ForeroCastroDiegoDaniel2019 PDF

METODOLOGÍA PARA LA INCORPORACIÓN DE
DATOS DEL SENSOR TROPOMI DEL SATÉLITE

SENTINEL 5-P AL MONITOREO DE LA CALIDAD
DEL AIRE EN BOGOTÁ D.C.
Diego Daniel Forero Castro
Universidad Distrital Francisco José de Caldas

Facultad de Ciencias y Educación, Licenciatura en Física
Bogotá D.C, Colombia
2019
METODOLOGÍA PARA LA INCORPORACIÓN DE
DATOS DEL SENSOR TROPOMI DEL SATÉLITE
SENTINEL 5-P AL MONITOREO DE LA CALIDAD
DEL AIRE EN BOGOTÁ
Diego Daniel Forero Castro
Trabajo de grado presentado como requisito para optar al título de:

Licenciado en Física
Director:
Ph.D. José Manuel Flórez Pérez
Director Externo:
Ms. Cristhian Fabian Forero Castro
Línea de Investigación:
Física atmosférica y medio ambiente
Universidad Distrital Francisco Jóse de Caldas

Facultad de Ciencias y Educación, Licenciatura en Física
Bogotá, Colombia
2019
iv
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.
TROPOMI, Sentinel-5P, calidad del aire, contaminación, correlación, in-situ.
Abstract.
A comparison between the products (CO, O 3, NO 2 and SO 2) of the Sentinel-5p satellite

with its TROPOMI instrument (TROPOspheric Monitoring Instrument) and the products
is presented. air quality land stations in the city of Bogotá (Colombia). The measurements
made by TROPOMI are compared with the data of the stations during the period between
August 2018 and August 2019, together the influence of climatic and meteorological variables
in the different air quality data is analyzed. According to the statistical analysis and spatial
observations, similarity is observed in the behaviors of the time series of the study variables
between satellite and terrestrial data. The maps made reveal spatio-temporal characteristics,
such as the areas of greatest pollution, trends in concentrations, and the dynamics of emis-
sions from fixed sources once the TROPOMI observations against terrestrial observations
have been validated. The results provide an approximation for its use in air quality monito-
ring in the city of Bogotá, as well as to monitor pollution levels in urban and rural sites. In
general, TROPOMI provides data that complements air quality data on land (available with
high temporal resolution) and helps describe the spatio-temporal variability of different air
pollutants.
v
TROPOMI, Sentinel-5P, air quallity, air pollution, correlation, in-situ.

CONTENIDO
Lista de Figuras X
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
4.4 Caracterización Climática . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4.5 Datos meteorológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
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
4-1. Área de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

4-2. Adquisición de datos[Veefkind et al., 2012] . . . . . . . . . . . . . . . . . . . 21
4-3. Espectrómetro TROPOMI[Veefkind et al., 2012] . . . . . . . . . . . . . . . . 21
5-1. Metodología general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5-2. Ubicacion espacial estaciones RMCAB (estrellas rojas). . . . . . . . . . . . . 30
5-3. Descripción de la toma de datos RMCAB. . . . . . . . . . . . . . . . . . . . 31
5-4. Descripción de la toma de datos del sensor TROPOMI. . . . . . . . . . . . . 32
5-5. Bandas del sensor TROPOMI [TOA, 2005] . . . . . . . . . . . . . . . . . . . 32
5-6. Espectro de cada banda [(SIR), 2005] . . . . . . . . . . . . . . . . . . . . . . 32
5-7. Descripción de la toma de datos meteorológicos IDEAM . . . . . . . . . . . 33
5-8. Ubicación espacial estaciones meteorológicas IDEAM (estrellas verdes) . . . 34
5-9. Método de descarga de datos meteorológicos NOAA . . . . . . . . . . . . . . 35
5-10.Validación de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6-1. Distribución de espacio-temporal de la concentración dióxido de nitrógeno

sobre Bogotá D.C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6-2. Distribución de espacio-temporal de la concentración del monóxido de carbono
sobre Bogotá D.C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
sobre Bogotá D.C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
sobre Bogotá D.C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6-5. Distribución espacial de la temperatura en Bogotá durante el 2018 [RMCAB, 2019] 47
6-6. Distribución espacial de la precipitación en Bogotá durante el año 2018 [RMCAB, 2019]
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
x Lista de Figuras
6-7. Cambios espaciales de dirección y rapidez del viento en Bogotá durante el

2018 [RMCAB, 2019] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6-8. Distribución espacio-temporal de la concentración CO sobre Bogotá D.C de
los datos de las estaciones RMCAB con respecto a los datos TROPOMI . . . 50
6-9. Diagrama estadístico de cajas de las concentraciones de CO para las estaciones
RMCAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6-10.Diagrama estadístico de cajas de las concentraciones de CO para las estaciones
TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6-11.Distribución espacio-temporal de la concentración NO2 sobre Bogotá D.C de
6-12.Diagrama estadístico de cajas de las concentraciones de NO2 para las estacio-
nes RMCAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6-13.Diagrama estadístico de cajas de las concentraciones de NO2 para las estacio-
nes TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6-14.Distribución espacio-temporal de la concentración O3 sobre Bogotá D.C de
6-15.Diagrama estadístico de cajas de las concentraciones de O3 para las estaciones
RMCAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6-16.Diagrama estadístico de cajas de las concentraciones de O3 para el sensor
TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6-17.Distribución espacio-temporal de la concentración SO2 sobre Bogotá D.C de
6-18.Diagrama estadístico de cajas de las concentraciones de SO2 para las estacio-
nes RMCAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6-19.Diagrama estadístico de cajas de las concentraciones de SO2 para las estacio-
nes TROPOMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6-20.Diagramas de dispersión y correlación entre datos de concentración de NO2 ,
CO, O3 , SO2 de las estaciones de RMCAB respecto a TROPOMI . . . . . . 68
Lista de Tablas
6-1. Registro de datos CO tomados por estaciones RMCAB . . . . . . . . . . . . 38
6-2. Registro de datos NO2 tomados por estaciones RMCAB . . . . . . . . . . . 39
6-3. Registro de datos O3 tomados por estaciones RMCAB . . . . . . . . . . . . 40
6-4. Registro de datos SO2 tomados por estaciones RMCAB . . . . . . . . . . . 41
6-5. Datos de diagrama de cajas de CO tomados por las estaciones RMCAB . . 52
6-6. Datos de diagrama de cajas de CO tomados por TROPOMI . . . . . . . . . 54
6-7. Datos de diagrama de cajas de NO2 tomados por las estaciones RMCAB . . 56
6-8. Datos de diagrama de cajas de NO2 tomados por TROPOMI . . . . . . . . 58
6-9. Datos de diagrama de cajas de O3 tomados por las estaciones RMCAB . . . 60
6-10.Datos de diagrama de cajas de O3 tomados por las estaciones RMCAB . . . 62
6-11.Datos de diagrama de cajas de SO2 tomados por las estaciones RMCAB . . 65
6-12.Datos de diagrama de cajas de SO2 tomados por TROPOMI . . . . . . . . 66
Abreviaturas
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
2.1. Objetivo general

Generar una metodología que permita la incorporación de datos de las diferentes variables
del sensor TROPOMI del satélite Sentinel-5P al monitoreo de la calidad del aire en Bogotá
2.2. Objetivos específicos

Correlacionar los valores de datos medidos de dióxido de nitrógeno, Ozono, monóxido
de carbono y dióxido de azufre en la superficie con relación a datos troposféricos to-
mados por el sensor TROPOMI.
Analizar la influencia de variables climáticas y meteorológicas en la concentración dió-

xido de nitrógeno, Ozono, monóxido de carbono y dióxido de azufre.
Identificar y validar los cambios espacio-temporales de dióxido de nitrógeno, Ozono,

monóxido de carbono y dióxido de azufre.
Generar una propuesta que introduzca el uso de datos satélitales a monitoreos locales
y nacional.
3 RADIOMETRÍA ATMOSFÉRICA
3.1. Fundamentos básicos

3.1.1. Atmósfera
Es una capa o un conjunto de capas de gases que rodean un planeta u otro cuerpo material,
que se mantiene en su lugar por la gravedad de ese cuerpo en este caso la gravedad terrestre.
Es más probable que se retenga una atmósfera si la gravedad a la que está sujeta es alta y
la temperatura de la atmósfera es baja. La atmósfera seca está compuesta casi enteramente
de nitrógeno (en una relación de mezcla volumétrica de 78,1 %) y oxígeno (20,9 %), más una
serie de oligogases como el argón (0,93 %), el helio y gases de efecto invernadero como el
dióxido de carbono (0,035 %) y el ozono. Además, la atmósfera contiene vapor de agua en
cantidades muy variables (alrededor del 1 %) y aerosoles [Ballesteros, 2007].
3.1.2. Composición de la atmósfera

El 98 % de la masa de la atmósfera se ubica en una capa delgada llamada troposfera, cuyo
espesor es aproximadamente 0,25 % del diámetro de la Tierra (unos 30 km). Para efectos
prácticos resulta conveniente dividir la atmósfera en cuatro regiones según la temperatura:
troposfera, estratosfera, mesosfera y termosfera. La troposfera es la capa adyacente a la su-
perficie terrestre. Su límite superior la tropopausa alcanza aproximadamente una altura de
16 km sobre Colombia. La troposfera es calentada desde su base por contacto con el suelo,
que actúa a la manera de un cuerpo negro. En ella, la temperatura generalmente disminuye
con la altura, hasta alcanzar un valor entre -55 ◦ C y -70 ◦ C. En la primera mitad de la
troposfera, la disminución es de 6◦ C a 7 ◦ C por kilómetro, y en la segunda mitad ese decre-
cimiento ocurre a una tasa cercana a 7 ◦ C por kilómetro.
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].
3.1.3. La atmósfera sobre el territorio colombiano

