Beruflich Dokumente
Kultur Dokumente
=
(1)
donde a, b y A
1
son parmetros que dependen de la estabilidad atmosfrica (Venegas y
Mazzeo, 2002), Q
i
(i=0, 1, 2, N) son las intensidades de emisin de contaminantes
correspondientes a cada uno de los N retculos ubicados en la direccin contraria al
viento, k es la constante de von Krman, z
0
es la longitud de rugosidad de la superficie y
u
*
es la velocidad de friccin.
El modelo DAUMOD fue evaluado comparando satisfactoriamente sus resultados con
valores de concentracin de contaminantes en aire medidos en Bremen y Frankfurt
(Alemania), Nashville (EE.UU.), Copenhague (Dinamarca) y la ciudad de Buenos Aires
(Mazzeo y Venegas, 1991, 2004a; Venegas y Mazzeo 2002). Tambin, se ha estudiado la
sensibilidad de los resultados del DAUMOD a diferentes valores de la rugosidad de la
superficie, a distintas clases de estabilidad atmosfrica y a las alturas de la capa de
mezcla urbana. Estos estudios permitieron determinar que el desempeo del DAUMOD
resulta adecuado para estimar las concentraciones horarias y diarias, y que los resultados
mejoran cuando se calculan concentraciones de contaminantes correspondientes a
tiempos de promedio mayores (mensual y anual).
El DAUMOD fue aplicado en el desarrollo de una metodologa para estructurar una red de
monitoreo de NO
x
en aire para Copenhague (Dinamarca) (Venegas y Mazzeo, 2003b) y
para la ciudad de Buenos Aires (Mazzeo y Venegas, 2004b).
Para estimar las concentraciones de fondo en aire en la ciudad de Buenos Aires
originadas por las emisiones de las fuentes areales se aplic el DAUMOD considerando
una resolucin espacial de 1km x 1km en toda el rea urbana.
El modelo de dispersin Industrial Source Complex (ISCST3)
El modelo ISCST3 (U.S.EPA, 1995) es uno de los recomendados por U.S.EPA y por
algunas reglamentaciones argentinas (ENRE, 1997; SPA, 1997) y es ampliamente
utilizado en evaluaciones de impacto ambiental para estimar concentraciones medias de
contaminantes emitidos desde complejos industriales ubicados en reas urbanas y
rurales. La base fundamental del modelo ISCST3 es la ecuacin estacionaria de la pluma
bi-gaussiana, con reflexin de los contaminantes en la superficie terrestre y en el tope de
la capa de mezcla. Las formas funcionales de los parmetros de dispersin atmosfrica
utilizados en este modelo se basan en la informacin proveniente de experimentos de
dispersin atmosfrica y se presentan para ser utilizadas en dos tipos de superficie: rea
urbana y rea rural. La formulacin de la elevacin de la pluma de contaminantes
corresponde a la obtenida por Briggs (1975). Algunas referencias relacionadas con la
evaluacin de los resultados de este modelo se presentan en U.S.EPA (1995).
El modelo ISCST3 calcula las concentraciones de contaminantes en aire en cada receptor
utilizando datos meteorolgicos horarios. La concentracin en cada receptor es la
resultante del aporte de las emisiones correspondientes a cada fuente puntual localizada
en el rea.
El ISCST3 ha sido utilizado, anteriormente, por los autores en el diseo de una red de
monitoreo de calidad de aire para los efluentes emitidos por fuentes puntuales (Mazzeo y
Venegas, 2000).
En este trabajo se aplic el ISCST3 a las emisiones generadas por las fuentes puntuales
(chimeneas) ms importantes ubicadas en la ciudad de Buenos Aires, para calcular las
concentraciones en aire a nivel del suelo, considerando un reticulado con una resolucin
100m x 100m en toda la ciudad. Las concentraciones horarias estimadas de esta forma
fueron promediadas para obtener las concentraciones horarias de fondo en aire, debidas
a las emisiones de las fuentes puntuales, sobre retculos unitarios de 1km de lado.
