ForeroCastroDiegoDaniel2019 PDF
ForeroCastroDiegoDaniel2019 PDF
ForeroCastroDiegoDaniel2019 PDF
Director:
Ph.D. José Manuel Flórez Pérez
Director Externo:
Ms. Cristhian Fabian Forero Castro
Línea de Investigación:
Física atmosférica y medio ambiente
Resumen.
Se presenta una comparación entre los productos (CO, O3 , NO2 y SO2 ) del satelite Sentinel-
5p con su instrumento TROPOMI (TROPOspheric Monitoring Instrument) y las estaciones
terrestres de calidad del aire de la ciudad de Bogotá (Colombia). Las mediciones realizadas
por TROPOMI se comparan con los datos de las estaciones durante el periodo comprendido
entre agosto del 2018 y agosto del 2019, conjuntamente se analiza la influencia de variables
climaticas y meteorologicas en las diferentes datos de calidad del aire. Según el análisis esta-
dístico y observaciones espaciales, se observa similitud en los comportamientos de las series
de tiempo de las variables de estudio entre los datos satelitales y terrrestres. Los mapas rea-
lizados revelan características espacio-temporales, como las zonas de mayor contaminación,
las tendencias de las concentraciones, y la dinámica de las emisiones por fuentes fijas una
vez validadas las observaciones de TROPOMI contra observaciones terrestres. Los resulta-
dos proporcionan una aproximación para su utilización en el monitoreo de calidad del aire
en la ciudad de Bogotá, así mismo para monitorear los niveles de contaminación en sitios
urbanos y rurales. En general, TROPOMI proporciona datos que complementan los datos
de calidad del aire en tierra (disponibles con alta resolución temporal) y ayuda a describir
la variabilidad espacio-temporal de los diferentes contaminantes del aire.
Abstract.
Lista de Tablas XI
1 INTRODUCCIÓN 1
2 OBJETIVOS 3
2.1 Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 RADIOMETRÍA ATMOSFÉRICA 4
3.1 Fundamentos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1.1 Atmósfera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1.2 Composición de la atmósfera . . . . . . . . . . . . . . . . . . . . . . . 4
3.1.3 La atmósfera sobre el territorio colombiano . . . . . . . . . . . . . . 5
3.1.4 Calidad del aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.1.5 Contaminación de la atmósfera en Colombia . . . . . . . . . . . . . . 7
3.1.6 Transferencia radiativa en la atmósfera . . . . . . . . . . . . . . . . . 7
3.2 Teledetección atmosférica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Fundamentos técnicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.1 Teledetección pasiva por satélites . . . . . . . . . . . . . . . . . . . . 9
3.3.2 Teledetección desde la órbita . . . . . . . . . . . . . . . . . . . . . . . 10
3.3.3 Teledetección pasiva en el espectro IR . . . . . . . . . . . . . . . . . . 13
3.3.4 Teledetección pasiva en el rango visible . . . . . . . . . . . . . . . . . 15
4 DATOS 18
4.1 Zona de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Imágenes del sensor TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Estaciones de calidad del aire . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.3.1 Analizador de material particulado (PST, PM10, PM2.5) . . . . . . 21
4.3.2 Analizador de óxidos de azufre (SOx ) . . . . . . . . . . . . . . . . . 21
4.3.3 Analizador de óxidos de nitrógeno (NO/NO2 /NOx ) . . . . . . . . . . 22
4.3.4 Analizador de ozono (O3 ) . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3.5 Analizador de monóxido de carbono (CO) . . . . . . . . . . . . . . . 23
CONTENIDO vii
5 METODOLOGÍA 25
5.1 Metodología general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.3 Trabajo previo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.3.1 Investigaciones internacionales . . . . . . . . . . . . . . . . . . . . . . 27
5.3.2 Investigaciones Nacionales . . . . . . . . . . . . . . . . . . . . . . . . 29
5.4 Datos Red de Monitoreo de Calidad del Aire de Bogotá RMCAB . . . . . . 30
5.5 Datos Sentinel-5P TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.6 Datos meteorológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.7 Datos meteorológicos NOAA CFSV2 . . . . . . . . . . . . . . . . . . . . . 34
5.8 Validación de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6 RESULTADOS 37
6.1 Comportamiento de los datos de RMCAB . . . . . . . . . . . . . . . . . . . 37
6.2 Comportamiento de los datos satelitales . . . . . . . . . . . . . . . . . . . . 41
6.3 Comportamiento de los datos Meteorológicos . . . . . . . . . . . . . . . . . . 46
6.4 Análisis de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.4.1 Comportamiento de las series temporales de monóxido de carbono . 50
6.4.2 Diagramas de cajas de monóxido de carbono . . . . . . . . . . . . . . 51
6.4.3 Comportamiento de las series temporales de dióxido de nitrógeno . . 54
6.4.4 Diagramas de cajas del dióxido de nitrógeno . . . . . . . . . . . . . . 55
6.4.5 Comportamiento de las series temporales del ozono . . . . . . . . . . 58
6.4.6 Diagramas de cajas del ozono . . . . . . . . . . . . . . . . . . . . . . 59
6.4.7 Comportamiento de las series temporales del dióxido de azufre . . . . 63
6.4.8 Diagramas de cajas del dióxido de azufre . . . . . . . . . . . . . . . . 63
6.4.9 Diagramas de dispersión. . . . . . . . . . . . . . . . . . . . . . . . . . 67
7 DISCUSIÓN 69
7.1 Red de Monitoreo de Calidad del Aire de Bogotá . . . . . . . . . . . . . . . 69
7.2 TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.3 RMCAB vs TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.4 Influencia de variables meteorológicas . . . . . . . . . . . . . . . . . . . . . . 72
7.5 Cambios espacio Temporales . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.6 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8 CONCLUSIONES Y RECOMENDACIONES 74
8.1 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.2 Recomendaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
viii CONTENIDO
BIBLIOGRAFÍA 78
Lista de Figuras
3-1. Ilustración conceptual de los procesos de transferencia radiativa a través de
una capa atmosférica [Chang and Bai, 2018]. . . . . . . . . . . . . . . . . . . 8
3-2. Espectro de radiación electromagnética [Ni-Bin Chang, 2017]. . . . . . . . . 11
3-3. Detección de la radiación atmosférica y superficial [PParaschiv and Voiculescu, 2017]. 12
3-4. Espectro de absorción de radiación infrarroja para 6 gases fuertemente absor-
bentes y para los 6 combinados, para un haz vertical que pasa a través de la
atmósfera, en ausencia de nubes [Andrews, 2010]. . . . . . . . . . . . . . . . 15
Abreviatura Término
TROPOMI TROPOspheric Monitoring Instrument
RMCAB Red de Monitoreo de Calidad del Aire de Bogota
GEI Gases de Efecto Invernadero
BRDF Bidirectional Reflectance Distribution Function
LTAN Local Time of the Ascending Node ( Hora local del nodo ascendente)
PM10 Material particulado de tamaño 10µm
PM2,5 Material particulado de tamaño 2,5µm
SO2 Dióxido de Azufre
CO Monóxido de Carbono
NO2 Dióxido de Nitrógeno
O3 Ozono
1 INTRODUCCIÓN
Las grandes ciudades del mundo han presentado aumento en sus niveles de desarrollo, carac-
terizados por sus aumentos poblacionales y su alto volumen de producción de contaminantes
emitidos a la atmósfera. En general, la contaminación está determinada por la distribución
geográfica de cada fuente de emisión y de las cantidades emitidas, tales que los procesos
fisicoquímicos que se producen en la atmósfera condicionan la dispersión, transporte y di-
námica de los contaminantes, lo que genera una variabilidad de las condiciones climáticas y
afectaciones de cada entorno ([ecodes, 2013]).
La mayoría de las ciudades tienen redes de monitoreo compuestas por un número reducido
de estaciones, incrementar la cantidad de estaciones es altamente costoso en términos de
instalación y de operación [Silva, 2003]. Las estaciones de monitoreo de la calidad del aire en
las zonas urbanas fueron implementadas con la finalidad de obtener datos del estado del aire
en determinadas zonas, para establecer medidas que lograsen mitigar los altos números de
contaminación ([Fensterstock, 1969],p 69-73). En este contexto, es fundamental el desarro-
llo de técnicas de monitoreo que permitan incorporar metodologías más compactas a escala
nacional y local, por ejemplo introduciendo datos de instrumentos de monitoreo remoto que
puedan generar pronósticos más eficientes a la hora de medir estos tipos de contaminantes.
Las mediciones satelitales será una parte integral del sistema global de sistemas de observa-
ción de la tierra.
Las mediciones satelitales por sí mismas tienen un papel en los estudios de calidad del aire,
pero no pueden ser independientes como un sistema de observación. La asimilación de datos
de las mediciones satelitales y las mediciones en tierra proporcionan una sinergia que ayuda a
al monitoreo constante y óptimo de la calidad del aire [M.Hoff and hristopher, 2009]. Uno de
los principales problemas que afronta las grandes ciudades de Colombia son las afectaciones
a la calidad del aire por parte de material particulado y de contaminantes atmosféricos. A
raíz de las altas concentraciones de contaminantes y de material particulado se ha generado
un aumento considerable en los efectos dañinos para la salud y alteraciones en los ciclos
climáticos [Vargas, 2005, Fernandez, 1995].
Actualmente la ciudad de Bogotá cuenta con 13 estaciones automáticas y una móvil que
miden las concentraciones de material particulado (P M10 y P M2,5 ), SO2 , CO, N O2 , O3 .
En las estaciones también se miden las siguientes variables meteorológicas: precipitación,
2 1 INTRODUCCIÓN
presión, humedad relativa, radiación solar, temperatura, velocidad y dirección del viento
[SUBCA, 2011]. A partir del 2008 se inicia el proceso de modernización de las estaciones,
se realiza el cambio de software de manejo de datos, se reemplazó equipos con más de 10
años de funcionamiento, se instaló nuevos equipos, finalmente se adquirió una estación móvil
[de Ambiente, 2013, de Ambiente, 2016].
Desde el año 2008 el monitoreo de calidad del aire de Bogotá no ha tenido grandes avances en
la incorporación de nuevas metodologías, datos o instrumentos que permitan optimizar y vi-
sualizar de manera general lo que ocurre con las diferentes concentraciones de contaminantes
en la ciudad. Se debe tener en cuenta que cada estación comprende un área limitada dejando
sin cobertura a gran parte del superficie de la ciudad, lo cual genera algunos interrogantes
frente a lo que ocurre en las zonas que carecen de datos o que no existe un cubrimiento
de dicho monitoreo. Según [Guerrero, 2013] sugiere disponer de una metodología apropiada
para la evaluación de la cobertura espacial de la Red de Monitoreo de Calidad del Aire de
Bogotá (RMCAB), la cual permitirá mejorar la cobertura de la red y contribuiría a definir
acciones de políticas públicas orientadas a minimizar la exposición de la población y a miti-
gar emisiones de los contaminantes.