Por su ubicación en la zona tropical, la atmósfera sobre el territorio colombiano tiene algunas
particularidades que la distinguen, tanto en su composición como en su estructura, de las de
otras latitudes. Con la información disponible en el IDEAM es posible detectar algunas de
estas particularidades. En la estructura de la atmósfera sobre el territorio colombiano, por
ejemplo, se encuentra que, por estar en la zona tropical, la troposfera es más alta que en
cualquier otra latitud y, aunque su altitud es variable, se puede decir que alcanza en prome-
dio 16 km. Así mismo, en los cortes verticales de la troposfera, en lugares como Riohacha y
la isla de San Andrés, es posible encontrar otra particularidad de la atmósfera tropical: la
inversión térmica de los alisios.
En la composición de la atmósfera sobre el territorio colombiano también es posible encontrar

diferencias en las concentraciones de vapor de agua (humedad del aire)y de otros gases,
particularmente del ozono. Las características de la distribución del ozono estratosférico sobre
el territorio colombiano hacen que se presenten niveles de radiación ultravioleta relativamente
altos en comparación con los de otras latitudes. Como es sabido, la actividad humana está
6 3 RADIOMETRÍA ATMOSFÉRICA
produciendo cambios en la composición de la atmósfera. Al igual que en otras partes del

globo, la actividad humana en el territorio colombiano está inyectando a la atmósfera gases
que irán a reforzar el efecto invernadero; por eso, la actividad socioeconómica tiene un aporte
en el incremento de gases de efecto invernadero. De otro lado, las emisiones, tanto de los
gases de efecto invernadero como de otros gases contaminantes producidos por la actividad
nacional, está cambiando la calidad del aire.
3.1.4. Calidad del aire

Como se anotó en el capítulo anterior, los cambios puntuales en la composición de la atmós-
fera que sobrepasan valores críticos alteran las condiciones óptimas, relativas al aire, en que
se desarrollan los seres vivos; es decir, se afecta la calidad del aire. Uno de los problemas
que llevar al deterioro de la calidad del aire es la contaminación atmosférica .En la escala
mundial, la combustión es la principal causa de la contaminación. La demanda de energía
y la combustión, así como el crecimiento de la población y la actividad industrial, han in-
tensificado fuertemente la contaminación del aire, en particular, en el nivel urbano y de los
corredores industriales. En algunas ciudades colombianas (Bogotá), el transporte es la mayor
fuente de contaminación del aire.
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
no debe confundirse con el ozono de la estratosfera, en donde se encuentra naturalmente y

protege la vida de las radiaciones ultravioletas excesivas.
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]
3.1.5. Contaminación de la atmósfera en Colombia

De acuerdo con los análisis realizados por el Ministerio de Ambiente y Desarrollo Sostenible
la contaminación atmosférica en Colombia es uno de los problemas ambientales de mayor
preocupación para los colombianos por los impactos generados tanto en la salud como en el
ambiente, además, es el tercer factor generador de costos sociales después de la contaminación
del agua y de los desastres naturales. De acuerdo con lo establecido en el Título 5 del Decreto
1076 de 2015 y ajustando la definición, la Contaminación Atmosférica es el fenómeno de
acumulación o de concentración de contaminantes, entendidos estos como fenómenos físicos
o sustancias o elementos en estado sólido, líquido o gaseoso, causantes de efectos adversos
en el medio ambiente, los recursos naturales renovables y la salud humana que solos, o en
combinación, o como productos de reacción, se emiten al aire como resultado de actividades
humanas, de causas naturales, o de una combinación de estas.
3.1.6. Transferencia radiativa en la atmósfera

Durante la transferencia de energía radiante a través de un medio, como la atmósfera de
la Tierra como se evidencia en la figura 3-1, pueden ocurrir cuatro tipos de procesos de
transferencia radiativa al mismo tiempo: transmisión, absorción, reflexión y dispersión. La
dispersión se puede combinar en la categoría de reflexión para simplificar. Al considerar un
haz de fotones de una fuente que pasa a través del medio 1 que incide sobre el medio 2, el haz
experimentará algunas reacciones de transmisión, absorción y reflexión.Para la conservación
de energía, la suma de la fracción de la energía de radiación total asociada con la transmisión,

absorción y reflexión debe ser igual a 1, la atmósfera filtra la energía entregada por el sol y
emitida por la Tierra mientras realiza la transferencia radiativa.
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.
3.2. Teledetección atmosférica

La atmósfera cambia su cara constantemente a medida que el aire se mueve alrededor del
globo: se forman nubes y se evaporan, y la energía del sol se redistribuye a través de la Tierra
a medida que gira. El ambiente es vasto y desafortunadamente imposible de observar directa-
mente en todos los lugares, excepto en algunos, en momentos discretos. Para comprender la
atmósfera en toda su complejidad, necesita mediciones a través de su profundidad, en muchas
ocasiones y en toda su extensión. No se puede esperar hacer estas mediciones directamente,
3.3 Fundamentos técnicos 9
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.
3.3. Fundamentos técnicos

3.3.1. Teledetección pasiva por satélites
Es útil para distinguir tres modos principales por los cuales se produce la energía que llega
a un sensor remoto. En la mayoría de los escenarios, es la irradiación solar la que se refleja
en la superficie de la Tierra.Una segunda posibilidad se refiere a la energía que emite cual-
quier cuerpo debido a su temperatura. Eventualmente, la radiación en el sensor puede ser la
consecuencia de un mecanismo de dispersión producido en la superficie de la Tierra por una
fuente de iluminación como un radar o láser.
Cuando la radiación electromagnética golpea la superficie de un material, pueden ocurrir

tres tipos de interacción: reflexión, absorción y transmisión. Si descuidamos por el momento
el efecto de dispersión de la atmósfera, la teledetección se ocupa principalmente de la parte
reflejada de esta radiación que llega al sensor. La radiancia reflejada es una firma del material
y, si se mide en un rango de longitudes de onda, se puede obtener el espectro de longitud
de onda del material mismo. Como consecuencia del mecanismo de absorción / transmisión,
cualquier cuerpo aumenta su temperatura hasta alcanzar un equilibrio entre la radiación
absorbida y la transmitida [Ghassemian, 2016].
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
Donde B(T( τ )) poder emisivo espectra, K es la Constante de Boltzmann, h es la Constante

de Planck, T temperatura del cuerpo negro, c rapidez de la luz, e base del logaritmo natural,
2,718281, λ longitud de onda
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].
3.3.2. Teledetección desde la órbita

Las observaciones de la Tierra se realizan a longitudes de onda desde 260 nm en ultravioleta
(UV) hasta longitudes de onda de radar (0,1-10 cm) como se refleja en la figura 3-2. La
capacidad de ver a través de las nubes solo existe en las longitudes de onda del radar. Se
necesita transparencia atmosférica para poder sondear hasta la superficie, por lo tanto, la
cobertura de nubes es una limitación significativa de las observaciones satelitales para la cali-
dad del aire. La fuerte absorción por el ozono (O3 ) en la estratosfera oscurece las mediciones
troposféricas más bajas de varios gases que absorben la longitud de onda UV que pueden
medirse por teledetección de superficie.
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].
La descripción matemática para establecer los comportamientos de las interecciones de la

Figura 3-2: Espectro de radiación electromagnética [Ni-Bin Chang, 2017].
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.
I(λ) = Io (λ)e−α(λ)Z (3-2)
Donde α es el coeficiente de extinción de la atmósfera (unidades m−1 ), λ es la longitud de

onda de la luz y z es la ruta física en metros. Io es el resplandor fuente e I es el resplandor
medido después de pasar por el camino, z. Si el camino es vertical, z es la altitud de la
fuente. Para los gases, la extinción se rige por los espectros moleculares (o atómicos) del gas.
La extinción es una suma de la contribución de las transiciones electrónicas, vibratorias y
rotacionales en la molécula que interactúa con la radiación. Para los aerosoles, la dispersión
y la absorción (que suman la extinción) tienen una dependencia espectral gobernada por el
tamaño de partícula, el índice de refracción del complejo de partículas y tienen una depen-
dencia angular entre la fuente y la radiación dispersa. La física detrás de la dispersión de la
luz por aerosoles en relación con la visibilidad se ha cubierto en una revisión crítica anterior
[Watson, 2002]. Debido a que el camino a través de toda la atmósfera tiene una presión
dependiente y el camino z es una unidad inconveniente, se define la profundidad óptica (τ )
de la atmósfera hasta la altura z como:
Z ∞
τλ = α(λ, Z 0 )dZ 0 (3-3)
Z
En la superficie, Z = 0 y τ = τ ∗ , por definición, y τ = 0 en la parte superior de la atmósfera

(TOA). La profundidad óptica del aerosol dependiente de la longitud de onda (AOD, oτa )
es la profundidad óptica total de la atmósfera corregida por absorción y dispersión de gases
en la atmósfera (p. Ej., Dispersión de Rayleigh, O3 , dióxido de nitrógeno [NO2 ] y agua).. En
esta revisión, el AOD está a 550 nm a menos que se indique lo contrario. En la transferencia
radiativa atmosférica, el camino rara vez es vertical. La Figura 3-1, muestra los componentes
de la radiación vista por el satélite para el Sol como fuente en lo visible y la Tierra como
fuente en el IR.
Figura 3-3: Detección de la radiación atmosférica y superficial

[PParaschiv and Voiculescu, 2017].
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).
3.3.3. Teledetección pasiva en el espectro IR

Sin tener en cuenta la dispersión, la radiación IR hacia arriba (+) y hacia abajo (-) a una
altura correspondiente a la profundidad óptica (τ ) [Lenoble, 1993].
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.
Esta es la mayor fuente de radiación de fondo para canales de observación IR en plataformas

espaciales. No es despreciable en la mayoría de las longitudes de onda IR, excepto cerca del
centro de líneas de absorción fuertes, debe ser conocido y la emisividad de la superficie debe
ser conocida para las recuperaciones IR. I7 es igual a la radiancia IR del TOA. Utilizadas
para mediciones de trazas de gas y agua en HIRS, estas radiaciones están altamente estruc-
turadas y dependen de la altura de la fuente debido a las temperaturas atmosféricas muy
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.
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].
3.3.4. Teledetección pasiva en el rango visible

En el rango de longitudes de onda UV (250 - 400 nm) y visible (400 - 700 nm), la entrada del
Sol y la luz reflejada dominan la radiación emitida de regreso al espacio. Hay relativamente
pocos gases (O3 ), dióxido de azufre (SO 2 ), dióxido de nitrógeno NO2 , formaldehído (HCHO)
y glioxal (CHOCHO) que tienen características de absorción que permiten su detección en
UV y longitudes de onda visibles. Los aerosoles dominan la transferencia radiativa visible.
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
donde I es la radiancia, τ es cero en TOA y es una variable de la trayectoria descendente,µ =

cosΘ (negativo hacia abajo), ω es el albedo de dispersión única, y p(Ω0 , Ω) es la función de
la fase de dispersión desde ángulo sólido Ω0 a Ω. La ecuación establece que la tasa de cambio
de radiación con el aumento de la profundidad óptica está relacionada con la radiación de la
corriente descendente menos la radiación directa perdida menos la dispersión difusa en 4π
sr. Hay una condición límite de superficie para la radiación reflejada [Lenoble, 1993]
Z 4π
∗ 1
I(τ , Ω > 0) = ρ(Ω0 , Ω)I(τ ∗ , Ω0 < 0) |µ0 | dΩ (3-9)
π 0
dónde ρ es la función de distribución de reflectancia bidireccional (BRDF) en la superficie.

