., Wu, Y. S., Chou, T. Y., & Lee, C. Z. (2008). Organic carbon and elemental carbon in Asia: a
review from 1996 to 2006. Journal of Hazardous Materials, 150(2), 231-237. 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.
Franco, J. F., Rojas, N. Y., Sarmiento, O. L., Hernández, L. J., Zapata, E., Maldonado, A., ... & Behrent, E. (2013). Niveles de material particulado en colegios distritales ubicados en vías con alto tráfico vehicular en la ciudad de Bogotá: estudio piloto. Revista Facultad de Ingeniería, (49), 101-111.
Fraser, M. P., Yue, Z. W., & Buzcu, B. (2003). Source apportionment of fine particulate matter in Houston, TX, using organic molecular markers. Atmospheric Environment, 37(15), 2117-2123.
Fundación para la salud geoambiental. Material particulado. (2014, August 05). Retrieved from https://www.saludgeoambiental.org/material-particulado
Gaitán, M., Cancino, J., & Behrentz, E. (2007). Análisis del estado de la calidad del aire en Bogotá. Revista de Ingeniería, (26), 81-92.
García, F. F., Agudelo, R. A., & Jiménez, K. M. (2006). Distribución espacial y temporal de la concentración de material particulado en Santa Marta, Colombia. Revista Facultad Nacional de Salud Pública, 24(2), 73-82.
Gelencsér, A., May, B., Simpson, D., Sánchez-Ochoa, A., Kasper-Giebl, A., Puxbaum, H., ... & Legrand, M. (2007). Source apportionment of PM2. 5 organic aerosol over Europe: Primary/secondary, natural/anthropogenic, and fossil/biogenic origin. Journal of Geophysical Research: Atmospheres, 112(D23).
Giri, B., Patel, K. S., Jaiswal, N. K., Sharma, S., Ambade, B., Wang, W., ... & Simoneit, B. R. (2013). Composition and sources of organic tracers in aerosol particles of industrial central India. Atmospheric Research, 120, 312-324.
174
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.
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.
Henry, R. C. (1997). History and fundamentals of multivariate air quality receptor models. Chemometrics and intelligent laboratory systems, 1(37), 37-42.
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.
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.
Ho, K. F., Cao, J. J., Harrison, R. M., Lee, S. C., & Bau, K. K. (2004). Indoor/outdoor relationships of organic carbon (OC) and elemental carbon (EC) in PM2. 5 in roadside environment of Hong Kong. Atmospheric Environment, 38(37), 6327-6335.
Hopke, P. K. (2003). Recent developments in receptor modeling. Journal of Chemometrics: A Journal of the Chemometrics Society, 17(5), 255-265.
Hopke, P. K. (Ed.). (1991). Receptor modeling for air quality management (Vol. 7). Elsevier. Huebert, B. J., Ming-Xing, W., & WEI-XIU, L. Ü. (1988). Atmospheric nitrate, sulfate, ammonium and calcium
concentrations in China. Tellus B, 40(4), 260-269. Hueglin, C., Gehrig, R., Baltensperger, U., Gysel, M., Monn, C., & Vonmont, H. (2005). Chemical
characterisation of PM2. 5, PM10 and coarse particles at urban, near-city and rural sites in Switzerland. Atmospheric Environment, 39(4), 637-651
Ianniello, A., Spataro, F., Esposito, G., Allegrini, I., Hu, M., Zhu, T., 2011. Chemical characteristics of inorganic ammonium salts in PM2.5 in the atmosphere of Beijing (China). Atmos. Chem. Phys. 11, 10803–10822. https://doi.org/10.5194/acp-11-10803-2011
IDEAM (2016), Informe del Estado de la Calidad del Aire en Colombia 2011-2015 Bogotá, D.C. IDEAM- CALIDAD DEL AIRE. Retrieved from http://www.ideam.gov.co/web/contaminacion-y-calidad-
ambiental/calidad-del-aire IDEAM, Informe del Estado de la Calidad del Aire en Colombia 2011-2015 Bogotá, D.C., 2016
http://www.ideam.gov.co/web/contaminacion-y-calidad-ambiental/informes-del-estado-de-la-calidad-del-aire-en-colombia
IDEAM, Informe del Estado de la Calidad del Aire en Colombia 2016. Bogotá, D.C., 2017. http://www.ideam.gov.co/web/contaminacion-y-calidad-ambiental/informes-del-estado-de-la-calidad-del-aire-en-colombia
IDEAM, Informe del Estado de la Calidad del Aire en Colombia 2017.Primera Edicion. Bogotá, D.C., 2017. http://www.andi.com.co/Uploads/Informe_ECalidadl_Aire_2017_636748401757382604.pdf
Improving Europe's air quality - measures reported by countries. European Environment Agency. (2018, July 09). Retrieved from https://www.eea.europa.eu/themes/air/improving-europe-s-air-quality
Jones, A. M., & Harrison, R. M. (2005). Interpretation of particulate elemental and organic carbon concentrations at rural, urban and kerbside sites. Atmospheric Environment, 39(37), 7114-7126.
Juda-Rezler, K., Reizer, M., & Oudinet, J. P. (2011). Determination and analysis of PM10 source apportionment during episodes of air pollution in Central Eastern European urban areas: The case of wintertime 2006. Atmospheric Environment, 45(36), 6557-6566.
Jung, K.H., Yan, B., Chillrud, S.N., Perera, F.P., Whyatt, R., Camann, D., Kinney, P.L., Miller, R.L., 2010. Assessment of Benzo(a)pyrene-equivalent Carcinogenicity and mutagenicity of residential indoor versus outdoor polycyclic aromatic hydrocarbons exposing young children in New York city. Int. J. Environ. Res. Public Health 7, 1889–1900. https://doi.org/10.3390/ijerph7051889
Kampa, M., & Castanas, E. (2008). Human health effects of air pollution. Environmental pollution, 151(2), 362-367.