El presente trabajo tiene como enfoque generar una metodología de incorporación de datos
del sensor TROPOMI (del inglés TROPOspheric Monitoring Instrument) que esta anexo al
satélite Sentinel 5-P a la RMCAB, logrando una optimización del monitoreo de la calidad del
aire. Los enfoques de este trabajo son generados a partir de diferentes perspectivas, primero
se busca correlacionar los valores de (dióxido de nitrógeno, Ozono, monóxido de carbono,
dióxido de azufre) a nivel superficial y troposférico, para ello se caracterizará estas variables
en un periodo de agosto del 2018 a agosto del 2019. Posteriormente se verifica la influencia
de las variables meteorológicas, luego se analiza cambios espacio-temporales y por último se
establece la dinámica metodológica para la incorporación de los datos satelitales al monitoreo
local y nacional del aire.
2 OBJETIVOS
Generar una propuesta que introduzca el uso de datos satélitales a monitoreos locales
y nacional.
3 RADIOMETRÍA ATMOSFÉRICA
La estratosfera es la región que se extiende por encima de la tropopausa hasta una altitud
cercana a 50 km. La temperatura varia hasta los 20 km de altitud siendo prácticamente una
isoterma. En la estratopausa la temperatura aumenta. Este aumento de la temperatura se
debe a que la radiación ultravioleta transforma al oxígeno en ozono, proceso que involucra
calor lo que implica que en esta zona la temperatura se eleve hasta un -3 ◦ C.
La mesosfera se extiende entre los 50 y 80 km de altura, contiene solo el 0.1 % de la masa total
3.1 Fundamentos básicos 5
del aire. Es la zona más fría de la atmósfera, pudiendo alcanzar los –95◦ C. Es importante
por la ionización y las reacciones químicas que ocurren en ella. La baja densidad del aire
en la mesosfera determina la formación de turbulencias y ondas atmosféricas que actúan a
escalas espaciales y temporales muy grandes[Finlayson-Pitts and Pitts, 1997].
La termosfera es la región que se encuentra por encima de la mesopausa; está caracterizada
por un aumento progresivo de la temperatura con la altitud. Cuando la actividad solar es
normal, la temperatura aumenta hasta cerca de los 400 km de altitud, y cuando aumenta
su actividad, puede crecer hasta aproximadamente los 500 km. En esta capa la composición
de la atmósfera es distinta, ya que las moléculas de un gran número de gases se separan
por la acción que tienen sobre ellas los rayos ultravioleta y los rayos X emitidos por el sol,
dejando libres los átomos que las constituían. Por otra parte, los gases tienen menos ten-
dencia a mezclarse y las moléculas y átomos más pesados se separan de los otros por efecto
de la gravedad. En la termosfera, la ionización es muy importante pues tanto los iones co-
mo los electrones pueden permanecer separados durante un periodo de tiempo relativamente
largo, mientras que en la mesosfera se produce solamente durante el día[McGraw-Hil, 2005a].
A 500 o 600 km de altitud aproximadamente, la atmósfera es tan poco densa que son extre-
madamente raras las colisiones entre las partículas neutras. A partir de los 500 km, y hasta
una altura indeterminada, se halla la exosfera. En ella abunda el hidrógeno ionizado y hay
una pérdida de partículas (protones y electrones) que escapan al espacio exterior, pérdida que
se ve compensada por el aporte de partículas en forma de viento solar.[McGraw-Hil, 2005b].
La adición de cualquier sustancia al aire puede alterar en cierto grado las propiedades físicas
y químicas del aire natural, de manera que estas sustancias pueden considerarse como sus
contaminantes. No obstante, se clasifican como contaminantes únicamente aquellas sustan-
cias derivadas de la actividad económica que, añadidas en suficiente cantidad y duración,
causan efectos mensurables sobre los seres humanos, los animales, la vegetación o los ma-
teriales y que, en general, posean efectos perjudiciales para la salud y el bienestar humano
o interfieran en el goce de la vida o la propiedad. La contaminación del aire, a causa de la
lluvia ácida, actúa también sobre el medio natural y el patrimonio cultural. Estos efectos
pueden tener repercusiones económicas y sociales, agregando costos a la atención médica y
a la restauración de las construcciones, disminuyendo la producción agrícola, afectando los
bosques, la vida silvestre y, en general, deprimiendo la calidad de vida.
Entre los contaminantes más comunes, reconocidos desde el inicio de la era industrial, presen-
tes en mayores cantidades y que afectan la salud humana y el ambiente natural, se incluyen
el dióxido de azufre (SO2), los óxidos de nitrógeno (NOx ), el monóxido de carbono (CO),el
ozono (O3 ) y, en la baja atmósfera, el plomo y el material particulado hollín, cenizas, polvo.
Todos éstos, con excepción del ozono, son emitidos directamente a partir de las actividades
industriales y, en cierta extensión, de fuentes naturales. La principal fuente de estos conta-
minantes son los procesos de combustión: el ozono, principal componente del smog, se forma
en la baja atmósfera, mientras que las emisiones de NOx y los compuestos orgánicos volá-
tiles (VOC) hidrocarburos, aldehídos se presentan por inducción de la luz solar. Este ozono
3.1 Fundamentos básicos 7
Algunos gases de la atmósfera, como CO2 , metano, óxido nitroso y ozono troposférico, tie-
nen la propiedad de retener parte del calor que la Tierra debería emitir al espacio. Gracias
a este efecto –conocido como efecto invernadero natural–, el planeta tiene una temperatura
promedio más alta que la que tendría si no existieran estos gases en la atmósfera; así mismo,
gracias a este efecto, la amplitud de las variaciones de la temperatura es tal que permite el
desarrollo de la vida en el planeta. El contenido de gases de efecto invernadero en la atmós-
fera ha variado por procesos naturales a través de la historia del planeta. Pero la actividad
humana, como la industria, la producción de energía, la actividad forestal y la agricultura,
entre otras, intensificadas en los dos últimos siglos, está propiciando el incremento de estos
gases en la atmósfera y llevando, en consecuencia, a reforzar el efecto invernadero y al calen-
tamiento global que, finalmente, produciría cambios en el clima a escala mundial, regional y
local. De ahí que hoy en día se preste atención a la variación del contenido de estos gases en
la atmósfera.[Shindell et al., 2005]
Figura 3-1: Ilustración conceptual de los procesos de transferencia radiativa a través de una
capa atmosférica [Chang and Bai, 2018].
La atmósfera filtra la energía entregada por el sol y emitida por la Tierra mientras realiza
la transferencia radiativa. Una serie de procesos de transferencia radiativa pueden describir
colectivamente la interacción entre la materia y la radiación. Tales interacciones pueden
involucrar materia como gases, aerosoles y gotas de nubes en la atmósfera y los cuatro
procesos clave de absorción, reflexión, emisión y dispersión. Mientras que la dispersión de
una radiación incidente por la materia atmosférica da como resultado una redistribución
de la energía radiativa en todas las direcciones, la absorción de una radiación incidente
por la materia atmosférica produce una disminución de la energía radiativa en la dirección
incidente.
la única forma en que se puede lograr este gran desafío es a través de la teledetección. La te-
ledetección satelital de la atmósfera se ha convertido en una de las técnicas más importantes
para la observación de la atmósfera global. Los satélites también brindan oportunidades para
observar toda la superficie de la Tierra. Esto permite los patrones cambiantes del crecimiento
de la vegetación, la capa de nieve, el clima, la calidad del aire y el uso de la tierra se medirá
a intervalos de tiempo frecuentes.
Además de los efectos de conducción o convección, existe interes en la radiación del cuerpo,
que se emite como radiación electromagnética, ya que puede ser medida por un sensor remoto.
Esta radiación tiene un espectro de potencia que depende de la temperatura, de acuerdo con
la ley de Planck, y de la emisividad del cuerpo. Se considera un cuerpo negro, es decir, un
cuerpo ideal cuya emisividad es 1 en todas las longitudes de onda, su espectro de potencia
está completamente caracterizado por la ley de Planck, es decir, puede expresarse como una
función de λ y T como se evidencia en la ecuación 3-1.
2hc2
B(T (τ )) = h hc i (3-1)
λ5 e λkT − 1
En la ciencia del sistema terrestre, las interacciones entre la radiación solar, la materia at-
mosférica y los objetos terrestres juegan un papel crítico para las condiciones en la superficie
de la Tierra. En la dinámica de la teledetección los valores que emiten las interacciones entre
la radiación ,los materiales atmosféricos y los objetos sobre la superficie, se establecen por
medio de la adquisición de los datos de cada uno de los espectrómetros que incorpora cada
sensor donde se establece una línea de visión que se define como una línea imaginaria desde
el sensor hasta un objeto percibido.
Cuando un sensor satelital tiene una línea de visión con un objeto que refleja la energía solar,
el sensor recoge esa energía reflejada y almacena la observación para su posterior análisis. Los
procesos de transferencia radiativa que explican la energía reflejada incluyen: (1) reflexión,
(2) emisión y (3) emisión-reflexión. La emisión está asociada con la radiación de onda larga
saliente que es radiación electromagnética emitida por el sistema Tierra-atmósfera en forma
de radiación térmica [Sun et al., 2019].
La radiación solar reflejada del sistema Tierra-atmósfera es probada para dispersarse por
aerosoles y nubes, así como la capacidad de medir un número limitado de gases que absor-
ben radiación visible, en el caso de las superficies brillantes (nieve, desiertos, áreas urbanas)
confunden la capacidad de discernir con la luz dispersa de la atmósfera. Las observacio-
nes de la radiación infraroja térmica ascendente proveniente de la Tierra y la atmósfera
brindan información sobre gases traza, aerosoles de polvo, agua, estructura térmica de la
atmósfera y cantidad, altura y tipo de nubes. Ahora hay instrumentos activos (radares y
lidares) en órbita que generan la radiación detectada por el satélite después de la dispersión
[M.Hoff and hristopher, 2009].
radiación con los objetos esta dada por la ley de Beer que describe la transferencia radiativa
unidimensional fundamental (1D) en la parte visible del espectro.
Z ∞
τλ = α(λ, Z 0 )dZ 0 (3-3)
Z
Los componentes de la ruta de radiación que son importantes son la radiación solar entrante
en TOA, la radiación dispersa de gases y aerosoles en la atmósfera, la radiación transmitida
a través de la atmósfera a la superficie, la radiación reflejada desde la superficie de la Tierra,
el satélite recuperó la radiación TOA de la superficie , surgiendo la radiación IR de la
superficie, y la radiación TOA IR de la atmósfera. La solución de transferencia radiativa en
una atmósfera bidimensional (2D) deriva del trabajo de Schwartzschild en 1914 en atmósferas
estelares [Thomas, 1999]. La ecuación de transferencia radiativa para una atmósfera paralela
a un plano generalmente se escribe por separado para una atmósfera de dispersión (visible)
y una atmósfera absorbente (IR).