Red de monitoreo muti-contaminante propuesta para la ciudad de Buenos Aires
En la aplicacin de la metodologa, descrita anteriormente, para diagramar una red de
monitoreo de NO
2
, CO y PM10 para la ciudad de Buenos Aires, se aplicaron los modelos
de dispersin atmosfrica DAUMOD y ISCST3 utilizando la informacin meteorolgica
horaria registrada durante un ao en la estacin meteorolgica Aeroparque y los valores
de los inventarios de emisin de NO
x
(expresados como NO
2
), CO y PM10 para la ciudad
de Buenos Aires. A partir de los resultados obtenidos de esta aplicacin para cada
contaminante separadamente, se identificaron los casos y los retculos en los que los
valores de las concentraciones de fondo correspondientes al tiempo de promedio horario
de NO
x
(expresados como NO
2
), a los tiempos de promedio horario y de 8 horas de CO y
al tiempo de promedio diario de PM10 en aire a nivel del suelo fueron superiores a las CR
respectivas (Tabla I). Aplicando el procedimiento de diseo de la red, hasta que el ltimo
caso con C>CR fue considerado, se seleccionaron los lugares de muestreo propuestos
preliminarmente (primera etapa) y necesarios para detectar todos los casos con C>CR
para los diferentes tiempos de promedio y cada contaminante considerado
individualmente. La red preliminar de monitoreo obtenida est compuesta por 16
estaciones de monitoreo de NO
2
, 4 sensores de monitoreo de CO y 4 monitores para
PM10, localizados en 17 lugares de medicin. La eficiencia ideal de esta red es 100%. La
Figura 2 incluye los lugares obtenidos en este anlisis, que pueden ser destinados a la
instalacin de muestreadores de NO
2
, CO y PM10 en la ciudad de Buenos Aires.
Con el objeto de posibilitar una
optimizacin econmica y prctica
de la red preliminar, se efectuaron
las estimaciones necesarias para
determinar la ubicacin de sensores
que midan diferentes contaminantes
en un mismo lugar. La metodologa
utilizada, tambin, fue descrita
anteriormente. Siguiendo los pasos
de la segunda etapa de esa
metodologa, y aplicando el
DAUMOD y el ISCST3 se
calcularon las distribuciones
espaciales de las concentraciones
horaria de NO
2
, horaria y de 8 horas
de CO y diaria de PM10 en aire a
nivel del suelo, para un perodo de
un ao. Con esas simulaciones, se
determin la configuracin mnima
de la red como se presenta en la
Figura 3a), que incluye las
localizaciones con el mayor
porcentaje de superaciones de las
concentraciones de referencia para cada contaminante. En esa Figura se observa que la
red mnima est compuesta por tres lugares para ubicar tres sensores de NO
2
y PM10 y
dos de CO. La eficiencia de la configuracin de esta red mnima (RED 1) es: NO
2
(1h):
87.2%; CO (1h): 73.7%; CO(8h): 95.4%; PM10 (24h): 98.5% (Tabla II). Las Figuras 3b),
3c), 3d), muestran otras tres configuraciones de redes de monitoreo obtenidas
adicionando lugares para la ubicacin de sensores de acuerdo con su capacidad de
deteccin de C>CR y, por lo tanto, aumentado la capacidad de detectar el nmero de
violaciones. Cuando se agrega un lugar de monitoreo a la configuracin precedente, se
evala la eficiencia de la nueva red, verificando su incremento. Las eficiencias para
detectar excedencias, de las configuraciones analizadas durante la segunda etapa se
incluyen en la Tabla II.
Tabla II. Eficiencias de las configuraciones analizadas en la segunda etapa del diseo de la red.