Las simplificaciones a la solución surgen siρ es cero (superficie negra) o la superficie BRDF
es lambertiana (isotrópica). Esta es una incertidumbre fundamental en la recuperación de
la profundidad óptica. Debido a que las superficies generalmente tienen BRDF que no es
cero y no lambertiano, la recuperación del AOD es una aproximación. Debido a que ρ(Ω0 , Ω)
Requiere un cálculo de Mie para aerosoles, las soluciones simplificadas como las aproximacio-
nes Eddington, twostream y δ-Eddington [Joseph et al., 1976] se han utilizado ampliamente
en algoritmos para la recuperación de satélites. No hay algoritmos de recuperación en uso
operativo que realicen cálculos completos de Mie. En estas aproximaciones, la atmósfera se
considera 2D paralela al plano sin efectos de nubes. La función de fase está parametrizada.
Con la multitud de interacciones complicadas entre los fotones que bajan y se reflejan hacia
arriba, las soluciones numéricas para la transferencia radiativa.
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
es significativo. El efecto de adyacencia se refiere a los fotones dispersados de los píxeles

vecinos al píxel de interés. Más adelante se verá que la hidratación de los aerosoles y el flujo
radiativo de las nubes a los aerosoles es una limitación significativa en la recuperación de
AOD. Para no incluir efectos de nubes en las recuperaciones de AOD, se usan máscaras de
nubes y estas máscaras se han vuelto más restrictivas a medida que se entienden mejor los
efectos de interacción de aerosol de nubes.
4 DATOS
4.1. Zona de estudio
El área de estudio comprende la ciudad de Bogotá(4◦ 350 5600 N; 74◦ 040 5100 O) como se
evidencia en la figura 4-1. Bogotá se encuentra a un promedio de 2.625 metros sobre el nivel
medio del mar. Está ubicada en el centro de Colombia, en la región natural conocida como
la sabana de Bogotá, que hace parte del altiplano Cundiboyacense, formación ubicada en la
cordillera Oriental de los Andes. Tiene una longitud de 33 km de sur a norte y 16 km de
oriente a occidente, su superficie total son 1775 km2 distribuidos en área urbana 307,36 km2 ,
sub urbana 170,45 km2 y 1298,15 km2 rural [Distrital, 2014].
Figura 4-1: Área de estudio

4.2 Imágenes del sensor TROPOMI 19
4.2. Imágenes del sensor TROPOMI

Sentinel-5 Precursor (S5P) es la primera misión preoperativa de la Agencia Espacial Europea
(ESA) y el programa Copernicus dedicada a observaciones globales de la composición at-
mosférica y para el monitoreo de la contaminación del aire y el clima [Veefkind et al., 2012].
TROPOMI es un generador de imágenes de visión nadir multiespectral de detección pasiva
a bordo del satélite Sentinel-5P, lanzado el 13 de octubre de 2017.
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].
Recuperación de la densidad de columna inclinada (SCD) 2 apartir de los espectros de

irradiancia.
Separación de la densidad de columna inclinada en la parte estratosférica y troposférica

sobre la base de información proveniente de un sistema de asimilación de datos.
Conversión de la densidad de columna inclina estratosférica y troposférica en densidad

de columna vertical (VCD) 3 aplicando un factor de masa de aire(AMF)4 apropiado.
Las columnas O3 se derivan del espectrómetro UV1-2 de TROPOMI de medidas de radiación

solar en el rango de longitud de onda 270-310 nm, utiliza un enfoque de dos pasos que con-
1
DOMINO: Es un algoritmo de recuperación de las columnas de NO2
2
SCD: proporciona la concentración a un determinado angulo justo por encima del punto de observacion,no
proporciona la concentración total
3
VCD: La concentración total a lo largo una linea vertical sobre el punto de observación
4
AMF: Es la relación entre SCD/VCD y depende de la longitud de la trayectoria de la luz, la distribución
vertical de absorción de gases traza en la atmósfera
20 4 DATOS
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].
Las columnas CO se derivan del espectrómetro SWIR de TROPOMI de medidas de radiación

solar en el rango de longitud de onda de 2305-2385 nm, se inicia con el pre-procesamiento
SWIR a la cantidad de metano integrado verticalmente a la columna de CO y se recupera de
una ventana de ajuste dedicada a la banda SWIR. La recuperación física completa de SICOR
(del ingles Shortwave Infrared CO Retrieva) se usa para inferir columnas de CO desde la
ventana espectral adyacente, 2324-2338 nm. Aquí, las características de absorción de metano
se usan para inferir información sobre la dispersión atmosférica por nubes y aerosoles, que
pasaron el filtro de nubes, junto con las abundancias atmosféricas de CO y H2 O, el albedo
de la superficie y una calibración espectral del espectro de reflectancia. Este paso de la
recuperación se basa en un conocimiento preciso a priori de CH4 que se proporcionará con
una precisión de 3 % mediante un pronóstico de metano específico que utiliza el modelo de
transporte atmosférico TM5. La dispersión atmosférica se describe mediante un modelo de
transferencia radiativa de dos corrientes. Finalmente, el producto de recuperación consiste
en una estimación de la columna de CO que incluye una columna que promedia el núcleo y
una estimación de error aleatorio [for Space Research (SRON), 2018].
4.3 Estaciones de calidad del aire 21
Figura 4-2: Adquisición de Figura 4-3: Espectrómetro

datos[Veefkind et al., 2012] TROPOMI[Veefkind et al., 2012]
4.3. Estaciones de calidad del aire

Las estaciones de la RMCAB operan con diferentes métodos e instrumentos para la adquisi-
ción de los datos, de cada variable de contaminación. Tales métodos son (absorción de rayos
beta, fluorescencia ultravioleta, Quimioluminiscencia, y correlación de gas GFC).
4.3.1. Analizador de material particulado (PST, PM10, PM2.5)

El método de atenuación de rayos Beta mide la masa de partículas sin los efectos de la forma,
el tamaño o el color de las partículas suspendidas. El equipo incluye una entrada (PM10)
y un impactador WINS (PM2.5) o un ciclón (BGI) (VSCC) [TOA, 2005]. En este método
másico para la medición de partículas, el material es recolectado del aire de la zona donde
se encuentre el instrumento, por medio de una cinta como se representa en la figura ??. La
intensidad de los rayos beta es medida después de que éstos son atenuados por el material
particulado. La intensidad es relacionada con la masa del material particulado depositada
en la cinta, después de haber efectuado las respectivas correcciones debidas a la absorción de
la cinta. Los materiales utilizados como fuentes Beta son (Carbono-14 o el Prometio-147) en
niveles apropiados de radiación, para los cuales no se requiere licencia. Posteriormente tales
radiaciones son detectadas con un centelleador plástico [MIN. AMBIENTE, 2008].
4.3.2. Analizador de óxidos de azufre (SOx )

El análisis de dióxido de azufre, se genera por medio de fluorecencia ultravioleta cuando sobre
moléculas de SO2 incide una radiación ultravioleta de longitud de onda específica (214 nm)
22 4 DATOS
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].
4.3.3. Analizador de óxidos de nitrógeno (NO/NO2 /NOx )

La medida de los óxidos de nitrógeno en continuo se realiza con la técnica de la quimio-
luminiscencia como se representa en la figura??, basado en la reacción con ozono en fase
gas. La rápida reacción en fase gas entre el NO y el Ozono produce moléculas excitadas de
NO2 , las cuales pueden desexcitarse por dos caminos, emisión de luz (quimioluminiscencia)
o relajación por colisiones con otras moléculas presentes (N2 , O2 , H2 O). En el primer caso la
intensidad de luz emitida es proporcional a las concentraciones de ozono y NOx a una presión
determinada. Si uno de estos gases se encuentra en exceso, la emisión de luz es proporcional
a la concentración del otro gas. La radiación de banda ancha emitida por las moléculas ex-
citadas de NO2 para longitudes onda mayores a 600 nm y centrada en 1200 nm, se detecta
mediante un tubo fotomultiplicador sensible al rojo, con filtro ópticos para evitar el paso de
radiación de longitud de onda menor a 600 nm, producida por reacciones de ozonólisis de
otras moléculas presentes en aire, fundamentalmente alquenos.[MIN. AMBIENTE, 2008]
4.3.4. Analizador de ozono (O3 )

El principio de medición de estos instrumentos se basa en la ley de absorción de Beer-Lambert
que consiste en relacionar la intensidad de luz entrante en un medio con la intensidad sa-
4.3 Estaciones de calidad del aire 23
liente después de que en dicho medio se produzca absorción. Matemáticamente la ley de

Beer-Lambert se expresa en la ecuación 3-2[Burlov-Vasilyev et al., 2000].
La luz es dirigida a través de una cámara de absorción y al final de esta se mide su inten-
sidad mediante foto-detectores, la muestra a medir, se hace pasar por dicha cámara y se
mide su absorción comparándola con una muestra que tenga cero contenido del gas a medir
representado en la figura ??.
4.3.5. Analizador de monóxido de carbono (CO)