3.3 Fundamentos técnicos 13
dI + (τ, µ)
µ = I + (τ, µ) − B(λ, T (τ )) (3-4)
dτ
Las fuentes del radiancia vistas por un sensor satelital, son los componentes de la ruta de
radiación como se describe en la figura 3-3. en la figura se evidencia 7 tipos de interecciones
diferentes cada una como componentes de la radiación en trante a la superficie. I0 es igual a
la radiación solar entrante en la TOA. I1 es igual a la radiación dispersa de gases y aerosoles
en la atmósfera. Este componente depende de la densidad numérica del aire, los gases traza
y los aerosoles en función de la altura los cuales son un mecanismo de pérdida para la fuente
de radiación. I2 es igual a la radiación dispersa producidad por los gases y aerosoles en el
campo de visión del satélite (esta componente y I1 es igual a la suma la dispersión total
en la ecuación de transferencia radiativa). I3 es igual a la transición radiación a través de
la atmósfera a la superficie. Directamente relacionada con la ley de Beer, la transmitancia
proporciona la profundidad óptica unidireccional.
La trasmitancia es medida hecha sobre la superficie con un fotómetro solar la cual permi-
te medir directamente τ . I4 es igual radiación reflejada de la superficie de la Tierra. Este
componente es en gran medida la fuente de radiación de fondo utilizada por los satélites de
observación de la Tierra para comparar con I2 para recuperar las características de aerosol
y gas traza presente en las diferentes capas atmosféricas. Esta información proporciona ca-
racterísticas de la superficie y es la señal de interés para el mapeo de vegetación, el color
del océano, las características atmosféricas, concentraciones de gases y material partículado.
I5 es la radiación recuperada captada por el satélite que proviene de la superficie hasta la
parte superior de la atmósfera. Esta radiación esta descrita por la dispersión y la absorción
en la capa de interés, este valor se puede usar para recuperar valores sobre superficies de
dispersión brillantes, pero generalmente es un término de fondo que debe ser pequeño para
detectar I2 . I6 es igual a la radiancia de longitudes de onda del infrarrojo que provienen
desde la superficie, la cual esta dada por la ley de Planck.
variables que emiten en el IR. Estas longitudes de onda son importantes para despejar las
nubes porque la temperatura de las nubes altas y delgadas (cirros) es mucho más fría que la
superficie subyacente, las nubes y los aerosoles que provienen de la superficie.
dI − (τ, µ)
µ = −I − (τ, µ) + B(λ, T (τ )) (3-5)
dτ
y B (T) es la función de Planck en función de la temperatura T y la (λ) longitud de onda.
De las ecuaciones 3-4 y 3-5 dan como resultado:
Z τ
+ ∗ + ∗ dΓ+ dτ 0
+
I (τ, µ) = I (τ , µ)Γ (τ , τ, µ) + B(τ 0 ) 0 (τ 0 , τ, µ) (3-6)
τ∗ dτ µ
τ
dΓ− dτ 0
Z
− − −
I (τ, µ) = I (0, µ)Γ (τ, 0, µ) + B(τ 0 ) (τ, τ 0
, µ) (3-7)
0 dτ 0 µ
El primer término en la ecuación 3-6 es la fuente de radiación desde la superficie y el primer
término en la ecuación 3-6 es la fuente de radiación desde el TOA (puede ignorarse excepto en
la región de infrarrojo cercano o microondas). El segundo término en cada uno es la emisión
térmica de la atmósfera. Γ es la transmitancia de la atmósfera y su derivada con respecto a la
profundidad óptica se llama función de ponderación. La absorción de la radiación infrarroja
por los seis absorbentes gaseosos más importantes se resume convenientemente en la figura
3-4. Esta figura muestra la transmitancia de un haz vertical que pasa a través de toda la
atmósfera, en función de la longitud de onda. Los gases mostrados son todos componentes
menores, y todos menos el ozono (O3 ) se concentran principalmente en la troposfera.
3.3 Fundamentos técnicos 15
Figura 3-4: Espectro de absorción de radiación infrarroja para 6 gases fuertemente absor-
bentes y para los 6 combinados, para un haz vertical que pasa a través de la
atmósfera, en ausencia de nubes [Andrews, 2010].
Dado que, en la escala del diagrama, gran parte de la estructura fina asociada con las líneas
espectrales individuales no es mostrado, el diagrama puede considerarse como gráficos de la
transmitancia entre la parte superior de la atmósfera y el suelo, correspondiente a las dife-
rencias de longitud de onda 0.1 µm. El panel inferior de la figura 3-4 muestra la absorbancia
total de onda larga debido a todos los gases. Hay una amplia región de aproximadamente 8
a 13 µm, llamada ventana atmosférica, dentro de la cual la absorción es débil, a excepción
de una banda cercana a 9,6 µm asociada con O3 [Andrews, 2010].
Debido a que la dispersión de la luz por aerosoles depende en gran medida de la longitud de
onda de la luz, y debido a que la eficiencia de extinción de Mie alcanza su punto máximo
en el modo de acumulación por debajo de 1 µm en tamaño [Watson, 2002] (la dispersión de
Mie es mayor donde el tamaño de partícula y la longitud de onda son iguales), las partículas
( PM) las mediciones usan longitudes de onda visibles. La forma diferencial de la ecuación
de transferencia radiativa 2D [Lenoble, 1993], para radiación visible es
Z 4π
dI(τ, Ω) ω(τ ) τ ω(τ )
µ = I(τ, Ω) − p(Ω0 , Ω)IV e µ0 − p(Ω0 , Ω)I(τ, Ω0 )dΩ0 (3-8)
dτ 4π 4π 0
En el mundo real de las recuperaciones satelitales, se toman atajos donde se precalcula una
gama de tipos esperados de gases y aerosoles, distribuciones y propiedades ópticas en tablas
de búsqueda (LUT), que se utilizan para buscar rápidamente las soluciones que mejor se
adapten a lo observado radiancia en órbita [Remer, 2009]. Se requieren soluciones tridimen-
sionales (3D) en presencia de nubes [Cahalan et al., 2005]. La dispersión múltiple dentro del
campo de nubes, el sombreado y el transporte radiativo horizontal dentro y entre las nubes
vecinas son importantes. Trabajos recientes [Wen, 2007]– [Ilan Koren, 2007] han examinado
el efecto de adyacencia para la recuperación de aerosoles en presencia de nubes y este efecto
3.3 Fundamentos técnicos 17
Sentinel-5P es un satélite de orbita síncronica casi polar que vuela a una altitud de 817 km,
con un tiempo de sobrevuelo en el nodo ascendente (LTAN) de 13:30 (hora local) y un ciclo
de repetición de 17 días [(KNMI), 2017]. TROPOMI figura 4-3 se opera en una configuración
de escoba de empuje sin escaneo como se muestra en la figura 4-2, con un campo de visión
instantáneo de 108◦ y un período de medición de aproximadamente 1 segundo. Esto da como
resultado un ancho de franja de aproximadamente 2600 km, una resolución a lo largo de la
pista de 7 km y cobertura global diaria [(KNMI), 2017]. Los cuatro espectrómetros separados
de TROPOMI miden las bandas espectrales ultravioleta (UV), UV-visible (UVIS), infrarrojo
cercano (NIR) y 15 infrarrojos de longitud de onda corta (SWIR), de las cuales las bandas
NIR y SWIR son nuevas en comparación con su predecesor OMI [Veefkind et al., 2012].
Las columnas de NO2 se derivan del espectrómetro UVIS de TROPOMI medidas de radiación
solar retrodispersadas en el rango de longitud de onda de 405–465 nm, usando un sistema
de procesamiento que se basa en DOMINO 1 y QA4ECV, la base para el procesamiento es
un sistema de modelado de recuperación-asimilación que utiliza un modelo tridimensional
global de transporte químico TM5, la recuperación consiste en un procesamiento de 3 pasos
[KNMI, 2019].
siste en un ajuste de columna inclinada seguido de la conversión del factor de masa de aire
(AMF) a la densidad de columna vertical. El ajuste de la columna inclinada se basa en la
ley de extinción de Beer-Lambert para la absorción de gases traza, mientras que los cálculos
de (AMF) requieren el uso de un modelo RT de dispersión múltiple (en este caso, el modelo
LIDORT hacia adelante [Spurr, 2008]) para la simulación de radiaciones retrodispersadas.
A continuación, calibracionDOAS (del ingles Differential Optical Absorption Spectroscopy).
El cual es un método que se utiliza para calibrar las secciones transversales de absorción
diferencial al espectro de radiación de la Tierra normalizado a la radiacion solar medida,
para obtener la densidad de la columna inclinada (SCD). Esto ofrece a la columna inclinada
efectiva de ozono total, más una serie de parámetros auxiliares y diagnóstico de errores. Los
siguientes pasos se refieren a la generación de factores de masa de aire M (AMF), que son
necesarios para convertir la densidad de columna inclinada ajustada por DOAS a la densi-
dad de columna vertical final (VCD) del ozono total, el cálculo de AMF / VCD continúa
iterativamente: en cada iteración, los AMF (zonas claras y nubladas, se calculan para la
suposición de VCD actual, la columna inclinada se ajusta para el efecto del Anillo molecular
y la suposición de VCD se actualiza [für Luft-und Raumfahrt (DLR), 2018]).
Las columnas SO2 se derivan del espectrómetro UV2 de TROPOMI de medidas de radiación
solar en el rango de longitud de onda 312-325 nm,inicialmente esta columna se lee datos de
radiancia e irradiancia para obtener información de las nube, a partir de esta información se
hará el calculo necesario de factores de masa de aire (AMF), obteniendo los datos relevantes
de la sección transversal de absorción (SO2 ) y la determinación de la densidad de columna
inclinada y posterior conversión a la columna vertical [AERONOMIE, 2018].
se produce una excitación electrónica en las moléculas del gas. Al volver las moléculas a su
estado normal, se produce una emisión de radiación fluorescente característica (350 nm). El
método consiste en la figura ??, cuando la radiación ultravioleta emitida por una lámpara de
Xenón (Xe), Cinc (Zn) o similar, pasa a través de un monocromador, y posteriormente por
filtro interferencial de una anchura de banda de 10 nm, centrado a 214 nm, a una cámara
de reacción donde las moléculas de SO2 absorben la radiación ultravioleta, excitando sus
capas de electrones. Las moléculas excitadas permanecen en este estado entre 10−8 y 10−4
segundos, disipando parte de la energía absorbida internamente por vibración y rotación.