(Los lugares de monitoreo estn presentados en la Figura 3)
Configuracin RED1
(mnima)
RED2
RED3
RED4
(optimizada)
Lugares 1, 2, 3 1, 2, 3, 4 1, 2, 3 ,4, 5 1, 2, 3, 4, 5, 6
NO
2
(1h) 87.2% 92.1% 93.1% 94.2%
CO (1 h) 73.7% 89.5% 97.4% 97.4%
CO (8 h) 95.4% 100.0% 100.0% 100.0%
PM-10 (24 h) 98.5% 99.5% 99.5% 100.0%
NO2
CO
PM10
Figura 2. Localizaciones de los muestreadores en la red
preliminar
d
c
a b
1
2
3
1
1
1
2
2 2
3
3
3
4
4 4
5 5
6
Figura 3. Configuraciones de la red analizadas en la segunda etapa. NO
2
, A CO, V PM10
a) RED1 (configuracin mnima), b) RED2; c) RED3, d) RED4 (optimizada)
La red de monitoreo optimizada propuesta (RED4) (Figura 3d) est integrada por 6
lugares destinados a instalar seis monitores de NO
2
(eficiencia: 94.2%), cuatro sensores
de CO (eficiencia: 97.4% para el tiempo de promedio de 1hora y del 100% para el tiempo
de promedio de 8 horas) y cuatro muestreadores de PM10 (eficiencia: 100%). Esta red
tiene una eficiencia total ideal superior al 94%. Los tres contaminantes deben ser
determinados conjuntamente en dos lugares, NO
2
y CO en otros dos sitios y NO
2
y PM10
en las dos localizaciones restantes. Es necesario sealar que cuando el nmero de
lugares para ubicar sensores se incrementa de cinco (Figura 3c) a seis (Figura 3d), el
anlisis de la eficiencia de la RED4 revela que la medicin de PM10 en el nuevo lugar
([6]) introducido en esta configuracin hace innecesaria la determinacin de PM10 en el
lugar ([4]) incluido en la RED2 (Figura 3b). Este resultado est relacionado con las reas
de influencia o representatividad espacial de las excedencias de CR de este sitio de
monitoreo, que se presenta a continuacin.
REAS DE INFLUENCIA O REPRESENTATIVIDAD ESPACIAL DE LAS
DETECCIONES DE C>CR, POR CADA MONITOR DE LA RED PROPUESTA
Una vez que la red propuesta (Figura 3d) est operativa, cada vez que un monitor
detecte C>CR, podra se necesario conocer las diferentes reas de la ciudad donde
tambin se verifica que C>CR, con una determinada probabilidad. Considerando un
muestreador y un contaminante de la red propuesta por vez, se analizaron las
distribuciones espaciales de las concentraciones de cada contaminante, correspondientes
a los casos en que ese muestreador detecta C>CR. Para estos N
T
casos, se identificaron
los otros retculos en la ciudad en los cuales, tambin C>CR. A partir de estos resultados,
para cada retculo (i,j) de la ciudad se determin el nmero [n(i,j)] de casos con C>CR. De
esta forma, se obtuvo la distribucin espacial de frecuencias relativas
[f(i,j)(%)=(n(i,j)/N
T
)*100] con C>CR para el contaminante analizado, asociada al
muestreador seleccionado. De esta distribucin, se obtuvieron las reas de la ciudad,
donde se espera que C>CR con una probabilidad [f(i,j)] superior al 70%, al 80% y al 90%,
cada vez que el muestreador considerado detecte que C>CR para cada contaminante.
Las reas (reas de influencia) de la ciudad asociadas con las probabilidades del 70%,
80% y 90% de que se verifique C>CR del contaminante considerado, cuando cada
muestreador detecta que C>CR para NO
2
y PM10, se presentan en las Figuras 4 y 5,
respectivamente.
NO2
Monitor 1
NO2
Monitor 2
NO2
Monitor 3
NO2
Monitor 4
NO2
Monitor 5
NO2
Monitor 6
Figura 4. reas en las cuales la concentracin (C) de NO
2
supera CR, con probabilidad del 70% (amarillo),
80% (verde) y 90% (azul), cuando el monitor indicado detecta C>CR.
PM10
Monitor 1
PM10
Monitor 2
PM10
Monitor 3
PM10
Monitor 6
Figura 5. reas en las cuales la concentracin (C) de PM10 supera CR, con probabilidad del 70%
(amarillo), 80% (verde) y 90% (azul), cuando el monitor indicado detecta C>CR.
En la Tabla III, se presentan los valores de las reas de influencia o representatividad
espacial de deteccin de C>CR, para el NO
2
y PM10, asociadas con probabilidades del
70%, 80% y 90% de ocurrencia de C>CR en esas reas. Para el CO, el anlisis de las
reas de influencia revel que la representatividad espacial de la deteccin de C>CR, es
local. Debido a ello no se presentan esquemas de las reas de influencia.