Karanasiou, A. A., Sitaras, I. E., Siskos, P. A., & Eleftheriadis, K. (2007). Size distribution and sources of trace metals and n-alkanes in the Athens urban aerosol during summer. Atmospheric Environment, 41(11), 2368-2381.
Kavouras, I. G., Lawrence, J., Koutrakis, P., Stephanou, E. G., & Oyola, P. (1999). Measurement of particulate aliphatic and polynuclear aromatic hydrocarbons in Santiago de Chile: source reconciliation and evaluation of sampling artifacts. Atmospheric Environment, 33(30), 4977-4986.
175
Kavouras, I. G., Lawrence, J., Koutrakis, P., Stephanou, E. G., & Oyola, P. (1999). Measurement of particulate aliphatic and polynuclear aromatic hydrocarbons in Santiago de Chile: source reconciliation and evaluation of sampling artifacts. Atmospheric Environment, 33(30), 4977-4986.
Kendall, M., Hamilton, R. S., Watt, J., & Williams, I. D. (2001). Characterisation of selected speciated organic compounds associated with particulate matter in London. Atmospheric Environment, 35(14), 2483-2495.
Khodeir, M., Shamy, M., Alghamdi, M., Zhong, M., Sun, H., Costa, M., ... & Maciejczyk, P. (2012). Source apportionment and elemental composition of PM2. 5 and PM10 in Jeddah City, Saudi Arabia. Atmospheric pollution research, 3(3), 331-340.
Las propuestas para mejorar la calidad del aire en la Región Metropolitana de Santiago de Chile. (2018, December 17). Retrieved from https://www.ambientalia.com.co/propuestas-mejorar-calidad-del-aire-region-metropilitana-santiago-chile/
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
Londoño, C. A. E., & Vasco, G. J. M. (2008). Relación entre las partículas finas (PM 2.5) y respirables PM 10) en la ciudad de Medellín. Revista Ingenierías Universidad de Medellín, 7(12), 23-42.
Mattai, J., Hutchinson, D., & Authority, G. L. LONDON ATMOSPHERIC EMISSIONS INVENTORY. McMurry, P. H., Shepherd, M. F., & Vickery, J. S. (Eds.). (2004). Particulate matter science for policy
makers: A NARSTO assessment. Cambridge University Press. Miyazaki, Y., Kawamura, K., Jung, J., Furutani, H., & Uematsu, M. (2011). Latitudinal distributions of organic
nitrogen and organic carbon in marine aerosols over the western North Pacific. Atmospheric Chemistry and Physics, 11(7), 3037-3049.
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.
Nielsen, T. (1988). The decay of benzo (a) pyrene and cyclopenteno (cd) pyrene in the atmosphere. Atmospheric Environment (1967), 22(10), 2249-2254.
Oliveira, C., Martins, N., Tavares, J., Pio, C., Cerqueira, M., Matos, M., Silva, H., Oliveira, C., Camões, F., 2011. Size distribution of polycyclic aromatic hydrocarbons in a roadway tunnel in Lisbon, Portugal. Chemosphere 83, 1588–1596. https://doi.org/10.1016/j.chemosphere.2011.01.011
OMS. Calidad del aire ambiente (exterior) y salud. (n.d.).2018) Retrieved from https://www.who.int/es/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health
Organizacion Mundial de la Salud (OMS), (2018), Ambient (outdoor) air quality and health. (n.d.). Recuperado Diciembre 28, 2018, de http://www.who.int/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health
Paatero, P., Hopke, P.K., Song, X.H., & Ramadan, Z. (2002). Understanding and controlling rotations in factor analytic models. Chemometrics and Intelligent Laboratory Systems, 60, 253–264.
Pachón, J. E., & Vela, H. S. (2014). Análisis espaciotemporal de la concentración de metales pesados en la localidad de Puente Aranda de Bogotá-Colombia. Revista Facultad de Ingeniería, (43), 120-133.
Pereira, G.M., Teinilä, K., Custódio, D., Santos, A.G., Xian, H., Hillamo, R., Alves, C.A., Andrade, J.B. de, da Rocha, G.O., Kumar, P., Balasubramanian, R., Andrade, M. de F., Vasconcellos, P.C., 2017b. Particulate pollutants in the Brazilian city of São Paulo: 1-year investigation for the chemical composition and source apportionment. Atmos. Chem. Phys. 17, 11943–11969. https://doi.org/10.5194/acp-17-11943-2017
Pinzón, C. P. D. DESAGREGACIÓN ESPACIO-TEMPORAL DEL INVENTARIO DE EMISIONES DE CONTAMINANTES ATMOSFÉRICOS POR FUENTES FIJAS Y MÓVILES EN CUNDINAMARCA, tomado de http://bdigital.unal.edu.co/50965/1/52837545.2015.pdf
Pinzón, C. P. D., Pérez, A. L. R., & Roa, N. Y. R. Estimación de emisiones provenientes de fuentes móviles en el tramo vial Bogotá-Facatativá (Cundinamarca).
Pio, C. A., Legrand, M., Alves, C. A., Oliveira, T., Afonso, J., Caseiro, A., ... & Gelencsér, A. (2008). Chemical composition of atmospheric aerosols during the 2003 summer intense forest fire period. Atmospheric Environment, 42(32), 7530-7543.
Pio, C., Cerqueira, M., Harrison, R. M., Nunes, T., Mirante, F., Alves, C., ... & Matos, M. (2011). OC/EC ratio observations in Europe: Re-thinking the approach for apportionment between primary and secondary organic carbon. Atmospheric Environment, 45(34), 6121-6132.