Cuando las moléculas regresan a su estado normal, emiten una radiación luminosa caracte-
rística fluorescente, de 350 nm de longitud de onda. Esta luz fluorescente es detectada por
un tubo fotomultiplicador con filtro interferencial de banda ancha centrado a 350 nm. La
señal eléctrica que se produce en el detector de fluorescencia se procesa electrónicamente
para producir una corriente eléctrica proporcional al número de moléculas de SO2 excitadas
que, a su vez, es proporcional a la concentración de SO2 en la cámara de reacción durante
un tiempo determinado. En el caso del SH2 el método que se utiliza es el mismo que para el
caso del SO2 , una vez oxidado el SH2 a SO2 mediante un convertidor que transforma el SH2
a SO2 . Para realizar la calibración, se introduce gas de calibración con el mismo flujo que se
utilizará para el análisis con varias concentraciones conocidas [(SIR), 2005].
La muestra de gas es succionada por una bomba eléctrica ubicada en el interior del analiza-
dor. El flujo de gas es controlado por el instrumento que permite el paso de muestra durante
12 segundos,después no se hace ninguna inyección de aire. El ciclo total se completa cada 3
minutos, dando como resultado un total de 20 ciclos en una hora. En el comienzo del ciclo,
la válvula inyecta el contenido de la muestra en una columna cromatográfica (consiste en un
aceite de silicona ubicada sobre un soporte sólido), apareciendo en sentido descendiente de la
columna y en orden secuencial de tiempo, el metano seguido por otros hidrocarburos pesados.
Las variables meteorológicas satélites son datos adquiridos por Administración Nacional
Oceánica y Atmosférica (NOAA) mediante Climate Forecast System Version 2 (CFSV2)
producido por los Centros Nacionales de Predicción Ambiental (NCEP) es un modelo to-
talmente acoplado que representa la interacción entre los océanos, la tierra y la atmósfera
de la Tierra. Las ejecuciones de control de 9 meses, cuatro veces al día, consisten en todos
los pronósticos de 6 horas, y las medias mensuales y series temporales variables (todas las
variables). Las salidas CFSv2 incluyen: Energética 2-D (EGY); Flujos de superficie y radia-
tivos 2D (FLX); Datos de nivel de presión tridimensional (PGB); Datos de nivel isentrópico
tridimensional (IPV); Datos oceánicos tridimensionales (OCN); Salida de baja resolución
(GRBLOW); Basureros (DMP); y Condiciones iniciales de alta y baja resolución (HIC y
LIC). La serie de tiempo variable mensual CDAS incluye todas las variables [NOAA, 2018],
[Saha et al., 2011].
5 METODOLOGÍA
5.2. Metodología
El esquema metodológico desarrollado en este trabajo se observa en la figura 5-1, primero se
realiza un trabajo previo el cual consiste en revisar los diferentes trabajos realizados tanto
nacional como internacionalmente, relacionados con la contaminación del aire y datos de
sensores remotos. En segundo lugar, se realiza una búsqueda y ubicación por medio de un
Sistema de Información Geográfica (SIG) de la Red de Monitoreo de Calidad del Aire de
Bogotá RMCAB, posteriormente se descarga los de datos disponibles de cada estación en
el periodo comprendido entre agosto de 2018 y agosto de 2019. En tercer lugar se hace una
búsqueda espacial de los datos del sensor TROPOMI por medio de la plataforma de Google
Earth Engine (GEE). Se extrae la información de cada banda espectral del satélite, mediante
el uso de un script que analiza la serie temporal en las coordenadas de las estaciones RM-
CAB, teniendo presente la secuencia temporal del presente estudio.
En cuarto lugar se extraen los datos meteorológicos de las estaciones meteorológicas mas
próximas a las estaciones RMCAB, los datos se descargan de la base de datos del Instituto
de Hidrología, Meteorología y Estudios Ambientales (IDEAM). En quinto lugar se procede
a introducir datos meteorológicos satelitales que aporten a los datos faltantes en tierra, los
datos meteorológicos satelitales son tomados del sensor CFSV2 de NOAA, la extracción de
los datos se realiza con un script similar al de los datos de TROPOMI, teniendo presente la
ubicaron de cada estación. Finalmente se verifican las unidades con las que adquiere los datos
el sensor TROPOMI y la RMCAB, se procede hacer una conversión de unidades, para tener
parámetros iguales en la correlación de los datos TROPOMI vs RMCAB, una vez hecha la
correlación se procede analizar la influencia de las variables meteorológicas y los análisis de
los cambios espacio temporales.
Las discrepancias principales pueden resultar de la diferencia inherente entre las tendencias
de los VCD troposféricos de NO2 y las concentraciones en la superficie, el muestreo espacial
diferente de las mediciones, la linealidad química y los cambios de perfiles de NO2 fosfos-
férico. Recomendamos que los estudios futuros apliquen estos procedimientos (eliminación
de tendencias oceánicas y actualización de albedo MODIS) para garantizar la calidad del
análisis de tendencias de NO2 basado en satélites y apliquen el filtro de rayos en el estudio
de los cambios de emisiones de NOx superficiales utilizando observaciones satelitales y en
comparación con las tendencias derivadas de las mediciones de NO2 in situ. todos los datos
disponibles para el oeste de EE. UU. (-2.0 % ± 0.3 año - 1), medio oeste (-1.8 % ± 0.4 año -
1), noreste (-3.1 % ± 0.5 año - 1) y sur (-0.9 % ± 0.3 año - 1). La tendencia media anual ba-
sada en OMI en los Estados Unidos contiguos es -1.5 % ± 0.2yr - 1. Es un factor de 2 menor
que el de los datos in situ de AQS (-3.9 % ± 0.4yr - 1); La diferencia se debe principalmente
al hecho de que las ubicaciones de los sitios de AQS se concentran en regiones urbanas y
suburbanas.
En el artículo [Bechle et al., 2013] definen que la teledetección puede ser una herramienta
útil para explorar la variabilidad espacial de la exposición a los niveles de contaminación del
aire dentro de un área urbana. Compararon los estimados de las concentraciones de (NO2 )
en la superficie derivadas de las mediciones de OMI y el monitoreo ambiental de la EPA de
EE.UU. Se utilizan los factores de escala (relaciones superficie-columna) para relacionar las
mediciones de la columna satelital con las concentraciones a nivel del suelo. Comparan 4138
28 5 METODOLOGÍA
datos emparejados para 25 estaciones de monitoreo en South Coast Air Basin of California
para todo 2005. La correlación espacial entre las columnas OMI y las mediciones in situ co-
rregidas es fuerte (r = 0,93 para datos promedio anuales), lo que indica que la firma espacial
intraurbana de la superficie (NO2 ) está bien resuelta por el sensor satelital.
En este artículo [Petritoli et al., 2004] presentan mediciones in situ y en columna troposférica
de (NO2 ) en la cuenca del río Po (norte de Italia). El objetivo del trabajo es proporcionar una
comparación cuantitativa entre mediciones terrestres y satélites para evaluar la validez de
las mediciones espaciales para estimar las emisiones de (NO2 ) y evaluar los posibles efectos
climáticos. El estudio se llevó a cabo utilizando instrumentación quimioluminiscente in situ
instalada en el valle del Po, un espectrómetro (UV / Vis) instalado en Mount Cimone (44.2
N, 10.7 E, 2165 m snm) y mediciones de columna troposférica obtenidas del Experimento
de Monitoreo Global de Ozono (GOME) espectrómetro. Los resultados muestran que las
mediciones de (GOME) reproducen bien el ciclo anual en las concentraciones de superficie
y también algunos períodos de contaminación específicos observados por la red de calidad
del aire. Sin embargo, las columnas troposféricas derivadas de las mediciones de superficie
suponiendo una capa límite planetaria (PBL) bien mezclada son mucho más grandes que las
columnas (GOME) y también tienen un ciclo estacional diferente. Esto se interpreta como
una indicación de una altura de mezcla más pequeña y menos variable para (NO2 )en la capa
límite. Bajo condiciones meteorológicas particulares, el acuerdo entre las observaciones de
columna troposférica (UV / Vis) y las mediciones de (GOME) en el área del Monte Cimone
es bueno (R2 = 0.9) con las propiedades de mezcla de la atmósfera como el parámetro más
importante para una comparación válida de las mediciones. Sin embargo, incluso cuando las
propiedades de mezcla atmosférica son óptimas para la comparación, la relación entre (GO-
ME) y los datos de la columna troposférica terrestre puede no ser la unidad. Se demuestra
que los valores obtenidos (menos de 1) están relacionados con la fracción del píxel de tierra
del satélite ocupado por el punto caliente de (NO2 )
En este articulo [PParaschiv and Voiculescu, 2017] presenta la evolución del contenido de
dióxido de nitrógeno troposférico (NO2 ) en varias ciudades europeas importantes durante
2005-2014 utilizando observaciones espaciales y mediciones in situ basadas en tierra. El con-
5.3 Trabajo previo 29
tenido de (NO2 )se obtuvo utilizando las observaciones diarias proporcionadas por el sensor
OMI, mientras que las mediciones de la relación de mezcla de volumen de (NO2 ) se obtuvie-
ron de la base de datos de estaciones de monitoreo de calidad del aire de la Agencia Europea
del Medio Ambiente (EEA).Las ciudades europeas seleccionadas son: Atenas (37.98 N, 23.72
E), Berlín (52.51 N, 13.41 E), Bucarest (44.43 N, 26.10 E), Madrid (40.38 N, 3.71 W), Lisboa
(38.71 N, 9.13 O), París (48.85 N, 2.35 E), Roma (41.9 N, 12.50 E) y Rotterdam (51.91 N,
4.46 E). Mostrando que los datos de la columna troposférica O2 NO2 se pueden utilizar para
evaluar la evolución del(NO2 )en importantes ciudades europeas. Según el análisis estadístico,
utilizando la variación estacional, se encuentran buenas correlaciones (R>0.50) entre (OMI)
y observaciones in situ basadas en tierra para todas las ciudades presentadas en este traba-
jo. Los coeficientes de correlación más altos (R>0,80) entre las estaciones de monitoreo en
tierra y las observaciones (OMI) se calcularon para las ciudades de Berlín, Madrid y Roma.
Ambos tipos de observaciones, detección in situ y remota, muestran una tendencia negativa
de (NO2 ) para todas las ubicaciones presentadas en este estudio.
Finalmente, se selecciona del archivo el dato obtenido a las 13:00 horas teniendo en cuenta
que SENTINEL-5P pasa sobre el ecuador de 13:00 a 13:30 hora local.
Las en le siguiente cuadro de la figura 5-4 se describe la metodología hecha para adquirir los
datos satelitales. Las observaciones satelitales están representadas por mediciones del sensor
TROPOMI instrumento incorporado al satélite Sentinel-5P. Los datos del sensor TROPOMI
proporcionan más de 1 año de series temporales homogéneas de gases traza, caracterizando
la información directa sobre la distribución y concentración de NO2 , CO, O3 , SO2 , mediante
la densidad de columna vertical (VCD) en tiempo real, para extraer la información, datos y
valores de cada densidad de columna.La figura 5-5 describe espectro de absorción de NO2 ,
CO, O3 , SO2 , en la figura 5-6 se aprecia la visualización de cada variable que toma el satélite.