Tabla III. Areas donde la concentracin de NO
2
y PM10
superan la Concentracin de Referencia con una
probabilidad mayor que 70%, 80%, 90%, cuando C>CR en un muestreador de la red propuesta optimizada
.
Probabilidad
70% 80% 90%
Contaminante
Min.
(km
2
)
Max.
(km
2
)
Min.
(km
2
)
Max.
(km
2
)
Min.
(km
2
)
Max.
(km
2
)
NO
2
13.0 64.0 5.7 44.0 1.0 14.8
PM10 5.7 39.7 1.0 23.3 1.0 7.0
CONCLUSIONES
Se presentan metodologas objetivas cuyos propsitos son: a) disear una red de
monitoreo multi-contaminante en un rea urbana, que tiene por objetivos las detecciones
de altas concentraciones de contaminantes en aire y de las superaciones de
concentraciones de referencia propuestas, y b) evaluar las reas de influencia o
representatividad espacial de las violaciones detectadas para cada contaminante por
cada sensor de la red. En estas metodologas se utilizan modelos de dispersin
atmosfrica y de optimizacin de diferentes configuraciones de red.
Las metodologas propuestas fueron aplicadas a la diagramacin de una red de monitoreo
para determinar la ocurrencia de violaciones a concentraciones de referencia establecidas
para NO
2
, CO y PM10 y a la obtencin de las reas de influencia o representatividad
espacial de la deteccin por cada monitor de C>CR de cada contaminante con
probabilidades de 70%, 80% y 90% en la ciudad de Buenos Aires.
La red (optimizada) de monitoreo multi-contaminante diagramada para la ciudad de
Buenos Aires est integrada por seis lugares para localizar seis monitores de NO
2
(eficiencia: 94.2%), cuatro sensores de CO (eficiencia: 97.4% para el tiempo de promedio
de 1h y del 100% para el tiempo de promedio de 8h) y cuatro muestreadores de PM10
(eficiencia: 100%). Esta red tiene una eficiencia total ideal superior al 94%.
Para el caso del NO
2
, el rea de influencia o la representatividad espacial asociada con
una probabilidad de violacin del 70% vara entre 13.0 km
2
y 64.0 km
2
, con probabilidad
del 80% su extensin vara entre 5.7 km
2
y 44.0 km
2
y con el 90%, entre 1.0 km
2
y 14.8
km
2
. Para el PM10, la representatividad espacial asociada con una probabilidad de
violacin del 70% vara entre 5.7 km
2
y 39.7 km
2
, con el 80% vara entre 1.0 km
2
y 23.3
km
2
y con el 90% entre 1.0 km
2
y 7.0 km
2
. Los resultados para el CO indican que la
representatividad espacial de la deteccin de C>CR, es local.
AGRADECIMIENTOS
La informacin meteorolgica utilizada fue suministrada por el Servicio Meteorolgico
Nacional. Este trabajo ha sido parcialmente financiado por los Proyectos UBACyT-X060 y
CONICET-PIP-6169.
REFERENCIAS
Andersen, D. 1988. The everyday life of the Danish population 1987 (In Danish). Institute of Social
Science, Copenhagen.
Arya, S.P. 1999. Air Pollution Meteorology and Dispersion. Oxford University Press, 310pp.
Benarie, M.M. 1980. Urban Air Pollution Modelling, The MacMillan Press, Ltd, 405pp.
Berkowicz, R. 2000. A simple model for urban background pollution. Environ. Monit. Assess., 65,
259-167.
Bogo, H., Gmez, D.R., Reich, S.L., Negri, R. M. and San Romn, E. 2001. Traffic pollution in
downtown of Buenos Aires City. Atmos. Environ., 35, 1717-1727.
Bogo, H., Otero, M., Castro, P., Ozafrn, M.J., Kreiner, A., Calvo, E.J. and Negri, R.M. 2003. Study
of atmospheric particulate matter in Buenos Aires city. Atmos. Environ., 37, 1135-1147.
Briggs, G.A. 1975. Plume rise predictions, In: Lectures on Air Pollution and Environmental Impact
Analysis, AMS, Boston, Mass.
Brimblecombe, P. 1987. The Big Smoke. A history of air pollution in London since medieval times.