176
Pio, C.A., Cerqueira, M., Harrison, R.M., Nunes, T., Mirante, F., Alves, C., Oliveira, C., de la Campa, A.S., Artíñano, B., Matos, M., 2011. OC/EC ratio observations in Europe: Re-thinking the approach for apportionment between primary and secondary organic carbon. Atmos. Environ. 45, 6121–6132. https://doi.org/10.1016/j.atmosenv.2011.08.045
Plaza, J., Artíñano, B., Salvador, P., Gómez-Moreno, F. J., Pujadas, M., & Pio, C. A. (2011). Short-term secondary organic carbon estimations with a modified OC/EC primary ratio method at a suburban site in Madrid (Spain). Atmospheric Environment, 45(15), 2496-2506.
Polidori, A., Turpin, B. J., Davidson, C. I., Rodenburg, L. A., & Maimone, F. (2008). Organic PM 2.5: fractionation by polarity, FTIR spectroscopy, and OM/OC ratio for the Pittsburgh aerosol. Aerosol Science and Technology, 42(3), 233-246.
Pöschl, U. (2005). Atmospheric aerosols: composition, transformation, climate and health effects. Angewandte Chemie International Edition, 44(46), 7520-7540.
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.
Querol, X., Alastuey, A., Rodriguez, S., Plana, F., Ruiz, C. R., Cots, N., ... & Puig, O. (2001). PM10 and PM2. 5 source apportionment in the Barcelona Metropolitan area, Catalonia, Spain. Atmospheric Environment, 35(36), 6407-6419.
Querol, X., Alastuey, A., Ruiz, C. R., Artiñano, B., Hansson, H. C., Harrison, R. M., ... & Straehl, P. (2004). Speciation and origin of PM10 and PM2. 5 in selected European cities. Atmospheric Environment, 38(38), 6547-6555.
Quijano Parra, A., & Orozco, J. A. (2005). Monitoreo de material particulado-fracción respirable (PM 2.5) en Pamplona (Colombia). Bistua: Revista de la Facultad de Ciencias Básicas, 3(2).
Quijano Parra, A., Quijano Vargas, M. J., & Henao Martínez, J. A. (2010). Caracterización fisicoquímica del material particulado fracción respirable PM2. 5 en Pamplona-Norte de Santander-Colombia. Bistua: Revista de la Facultad de Ciencias Básicas, 8(1).
Ram, K., & Sarin, M. M. (2010). Spatio-temporal variability in atmospheric abundances of EC, OC and WSOC over Northern India. Journal of Aerosol Science, 41(1), 88-98.
Ram, Kirpa, and M. M. Sarin. "Spatio-temporal variability in atmospheric abundances of EC, OC and WSOC over Northern India." Journal of Aerosol Science 41.1 (2010): 88-98.
Ramírez, O., de la Campa, A. M. S., Amato, F., Moreno, T., Silva, L. F., & Jesús, D. (2019). Physicochemical characterization and sources of the thoracic fraction of road dust in a Latin American megacity. Science of The Total Environment, 652, 434-446.
Ramirez, O., de la Campa, A. S., Amato, F., Catacoli, R. A., Rojas, N. Y., & de la Rosa, J. (2018). Chemical composition and source apportionment of PM 10 at an urban background site in a high–altitude Latin American megacity (Bogota, Colombia). Environmental Pollution, 233, 142-155.
Ramirez, O., de la Campa, A. S., Amato, F., Catacoli, R. A., Rojas, N. Y., & de la Rosa, J. (2018). Chemical composition and source apportionment of PM 10 at an urban background site in a high–altitude Latin American megacity (Bogota, Colombia). Environmental Pollution, 233, 142-155.
Ramirez, O., de la Campa, A. S., Amato, F., Catacoli, R. A., Rojas, N. Y., & de la Rosa, J. (2018). Chemical composition and source apportionment of PM 10 at an urban background site in a high–altitude Latin American megacity (Bogota, Colombia). Environmental Pollution, 233, 142-155.
Ramos, C. F. R. (2006). Caracterización del material particulado en las principales vías del transporte público colectivo y masivo del centro de Bogotá (Doctoral dissertation, Uniandes).
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.
Ravindra, K., Sokhi, R., & Van Grieken, R. (2008). Atmospheric polycyclic aromatic hydrocarbons: source attribution, emission factors and regulation. Atmospheric Environment, 42(13), 2895-2921.
Ravindra, K., Sokhi, R., Van Grieken, R., 2008. Atmospheric polycyclic aromatic hydrocarbons: Source attribution, emission factors and regulation. Atmos. Environ. 42, 2895–2921. https://doi.org/10.1016/j.atmosenv.2007.12.010
Rocha, G. O. D., Lopes, W. A., Pereira, P. A., Vasconcellos, P. D. C., Oliveira, F. S., Carvalho, L. S., ... & Andrade, J. B. D. (2009). Quantification and source identification of atmospheric particulate polycyclic aromatic hydrocarbons and their dry deposition fluxes at three sites in Salvador Basin, Brazil, impacted by mobile and stationary sources. Journal of the Brazilian Chemical Society, 20(4), 680-692.
177
Rogge, W. F., Hildemann, L. M., Mazurek, M. A., Cass, G. R., & Simoneit, B. R. (1997). Sources of fine organic aerosol. 8. Boilers burning No. 2 distillate fuel oil. Environmental science & technology, 31(10), 2731-2737.
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.
Schauer, J. J., & Cass, G. R. (2000). Source apportionment of wintertime gas-HAPse and particle-HAPse air pollutants using organic compounds as tracers. Environmental science & technology, 34(9), 1821-1832.