El Modelo 300 utiliza un método llamado Correlacion de Filtro de Gas (GFC) para sobre-
llevar los menionados efectos de interferencia, lo cual incluye otros gases. La incidencia de
radiación infrarroja (IR) atraviesa una rueda rotatoria filtrante de gas (una mitad contiene
CO y la otra mitad contiene nitrógeno) antes de ingresar a la celda de muestra como se
representa en la figura ??. Cuando la radiación infrarroja pasa a través de la mitad de la
rueda que contiene CO, todas las longitudes de onda absorbidas por el CO son completa-
mente removidas de la radiación, creando un rayo de referencia el cual no resulta afectado
por el CO en la muestra que se mide. Cuando la energía IR atraviesa la mitad de la rueda
que contiene nitrógeno, las longitudes de onda específicas de CO no son removidas de la
radiación, y un rayo de "medición"será atenuado por CO en la muestra. La rotación de la
rueda de filtro de gas crea un haz que alterna entre fases de referencia y medición. La energía
infrarroja que atraviesa el filtro y la celda de muestra es detectada por un sensor de estado
líquido y es convertida a un valor de concentración. Los analizadores infrarrojos CFG son, en
general, menos sensibles a los gases interferentes, las fluctuaciones de potencia de la fuente
IR, la vibración y la acumulación de polvo en el medio óptico.
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.
Alcanzado el fin de la corriente, en sentido descendiente de la columna y la vaselina cromato-

gráfica, se lleva a cabo la lectura de la concentración máxima de metano. Posteriormente, los
hidrocarburos que permanecen en la columna son lavados a contracorriente para así medir el
pico de estos que aparece en la vaselina cromatográfica y dentro del sistema de la columna
(el flujo es revertido directo en la columna) para mostrar así el pico medido de hidrocarbu-
ros no metánicos. La muestra es transportada a un detector de llama de hidrógeno donde
las concentraciones máximas de hidrocarburos son medidas. De todas las mediciones en el
24 4 DATOS
detector se generan señales eléctricas que son amplificadas y registradas en la pantalla y la

altura de los picos de los componentes del gas, las cuales se expresan como concentraciones.
4.4. Caracterización Climática

La posición geográfica (5o N del Ecuador) y la posición altitudinal de la Sabana de Bogotá,
determinan un régimen de temperatura isotérmico, con una temperatura media de 13-15 o C.
El régimen climático se caracteriza por una distribución bimodal de la precipitación, con
dos periodos de valores máximos relativos y dos de mínimos relativos, influenciado ese tipo
de distribución por los desplazamientos de la zona de Confluencia Intertropical [IEU, 2006].
En el área metropolitana, puede llover más de 798 mm/año y se observan temperaturas
promedio anuales más bajas (7.4 ◦ C). Debido a su ubicación cerca del ecuador, cuenta sólo
con cuatro temporadas principales: dos de lluvia y dos estaciones secas, la precipitación es
abundante de marzo a mayo y de octubre a noviembre, coincidiendo casi con los equinoccios
de primavera y otoño del hemisferio norte, respectivamente, debido a que el sol cruza por la
línea ecuatorial y la radiación solar es mayor, aumentando el calor en la selva y favoreciendo
la formación de tormentas en la zona cordillerana
4.5. Datos meteorológicos

Las mediciones de las variables meteorológicas en la superficie de Bogotá fueron adquiridas
por las estaciones climatológicas principales del Instituto de Hidrología, Meteorología y Es-
tudios Ambiental (IDEAM) una estación climatológica principal provee información de las
observaciones del tiempo atmosférico actual, precipitaciones, temperatura del aire, humedad,
velocidad del viento, radiación solar, evaporación y otros fenómenos especiales. Normalmente
se realizan unas tres mediciones diarias [IDEAM, 2011].
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
5.1. Metodología general

A continuación se presentara el esquema metodológico que se llevó acabo en el transcurso
de este trabajo.
Figura 5-1: Metodología general

26 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.
5.3. Trabajo previo

Los datos satélites de contaminación producidos por fuentes primarias, secundarias y los
incrementos de los gases traza son cada vez más utilizados para los pronósticos y evalua-
ciones de la calidad del aire [Clerbaux et al., 2003].Las diferentes actividades desarrolladas
por entes gubernamentales y organizaciones de carácter público y privado, han permitido
estimar las concentraciones (O3 , SO2 , CO, NOx , NO2 , CH4 ), analizar cambios y monitorear
la presencia de gases traza en la atmósfera y niveles urbanos. El uso de los sensores remo-
tos para calcular las concentraciones de contaminantes en la atmósfera ha sido desarrollada
por diferentes instrumentos satélites de monitoreo, donde se utilizan sensores como SCIA-
MIACHY a bordo del satélite EVIASAT, GOME2 a bordo del satélite MetOp, OMI a bordo
del satélite AURA y TROPOMI a bordo del satélite SENTINEL 5P, han permito evaluar,
analizar y monitorear material particulado y concentraciones de gases contaminantes que
pueden generar cambios perjudiciales en el biosfera.
5.3 Trabajo previo 27
Los diversos estudios de investigación científica sobre monitoreo de contaminación atmos-

férica, han permitido desarrollar diferentes metodologías, las cuales se tomaron como base
para el desarrollo del presente trabajo. A continuación, se presentaran algunos trabajos na-
cionales e internacionales, los cuales han realizado estudios en procesamiento de los datos de
los sensores satélites definiendo el espesor óptico y perfiles atmosféricos con respecto a datos
tomados sobre superficie.
5.3.1. Investigaciones internacionales

En el artículo de [Zhang et al., 2018] genera tendencias de disminución relativa estacionales
de NO2 basadas en OMI generalmente están sesgadas en comparación con las tendencias
in situ hasta en un 3,7 % año -1, excepto por la subestimación en el centro de los Estados
Unidos durante el mes de diciembre, enero y febrero. Aplicaron un filtro de flash de rayos
para excluir los datos afectados por rayos para hacer las comparaciones adecuadas. Estos
procedimientos de procesamiento de datos dan como resultado un acuerdo cercano (dentro
de 0,3 % año -1) entre las tendencias relativas anuales anuales de NO2 in situ y basadas en
OMI.
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.
Las estimaciones de superficie basadas en satélites que emplean factores de escala de un

modelo urbano proporcionan una medida confiable (sesgo medio anual: 13 %; sesgo medio
estacional: <1 % [primavera] a 22 % [caída]) de la superficie de escala fina (NO2 ). También
se encontró que el sensor OMI proporciona una buena densidad espacial en la región de
estudio (área promedio [km2 ] por medición: 730 para el sensor de satélite vs.1100 para los
monitores). Nuestros hallazgos indican que las observaciones satelitales de (NO2 ) desde el
sensor OMI proporcionan una medida confiable de la variabilidad espacial en la exposición
al (NO2 ) a nivel del suelo para una gran área urbana.
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.
5.3.2. Investigaciones Nacionales

En este artículo [GRAJALES and BAQUERO.B, 2014] por primera vez se presentan mapas
de concentración superficial de dióxido de nitrógeno (NO2) para el territorio colombiano.
Se infirieron concentraciones superficiales de (NO2 ) para 2007 a partir de dos fuentes de
datos de densidad de columna troposférica: 1) una simulación que utiliza el modelo global
tridimensional GEOS-Chem y 2) mediciones realizadas por el instrumento de monitoreo
del ozono (OMI, por sus siglas en inglés) instalado a bordo del satélite Aura de la NASA.
Los resultados muestran valores mensuales promedio de 0.1 a 6 (ppbv). Se compararon
las concentraciones superficiales de (NO2 ) inferidas con mediciones in situ corregidas y se
encontraron coeficientes de correlación de hasta 0.91. Una fuente importante de (NO2 ) es la
quema de biomasa, la cual puede ser diagnosticada a partir de los datos de potencia radiativa
de los fuegos provenientes del reanálisis para el monitoreo de la composición atmosférica
y el clima (MACC, por sus siglas en inglés). Se encontró una fuerte relación entre altas
concentraciones de (NO2 ) inferidas y quema de biomasa para un área extensa que comprende
los departamentos de Caquetá, Meta, Guaviare, Vichada y Putumayo.
30 5 METODOLOGÍA
5.4. Datos Red de Monitoreo de Calidad del Aire de

Bogotá RMCAB
Por medio de un sistema de información geográfica como se representa en la figura 5-2, se
procedió a buscar las estaciones de las redes de monitoreo de calidad de aire de la ciudad de
Bogotá, se filtraron aquellas que tuvieran información disponible de NO2 , CO, O3 , SO2 .
Figura 5-2: Ubicacion espacial estaciones RMCAB (estrellas rojas).
Tomadas durante el periodo de 17/08/2018 al 17/08/2019, verificando los valores diarios de

adquisición del sensor TROPOMI, esta información se tomó de la página de internet del
RMCAB, los resultados son archivos .txt con los datos de NO2 , CO, O3 y SO2 de cada
estación, estos datos se encuentran en el archivo .txt para cada hora del día, para todos los
5.5 Datos Sentinel-5P TROPOMI 31
días del mes.
Figura 5-3: Descripción de la toma de datos RMCAB.
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.
5.5. Datos Sentinel-5P TROPOMI
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.
Se continua con el procesamiento de las imágenes satelitales y demás datos geoespaciales en

la plataforma computacional en nube Google Earth Engine (GEE), la cual ha permitido la
observación de cambios en las dinámicas en la agricultura, los recursos naturales, el clima,
la contaminación atmosférica y la calidad del aire [Gorelick, 2013]. Esta plataforma propor-
ciona un editor de código (code.earthengine.google.com) basado en la web para la API de
JavaScript y Python de Earth Engine. Las características del editor de código están diseña-
das para hacer que el desarrollo de flujos de trabajo geoespaciales complejos sea rápido y
fácil [Engine, 2018]. En la plataforma GEE se generó un script de una serie temporal para
cada una de las de las 12 estaciones de RMCAB, incorporando las coordenadas geográficas
(latitud y longitud) de cada estación, los datos estarán en el rango de tiempo comprendido
entre el 17 de agosto del 2018 y el 17 de agosto del 2019.
32 5 METODOLOGÍA
Figura 5-4: Descripción de la toma de datos del sensor TROPOMI.
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.
5.6. Datos meteorológicos

La información meteorológica y climática fue extraída de las estaciones meteorológicas del
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), la ubicación y se-
lección de las estaciones se realizó de acuerdo a la ubicación espacial de la RMCAB mediante
el uso de sistema de información geográfica, con la finalidad de tener información con las
condiciones de la toma de los datos de las variables de estudio.
Figura 5-7: Descripción de la toma de datos meteorológicos IDEAM
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
Figura 5-8: Ubicación espacial estaciones meteorológicas IDEAM (estrellas verdes)
rangos de tiempos establecidos. Se descarga la información disponible y se valida los datos

de cada estación (correlaciones de fechas, datos lógicos y ubicación espacial correlacionada).
5.7. Datos meteorológicos NOAA CFSV2