Methuen, London.
Carruthers, D.J., Holroyd, R.J., Hunt, J.C.R., Weng, W.S., Robins, A.G., Ashley, D.D., Thompson,
D.J. and Smith, F.B. 1994. UK-ADMS: a new approach to modelling dispersion in the earths
boundary layer. J. Wind Eng., 52, 139-153.
Chow, J.C., Engelbrechet, J.P., Watson, J.G., Wilson, W.E., Frank N.H. and Zhu, T. 2002.
Designing monitoring networks to represent outdoor human exposure. Chemosfere, 49, 961-978.
ENRE. 1997. Gua Metodolgica para la Evaluacin de Impacto Ambiental Atmosfrico. Ente
Nacional Regulador de la Electricidad, Res.13/97.
Gifford F. A. and Hanna, S. R. 1973. Modelling urban air pollution. Atmos. Environ., 7, 131-136.
Grossman, G.M. and Krueger, A.B. 1995. Economic growth and the environment. The Quarterly
Journal of Economics CX, 353-377.
Haas, T.C. 1992. Redesigning continental-scale monitoring networks. Atmos. Environ., 26, 3223-
3333.
Hanna, S.R., Britter, R. and Franzese, P. 2002. Simple screening models for urban dispersion.
Proc. 8
th
. Conf. On Harmonisation within Atmospheric Dispersion Modelling for Regulatory
Purposes, 269-273.
Langstaff, J., Seigneur, C., Liu, M.K., Behar, J. and McElroy, J.L. 1987. Design of an optimum air
monitoring network for exposure assessments. Atmos. Environ., 21, 1393-1410.
Mage, D., Ozolins, G., Peterson, P., Webster, A., Orthofer, R., Vandeweerd, V. and Gwynne, M.
1996. Urban air pollution in megacities of the world. Atmos. Environ., 30, 681-686.
Martin, P.B. y Venegas, L.E. 2005. Concentracin de PM10 en el aire de la ciudad de Buenos
Aires. Anales IX Congreso Argentino de Meteorologa. CDRom.
Mazzeo N. A. and Venegas L.E. 1991. Air pollution model for an urban area. Atmos. Res., 26, 165-
179.
Mazzeo N.A. and Venegas L.E. 2000. Practical use of the ISCST3 model to select monitoring site
locations for air pollution control. Intl. J. of Environ. Poll., 14, 246-259.
Mazzeo, N.A. y Venegas, L.E. 2003. Emisiones de CO y NO
x
en la ciudad de Buenos Aires.
Ingeniera Sanitaria y Ambiental, 71, 47-53.
Mazzeo N.A. and Venegas L.E. 2004a. Some aspects of air pollution in Buenos Aires City
(Argentina). Intl. J. of Environ. Poll., 22, 4, 365-378.
Mazzeo, N.A. y Venegas, L.E. 2004b. Diseo de un sistema de vigilancia de NO
x
en el aire de la
ciudad de Buenos Aires, Argentina. Ingeniera Sanitaria y Ambiental, 77, 41-50.
Mazzeo, N.A., Venegas, L.E. and Choren, H. 2005. Analysis of NO, NO
2
, O
3
and NO
X
concentrations measured at a green area of Buenos Aires city during wintertime. Atmos. Environ.,
39, 3055-3068.
Molina, M.J. and Molina, L.T. 2004. Megacities and atmospheric pollution. J. Air Waste Manage.
Assoc., 54, 644-680.
Morris, R.E. and Myers, T.C. 1990. Users Guide to the Urban Airshed Model, Vol. I-V. U.S.
Environmental Protection Agency, Research Triangle Park, NC.
Noll, K.E., Miller, T.L., Norco, J.E. and Raufer, R.K. 1977. An objective air monitoring site selection
methodology for large point sources. Atmos. Environ., 11, 1051-1059.
Noll, K.E. and Mitsutomi, S. 1983. Design methodology for optimum dosage air monitoring site
selection. Atmos. Environ., 17, 2583-2590.
Oehlert, G.W., 1996. Shrinking a wet deposition network. Atmos. Environ., 30, 1347-1357.