Schauer, J. J., Mader, B. T., Deminter, J. T., Heidemann, G., Bae, M. S., Seinfeld, J. H., ... & Bertram, T. (2003). ACE-Asia intercomparison of a thermal-optical method for the determination of particle-HAPse organic and elemental carbon. Environmental science & technology, 37(5), 993-1001.
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.
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.
Schrimpff, E. (1984). Air pollution patterns in two cities of Colombia, SA according to trace substances content of an epiphyte (Tillandsia recurvata L.). Water, Air, and Soil Pollution, 21(1-4), 279-315.
Semana, S. (2018, August 10). ¿Qué respiran y de dónde proviene la contaminación en Bogotá? Retrieved from https://sostenibilidad.semana.com/medio-ambiente/articulo/calidad-del-aire-bogota-contaminacion-que-respiran-y-de-donde-proviene-la-contaminacion-en-bogota/41330
Shrivastava, M. K., Subramanian, R., Rogge, W. F., & Robinson, A. L. (2007). Sources of organic aerosol: Positive matrix factorization of molecular marker data and comparison of results from different source apportionment models. Atmospheric Environment, 41(40), 9353-9369.
Silva, J., Rojas, J., Norabuena, M., Molina, C., Toro, R. A., & Leiva-Guzmán, M. A. (2017). Particulate matter levels in a South American megacity: the metropolitan area of Lima-Callao, Peru. Environmental monitoring and assessment, 189(12), 635.
SIMIJACA-SALCEDO, D. F., VARGAS-ROJAS, D. L., & MORALES-PUENTES, M. E. (2014). Use of Non-Vascular Plant Organisms as Indicators of Urban Air Pollution (Tunja, Boyacá, Colombiano). Acta Biológica Colombiana, 19(2), 221-232.
Simoneit, B. R. (1985). Application of molecular marker analysis to vehicular exhaust for source reconciliations. International Journal of Environmental Analytical Chemistry, 22(3-4), 203-232.,
Simoneit, B. R. (1989). Organic matter of the troposphere—V: application of molecular marker analysis to biogenic emissions into the troposphere for source reconciliations. Journal of Atmospheric Chemistry, 8(3), 251-275.
Simoneit, B. R., Crisp, P. T., Mazurek, M. A., & Standley, L. J. (1991). Composition of extractable organic matter of aerosols from the Blue Mountains and southeast coast of Australia. Environment International, 17(5), 405-419.
Simoneit, B. R., Schauer, J. J., Nolte, C. G., Oros, D. R., Elias, V. O., Fraser, M. P., ... & Cass, G. R. (1999). Levoglucosan, a tracer for cellulose in biomass burning and atmospheric particles. Atmospheric Environment, 33(2), 173-182.
Simoneit, B. R., Sheng, G., Chen, X., Fu, J., Zhang, J., & Xu, Y. (1991). Molecular marker study of extractable organic matter in aerosols from urban areas of China. Atmospheric Environment. Part A. General Topics, 25(10), 2111-2129.
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.
Srinivas, B., & Sarin, M. M. (2014). PM2. 5, EC and OC in atmospheric outflow from the Indo-Gangetic Plain: Temporal variability and aerosol organic carbon-to-organic mass conversion factor. Science of the Total Environment, 487, 196-205.
Stone, E. A., Snyder, D. C., Sheesley, R. J., Sullivan, A. P., Weber, R. J., & Schauer, J. J. (2008). Source apportionment of fine organic aerosol in Mexico City during the MILAGRO experiment 2006. Atmospheric Chemistry and Physics, 8(5), 1249-1259.
178
Stone, E., Schauer, J., Quraishi, T. A., & Mahmood, A. (2010). Chemical characterization and source apportionment of fine and coarse particulate matter in Lahore, Pakistan. Atmospheric Environment, 44(8), 1062-1070.
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
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.
Thorpe, A., & Harrison, R. M. (2008). Sources and properties of non-exhaust particulate matter from road traffic: a review. Science of the total environment, 400(1-3), 270-282.
Tobiszewski, M., Namieśnik, J., 2012. PAH diagnostic ratios for the identification of pollution emission sources. Environ. Pollut. 162, 110–119. https://doi.org/10.1016/j.envpol.2011.10.025
Valderrama, M. E., Rojas, N. Y., & Gómez, R. (2006). Caracterización del material particulado en dos vías de transporte público colectivo y masivo en Bogotá. Acta Nova, 3(2), 323.
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
Vargas, F. (2009) IDENTIFICACIÓN DE LA CONTRIBUCIÓN DE FUENTES AL MATERIAL PARTICULADO SUSPENDIDO EN EL AIRE DE BOGOTÁ A TRAVÉS DEL USO DE UN MODELO DE RECEPTOR (tesis de maestria). Universidad Nacional de Colombia, Bogotá, Colombia.
Vargas, F. A., & Rojas, N. Y. (2010). Chemical composition and mass closure for airborne particulate matter in Bogotá. Ingeniería e Investigación, 30(2), 105-115.
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.
Vargas, F. A., Rojas, N. Y., Pachon, J. E., & Russell, A. G. (2012). PM10 characterization and source apportionment at two residential areas in Bogota. Atmospheric Pollution Research, 3(1), 72-80.
Vasconcellos, P. C., Souza, D. Z., Ávila, S. G., Araújo, M. P., Naoto, E., Nascimento, K. H., ... & Behrentz, E. (2011). Comparative study of the atmospheric chemical composition of three South American cities. Atmospheric environment, 45(32), 5770-5777.