Las observaciones meteorológicas satelitales están representadas con un modelo sistema de
monitoreo meteorológico el cual pueda aportar información de datos a estaciones de meteo-
rológicas en tierra carentes de información. Las mediciones del sensor de pronósticos Climate
Forecast System Version 2(CFSV2) de la Administración Nacional Oceánica y Atmosférica
(NOAA) proporciona datos meteorológicos y de clima en tiempo casi real, CFSV2 posee una
variedad de bandas en las cuales el enfoque fueron 5 precipitación, velocidad del viento, flujo
5.7 Datos meteorológicos NOAA CFSV2 35
de radiación de onda corta decente, flujo de radiación de onda larga , temperatura.
Figura 5-9: Método de descarga de datos meteorológicos NOAA
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
5.8. Validación de los datos

En este caso ya generados los datos diarios se procede a introducir parámetros iguales, con
el propósito de correlación de los datos, ya que TROPOMI mide cantidad de sustancia en
determinadas áreas de una densidad de columna vertical, del tamaño de la estratosfera y las
estaciones de la RMCAB miden la concentración de los gases.
Figura 5-10: Validación de resultados
Las unidades sensor TROPOMI son ( mol m2

) para cada una de las columnas a analizar unidad
del sistema internacional (SI) y las estaciones RMCAB miden concentraciones de partículas
por millón (ppm) y por billón(ppb) en la cobertura de cada estación, se procede a generar
una conversión de unidades. Para convertir las unidades que toma el sensor TROPOMI se
debe tener en cuenta el tamaño de la columna estratosférica sobre la zona ecuatorial con res-
pecto a la altitud de Bogotá. posteriormente se multiplica la masa molar que tiene unidades
µg
de ( mol ) de cada uno de los gases a analizar con respecto a los valores adquiridos por las
columnas, con la finalidad de obtener unidades de concentración en un determinado volumen
µg
(m 3 ). Para el caso de las estaciones RMCAB convertir las unidades de (ppm y ppb) se tiene
en cuenta variables de presión, temperatura y el volumen.
El caso de la presión, es la presión superficial de Bogotá, la temperatura media a la hora

que se toma la información y volumen que ocupa cada gas a la presión y temperatura
media de Bogotá. Hecha la conversión de unidades para datos satélites terrestres se procede
hacer una correlación de estos datos. Posteriormente se verifica y se compara cada variable
meteorológica estableciendo un aporte promedio a las estaciones con datos faltantes, una
vez generados los datos meteorológicos para cada estación, se verifica la influencia de las
variables meteorológicas en las concentraciones de contaminantes, se analiza los cambios
espacio-temporales de cada uno de los contaminantes analizados a nivel Bogotá.
6 RESULTADOS
La metodología desarrollada durante el presente trabajo, ha mostrado la integración de la

información recolectada por la red de monitoreo de calidad del aire de Bogotá, los datos
adquiridos por el sensor TROPOMI, la influencia de variables meteorológicas de la de red
de estaciones meteorológicas del IDEAM, del modelo NOAA CFSV2, el comportamiento
espacio - temporal de los contaminantes y la influencia de las variables meteorológicas. Se
han incluido en éste capítulo todos los resultados obtenidos de acuerdo a la metodología
descrita.
6.1. Comportamiento de los datos de RMCAB
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
Comportamiento del CO en la RMCAB

Estación Max. CO % de max. concentración días Promedio
µg
(m3) diaria durante el año 2018- anual
µg
2019 (m 3)
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
Tabla 6-1: Registro de datos CO tomados por estaciones RMCAB
En el caso del dióxido de nitrógeno presenta un comportamiento similar al monóxido de

carbono, se observan concentraciones y distribuciónes en la misma ventana temporal
como lo indica la tabla 6-2, registra altos índices entre (12-31 del mes de octubre del
año 2018, 29 del mes de noviembre al 17 diciembre del año 2018, 15-30 del mes de
enero del año 2018, 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) y las estaciones que registran
estos incrementos son Kennedy, Carvajal, Ferias, Tunal, Puente Aranda, Guaymaral,
Fontibón, Centro de alto rendimiento. Donde las estaciones que tomaron los valores
µg µg µg
más altos son Ferias (119 ( m 3 )), Tunal (109 ( m3 )) y Puente Aranda (169 ( m3 )). Según
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
Comportamiento del NO2 en la RMCAB

Estación Max. NO2 % de max. concentración días Promedio
µg
(m 3) diaria durante el año 2018- anual
µg
2019 (m 3)
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
Tabla 6-2: Registro de datos NO2 tomados por estaciones RMCAB
A diferencias del comportamiento monóxido de carbono y dióxido de nitrógeno que

tenían algunas similitudes en sus aumentos y disminuciones, el comportamiento diario
del ozono como lo indica la tabla 6-3, registra altos índices entre (17 del mes de octubre
al 23 del mes de noviembre del año 2018, 26 diciembre al 16 del mes de enero del año
2018, 07-25 del mes de marzo del año 2019, 17-25 del mes de mayo del año 2019, 13-15
agosto del año 2019) y las estaciones que registran estos incrementos son, Guaymaral,
Suba, Usaquen, Ferias, Centro de alto rendimiento, Ministerio de ambiente, Fontibón,
Puente Aranda, Kennedy, Tunal y San Cristobal. Las estaciones que tomaron los valores
µg
mas altos son: Ministerio de ambiente con índices de 284 ( m 3 ), Tunal con índices de 144
µg µg µg
( m3 ), Usaquen con índices de 144 ( m3 ), Kennedy con índices de 143 ( m 3 ) y Guaymaral
µg
con índices de 140 ( m3 ). Según los índices de la Organización Mundial de la salud
µg
establece valores medios durante 8 horas deben tener un máximo de 100 ( m 3 ) (OMS)
[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
Comportamiento del O3 en la RMCAB

Estación Max. O3 % de max. concentración días Promedio
µg µg
(m 3) diaria durante el año 2018- anual( m3)
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
Tabla 6-3: Registro de datos O3 tomados por estaciones RMCAB
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
Comportamiento del SO2 en la RMCAB

Estación Max. SO2 % de max. concentración días Promedio
µg µg
(m 3) diaria durante el año 2018- anual( m 3)
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 - - - -
Tabla 6-4: Registro de datos SO2 tomados por estaciones RMCAB
6.2. Comportamiento de los datos satelitales

En el desarrollo del comportamiento de los datos de sensor TROPOMI se hará mediante el
uso de imágenes satelitales, evidenciando los cambios espacio temporales de las distribuciónes
de NO2 , O3 , CO y SO2 sobre la ciudad de Bogotá en la secuencia temporal del 17 de agosto
del año 2018 al 17 de agosto del año 2019 donde se observará la dinámica de la concentración
de contaminación sobre troposfera de la ciudad de Bogotá.
42 6 RESULTADOS
En la secuencia de imágenes satelitales 6-1 se evidencia los cambios espacio temporales

del dióxido de nitrógeno. La primera imagen hace referencia al mes septiembre del año
2018 y la última imagen al mes de agosto del año 2019. Se observa que los meses de
septiembre, octubre , noviembre, febrero,marzo, junio y agosto, la concentración de
NO2 no es tan densa en la zonas norte, occidente, oriente y sur oriente de la ciudad de
Bogotá. La concentración más altas se encuentra en las zonas occidente y sur occidente
donde se desarrolla una dinámica de la concentración con dirección al oriente del país.
En los meses de diciembre, abril la concentración de NO2 estuvo estática a lo largo de
estos meses, mientras que los meses de mayo y julio los niveles de la concentración de
NO2 disminuyeron.
Figura 6-1: Distribución de espacio-temporal de la concentración dióxido de nitrógeno sobre

Bogotá D.C
La distribución espacio temporal de las concentraciones de CO se observan en la figura

6-2. La primer figura registró los valores promedios realizados durante mes noviembre
del año 2018 y el mes de agosto del año 2019, la segunda figura establece los valores
máximos tomados durante noviembre del año 2018 y agosto del año 2019. En la tercera
imagen inicia secuencia de la investigación mostrando la información de los valores de

monóxido de carbono (CO), donde se registran los datos desde mes de noviembre del
año 2018. Las concentraciones más altas de CO fueron tomadas en el mes de noviembre
2018 y enero 2019, donde estas emisiones se concentran en la zona sur occidental de
la ciudad de Bogotá. Los meses de diciembre, marzo, abril y agosto, se relacionan
por tener valores medios de concentración de CO sobre la zonas norte, nor-oriental
y occidental. Los meses donde se registran los valores más bajos son febrero, junio y
julio donde gran parte de la ciudad la tendencia tuvo las menores concentraciones,
principalmente en la zona oriental y sur oriental de la ciudad de Bogotá.
Figura 6-2: Distribución de espacio-temporal de la concentración del monóxido de carbono

sobre Bogotá D.C
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.

Bogotá D.C
La distribución espacio temporal de las concentraciones de la dióxido de azufre se

observan en la secuencia de imágenes satelitales 6-7. En esta secuencia se evidencian
que las altas concentraciones de SO2 no están dadas de manera uniforme espacialmente,
ya que no siguen un patrón durante el tiempo de la investigación. Las concentraciones
de So2 se encuentran en diferentes sectores de la ciudad de Bogotá a lo largo del tiempo
de la investigación, se observa que en el mes de octubre hay una pequeña concentración
de altos valores en la zona central y el resto de la ciudad registra una tendencia de
los valores medios bajos, en noviembre las concentraciones se encuentran en la zona en
el norte y parte sur occidental de la ciudad registrando valores medianamente altos y
otras zonas registran valores medios. En diciembre la concentración de SO2 sólo esta en
la zona occidental y el resto de la zonas registran bajos índices, en enero de la año 2019
hay un incremento en las zonas occidental, sur occidental y sur oriental, febrero tiene
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.