Figura 5-5: Bandas del sensor TROPOMI Figura 5-6: Espectro de cada banda
[TOA, 2005] [(SIR), 2005]
El script nos permite extraer información y datos de una imagen satelital, para ello se tiene
que definir las bandas del sensor para poder extraer la información numérica de cada banda
en determinado rango de tiempo, para nuestro caso se extraen los valores diarios de las
5.6 Datos meteorológicos 33
imágenes espectrales de las bandas NO2 , CO, O3 , SO2 . Esto con la finalidad de tener valores
para generar representaciones estadísticas para cada gas traza en el píxel especifico.
Una vez ubicada cada estación se procede a extraer la información en la página web del
IDEAM, se realiza la descarga de los datos de las estaciones que posean valores diarios de
precipitación, radiación solar, velocidad del viento y temperatura en las fechas 17/08/18 al
17/08/19, los resultados son archivos .txt separados por comas. Se encontró que algunas
estaciones no proveen datos para las variables a analizar o no cuentan con datos para los
34 5 METODOLOGÍA
La información de estas bandas permite contrastar con los datos de las estaciones meteoroló-
gicas siguiendo el esquema horario y temporal entre agosto de 2018 a agosto de 2019 y 13:00
hora local, de los datos tomados por RMCAB y TROPOMI una vez verificado se procede a
extraer los datos de cada banda, siguiendo un procedimiento de extracción similar al de datos
de las imágenes de las bandas espectrales del sensor TROPOMI ya que se utiliza el mismo
script de series temporales, al código solo se le tienen que hacer minúsculas modificaciones
como introducir la nueva banda y colección de imágenes, teniendo en cuenta los datos corres-
pondientes de cada una de las estaciones RMCAB. Una vez extraídos los datos se valoran
los parámetros con los que se genera la imagen de este sensor ya que cada píxel tiene un
tamaño 12km x 12km y esto genera que un píxel pueda abarcar varias estaciones RMCAB,
dando como resultados valores promedios en términos meteorológicos así que comparamos
los datos obtenidos por el satélite con respecto a los datos de estaciones que poseen datos, y
de esta manera sabremos la variabilidad de los datos. disponemos de esta información para
introducir datos en las estaciones que no los posean.
36 5 METODOLOGÍA
En este apartado se describe el comportamiento diario de los datos tomados por la RMCAB
a la hora entre las 12 de medio dia y 2 de la tarde, se realiza la descripción de cada variable de
estudio, mostrando los valores promedios, máximos y porcentaje de máxima concentración.
El comportamiento diario del carbono como lo indica la tabla 6-1, registra altos índices
entre el 07-18 de octubre del 2018, 17 al 29 de diciembre del mismo año, del 15 al 30
de enero del 2019, 17-28 del mes de febrero del año 2019, 17-25 del mes de junio del
año 2019, 13-20 julio y 09-11 agosto del año 2019. Las estaciones que registran estos
incrementos son Kennedy, Carvajal, Usaquen, Ferias, Tunal y Puente Aranda. Donde
las estaciones que tomaron los valores más altos son ferias y Kennedy, con índices
µg µg
de 5602 ( m 3 ) en ferias y 5108 ( m3 ) en kennedy. Según los índices de la Organización
Mundial de la salud (OMS)[OMS, 2005], están entre los valores medios bajos. Las
estaciones que registraron el promedio de datos más alto de monóxido de carbono
durante el 17 de agosto del 2018 y el 17 de agosto del 2019 son las estaciones de
µg µg
carvajal con un 27.8 % de los datos diaros entre 1153 ( m 3 ) -2307 ( m3 ) y centro de alto
µg µg
rendimiento con un 41.2 % de los datos diarios ente 1072 ( m 3 ) - 4449 ( m3 ).
38 6 RESULTADOS
Guaymaral
Usaquen 3625 3.27 12 833
Suba
Ferias 5602 24.3 86 881
C.A.Rendimiento 4449 41.2 151 1073
Min. Ambiente
Fontibon 1135 1.68 6 555
P.Aranda 4957 16 59 942
Kennedy 5108 6.5 24 891
Carvajal 2471 27.8 23 1392
Tunal 2307 6.3 23 998
S.Cristobal
los índices de la Organización Mundial de la salud (OMS) [OMS, 2005], establece que
los valores registrados por estas 3 estaciones generan un nivel alto de alerta por estar
cercanos a los valores de causar algún tipo de daño a la salud. Las estaciones que
registraron el promedio de datos más altos de dióxido de nitrógeno durante agosto del
2018 y agosto del 2019 son las estaciones de Carvajal con un 15.8 % de datos diarios
µg µg µg
entre 50 ( m 3 ) y 94 ( m3 ), Puente Aranda 7.9 % de los datos diarios ente 51 ( m3 ) y 169
µg µg µg
(m 3 ), Ferias 7.3 % de los datos diarios ente 51 ( m3 ) y 119 ( m3 ) y Kennedy con el 5.9 %
µg µg
de los valores diarios ente 51 ( m 3 ) - 89 ( m3 ). Siendo Kennedy, Puente Aranda, Ferias
y Carvajal las estaciones que sobrepasan el límite permitido para valores medios de
concentraciones anuales según la OMS.
6.1 Comportamiento de los datos de RMCAB 39
Guaymaral 51 4.3 16 22
Usaquen - - - -
Suba - - -
Ferias 119 7.3 27 43
C.A.Rendimiento 87 4 15 23
Min. Ambiente - - -
Fontibón 85 2.45 9 35
P.Aranda 169 7.9 29 49
Kennedy 87 5.9 20 46
Carvajal 94 5.8 58 55
Tunal 109 4.9 18 34
S.Cristobal
[OMS, 2005], estos valores fueron tomados por las estaciones a la 13:00 durante 366
días. Las estaciones que registraron el promedio de datos más altos de ozono son las
µg µg
estaciones de Kennedy con un 5.4 % de los datos diaros entre 98 ( m 3 ) - 143 ( m3 ),
µg µg
Centro de alto rendimiento con un 4.0 % de los datos diarios ente 99 ( m 3 ) - 130 ( m3 )
µg µg
y Ministerio de ambiente con un 4.0 % de los datos diarios ente 96 ( m 3 ) - 284 ( m3 ).
40 6 RESULTADOS
2019
Guaymaral 140 2.1 8 39
Usaquen 144 1.3 5 38
Suba 121 2.1 8 34
Ferias 129 2.1 8 44
C.A.Rendimiento 130 4 15 62
Min. Ambiente 286 4 15 64
Fontibón 134 2.4 9 69
P.Aranda 102 0.5 2 23
Kennedy 143 5.4 20 52
Carvajal 90 0.2 1 23
Tunal 144 3 11 46
S. Cristobal 127 1.6 6 33
El comportamiento diario del azufre como lo indica la tabla 6-4, registra altos índices
entre (07-18 del mes de septiembre del año 2018, 23 de enero del año 2019 al 17 de
febrero del año 2019, 15-30 del mes de enero del año 2018, 17-28 del mes de febrero
del año 2019. Las estaciones que registran estos incrementos son ferias, centro de alto
rendimiento, Fontibón, Puente Aranda, Kennedy, Carvajal y Tunal. Las estaciones que
tomaron los valores mas altos son, Centro de alto rendimiento, Fontibón, Kennedy y
µg µg µg µg
Carvajal con índices de 16.68 ( m 3 ), 29.33 ( m3 ), 17.22 ( m3 ), 16.74 ( m3 ) respectivamente.
Según los índices de la Organización Mundial (OMS) de la salud los indicies para dió-
µg
xido de azufre es de un valor medio de 20( m 3 ) durante 24h [OMS, 2005]. Las estaciones
que registraron el promedio de datos más alto de datos de dióxido de azufre son las
µg µg
estaciones de Fontibón con un 9.8 % de los datos diaros entre 9.15 ( m 3 ) - 29.33 ( m3 ) y
µg µg
Carvajal con un 2.18 % de los datos diarios ente 9.20 ( m 3 ) - 16.74 ( m3 ).
6.2 Comportamiento de los datos satelitales 41
2019
Guaymaral - - - -
Usaquen - - - -
Suba - - - -
Ferias 10.33 0.81 3 5.11
C.A.Rendimiento 16.68 0.81 3 5.11
Min. Ambiente - - - -
Fontibón 29.33 9.8 36 6.8
P.Aranda 13.99 1.36 5 2.15
Kennedy 17.22 0.81 3 3.77
Carvajal 16.74 2.18 8 5.94
Tunal 13.9 4 1.09 6.04
S.Cristobal - - - -
Las concentraciones de Ozono sobre Bogotá durante el mes de septiembre del año
2018 al mes de agosto del año 2019 se establecen en la figura 6-3. Se observan las
distribuciónes espacio-temporales, el mes de septiembre del año 2018 y el mes de agosto
del año 2019 fueron los meses que registraron los valores mas elevados durante el tiempo
de la investigación, estas concentraciones se ubicaron en las zonas sur occidental y
44 6 RESULTADOS
occidental, el resto de los meses tuvieron valores medianamente bajos sobre toda la
superficie de Bogotá.
amplia franja de concentración de SO2 que abarca desdes la zona nororiental y va hasta
una parte de la zona noroccidental y occidental, marzo registra pequeños cúmulos en
la parte nororiental manteniendo el resto de la ciudad con índices medios o bajos, abril
registra una franja de concentraciones en la parte nororiental y mayo registra altos
índices en occidente y norte y sur occidente junio se observa en la parte sur occidental,
julio en parte de la zona norte, zona sur occidental y central, las concentraciones en
agosto están dadas en la zona sur.
Figura 6-7: Cambios espaciales de dirección y rapidez del viento en Bogotá durante el 2018
[RMCAB, 2019]
50 6 RESULTADOS
Se pueden observar en las figuras 6-9, 6-10, 6-12, 6-13, 6-15, 6-16, 6-18, 6-19. Una des-
cripción( representación) estadística usando los diagramas de caja correspondientes a los
valores de las medianas de todos los datos de las estaciones de la RMCAB y el sensor TRO-
POMI en 1 hora durante 366 días, los valores de las medianas nos representan la información
de cada estación y de cada dato tomado por el sensor TROPOMI, sin tener en cuenta los
datos nulos y variabilidad de los datos extremos. Posteriormente se verifica la distribución
de las concentraciones de CO, NO2 , O3 , SO2 donde se ilustró la información de las estaciones
RMCAB y los datos del sensor TROPOMI para periodo 2018-2019.