Perry, S.G., Cimorelli, A.J., Lee, R.F., Paine, R.J., Venkatram, A., Weil, J.C. and Wilson, R.B.
1994. AERMOD: A dispersion model for industrial source application, Proc. 87
th
Annual Meeting
Air and Waste Management Assoc., 94-TA23.04, AWMA, PA.
Ragland, K.W. 1973. Multiple box model for dispersion of air pollutants from area sources. Atmos.
Environ., 7, 1007-1032.
Selden, T.M. and Song, D. 1994. Environmental quality and development: is there a Kuznets curve
for air pollution emissions? Journal of Environmental Economics and Management, 27, 147-162.
Scire, J.S., Strimaitis, D.G. and Yamartino, R.J. 1999. A Users Guide for the CALPUFF Dispersion
Model. Tech. Rep. Earth Tech. Inc., Concord, MA, 521pp.
Sharma, V. 1976. An Area-source model for urban air pollution applications, Atmos. Environ., 10,
1027-1032.
SPA. 1997. Instructivo para la Aplicacin de Modelos de Difusin Atmosfrica a Efluentes
Gaseosos. Secretara de Poltica Ambiental de la Prov. de Buenos Aires, Res.242/97. Boletn
Oficial N 23389.
Tidblad, J. and Kucera, V. 1998. Materials damage. In: Fenger, J., Hertel, O., Palmgren, F. (Eds.),
Urban Air Pollution, European Aspects. Kluwer Academic Publishers, Dordrecht, pp. 343-361.
Tseng, C.C. and Chang N-B. 2001. Assessing relocation strategies of urban air quality monitoring
stations by GA-based compromise programming. Environ. Intl., 26, 523-541.
Ulke, A.G. and Mazzeo, N.A. 1998. Climatological aspects of the daytime mixing height in Buenos
Aires City, Argentina. Atmos. Environ., 32, 1615-1622.
U.S.EPA. 1995. Users Guide for Industrial Source Complex Dispersion model. Vol. II. Description
of Model Algorithms, EPA-454/B-96-001. U.S. Environmental Protection Agency, 120 pp.
Venegas L.E. and Mazzeo N.A. 1999. Atmospheric stagnation, recirculation and ventilation
potential of several sites in Argentina. Atmos. Res., 52, 43-57.
Venegas L.E. and Mazzeo N.A. 2002. An evaluation of DAUMOD model in estimating urban
background concentrations. Water, Air and Soil Poll., Focus, 2, 433-443.
Venegas, L.E. y Mazzeo, N.A. 2003a. Calidad del aire en una zona de la Ciudad de Buenos Aires
(Argentina). III Congresso Interamericano de Qualidade do Ar, ULBRA, Canoas, RS, Brasil. CD.
Venegas L.E. and Mazzeo N.A. 2003b. Design methodology for background air pollution
monitoring site selection in an urban area. Intl. J. of Environ. Poll., 20. 1-6, 185-195.
Venegas, L.E. and Mazzeo, N.A. 2006. Modelling of urban background pollution in Buenos Aires
city (Argentina), Environ. Mod. & Soft., 21, 4, 577-586.
Watson, J.G., Chow, J.C., DuBois, D.W., Green, M.C., Frank, N.H. and Pitchford, M.L. 1998.
Network Design Principles for Population-Oriented Monitoring of Suspended Particles. In:
Proceedings, Health Effects of Particulate Matter in Ambient Air, Vostal, J.J. (Ed.), Air and Waste
Management Association, Pittsburgh, PA, 461-472.
W.H.O. 1987/1999. Air quality guidelines for Europe. World Health Organization, Copenhagen.
Wiederkehr, P. and Yoon, S.-J. 1998. Air quality indicators. In: Fenger, J., Hertel, O., Palmgren, F.
(Eds.), Urban Air Pollution, European Aspects. Kluwer Academic Publishers, Dordrecht, 403-418.
Wu, H.W.Y. and Chan, L.Y. 1997. Comparative study of air quality surveillance networks in Hong
Kong, Atmos. Environ., 31, 935-945.
Wu, S. and Zydek, J.V. 1992. An entropy-based analysis of data from selected NADP/NTN
networks sites for 1983-1986. Atmos. Environ., 26, 2089-2103.