Bogotá D.C
46 6 RESULTADOS
6.3. Comportamiento de los datos Meteorológicos

La descripción de la dinámica de las variables meteorológicas que se tuvieron en cuenta en
esta investigación se encuentran en el Anexo ?? donde se analiza la influencia de las variables
meteorológicas con respecto a los datos CO, NO2 , SO2 , O3 medidos por las estaciones de
RMCAB y el sensor TROPOMI. A lo largo de esta explicación sobre el comportamiento de
la precipitación, radiación solar descendente de onda corta, radiación descendente solar de
onda larga, temperatura y rapidez del viento, se tendrán en cuenta variaciones significativas,
verificando las condiciones climáticas que pudo presentar Bogotá a lo largo de tiempo de esta
investigación. Se verifica los ciclos climáticos y fenómenos que puedan alterar ciclo normal
del clima.
Radiación de onda larga, no mostró mayores cambios durante el 17 de agosto 2018

hasta el 17 de agosto 2019 teniendo valores mínimos de 298 w/m2 el 16 de diciembre
del 2018 y valores entre 315 y 350 durante el resto del año
La radiación de onda corta tuvo una variabilidad significativa durante el 17 de agosto

del año 2018 y 17 de agosto 2019 con valore máximos en los días del 13 al 31 de
diciembre, valores que alcanzaron los 789 w/m2 y valores mínimos en los días 2 de
enero, 23 de abril y 13 de mayo siguiendo los patrones estacionales climáticos.
6.3 Comportamiento de los datos Meteorológicos 47
La temperatura de Bogotá tiene un comportamiento similar que el de la radiación de

onda corta ya que ese establece que durante el mes de septiembre los valores fueron
de aproximadamente 17◦ C, donde en el mes de octubre descendió manteniendo los
valores en 15◦ C hasta el 13 de noviembre que contó con valores cercanos a los 21◦ C
descendiendo en la primera semana de diciembre y aumentando en las semas del 16 de
diciembre hasta el 2 de enero donde tuvo valores que alcanzaron los 22 ◦ C durante el
3 y 4 de enero se genero un descenso significativo llegando a valores de 12 ◦ C posterior
mente aumento en 7 de enero y mantuvo sus valores a lo largo del mes de enero,
febrero, marzo y inicios abril entre 15 ◦ C y 18 ◦ C aproximadamente coincidiendo con
el ciclo climático del verano. la primera semana del mes de mayo descendió a 14 ◦ C y
posteriormente el 15 y 17 de mayo tuvo un incremento hasta llegar a los 22 ◦ C los mes
de junio julio y agosto mantuvieron los índices entre 15◦ C y 17◦ C.
Figura 6-5: Distribución espacial de la temperatura en Bogotá durante el 2018

[RMCAB, 2019]
48 6 RESULTADOS
El comportamiento de la precipitación presento una variabilidad a lo largo de los meses

de septiembre, octubre y noviembre, donde el índice de precipitación es de 2.52 mm
por día. Inicios del mes de enero del 2019 se generaron incrementos donde los índices
alcanzaron valores cercanos de 4.2 mm por día y posterior mente estuvo cerca de los
8.4 mm por día a finales de mes de marzo hasta el 13 de mayo que tuvo valores de 2.1
mm en los meses de junio, julio y agosto registraron índices cercanos a los 4.2 mm por
día.
Figura 6-6: Distribución espacial de la precipitación en Bogotá durante el año 2018

[RMCAB, 2019]
6.3 Comportamiento de los datos Meteorológicos 49
El comportamiento de la rapidez del viento durante los mes de agosto, septiembre

y hasta finales del mes de octubre genero los valores más alto de aproximadamente
10 km/h, los valores empezaron a descender en el mes de noviembre, hasta llegar a
los índices más bajos el 15 de diciembre del 2018 con valores de rapidez del viento
de aproximadamente 1.8 km/h. Desde el 17 de diciembre hasta el 2 de enero 2019
se generaron incrementos de rapidez de aproximadamente los 8 km/ h. Los meses de
enero, febrero, marzo, abril, la rapidez característica fue entre 3.6 y 5 km/h.El mes
de mayo registro valores de 6.5 km/ y los meses de junio julio y agosto mantuvieron
valores entre los 5 km/h y 7.6 km/h.
Figura 6-7: Cambios espaciales de dirección y rapidez del viento en Bogotá durante el 2018
[RMCAB, 2019]
50 6 RESULTADOS
6.4. Análisis de resultados

La información de concentración del CO, NO2 , O3 , SO2 , proveniente de la Red de Monitoreo
de Calidad de Aire de Bogotá, se analizó en el periodo 2018 - 2019, donde se pudieron observar
algunos comportamientos de éstos contaminantes a lo largo de la ciudad, considerando las
12 estaciones manejadas por la red.
6.4.1. Comportamiento de las series temporales de monóxido de

carbono
La ilustración 6-8 por su parte, presentó el comportamiento temporal de los diferentes valores
de las medianas para las concentraciones diarias de cada una de las estaciones, donde se
analizó la dinámica de la concentración de CO. Se evidencian los datos RMCAB con respecto
al sensor TROPOMI entre las horas de las 12 del medio día y las 2 de la tarde, para el periodo
agosto 17 del 2018 a agosto 17 del 2019, en donde se pudo distinguirse que, en los meses de
octubre, noviembre, diciembre, enero, febrero, generalmente tienen similitudes en aumento
y disminución de las concentraciones de CO.
Figura 6-8: Distribución espacio-temporal de la concentración CO sobre Bogotá D.C de los

datos de las estaciones RMCAB con respecto a los datos TROPOMI
6.4 Análisis de resultados 51
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.
6.4.2. Diagramas de cajas de monóxido de carbono
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
Comportamiento diagrama cajas del CO en las estaciones RMCAB

Estación Max.CO Mediana Min.CO
µg µg
(m 3) (m 3)
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
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
Comportamiento diagrama cajas del CO para el sensor TROPOMI

Estación Max.CO Mediana Min. CO
µg µg
(m 3) (m 3)
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 - - -
Tabla 6-6: Datos de diagrama de cajas de CO tomados por TROPOMI
6.4.3. Comportamiento de las series temporales de dióxido de

nitrógeno
La representación gráfica de la distribución del dióxido de nitrógeno, está dada en la imagen
6-11 donde se representa el comportamiento de las distribuciones de concentraciones NO2
sobre la ciudad de Bogotá, los datos representa la mediana de NO2 con respecto a las esta-
ciones RMCAB y los valores satelitales son la mediana de los datos que se extrajeron de cada
banda del sensor TROPOMI que está dada en valores de la densidad de columna vertical. se
observa que existen grandes similitudes en aumentos y disminuciones de las concentraciones
de NO2 entre la gráfica de los valores de la RMCAB y la gráfica de los valores del sensor
TROPOMI para la ciudad de Bogotá durante el tiempo establecido para investigación.
Figura 6-11: Distribución espacio-temporal de la concentración NO2 sobre Bogotá D.C de

los datos de las estaciones RMCAB con respecto a los datos TROPOMI
6.4.4. Diagramas de cajas del dióxido de nitrógeno
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
Comportamiento diagrama cajas del NO2 en las estaciones RMCAB

µg µg
Estación Max. NO2 ( m 3) Mediana Min. NO2 ( m3)
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
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
Comportamiento diagrama cajas del NO2 para el sensor TROPOMI

Estación Max. NO2 Mediana Min. NO2
µg µg
(m 3) (m 3)
Guaymaral 0.58 0.12 0.061

Usaquen - - -
Suba - - -
Ferias 0.8615 0.18 0.051
C.A.Rendimiento 0.17 41.2 0.049
Min. Ambiente - - -
Fontibon 0.75 0.174 0.055
P.Aranda 0.861 0.181 0.07
Kennedy 0.85 0.18 0.048
Carvajal 0.875 0.186 0.069
Tunal 0.785 0.169 0.058
S.Cristobal - - -
Tabla 6-8: Datos de diagrama de cajas de NO2 tomados por TROPOMI
6.4.5. Comportamiento de las series temporales del ozono

La representación gráfica de la distribución de las concentraciones de ozono sobre Bogotá es-
tán dadas en la figura6-14, donde se observa el comportamiento de los datos de las medianas
de las estaciones RMCAB, con respecto a los datos de las medianas del sensor TROPOMI.
esta gráfica ilustra la dinámica temporal del ozono en la ciudad de Bogotá. Donde se refleja
una variabilidad en los datos de la RMCAB con respecto a los datos del sensor TROPOMI,
se evidencian algunas similitudes en el transcurso de la medición, donde encontramos coin-
cidencias en los aumentos y disminuciones en un lapso de la investigación.
Figura 6-14: Distribución espacio-temporal de la concentración O3 sobre Bogotá D.C de los

datos de las estaciones RMCAB con respecto a los datos TROPOMI
6.4.6. Diagramas de cajas del ozono

La representación de los diagramas de cajas para las estaciones RMCAB esta dada en la
figura??. La representacion de los valores de los diagramas de cajas esta dada en la tabla
??. La estación del ministerio de ambiente presentó las concentraciones más altas de O3 ,
µg µg
con una mediana de aproximadamente 64 m 3 , presentando valores atípicos de 101 m3 hasta
µg µg
286 m 3 . La estación tunal con una mediana alrededor de los 46 m3 y valores atípicos entre
µg µg µg
59 m 3 y 144 m3 , Kennedy con una mediana alrededor de los 52 m3 y valores atípicos entre
µg µg µg
51 m 3 y 143 m3 , Usaquen con una mediana alrededor de los 38 m3 y valores atípicos entre
µg µg µg
97 m 3 y 144 m3 ,ferias con una mediana alrededor de los 44 m3 y valores atipicos entre 94
µg µg µg
m3
y 129 m 3 . Fontibon con una mediana alrededor de los 69 m3 y valores atipicos entre 102
µg µg µg
m3
y 134 m 3 , centro de alto rendimiento con una mediana alrededor de los 62 m3 y valores
µg µg µg
atipicos entre 110.3 m 3 y 130 m3 , Guaymaral con una mediana alrededor de los 51 m3 y
µg µg
valores atipicos entre 43 m 3 y 140 m3 , san cristobal con una mediana alrededor de los 33
µg µg µg µg
m3
y valores atipicos entre 34 m 3 y 127 m3 ,suba con una mediana alrededor de los 56 m3 y
µg µg
valores atipicos entre 121 m 3 y 127 m3 . puente aranda con una mediana alrededor de los 23
µg µg µg µg
m3
y valores atipicos entre 74 m 3 y 102 m3 . carvajal con una mediana alrededor de los 23 m3
µg µg
y valores atipicos entre 64 m 3 y 90 m3
60 6 RESULTADOS
Figura 6-15: Diagrama estadístico de cajas de las concentraciones de O3 para las estaciones
RMCAB
Comportamiento diagrama cajas del O3 en las estaciones RMCAB