Vasconcellos, P. C., Souza, D. Z., Ávila, S. G., Araújo, M. P., Naoto, E., Nascimento, K. H., ... & Behrentz, E. (2011). Comparative study of the atmospheric chemical composition of three South American cities. Atmospheric environment, 45(32), 5770-5777.
Vasconcellos, P.C., Balasubramanian, R., Bruns, R.E., Sanchez-Ccoyllo, O., Andrade, M.F., Flues, M., 2007. Water-soluble ions and trace metals in airborne particles over urban areas of the state of São Paulo, Brazil: Influences of local sources and long-range transport. Water. Air. Soil Pollut. 186, 63–73. https://doi.org/10.1007/s11270-007-9465-2
Vasconcellos, P.C., Souza, D.Z., Avila, S.G., Araujo, M.P., Naoto, E., Nascimento, K.H., Cavalcante, F.S., Dos Santos, M., Smichowski, P., Behrentz, E., 2011. Comparative study of the atmospheric chemical composition of three South American cities. Atmos. Environ. 45, 5770–5777. https://doi.org/10.1016/j.atmosenv.2011.07.018
Vasconcellos, P.C., Souza, D.Z., Sanchez-Ccoyllo, O., Bustillos, J.O. V, Lee, H., Santos, F.C., Nascimento, K.H., Araújo, M.P., Saarnio, K., Teinilä, K., Hillamo, R., 2010. Determination of anthropogenic and biogenic compounds on atmospheric aerosol collected in urban, biomass burning and forest areas in São Paulo, Brazil. Sci. Total Environ. 408, 5836–5844. https://doi.org/10.1016/j.scitotenv.2010.08.012
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.
Viidanoja, J., Sillanpää, M., Laakia, J., Kerminen, V. M., Hillamo, R., Aarnio, P., & Koskentalo, T. (2002). Organic and black carbon in PM2. 5 and PM10: 1 year of data from an urban site in Helsinki, Finland. Atmospheric Environment, 36(19), 3183-3193.
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.
179
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.
Villalobos, A. M., Barraza, F., Jorquera, H., & Schauer, J. J. (2017). Wood burning pollution in southern Chile: PM2. 5 source apportionment using CMB and molecular markers. Environmental pollution, 225, 514-523.
Villalobos, A. M., Barraza, F., Jorquera, H., & Schauer, J. J. (2017). Wood burning pollution in southern Chile: PM2. 5 source apportionment using CMB and molecular markers. Environmental pollution, 225, 514-523.
Villalobos, A., & Karin, P. (2008). Aportes de fuentes al material particulado fino y grueso en Santiago usando factorización de matrices positivas (PMF). https://repositorio.uc.cl/handle/11534/1428
Vivas, J. (2018, February 23). ¿Qué tan contaminado está el aire de su región? Retrieved from http://www.eltiempo.com/colombia/otras-ciudades/el-mapa-de-la-contaminacion-del-aire-en-colombia-176322
Wang, L., Liu, Z., Sun, Y., Ji, D., & Wang, Y. (2015). Long-range transport and regional sources of PM2. 5 in Beijing based on long-term observations from 2005 to 2010. Atmospheric Research, 157, 37-48.
Wang, Y., Zhuang, G., Sun, Y., An, Z., 2006. The variation of characteristics and formation mechanisms of aerosols in dust, haze, and clear days in Beijing. Atmos. Environ. 40, 6579–6591. https://doi.org/10.1016/j.atmosenv.2006.05.066
Wang, Y., Zhuang, G., Tang, A., Yuan, H., Sun, Y., Chen, S., & Zheng, A. (2005). The ion chemistry and the source of PM2.5 aerosol in Beijing. Atmospheric Environment, 39(21), 3771-3784.
Wang, Y., Zhuang, G., Zhang, X., Huang, K., Xu, C., Tang, A., ... & An, Z. (2006). The ion chemistry, seasonal cycle, and sources of PM2. 5 and TSP aerosol in Shanghai. Atmospheric Environment, 40(16), 2935-2952.
Watson, J. G., Zhu, T., Chow, J. C., Engelbrecht, J., Fujita, E. M., & Wilson, W. E. (2002). Receptor modeling application framework for particle source apportionment. Chemosphere, 49(9), 1093-1136.
WHO, 2000. Air quality guidelines for Europe. WHO Reg. Publ. Eur. Ser. No. 91 Second Edi. https://doi.org/10.1007/BF02986808
Winchester, L., 2015. Harmony and Dissonance between Human Settlements and the Environment in Latin America and the Caribbean. United Nations.
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.
Xiao, H. Y., & Liu, C. Q. (2004). Chemical characteristics of water-soluble components in TSP over Guiyang, SW China, 2003. Atmospheric Environment, 38(37), 6297-6306.
Yassaa, N., Meklati, B.Y., Cecinato, A., Marino, F., 2001. Particulate n-alkanes, n-alkanoic acids and polycyclic aromatic hydrocarbons in the atmosphere of Algiers City Area. Atmos. Environ. 35, 1843–1851. https://doi.org/10.1016/S1352-2310(00)00514-8
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.
Zabalza, J., Ogulei, D., Hopke, P. K., Lee, J. H., Hwang, I., Querol, X., ... & Santamaría, J. M. (2006). Concentration and sources of PM 10 and its constituents in Alsasua, Spain. Water, air, and soil pollution, 174(1-4), 385-404
Zhang, J., He, K., Ge, Y., & Shi, X. (2009). Influence of fuel sulfur on the characterization of PM10 from a diesel engine. Fuel, 88(3), 504-510.
Zhang, R., Ho, K. F., Cao, J., Han, Z., Zhang, M., Cheng, Y., & Lee, S. C. (2009). Organic carbon and elemental carbon associated with PM10 in Beijing during spring time. Journal of hazardous materials, 172(2-3), 970-977.