En la tabla 6-5 representa las características de cada una de las estaciones de la RMCAB
donde, la estación Carvajal presentó las concentraciones más altas de contaminante CO, con
µg
una mediana de aproximadamente 1392 m 3 , pero presentando valores fuera de rango o valores
µg
atípicos moderados de 2471 m3 . Le siguió la estación Kennedy con una mediana alrededor
µg µg µg
de los 891 m 3 y valores atípicos entre 1439 m3 y 5108 m3 , Puente Aranda con una mediana
µg µg
alrededor de los 941 m 3 y valores atípicos entre 1139 y 4957 m3 , centro de alto rendimiento
µg µg
con una mediana alrededor de los 1073 m 3 y valores atípicos entre 1515 y 4449 m3 , Tunal con
µg
una mediana alrededor de los 998 m 3 y estación que no presenta valores atípicos con un valor
µg
máximo de concentración de CO 2307 m 3 . La estación es la estación que presenta la menor
µg
concentración de CO con una mediana de 555 m 3 y valores atípicos moderados entre 1092
µg µg
m3
y 1135 m3 . Estación que no tuvo datos gran parte del año. Centro de alto rendimiento
es la estación que tuvo más frecuencia de datos de CO, Puente Aranda, Usaquén, Carvajal,
Ferias, Tunal.
52 6 RESULTADOS
Figura 6-9: Diagrama estadístico de cajas de las concentraciones de CO para las estaciones
RMCAB
Guaymaral - - -
Usaquen 3625 3.27 115
Suba - - -
Ferias 5602 24.3 201
C.A.Rendimiento 4449 41.2 151
Min. Ambiente - - -
Fontibon 1135 1.68 146
P.Aranda 4957 16 159
Kennedy 5108 891 154
Carvajal 2471 1392 123
Tunal 2307 6.3 123
S.Cristobal - - -
Tabla 6-5: Datos de diagrama de cajas de CO tomados por las estaciones RMCAB
La representación del diagrama de cajas para los datos del sensor TROPOMI ilustrados en
6.4 Análisis de resultados 53
la figura 6-10. Estos valores representan los datos de la concentración troposférica que hay
sobre cada estación, la representación gráfica de estos valores está dada por cada uno de los
píxeles que forma la imagen 6-2.
En el comportamiento del diagrama de cajas esta descrito en la tabla 6-6.La estación Fon-
tibón presentó las concentraciones más altas de CO, con una mediana de aproximadamente
µg µg µg
48 m 3 , pero presentando valores fuera de rango o valores atípicos entre 72 m3 y 91 m3 . la
µg µg
estación Kennedy con una mediana alrededor 42 m 3 y valores atípicos entre 70.3 m3 y 81.6
µg µg µg
m3
, la estación Carvajal con una mediana alrededor 41.2 m 3 y valores atípicos entre 73.3 m3
µg µg
y 90.5 m 3 ,la estación puente Aranda con una mediana alrededor 41.1 m3 y valores atípicos
µg µg µg
entre 67.3 m 3 y 89.7 m3 , la estación Tunal con una mediana alrededor 41.4 m3 y valores
µg µg
atípicos entre 63.3 m 3 y 81.1 m3 . En el diagrama se observa que las estaciones de Usaquén,
ferias Centro de alto rendimiento registran similitudes en de los valores que tomo el sensor
µg µg µg
TROPOMI con valores medios 43 m 3 y valores atípicos de 63.4 m3 a 82.5 m3 y con la misma
frecuencia de datos.
Figura 6-10: Diagrama estadístico de cajas de las concentraciones de CO para las estaciones
TROPOMI
54 6 RESULTADOS
Guaymaral - - -
Usaquen 82.5 43.2 29.3
Suba - - -
Ferias 81.3 43.5 28.7
C.A.Rendimiento 80.4 43.2 32.7
Min. Ambiente - - -
Fontibon 91 48 34.1
P.Aranda 89.7 41.2 32.4
Kennedy 81.6 42 31.5
Carvajal 90.5 41.2 30.2
Tunal 81.1 41.4 29.7
S.Cristobal - - -
Los valores de cada una de las estaciones estan registrados en la tabla 6-7 donde se repre-
sentan los comportamientos de los diagramas de cajas 6-12,se caracteriza cada una de las
estaciones. La estación Carvajal presentó las concentraciones más altas de NO2 , con una
µg µg µg
mediana de aproximadamente 55 m 3 , presentando valores atípicos de 71 m3 hasta 94 m3 . Le
µg
siguió la estación Puente Aranda con una mediana alrededor de los 49 m 3 y valores atípicos
µg µg µg
entre 59 m3 y 169 m3 , Kennedy con una mediana alrededor de los 46 m3 y valores atípicos
µg µg µg
entre 51 m 3 y 87 m3 , Ferias con una mediana alrededor de los 43 m3 y valores atípicos entre
µg µg µg
52 m 3 y 119 m3 , Fontibón con una mediana alrededor de los 35 m3 y valores atípicos entre
µg µg µg
52 m 3 y 85 m3 , Tunal con una mediana alrededor de los 34 m3 y valores atípicos entre 53.3
µg µg µg
m3
y 109 m 3 , Centro de alto rendimiento con una mediana alrededor de los 23 m3 y valores
µg µg µg
atípicos entre 43 m 3 y 87 m3 , Guaymaral con una mediana alrededor de los 22 m3 y valores
µg µg
atípicos entre 34 m 3 y 82 m3 .
56 6 RESULTADOS
Figura 6-12: Diagrama estadístico de cajas de las concentraciones de NO2 para las estaciones
RMCAB
Guaymaral 51 22 16
Usaquen - - -
Suba - - -
Ferias 119 43 27
C.A.Rendimiento 87 23 15
Min. Ambiente - - -
Fontibón 85 35 9
P.Aranda 169 49 29
Kennedy 87 46 20
Carvajal 94 55 58
Tunal 109 34 18
S.Cristobal
Tabla 6-7: Datos de diagrama de cajas de NO2 tomados por las estaciones RMCAB
La representación del diagrama de cajas para los datos del sensor TROPOMI representa
6.4 Análisis de resultados 57
la concentración de NO2 sobre las estaciones de la RMCAB. Las estación Ferias y Puente
Aranda tienen similitudes en los datos de concentración de NO2 presentó las concentraciones
µg
más altas de NO2 , Ferias tiene una mediana de aproximadamente 0.18 m 3 presentando valores
µg µg
atípicos entre 0.42 m3 y 0.861 m3 . La estación de Puente Aranda con una mediana alrededor
µg µg µg
0.17 m 3 y valores atípicos entre 0.43 m3 y 0.86 m3 , reflejando coincidencias en sus valores
atípicos, valores cercanos en sus medianas y frecuencias, la estación de carvajal presento los
µg µg
valores mas altos NO2 con una mediana alrededor 0.186 m 3 y valores atípicos entre 0.38 m3
µg
y 0.875 m 3.
Figura 6-13: Diagrama estadístico de cajas de las concentraciones de NO2 para las estaciones
TROPOMI
58 6 RESULTADOS
Figura 6-15: Diagrama estadístico de cajas de las concentraciones de O3 para las estaciones
RMCAB
Tabla 6-9: Datos de diagrama de cajas de O3 tomados por las estaciones RMCAB
La representación del diagrama de cajas para los datos del sensor TROPOMI representa
6.4 Análisis de resultados 61
lo que varía en los diagramas de caja de las estaciones es el agrupamiento de los datos en el
los cuartiles 3 y 4 donde se observa la variabilidad. los valores mínimos de cada estación lo
µg
están dado en el primer cuartil el cual tiene valores de 321 m 3 y el cuarto cuartil que esta
µg µg
entre 335 m3 y 350 m3 .
Tabla 6-10: Datos de diagrama de cajas de O3 tomados por las estaciones RMCAB
6.4 Análisis de resultados 63
La estación Fontibón presentó las concentraciones más altas de SO2 , con una mediana de
µg µg µg
aproximadamente 3 m 3 , presentando valores atípicos de 13 m3 hasta 29.33 m3 . se observa
Figura 6-18: Diagrama estadístico de cajas de las concentraciones de SO2 para las estaciones
RMCAB
6.4 Análisis de resultados 65
Guaymaral - - -
Usaquen - - -
Suba - - -
Ferias 15.33 3 3
C.A.Rendimiento 16.68 4.81 2
Min. Ambiente - - -
Fontibón 29.33 4.8 1.5
P.Aranda 13.99 3.36 2.5
Kennedy 17.22 3.81 3
Carvajal 16.74 2.18 2.8
Tunal 13.9 4 2.9
S.Cristobal - - -
Tabla 6-11: Datos de diagrama de cajas de SO2 tomados por las estaciones RMCAB
La estación Kennedy presentó las concentraciones más altas de SO2 , con una mediana de
µg µg µg
aproximadamente 0.2 m 3 , presentando valores atípicos positivos de 4.1 m3 hasta 4.7 m3 y
µg µg
valores atípicos negativos de -3 m 3 hasta 4.55 m3 . Le siguió la estación Fontibón con una
µg µg µg
mediana alrededor de los -0.04 m 3 y valores atípicos positivos entre 2.89 m3 y 3.65 m3 y valores
µg µg
atípicos negativos de -2.31 m 3 hasta -4.7 m3 ,la estación ferias con una mediana alrededor de
µg µg µg
los -0.02 m 3 y valores atípicos positivos entre 2.87 m3 y 3.35 m3 y valores atípicos negativos
µg µg
de -2.21 m 3 hasta -4.7 m3 ,Le siguió la estación de carvajal con una mediana alrededor de los
µg µg µg
-0.02 m 3 y valores atípicos positivos entre 2.89 m3 y 3.05 m3 y valores atípicos negativos de
µg µg
-1.31 m 3 hasta -1.7 m3 , Le siguió la estación centro de alto rendimiento con una mediana
µg µg µg
alrededor de los -0.04 m 3 y valores atípicos positivos entre 2.89 m3 y 3.25 m3 y valores atípicos
µg µg
negativos de -3.01 m 3 hasta -4.6 m3 , Le siguió la estación Tunal con una mediana alrededor
µg µg µg
de los -0.05 m 3 y valores valores atípicos negativos de -2.41 m3 hasta -7.5 m3 ,
66 6 RESULTADOS
Figura 6-19: Diagrama estadístico de cajas de las concentraciones de SO2 para las estaciones
TROPOMI
Guaymaral - - -
Usaquen - - -
Suba - - -
Ferias 3.35 -0.02 -4.7
C.A.Rendimiento 3.25 -0.04 -4.6
Min. Ambiente - - -4.2
Fontibon 3.66 -0.04 6
P.Aranda
Kennedy 4.7 -0.2 -4.55
Carvajal 3.05 -0.02 -1.7
Tunal 2.41 -0.05 -7.5
S.Cristobal - - -
Los resultados de comparación se hicieron, junto con el análisis de regresión lineal durante
366 días en el periodo de 17 agosto 2018 al 17 de agosto del 2019, se presentan en la Figura
6-20. Donde se ve la comparación de los valores que representan las concentraciones sobre
la ciudad de Bogotá, los valores son las medianas de todos los datos de las estaciones con
respecto a los valores medios de las densidades de columna vertical del sensor TROPOMI.