Estación Max. O3 Mediana Min. O3
µg µg
(m 3) ( m3 )
Guaymaral 140 51 18
Usaquen 144 38 15
Suba 121 56 18
Ferias 129 44 18
C.A.Rendimiento 130 62 15
Min. Ambiente 286 64 15
Fontibón 134 69 19
P.Aranda 102 23 12
Kennedy 143 52 20
Carvajal 90 23 11
Tunal 144 46 11
S. Cristobal 127 33 16
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
la concentración de O3 sobre las estaciones de la RMCAB. Se observa que los datos de

ozono troposférico sobre las estaciones de RMCAB refleja un alto margen en la similitud de
su frecuencia de datos, ya que ninguna estación refleja de valores atípicos. La tabla 6-10
registra la informacion de los diagrama de caja para da una de las estaciones, donde las
estaciones de Guaymaral, Suba, Usaquén, Ferias, Centro de Alto Rendimiento, Kennedy,
Carvajal, tunal y san Cristóbal comparten característica de tener similitudes en sus valores
µg µg
medios, cercano a las 330 m 3 pero la estación de Fontibón representa valores medios 346 m3
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 .
Figura 6-16: Diagrama estadístico de cajas de las concentraciones de O3 para el sensor

TROPOMI
62 6 RESULTADOS
Comportamiento diagrama cajas del O3 en las estaciones RMCAB

Estación Max. O3 Mediana Min. O3
µg µg
(m 3) ( m3 )
Guaymaral 380 348 321
Usaquen 384 340 325
Suba 381 348 320.8
Ferias 379 342 321.8
C.A.Rendimiento 337 380 321.5
Min. Ambiente 343 380 325
Fontibón 374 341 321.9
P.Aranda 372 346 320
Kennedy 373 340 320
Carvajal 379 343 321
Tunal 374 349 321.1
S. Cristobal 377 341 322.6
Tabla 6-10: Datos de diagrama de cajas de O3 tomados por las estaciones RMCAB
6.4.7. Comportamiento de las series temporales del dióxido de

azufre
La representación gráfica de la distribución del dióxido del azufre, esta da en la imagen 6-17
donde se representa el comportamiento de las distribuciones de concentraciones SO2 sobre
la ciudad de Bogotá, los datos representa la mediana de SO2 con respecto a las estaciones
RMCAB y los datos satelitales son la mediana de los datos que se extrajeron de cada banda
del sensor que esta dada en valores de la densidad de columna vertical.Se observa que exis-
tan mínimas similitudes en aumentos y disminuciones de las concentraciones de SO2 entre la
gráfica de la RMCAB Y la gráfica del sensor TROPOMI para la ciudad de Bogotá durante
el tiempo establecido para investigación.
Figura 6-17: Distribución espacio-temporal de la concentración SO2 sobre Bogotá D.C de

los datos de las estaciones RMCAB con respecto a los datos TROPOMI
6.4.8. Diagramas de cajas del dióxido de azufre

La representación de los diagramas de cajas para las concentraciones de SO2 de la RMCAB
presentan valores positivos de índices de concentración, durante el periodo de la investiga-
ción. La información de los diagramas esta establecida en la tabla 6-11, donde registra los
64 6 RESULTADOS
datos de cada una de las estaciones.
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
que existe valores de concentraciones en el cuarto cuartil donde se concentra un frecuencia

µg
mínima de datos, la estación de Kennedy con una mediana alrededor de los 3.81 m 3 y valores
µg µg µg
atípicos entre 9 m3 y 17.22 m3 , Carvajal con una mediana alrededor de los 2.18 m3 y valores
µg µg
atípicos entre 11.5 m 3 y 16.74 m3 , centro de alto rendimiento con una mediana alrededor de
µg µg µg
los 4.81 m 3 y valores atípicos entre 8.22 m3 y 16.68 m3 , Puente Aranda con una mediana
µg µg µg
alrededor de los 3.36 m 3 y valores atípicos entre 9.12 m3 y 13.99 m3 , Tunal con una mediana
µg µg µg
alrededor de los 4 m 3 y valores atípicos entre 8.3 m3 y 13.9 m3 , ferias con una mediana
µg µg µg
alrededor de los 3 m 3 y valores atípicos entre 9.5 m3 y 15.33 m3 .
Figura 6-18: Diagrama estadístico de cajas de las concentraciones de SO2 para las estaciones
RMCAB
Comportamiento diagrama cajas del SO2 en las estaciones RMCAB

Estación Max. SO2 Mediana Min. SO2
µg µg
(m 3) (m 3)
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 representación de los diagramas de cajas para las concentraciones de SO2 de la TRO-

POMI descritos en la figura 6-19 en la presentan valores positivos y negativos donde los
valores negativos están representados en los valores atípicos del primer cuartil, el significado
de los valores negativos es baja concentración de SO2 durante el periodo de la investigación
la información de los diagramas esta establecida en la tabla 6-12, donde registra los datos
de cada una de las estaciones.
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
Comportamiento diagrama cajas del SO2 tomadas por TROPOMI

Estación Max. SO2 Mediana Min. SO2
µg µg
(m 3) (m 3)
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 - - -
Tabla 6-12: Datos de diagrama de cajas de SO2 tomados por TROPOMI

6.4.9. Diagramas de dispersión.
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
Figura 6-20: Diagramas de dispersión y correlación entre datos de concentración de NO2 ,

CO, O3 , SO2 de las estaciones de RMCAB respecto a TROPOMI
7 DISCUSIÓN
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.
7.1. Red de Monitoreo de Calidad del Aire de Bogotá
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
Variables de medición estaciones RMCAB

Estación CO NO2 O3 SO2
Guaymaral X X
Usaquen X X X
Suba X X
Ferias X X X
C.A.Rendimiento X X X X
Min. Ambiente X
Fontibón X X X X
P.Aranda X X X X
Kennedy X X X X
Carvajal X X X X
Tunal X X X X
S. Cristobal X
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].
No obstante y de acuerdo a [Turalıoğlu et al., 2005],[Weitzenfeld, 2005] es necesario densifi-

car el muestreo, el aumento de estaciones de monitoreo debe ser mayor en las zonas en las
que se alcancen o excedan los valores permisibles de concentraciones de contaminantes. A
mayores valores y variaciones de calidad de aire, más sitios de muestreo se requerirán. Por
ejemplo, en una parcela de aire de una zona de muestreo, se localizará una sola estación
siempre y cuando esa parcela sea uniforme en cuanto a sus concentraciones de contaminan-
tes, de no ser así, es decir si estas concentraciones sufrieran variaciones dentro de la misma
parcela, se requerirían dos o más estaciones por lo que se dividiría esta parcela, de manera
que cada estación cubra una parcela con características homogéneas. Así mismo la densifica-
ción del muestreo permite optimizar la validación de los datos, utilizando metodologías como
la propuesta por [Arévalo et al., 2019] que proponen selección datos aleatorios estratificadas.
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.
7.3. RMCAB vs TROPOMI

Los valores de las correlación de los datos del sensor TROPOMI con los datos en tierra
de la RMCAB, siguen una tendencia similar a los datos tomados por el sensor OMI con
respecto a observaciones in-situ en el artículo[PParaschiv and Voiculescu, 2017], donde se
tienen resultados de coeficientes de correlación para los datos de NO2 en un 0.5, en nuestro
caso nuestro coeficiente fue de 0.44, donde cabe aclarar que factores como influencia de
variables meteorológicas, influencia del espesor óptico o la no calibración de las estaciones,
pueden ser factores a tener en cuenta, que podrían mejorar los resultados de correlación.
Las recuperaciones de TROPOMI de los valores de CO, NO2 , O3 , SO2 , se validan contra
observaciones terrestres de la RMCAB y los resultados proporcionan una evaluación tem-
prana de su aplicabilidad para monitorear los niveles de contaminación en sitios urbanos.
72 7 DISCUSIÓN
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.
7.4. Influencia de variables meteorológicas

Obtenidos los datos para todos los parámetros de CO, NO2 , O3 , SO2 , se hizo un análisis
sobre la influencia de las variables meteorológicas en la concentraciones de cada uno de los
contaminantes sobre el área de estudio. en este caso se obtuvieron los datos de dos fuentes
como el IDEAM y el modelo de pronósticos CFSV2 NOAA ya que las estaciones meteo-
rológicas cercanas a las estaciones de calidad del aire muestran escasos datos durante el
periodo descrito para la investigación, para este caso se utilizaron los datos satelitales de
NOAA. adquiridos los datos se analiza gráficamente con cada uno de los datos medidos de
las estaciones de RMCAB Y TROPOMI. Dando como resultados aumentos y disminuciones
durante la interacción con las variables meteorológicas, en este se observó que la radiación
de onda corta cuando interacciona con el CO, NO2 disminuye cuando hay altos valores de
radiación de onda corta y aumenta cuando hay bajos valores de radiación de onda corta.
La influencia de la temperatura tiene similitudes con la influencia de la radiación corta en el

artículo [Ramos-Herrera et al., 2010] establecen parámetros estadísticos de las correlaciones
de los datos de NO2 con variables meteorológicas y se verifica que hay una correlación po-
sitiva con parámetros de temperatura y radiación, resultados que se evidencian en el anexo
??, Donde están los cambios temporales de los valores tomados por la RMCAB y el sensor
TROPOMI. Las concentraciones del NO2 disminuye al aumentar la rapidez del viento de
acuerdo con [Ocak and Turalioglu, 2008] donde expresa que los aumentos de temperatura
y rapidez del viento disminuyen las concentraciones de NO2 .El caso de la precipitación no
hubo un efecto con respecto al aumento o disminución de las concentraciones de CO y NO2 .
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
como lo establece en un análisis estadístico

[Warmiński and Bęś, 2018] los resultados de las influencia de las variables meteorológicas
del dióxido de azufre SO2 están fuertemente relacionadas con bajas temperaturas, menor
rapidez del viento, y precipitaciones bajas, de acuerdo con[Turalıoğlu et al., 2005].
7.5. Cambios espacio Temporales