Zhang, W., Zhang, S., Wan, C., Yue, D., Ye, Y., & Wang, X. (2008). Source diagnostics of polycyclic aromatic hydrocarbons in urban road runoff, dust, rain and canopy throughfall. Environmental Pollution, 153(3), 594-601.
Zhang, Y., Tao, S., Shen, H., & Ma, J. (2009). Inhalation exposure to ambient polycyclic aromatic hydrocarbons and lung cancer risk of Chinese population. Proceedings of the National Academy of Sciences, pnas-0905756106.
180
Zhang, Z., Khlystov, A., Norford, L.K., Tan, Z., Balasubramanian, R., 2017. Characterization of traffic-related ambient fine particulate matter (PM2.5) in an Asian city: Environmental and health implications. Atmos. Environ. 161, 132–143. https://doi.org/10.1016/j.atmosenv.2017.04.040
Zheng, M., Cass, G. R., Schauer, J. J., & Edgerton, E. S. (2002). Source apportionment of PM2. 5 in the southeastern United States using solvent-extractable organic compounds as tracers. Environmental science & technology, 36(11), 2361-2371.
Zheng, M., Fang, M., Wang, F., & To, K. L. (2000). Characterization of the solvent extractable organic compounds in PM2. 5 aerosols in Hong Kong. Atmospheric Environment, 34(17), 2691-2702.
181
12 Anexos
12.1 Graficas de alcanos
Figura 59, primeros alcanos medidos en Soacha (del c15 al c27), datos en µg/m3.
Figura 60, segunda serie de alcanos medidos en Soacha (del c28 al c40), datos en µg/m3.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane 18 n-Octadecane 19 n-Nonadecane
20 n-Eicosane 21 n-Heneicosane 22 n-Docosane 23 n-Tricosane 24 n-Tetracosane
25 n-Pentacosane 26 n-Hexacosane 27 n-Heptacosane
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
28 n-Octacosane 29 Nonacosane 30 Triacontane
31 Hentriacontane 32 Dotriacontane 33 Tritriacontane
34 Tetratriacontane 35 Pentatriacontane 36 Hexatriacontane
37 Heptatriacontane 38 Octatriacontane 39 Nonatriacontane
40 Tetracontane
182
Figura 61, serie completa de los alcanos medidos en Soacha (C15 al C40) en µg/m3.
Figura 62, Alcanos Impares medidos para Soacha del C15 al C39, en µg/m3.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane 18 n-Octadecane19 n-Nonadecane 20 n-Eicosane 21 n-Heneicosane 22 n-Docosane23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane 26 n-Hexacosane27 n-Heptacosane 28 n-Octacosane 29 Nonacosane 30 Triacontane31 Hentriacontane 32 Dotriacontane 33 Tritriacontane 34 Tetratriacontane35 Pentatriacontane 36 Hexatriacontane 37 Heptatriacontane 38 Octatriacontane39 Nonatriacontane 40 Tetracontane
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
15 17 19 21 23 25 27 29 31 33 35 37 39
183
Figura 63, alcanos Pares medidos para Soacha del C16 al C40, en µg/m3.
Figura 64, primeros alcanos medidos en Mosquera (del c14 al c27), datos en µg/m3.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
16 18 20 22 24 26 28 30 32 34 36 38 40
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane
18 n-Octadecane 19 n-Nonadecane 20 n-Eicosane 21 n-Heneicosane
22 n-Docosane 23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane
26 n-Hexacosane 27 n-Heptacosane
184
Figura 65, segunda serie de alcanos medidos en Mosquera (del c28 al c40), datos en µg/m3.
Figura 66, serie completa de los alcanos medidos en Mosquera (C14 al C40) en µg/m3.
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
28 n-Octacosane 29 Nonacosane 30 Triacontane 31 Hentriacontane
32 Dotriacontane 33 Tritriacontane 34 Tetratriacontane 35 Pentatriacontane
36 Hexatriacontane 37 Heptatriacontane 38 Octatriacontane 39 Nonatriacontane
40 Tetracontane
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane18 n-Octadecane 19 n-Nonadecane 20 n-Eicosane 21 n-Heneicosane22 n-Docosane 23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane26 n-Hexacosane 27 n-Heptacosane 28 n-Octacosane 29 Nonacosane30 Triacontane 31 Hentriacontane 32 Dotriacontane 33 Tritriacontane34 Tetratriacontane 35 Pentatriacontane 36 Hexatriacontane 37 Heptatriacontane38 Octatriacontane 39 Nonatriacontane 40 Tetracontane
185
Figura 67, Alcanos Impares medidos para Mosquera del C15 al C39, en µg/m3.
Figura 68, Alcanos pares medidos para Mosquera del C14 al C39, en µg/m3.
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
15 17 19 21 23 25 27 29 31 33 35 37 39
0
0,002
0,004
0,006
0,008
0,01
0,012
9/15/14 9/22/14 9/30/14 10/16/14 10/13/14 10/20/14 10/27/14 11/13/14
14 16 18 20 22 24 26 28 30 32 34 36 38 40
186
Figura 69, primeros alcanos medidos en Nemocón (del c14 al c27), datos en µg/m3.
Figura 70, segunda serie de alcanos medidos en Nemocón (del c28 al c40), datos en µg/m3.
0,0
0,2
0,4
0,6
0,8
1,0
1,2
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane
18 n-Octadecane 19 n-Nonadecane 20 n-Eicosane 21 n-Heneicosane
22 n-Docosane 23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane
26 n-Hexacosane 27 n-Heptacosane
0,0
0,1
0,2
0,3
0,4
0,5
0,6
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
28 n-Octacosane 29 Nonacosane 30 Triacontane
31 Hentriacontane 32 Dotriacontane 33 Tritriacontane
34 Tetratriacontane 35 Pentatriacontane 36 Hexatriacontane
37 Heptatriacontane 38 Octatriacontane 39 Nonatriacontane
40 Tetracontane
187
Figura 71, serie completa de los alcanos medidos en Nemocón (C14 al C40) en µg/m3.