Los resultados muestran, que para aquellas estaciones que operan cerca de áreas de alta
densidad de tráfico, hay un desplazamiento positivo entre TROPOMI y mediciones in situ;
Tal que los instrumentos utilizan métodos distintos en su forma de obtener los datos existen
algunos patrones que ayudan a reflejar los aumentos y disminuciones troposféricamente y
superficialmente. En estos casos se tendrán números más altos de concentración para las
mediciones de las estaciones RMCAB, ya que las estaciones de monitoreo miden NO2 , CO,
O3 y SO2 cerca de la superficie, mientras que TROPOMI mide NO2 , CO, O3 y SO2 en toda
la capa límite troposférica, donde registra altos valores de O3 con respecto a las mediciones
en superficie. Sin embargo, La comparación muestra coeficientes de correlación de r = 0,55
para CO y r = 0,44 Para el NO2 , respectivamente. En contraste con las correlaciones con
las de O3 y del SO2 que muestran coeficientes bajos de correlación de r=0.05 para O3 Y
r=0.25 para el SO2 . Estos reflejan que los cambios de NO2 Y CO Tanto en aumento y
disminución superficialmente pueden presentar similitudes con los datos troposféricos que
en el caso del CO es de un 55 % y del NO2 de un 44 % en las variables troposféricas y las
variables superficiales.
68 6 RESULTADOS
En este capítulo se establecen reflexiones sobre los resultados obtenidos, se decidió dividir
este capítulo en cada una de las fases metodológicas realizadas como se puede observar en
la figura 5-1.
Los resultados obtenidos con los datos de las estaciones de RMCAB, se refleja en las tablas
6-1, 6-2, 6-3 y 6-2, los valores obtenidos en este trabajo coinciden en gran parte con el
informe anual de calidad del aire 2018 [RMCAB, 2019], concordando con las tendencias y
presencia de contaminantes en la ciudad de Bogotá.
Cabe resaltar que las estaciones de la RMCAB tienen un alcance espacial aproximado de
(radio 200 m) y no generan reportes de su calibración desde el año 2010 como lo representa
[de ambiente, 2010]. El límite espacial en el muestreo de datos genera incertidumbres según
[Turalıoğlu et al., 2005], ya que la distribución espacial de las estaciones es corta y limitada
para la densidad poblacional que tiene la ciudad de Bogotá. Debido a esto en este trabajo
se utilizaron todos los datos disponibles de las 12 estaciones RMCAB, se aclara que las 12
no miden el conjunto de las variables a investigar, la única variable que miden todas las
estaciones es el Ozono como se observa en la tabla 7.1, donde se verifica en el mapa 5-2
que no existe una distribución espacial homogénea de las estaciones que miden un mismo
conjunto de variables, ya que las estaciones que miden en conjunto CO, NO2 , O3 , SO2 , son
(centro de alto rendimiento ubicada en la parte central, Fontibón en la parte occidental,
puente Aranda en la parte industrial, Kennedy en la parte sur occidental, Carvajal parte sur
y Tunal parte sur) se establece que la parte, nor-occidente, nor-oriente, oriente centro, sur
oriente no tiene ninguna estación fija que mida la concentración de NO2 .
70 7 DISCUSIÓN
Con los datos de las 12 estaciones se logró de manera admisible observar y describir las
concentraciones de las variables de estudio en la ciudad de Bogotá, es importante que todas
las estaciones midan el mismo conjunto de parámetros así se verifica la influencia entre los
gases y se determina si existe comportamientos o tendencias entre mismos, como lo repre-
senta el ozono y óxidos de nitrógeno, a medida que aumenta el ozono disminuye los óxidos
de nitrógeno y viceversa como lo establece [IDEAM, 2010].
Cabe resaltar la ausencia de datos en algunas estaciones, pero la estación Fontibón presenta
la mayor ausencia de datos en gran parte de la investigación, esto quiere decir que los bajos
índices de CO, NO2 , O3 , SO2 , para la estación de Fontibón esten influenciados por falta de
datos, ya que los datos de TROPOMI para la misma ubicación espacial registra altos niveles
en las variables de estudio.
7.2 TROPOMI 71
7.2. TROPOMI
El sensor TROPOMI registro valores durante gran parte de la investigación, los datos de las
densidades de columna verticales para cada una de las concentraciones ilustradas en 6-1, en
análisis se evidenciaron resultados aceptables en el caso de CO y NO2 , donde gráficamente
se observa las notorias concentraciones sobre la superficie de Bogotá y no tan aceptables en
el caso de O3 y SO2 . Se observan las imágenes de los comportamientos de los datos y se
evidencia que para los datos de CO y NO2 seguían un patrón sobre las dinámicas de sus
concentraciones y los cambios espacio temporales, donde se mantuvo las concentraciones de
CO y NO2 en gran parte del tiempo fueron en las localidades del sur occidente y occidente
de la ciudad. En el caso del O3 se observa que gran parte de la ciudad no concentra altos
valores de O3 y las concentraciones máximas se establecieron en la parte nor-occidente fuera
del casco urbano durante en el mes de agosto 2019. en el caso del SO2 se evidencia que gran
parte de las concentraciones están sectorizadas a lo largo de la ciudad de Bogotá durante
todo el periodo de la investigación, los valores de las concentraciones no tenían ningún tipo
coincidencia en sus cambios espaciales.
Un caso particular sucede cuando se verifica las concentraciones de SO2 tomadas por la
RMCAB, evidenciamos que la estaciones registraron valores de concentración de 3 a 29.33
donde la estación de Fontibón registro los valores más altos, algo muy contrario con los va-
lores de concentraciones que tomo el sensor TROPOMI que registro valores negativos en las
concentraciones esto quiere decir que hubo bajas concentraciones de SO2 en la troposfera. las
concentraciones fueron muy bajas con respecto a la RMCAB, cabe resaltar que la distribu-
ción espacio-temporal y la dinámica de las concentraciones de SO2 no siguió ningún patrón,
ni refleja fuente estática en los mapas de las imágenes de TROPOMI durante el periodo
investigado.
En general, las recuperaciones de TROPOMI son valiosas para complementar los datos de
calidad del aire en tierra (disponibles con alta resolución temporal) para describir la variabi-
lidad espacio-temporal del CO, NO2 , O3 , SO2 , metano (CH4) y formaldehido CH2O incluso
verificando tendencias en ciudades relativamente grandes como Bogotá.
La influencia de las variables meteorológicas en el caso del O3 aumenta cuando hay aumento
de radiación, Las concentraciones de O3 tiene unos picos máximos durante el medio día de
los meses de verano y disminuye en las horas de la noche según [de Souza et al., 2017] esta-
blece que los ciclos del O3 están fuertemente influenciados con la radiación solar, de acuerdo
con [Turalıoğlu et al., 2005] en el caso de la precipitación no influye en las concentraciones
de O3 , se observan que los índices concentraciones de ozono sobre la ciudad de Bogota no
mostraron cambios con respecto a la precipitación, pero si se establecieron valores bajos ya
que se registraron sobre pocas concentraciones de ozono en la superficie y las principales
concentraciones de ozono se encuentran sobre la troposfera y capas superiores, cabe resaltar
que los resultados obtenidos sugieren que la tasa de descomposición del O3 troposférico se
ve afectada principalmente por la presencia de NOx , así como por la velocidad del viento
7.5 Cambios espacio Temporales 73
7.6. Metodología
Se estableció una metodología para estimar las concentraciones de CO, NO2 , O3 y SO2 ,
en la ciudad de Bogotá durante agosto del 2018 y agosto del 2019 a partir de imágenes
satelitales tomando como base los valores de CO, NO2 , O3 y SO2 , de las estaciones de la red
de monitoreo de calidad del aire de Bogotá. Mediante el uso de esta metodología que permite
aportar un insumo al sistema de monitoreo de calidad del aire, el cual evidencia carencia
de datos en algunos estaciones. La introducción de los datos satelitales permiten generar un
análisis global, permitiendo analizar y visualizar las dinámicas de las concentraciones a nivel
local y nacional.
8 CONCLUSIONES Y
RECOMENDACIONES
En el presente capítulo se presenta las conclusiones de la investigación realizada, también
se dan algunas recomendaciones enfocadas a una serie de aspectos importantes a tener en
cuenta para las próximas investigaciones en estudios de calidad del aire y sensores remotos.
8.1. Conclusiones
Se muestra la comparación entre los productos TROPOMI Sentinel-5P (CO, NO2 , O3 , SO2 )
basados en satélites y las observaciones terrestres en un sitio urbano con una alta densidad
poblacional como lo es Bogotá (Colombia).
concentraciones anuales de NO2 altas en las estaciones de Carvajal, Kennedy, Puente Aranda
y Ferias que hacen de las estaciones con los índices altos de concentración de CO y NO2 en
la ciudad de Bogotá.
Los datos tomados por TROPOMI muestran que las dinámicas de las concentraciones de CO
y NO2 troposférico siguen las misma tendencia que las concentraciones sobre la superficie,
evidenciando las mismas variaciones temporales (registrados durante agosto del 2018 y agos-
to 2019) de estas variables. Un caso particular pasa en la estación de Fontibón que registró
8.1 Conclusiones 75
los valores más bajos de CO y NO2 de la RMCAB, pero fue la estación con los índices más
elevados que registró el sensor TROPOMI, esto pudo ser influenciado por los pocos datos
disponibles es dicha estación.
nados por TROPOMI donde los datos muestran tendencias de valores altos en la zona norte
y nor - occidente de la ciudad y las estaciones que registran estos aumentos son la estación
µg
de Guaymaral y suba registran los valores más altos de O3 cercanos a los 380 m 3.
Las concentraciones de SO2 tomadas por el sensor TROPOMI difieren con las dinámicas
de las concentraciones de la RMCAB, las concentraciones en la troposfera son sumamente
menores que las concentraciones sobre la superficie.
El producto troposférico de CO, O3 , NO2 , SO2 , de las bandas de TROPOMI puede recuperar
óptima información en una resolución de 7 x 3,5 km2 , la cual es más fina que cualquier sa-
télite de los que se tiene registro. Además, TROPOMI muestra similitudes en las tendencias
de las mediciones de CO y NO2 con respecto a las mediciones de la RMCAB, es un buen
resultado para lograr estimar el comportamiento troposférico de CO y NO2 en Bogotá y el
territorio Nacional.
Las concentraciones espacio - temporales con mayor magnitud de CO y NO2 son más evi-
dentes en la zona sur y occidente de la ciudad, la zona norte y oriental de la ciudad registra
menores concentraciones de estas variables en la ventana temporal de estudio.
8.2. Recomendaciones
Las recomendaciones que a continuación se presentan, esta dirigidas a futuras investigaciones
con temas relacionados en la incorporación de datos satelitales a monitoreos en la calidad
del aire, respecto algunos aspectos importantes a tener en cuenta.