Figura 72, Alcanos pares medidos para Nemocón del C14 al C40, en µg/m3.
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane17 n-Heptadecane 18 n-Octadecane 19 n-Nonadecane20 n-Eicosane 21 n-Heneicosane 22 n-Docosane23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane26 n-Hexacosane 27 n-Heptacosane 28 n-Octacosane29 Nonacosane 30 Triacontane 31 Hentriacontane32 Dotriacontane 33 Tritriacontane 34 Tetratriacontane35 Pentatriacontane 36 Hexatriacontane 37 Heptatriacontane38 Octatriacontane 39 Nonatriacontane 40 Tetracontane
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
14 16 18 20 22 24 26 28 30 32 34 36 38 40
188
Figura 73, Alcanos Impares medidos para Nemocón del C15 al C39, en µg/m3.
Figura 74, primeros alcanos medidos en Briceño (del c14 al c27), datos en µg/m3.
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
12/14/14 12/18/14 12/15/14 12/22/14 12/29/14 01/15/15 13/13/15 1/19/15 1/26/15
15 17 19 21 23 25 27 29 31 33 35 37 39
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
0,045
0,05
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane 17 n-Heptadecane
18 n-Octadecane 19 n-Nonadecane 20 n-Eicosane 21 n-Heneicosane
22 n-Docosane 23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane
26 n-Hexacosane
189
Figura 75, segunda serie de alcanos medidos en Briceño (del c28 al c40), datos en µg/m3.
Figura 76, serie completa de los alcanos medidos en Briceño (C14 al C40) en µg/m3.
0
0,01
0,02
0,03
0,04
0,05
0,06
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
27 n-Heptacosane 28 n-Octacosane 29 Nonacosane
30 Triacontane 31 Hentriacontane 32 Dotriacontane
33 Tritriacontane 34 Tetratriacontane 35 Pentatriacontane
36 Hexatriacontane 37 Heptatriacontane 38 Octatriacontane
39 Nonatriacontane 40 Tetracontane
0
0,01
0,02
0,03
0,04
0,05
0,06
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
14 n-Tetradecane 15 n-Pentadecane 16 n-Hexadecane17 n-Heptadecane 18 n-Octadecane 19 n-Nonadecane20 n-Eicosane 21 n-Heneicosane 22 n-Docosane23 n-Tricosane 24 n-Tetracosane 25 n-Pentacosane26 n-Hexacosane 27 n-Heptacosane 28 n-Octacosane29 Nonacosane 30 Triacontane 31 Hentriacontane32 Dotriacontane 33 Tritriacontane 34 Tetratriacontane35 Pentatriacontane 36 Hexatriacontane 37 Heptatriacontane38 Octatriacontane 39 Nonatriacontane 40 Tetracontane
190
Figura 77, Alcanos pares medidos para Briceño del C14 al C40, en µg/m3.
0
0,01
0,02
0,03
0,04
0,05
0,06
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
14 16 18 20 22 24 26 28 30 32 34 36 38 40
191
Figura 78, Alcanos impares medidos para Briceño del C15 al C39, en µg/m3.
0
0,01
0,02
0,03
0,04
0,05
0,06
12/04/2014 12/15/2014 12/29/2014 01/12/2015 1/26/2015
15 17 19 21 23 25 27 29 31 33 35 37 39
192
Figura 79, datos graficados de los alcanos medidos en el material particulado de Soacha, en negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos provenientes de ceras µg/m3.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
13 18 23 28 33 38
9/15/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
13 18 23 28 33 38
9/22/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
13 18 23 28 33 38
9/30/14
0,000
0,001
0,002
0,003
0,004
0,005
0,006
0,007
0,008
0,009
13 18 23 28 33 38
10/13/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
10/16/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
10/20/14
193
Figura 80, continuación Figura 79, datos graficados de los alcanos medidos en el material particulado de Soacha, en negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos provenientes de ceras µg/m3.Figura 79 µg/m3.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
13 18 23 28 33 38
10/27/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
11/13/14
194
Figura 81, datos graficados de los alcanos medidos en el material particulado de Mosquera en negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos provenientes de ceras.
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
9/15/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
13 18 23 28 33 38
9/22/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
13 18 23 28 33 38
9/30/14
0,000
0,001
0,002
0,003
0,004
0,005
0,006
0,007
0,008
0,009
0,010
13 18 23 28 33 38
10/16/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
11/13/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
13 18 23 28 33 38
10/13/14
195
Figura 82, continuación Figura 81 µg/m3.