Para analizar las tendencias de las variables se recomienda establecer una ventana temporal
de los datos siguiendo los estándares mundiales de correlación de datos, verificando la in-
fluencia de variables climáticas y meteorológicas a nivel troposférico y terrestres.
Se recomienda medir datos de CO, NO2 ,O3 y SO2 , usando instrumentos como un fotómetro
solar que permite saber las propiedades atmosféricas desde la tierra, para saber si se en-
cuentran correlaciones más altas en los valores de CO, NO2 , O3 y SO2 respecto a los de la
investigación.
Se recomienda utilizar software con alto nivel de procesamiento usando programas como
Python (bibliotecas pandas y matplotlib), R studio, ROOT y QGIS. Así mismo se recomien-
da implementar esta metodología en otras ciudades para validar los resultados obtenidos en
esta investigación.
[Arévalo et al., 2019] Arévalo, P., Olofsson, P., and Woodcock, C. E. (2019). Continuous
monitoring of land change activities and post-disturbance dynamics from landsat time
series: A test methodology for redd+ reporting. Remote Sensing of Environment, page
111051.
[Bechle et al., 2013] Bechle, M. J., Millet, D. B., and Marshall, J. D. (2013). Remote sensing
of exposure to no2: Satellite versus ground-based measurement in a large urban area.
Atmospheric Environment, 69:345 – 353.
[Burlov-Vasilyev et al., 2000] Burlov-Vasilyev, K., Terez, E., Terez, G., and Vasilyeva, I.
(2000). Determination of total ozone content from solar radiance measurements at the
terscol station. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and At-
mosphere, 25(5):435 – 438.
[Cahalan et al., 2005] Cahalan, R., Oreopoulos, L., Marshak, A., Evans, K., Davis, A., Pin-
cus, R., Yetzer, K., Mayer, B., Davies, R., Ackerman, T., Barker, H., Clothiaux, E., Elling-
son, R., Garay, M., Kassianov, E., Kinne, S., Macke, A., O’Hirok, W., Partain, P., Prigarin,
S., Rublev, A., Stephens, G., Szczap, F., Takara, E., Várnai, T., Wen, G., and Zhuravleva,
T. (2005). The 13rc: Bringing together the most advanced radiative transfer tools for
cloudy atmospheres. Bulletin of the American Meteorological Society, 86(9):1275–1293.
[Chang and Bai, 2018] Chang, N.-B. and Bai, K. (2018). Multisensor Data Fusion and Ma-
chine Learning for Environmental Remote Sensing. CRC Press.
Bibliografía 79
[Clerbaux et al., 2003] Clerbaux, C., Hadji-Lazaro, J., Turquety, S., Mégie, G., and Coheur,
P.-F. (2003). Trace gas measurements from infrared satellite for chemistry and climate
applications. Atmospheric Chemistry and Physics, 3(5):1495–1508.
[de Ambiente, 2013] de Ambiente, S. D. (2013). Red de monitoreo de calidad del aire de
bogotá-rmcab. urlhttp://ambientebogota.gov.co/red-de-calidad-del-aire. Recuperado el
25-05-2019.
[de Souza et al., 2017] de Souza, A., Aristone, F., Kumar, U., Kovac-Andric, E., Arsić, M.,
and Ikefuti, P. V. (2017). Analysis of the correlations between no, no2 and o3 concentra-
tions in campo grande – ms, brazil. volume 3, pages 325–335.
[Fensterstock, 1969] Fensterstock, J. (1969). The development and utilization of an air qua-
lity index. Annual Meeting of the Air Pollution Control Administration, 62:69–73.
[Ghassemian, 2016] Ghassemian, H. (2016). A review of remote sensing image fusion met-
hods. Information Fusion, 32:75 – 89.
[Guerrero, 2013] Guerrero, O. (2013). Desarrollo de una metodología para evaluar la cober-
tura espacial de la red de monitoreo de la calidad del aire de bogotá. Master’s thesis,
Universidad Nacional de Colombia.
[Joseph et al., 1976] Joseph, J. H., Wiscombe, W., and Weinman, J. (1976). The delta-
eddington approximation for radiative flux transfer. Journal of the Atmospheric Sciences,
33(12):2452–2459.
Bibliografía 81
[(KNMI), 2017] (KNMI), K. N. M. I. (2017). Algorithm theoretical basis document for the
tropomi l01b data processor, tech. rep. s5p-knmi-l01b-0009- sd, koninklijk nederlands me-
teorologisch instituut (knmi),. urlhttps:sentinels.copernicus.eudocuments2479042476257
Sentinel-5P-TROPOMI-Level-1B-ATBD, CI-6480-ATBD, issue 8.0.0, 2017Los . Accedido
24-08-2019.
[KNMI, 2019] KNMI, K. N. M. I. (2019). Tropomi atbd of the total and tropospheric
no2 data products. urlhttps://sentinel.esa.int/documents/247904/2476257/Sentinel-5P-
TROPOMI-ATBD-NO2-data-products. Accedido 04-09-2019.
[M.Hoff and hristopher, 2009] M.Hoff, R. and hristopher, S. A. (2009). Remote sensing of
particulate pollution from space: Have we reached the promised land? Journal of the Air
Waste Management Association, 59(6):645–675.
[Ni-Bin Chang, 2017] Ni-Bin Chang, K. B. (2017). Chapter 2 -2.5 remote sensing data
collection. In Winter, R., editor, Multisensor Data Fusion and Machine Learning for
Environmental Remote Sensing, page 16. Academic Press.
[NOAA, 2018] NOAA (2018). Climate forecast system version 2 (cfsv2) operational fore-
casts. urlhttps://data.nodc.noaa.gov/cgibin/iso?id=gov.noaa.ncdc:C00877. Recuperado
el 11-09-2019.
[Ocak and Turalioglu, 2008] Ocak, S. and Turalioglu, F. S. (2008). Effect of meteorology
on the atmospheric concentrations of traffic-related pollutants in erzurum, turkey. J. Int.
Environmental Application & Science, 3(5):325–335.
[OMS, 2005] OMS (2005). Guías de calidad del aire de la oms relativas al
material particulado, el ozono, el dióxido de nitrógeno y el dióxido de azu-
fre. urlhttps://apps.who.int/iris/bitstream/handle/10665/69478/WHOS-DE-PHE-OEH-
06.02-spa.pdf?sequence=1. Recuperado el 20-08-2019.
82 Bibliografía
[Petritoli et al., 2004] Petritoli, A., Bonasoni, P., Giovanelli, G., Ravegnani, F., Kostadinov,
I., Bortoli, D., Weiss, A., Schaub, D., Richter, A., and Fortezza, F. (2004). First comparison
between ground-based and satellite-borne measurements of tropospheric nitrogen dioxide
in the po basin. Journal of Geophysical Research: Atmospheres, 109(D15).
[Remer, 2009] Remer, L.A., T. D. K. Y. (2009). Algorithm for remote sensing of tropospheric
aerosol from modis. National Aeronautics and Space Administration.
[RMCAB, 2019] RMCAB (2019). Informe anual de la calidad del aire de bogotá 2018.
urlhttps://oab.ambientebogota.gov.co/posttype=dlmdownloadp=13003. Recuperado el
20-09-2019.
[Saha et al., 2011] Saha, S., Moorthi, S., Wu, X., Wang, J., Nadiga, S., Tripp, P., Behringer,
D., Hou, Y.-T., ya Chuang, H., Iredell, M., Ek, M., Meng, J., Yang, R., Mendez, M. P.,
van den Dool, H., Zhang, Q., Wang, W., Chen, M., and Becker, E. (2011). Ncep climate
forecast system version 2 (cfsv2) selected hourly time-series products.
[Shindell et al., 2005] Shindell, D. T., Faluvegi, G., Bell, N., and Schmidt, G. A. (2005). An
emissions-based view of climate forcing by methane and tropospheric ozone. Geophysical
Research Letters, 32(4).
[Silva, 2003] Silva, C., Q. A. (2003). Optimization of the atmospheric pollution monitoring
network at santiago de chile. Atmospheric Environment, 37(17):2337–2345.
[(SIR), 2005] (SIR), S.-I.-R. (2005). Model s-5001uv fluorescence so2 analyzer
(h2s optional). urlwww.euritmicgrup.ro/UserFiles/File/PDF-uri20produse/240enSIR20-
20SO220Analizer.pdf . Recuperado el 03-05-2019.
[Spurr, 2008] Spurr, R. (2008). Lidort and vlidort: Linearized pseudo-spherical scalar and
vector discrete ordinate radiative transfer models for use in remote sensing retrieval pro-
blems. In (eds), K. A., editor, Light Scattering Reviews 3 Second Edition, pages 229–275.
Springer, Berlin, Heidelberg.
Bibliografía 83
[Sun et al., 2019] Sun, P., Wu, Y., Xiao, J., Hui, J., Hu, J., Zhao, F., Qiu, L., and Liu, S.
(2019). Remote sensing and modeling fusion for investigating the ecosystem water-carbon
coupling processes. Science of The Total Environment, 697:134064.
[Thomas, 1999] Thomas, G.; Stamnes, K. (1999). Radiative transfer in the atmosphere and
ocean. Cambridge University Press: Cambridge, MA.
[Turalıoğlu et al., 2005] Turalıoğlu, F. S., Nuhoğlu, A., and Bayraktar, H. (2005). Impacts
of some meteorological parameters on so2 and tsp concentrations in erzurum, turkey.
Chemosphere, 59(11):1633 – 1642.
[Veefkind et al., 2012] Veefkind, J., Aben, I., McMullan, K., Förster, H., de Vries, J., Otter,
G., Claas, J., Eskes, H., de Haan, J., Kleipool, Q., van Weele, M., Hasekamp, O., Hooge-
veen, R., Landgraf, J., Snel, R., Tol, P., Ingmann, P., Voors, R., Kruizinga, B., Vink, R.,
Visser, H., and Levelt, P. (2012). Tropomi on the esa sentinel-5 precursor: A gmes mission
for global observations of the atmospheric composition for climate, air quality and ozone
layer applications. Remote Sensing of Environment, 120:70 – 83. The Sentinel Missions -
New Opportunities for Science.
[Warmiński and Bęś, 2018] Warmiński, K. and Bęś, A. (2018). Atmospheric factors affecting
a decrease in the night-time concentrations of tropospheric ozone in a low-polluted urban
area. Water, Air, & Soil Pollution, 229(11):350.
[Watson, 2002] Watson, J. V. (2002). Science and regulation. J.Air and Waste Manage.
Assoc., 52:628–713.
[Zhang et al., 2018] Zhang, R., Wang, Y., Smeltzer, C., Qu, H., Koshak, W., and Boersma,
K. F. (2018). Comparing omibased and epa aqs in situ NO2 trends: towards understanding
surface NOx emission changes. Atmospheric Measurement Techniques, 11(7):3955–3967.