Figura 83, datos graficados de los alcanos medidos en el material particulado de Nemocón en negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos
provenientes de ceras µg/m3
0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
13 18 23 28 33 38
10/20/14
0,000
0,002
0,004
0,006
0,008
0,010
0,012
13 18 23 28 33 38
10/27/14
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
13 18 23 28 33 38
12/14/14
0,000
0,100
0,200
0,300
0,400
0,500
0,600
13 18 23 28 33 38
12/18/14
196
Figura 84, continuación Figura 83 µg/m3
0,000
0,100
0,200
0,300
0,400
0,500
0,600
13 18 23 28 33 38
12/15/14
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
13 18 23 28 33 38
12/22/14
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
0,400
13 18 23 28 33 38
12/29/14
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
13 18 23 28 33 38
13/13/15
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
0,400
0,450
0,500
13 18 23 28 33 38
01/15/15
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
13 18 23 28 33 38
1/19/15
197
Figura 85, continuación de la Figura 84, continuación Figura 83 µg/m3
Figura 86, datos graficados de los alcanos medidos en el material particulado de Briceño en negro los datos medidos y en naranja los datos suavizados para obtener el pico de carbono (Cmax) realizando la resta de los datos de alcanos provenientes de ceras µg/m3
0,000
0,200
0,400
0,600
0,800
1,000
1,200
13 18 23 28 33 38
1/26/15
0,000
0,010
0,020
0,030
0,040
0,050
0,060
13 18 23 28 33 38
12/04/2014
0,000
0,005
0,010
0,015
0,020
0,025
0,030
0,035
13 18 23 28 33 38
12/15/2014
0,000
0,005
0,010
0,015
0,020
0,025
0,030
13 18 23 28 33 38
12/29/2014
0,000
0,005
0,010
0,015
0,020
0,025
0,030
13 18 23 28 33 38
01/12/2015
198
Figura 87, continuación de la Figura 86
0,000
0,005
0,010
0,015
0,020
0,025
0,030
0,035
0,040
13 18 23 28 33 38
1/26/2015
199
12.2 Imágenes de los Fuegos Activo o Active fires
Figura 88, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014 para toda la parte norte de Latinoamérica, visualizados mediante el software Google Earth Pro.
200
Figura 89, imágenes de los fuegos detectados por MODIS durante el mes de septiembre de 2014 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro.
201
Figura 90, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014 para toda la parte orte y
centro de Latinoamerica, visualiados mediante el software Google Earth Pro.
202
Figura 91, imágenes de los fuegos detectados por MODIS durante el mes de octubre de 2014 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro
203
Figura 92, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014 para toda la parte
orte y centro de Latinoamerica, visualiados mediante el software Google Earth Pro.
204
Figura 93, imágenes de los fuegos detectados por MODIS durante el mes de noviembre de 2014 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro
205
Figura 94, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014 para toda la parte
norte y centro de Latinoamerica, visualiados mediante el software Google Earth Pro
206
Figura 95, imágenes de los fuegos detectados por MODIS durante el mes de diciembre de 2014 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro
207
Figura 96, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para toda la parte norte y centro de Latinoamerica, visualiados mediante el software Google Earth Pro
208
Figura 97, imágenes de los fuegos detectados por MODIS durante el mes de enero de 2015 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro
209
Figura 98, imágenes de los fuegos detectados por MODIS durante el mes de febrero de 2015 para toda la parte norte
y centro de Latinoamerica, visualiados mediante el software Google Earth Pro
210
Figura 99, imágenes de los fuegos detectados por MODIS durante el mes de febrero de 2015 para Colombia y Venezuela, visualiados mediante el software Google Earth Pro
211
12.3 Trayectorias inversas
Figura 100, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de septiembre a 550 m sobre el nivel del suelo
Figura 101, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de septiembre a 200
m sobre el nivel del suelo
212
Figura 102, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de septiembre a 700 m sobre el nivel del suelo
Figura 103, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de octubre a 200 m sobre el nivel del suelo
213
Figura 104, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de octubre a 550 m
sobre el nivel del suelo
Figura 105, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de octubre a 700 m sobre el nivel del suelo
214
Figura 106, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de Noviembre a 200
m sobre el nivel del suelo
Figura 107, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de Noviembre a 550 m sobre el nivel del suelo
215
Figura 108, corrientes inversas calculadas por Hysplit en la localización de Mosquera para el mes de Noviembre a 700
m sobre el nivel del suelo
Figura 109, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Septiembre a 200
m sobre el nivel del suelo
216
Figura 110, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Septiembre a 550 m sobre el nivel del suelo
Figura 111, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Septiembre a 700 m sobre el nivel del suelo
217
Figura 112, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Octubre a 200 m sobre el nivel del suelo
Figura 113, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Octubre a 550 m
sobre el nivel del suelo
218
Figura 114, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Octubre a 700 m
sobre el nivel del suelo
Figura 115, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Noviembre a 200 m sobre el nivel del suelo
219
Figura 116, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Noviembre a 550 m sobre el nivel del suelo
Figura 117, corrientes inversas calculadas por Hysplit en la localización de Soacha para el mes de Noviembre a 700 m
sobre el nivel del suelo
220
Figura 118, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de Diciembre a 200 m sobre el nivel del suelo
Figura 119, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de Diciembre a 550
m sobre el nivel del suelo
221
Figura 120, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de Diciembre a 700 m sobre el nivel del suelo
Figura 121, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de enero a 200 m
sobre el nivel del suelo
222
Figura 122, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de enero a 500 m
sobre el nivel del suelo
Figura 123, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de enero a 700 m sobre el nivel del suelo
223
Figura 124, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de febrero a 200 m sobre el nivel del suelo
Figura 125, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de febrero a 550 m sobre el nivel del suelo
224
Figura 126, corrientes inversas calculadas por Hysplit en la localización de Nemocón para el mes de febrero a 700 m sobre el nivel del suelo
Figura 127, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de diciembre a 200 m sobre el nivel del suelo
225
Figura 128, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de diciembre a 550 m
sobre el nivel del suelo
Figura 129, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de diciembre a 700 m sobre el nivel del suelo
226
Figura 130, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de enero a 200 m sobre el nivel del suelo
Figura 131, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de enero a 550 m sobre el nivel del suelo
227
Figura 132, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de enero a 700 m sobre el nivel del suelo
Figura 133, corrientes inversas calculadas por Hysplit en la localización de Briceño para el mes de febrero a 200 m
sobre el nivel del suelo