En este análisis se utiliza el instrumento TROPOMI con una resolución espacial de 7 km
X 3.5km y temporal de 1 día para caracterizar la variabilidad espacio-temporal de las con-
centraciones CO NO2 O3 SO2 en ciudad de Bogotá. Además, se analizó una serie de tiempo
2018-2019. El año de datos analizados en este trabajo proveen una visión general de la varia-
bilidad temporal y de la dinámica espacio-temporal de las concentraciones de CO NO2 O3
SO2 en el área de estudio donde se mantienen las tendencias de estudios como los informes
anuales de calidad de aire [RMCAB, 2019] donde se relaciona la altos valores con respecto a
las concentraciones de CO y NO2 en el sur occidente de la ciudad de Bogotá.
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).
Se observó la variabilidad de los diferentes contaminantes en el periodo analizado, se observó

la que el sensor TROPOMI reproduce óptimamente los valores de las columnas totales, de
manera similar a las observaciones de superficie in situ de la estaciones locales de la red de
monitoreo de Bogotá. Se evidenció que el satélite Sentinel-5P presenta sensibles cambios en
los niveles de las diferentes variables analizadas respecto a la contaminación que ocurre en
la superficie.
Las concentraciones promedio anual de CO y NO2 en la área urbana de la ciudad de Bogotá

µg µg
generalmente están en el rango de 555-1392 m 3 CO y 22-55 m3 para el NO2 . Encontramos
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.
Usando observaciones de TROPOMI, encontrámos que el valor medio anual máximo de CO

µg
48 m3 lo registra la estación de Fontibón, mientras que la concentración más baja de CO se
µg
registró sobre la estación centro de alto rendimiento con 43 m 3.
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.
Se presentan correlaciones entre las observaciones de TROPOMI y las mediciones in situ en

tierra registradas en las estaciones RMCAB, los coeficientes de correlación calculados para
CO de 0.55 y para NO2 0.44, un caso distinto se obtuvo para el O3 con un coefiente de
correlación de 0.05 y el SO2 de 0.25 donde mostraron dinámicas diferentes en la troposfera
respecto a los datos terrrestres.
La tendencia anual en la ciudad de Bogotá de los datos de O3 de la RMCAB refleja que la

estación ubicada en el ministerio de ambiente registro los valores más elevados de O3 con
µg
valores de concentración entre 101 - 286 m 3 , un caso distinto sucede con los datos proporcio-
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 observaciones de TROPOMI de CO O3 , NO2 y SO2 de alta resolución pueden permitir

identificar incluso las fuentes de emisión a diversas escalas y estimar las emisiones localizadas
de la industria, las ciudades o los incendios sobre en periodo mensual y diario.
La influencia de las variables climáticas y meteorológicas sobre las concentraciones máxi-

mas de contaminantes del aire ocurren especialmente en los meses con menor temperatura.
Los valores altos de CO y NO2 se debieron a menores índices de radiación de onda corta,
temperaturas más bajas y rapidez de vientos más bajos. Los valores altos de O3 se debieron
a una temperatura más alta, índices de radiación de onda corta altos y mayor rapidez del
viento. Los resultados de este estudio muestran que existen relaciones moderadas entre los
parámetros meteorológicos y las concentraciones de CO NO2 , O3 y SO2 de acuerdo a los
análisis estadísticos.
76 8 CONCLUSIONES Y RECOMENDACIONES
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.
La metodología generada para introducción de datos del sensor TROPOMI a la RMCAB

permite una estimación del comportamiento en la dinámica de contaminación por CO y
NO2 troposféricamente y superficialmente en zonas que carecen de datos o/y para observar
comportamientos de mayor escala. Se considera importante ya que establece un mayor aná-
lisis de calidad del aire a lo largo de la ciudad y del país. En caso del O3 y SO2 se sugiere
analizar correcciones atmosféricas y verificar la influencia de otras variables meteorológicas
y climáticas para poder tener correlaciones más altas.
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.
Como se expresó en la discusión lo primero a tener en cuenta es la necesidad de la densifica-

ción espacial de las estaciones de monitoreo de calidad del aire, se recomienda aumentar los
muestreos en los sitios con mayor concentración de las variables de estudio con la finalidad
de homogeneizar y analizar las dinámicas del monitoreo en las zonas de estudio.
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 verificar las calibraciones de las estaciones de RMCAB.

Se recomienda hacer una correlación en los datos de densidades de columna vertical, tenien-
do en cuenta, la interacción con otros aerosoles, propiedades fisicoquímicas, influencia de
variables meteorológicas, influencia de la gravedad, variaciones de presión, volumen y tem-
peratura.
8.2 Recomendaciones 77
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.
Finalmente en futuras investigaciones se recomienda generar un modelo que incorpore datos

de variables meteorológicas, datos satelitales, datos fotométricos, datos de las estaciones de
calidad del aire y la distribución espacial en 2D y 3D con en el objetivo de estudiar las diná-
micas, comportamientos, tendencias y variaciones espacio temporales de las concentraciones
de la contaminación.
Bibliografía
[AERONOMIE, 2018] AERONOMIE (2018). S5p/tropomi so2 atbd.
urlhttps://sentinels.copernicus.eu/documents/247904/2476257/Sentinel-5P-ATBD-
SO2-TROPOMI. Recuperado el 05-09-2019.
[Andrews, 2010] Andrews, D. G. (2010). Chapter 3 -3.4,3.5 transmittance, and absorption

by atmospheric gases. In Press, C. U., editor, An Introduction to Atmospheric Physics
Second Edition, pages 52–75. Cambridge University Press.
[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.
[Ballesteros, 2007] Ballesteros, H, A. G. (2007). NformaciÓn tecnica sobre gases de

efecto invernadero y el cambio climÁtico. urlhttp://www.ideam.gov.co/documents
/21021/21138/Gases+de+Efecto+Invernadero+y+el+Cambio+Climatico.pdf. Recupe-
rado el 20-05-2019.
[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, 2010] de ambiente, M. (2010). Protocolo pa-

ra el monitoreo y seguiento de la calidad del aire.
urlhttp://www.minambiente.gov.co/images/AsuntosambientalesySectorialyUrbana/pdf/aire/res21540
Recuperado el 22-09-2019.
[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 Ambiente, 2016] de Ambiente, S. D. (2016). Presentación del estado actual

de la rmcab a 2017-red de monitoreo de calidad del aire de bogotÁ (rmcab).
urlhttp://201.245.192.252:81. Accedido 24-05-2019.
[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.
[Distrital, 2014] Distrital (2014). Características de bogotá.

urlhttps://www1.udistrital.edu.co/universidad/colombia/bogota/caracteristicas/. Recu-
perado el 11-05-2019.
[ecodes, 2013] ecodes (2013). Las causas de la contaminación atmosférica y los

contaminantes atmosféricos más importantes. urlhttp://ecodes.org/salud-calidad-
aire/201302176118/Las-causas-de-la-contaminación-atmosférica-y-los-contaminantes-
atmosféricos-más-importantes. Recuperado eñ 03-03-2019.
[Engine, 2018] Engine, G. E. (2018). Google earth engine.

urlhttps://earthengine.google.com/platform/. Recuperado el 23-08-2019.
[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.
[Fernandez, 1995] Fernandez, F.G.; Galan, E. (1995). Clima y contaminación atmosférica

en madrid. Estudios Geograficos Tomo56, 21:1.
[Finlayson-Pitts and Pitts, 1997] Finlayson-Pitts, B. J. and Pitts, J. N. (1997). Troposphe-

ric air pollution: ozone, airborne toxics, polycyclic aromatic hydrocarbons, and particles.
Science, 276(5315):1045–1051.
80 Bibliografía
[for Space Research (SRON), 2018] for Space Research (SRON),

N. I. (2018). Algorithm theoretical baselinedocument for
sentinel-5precursor: Carbon monoxide total column retrieval.
urlhttp://www.tropomi.eu/sites/default/files/files/SRONS5PLEV2RP002issue1.10COsigned.pdf.
[für Luft-und Raumfahrt (DLR), 2018] für Luft-und Raum-

fahrt (DLR), D. Z. (2018). S5p/tropomi total ozone atbd.
urlhttps://sentinel.esa.int/documents/247904/2476257/Sentinel-5P-TROPOMI-ATBD-
Total-Ozone. Recuperado el 06-09-2019.
[Ghassemian, 2016] Ghassemian, H. (2016). A review of remote sensing image fusion met-
hods. Information Fusion, 32:75 – 89.
[Gorelick, 2013] Gorelick, N. (2013). Google earth engine.

urlhttps://ui.adsabs.harvard.edu/abs/2013EGUGA. .1511997G/abstract. Recupera-
do el 22-08-2019.
[GRAJALES and BAQUERO.B, 2014] GRAJALES, J., F. and BAQUERO.B, A. (2014).

Inference of surface concentrations of nitrogen dioxide (NO2) in Colombia from troposp-
heric columns of the ozone measurement instrument (OMI). Atm A textthreesuperiorsfera,
27:193 – 214.
[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.
[IDEAM, 2010] IDEAM (2010). Ozono troposférico. urlhttp://www.meteoaeronautica.gov.co/ozono-

troposferico. Recuperado el 22-09-2019.
[IDEAM, 2011] IDEAM (2011). Estudio de la caracterizaciÓn climÁtica de bogotÁ y cuenca

alta del rÍo tunjuelo. urlhttp://www.ideam.gov.co/documents /21021/21135/CARACTE-
RIZACIONCLIMATICABOGOTA.pdf/d7e42ed8a6ef4a62b38ff36f58db29aa. Recuperado
el 11-09-2019.
[IEU, 2006] IEU (2006). Descripción de la ciudad condiciones físico geográ-

fica,clima. urlhttps://www.institutodeestudiosurbanos.info/endatos/0100/0110/0116-
clima/index.htm. Recuperado el 13-08-2019.
[Ilan Koren, 2007] Ilan Koren, Lorraine A. Remer, Y. J. K. Y. R. J. V. M. (2007). On the

twilight zone between clouds and aerosols. J. Geophys. Res. Atmos, 34:Issue8.
[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.
[Lenoble, 1993] Lenoble, J. (1993). Atmospheric radiative transfer. A. Deepak: Hampton,

VA.
[McGraw-Hil, 2005a] McGraw-Hil (2005a). Stratosphere. In Winter, R., editor, Concise

Encyclopedia of Science Technology, page 2124. Mark D. Licker.
[McGraw-Hil, 2005b] McGraw-Hil (2005b). Troposphere. In Winter, R., editor, Concise

Encyclopedia of Science Technology, page 2277. Mark D. Licker.
[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.
[MIN. AMBIENTE, 2008] MIN. AMBIENTE, V. Y. D. T. (2008). Ma-

nual de operacion de sistemas de vigilancia de la calidad del aire.
urlhttps://www.minambiente.gov.co/images/AsuntosambientalesySectorialyUrbana/
pdf/contaminacionatmosferica/ProtocoloCalidaddelAireManualOperación.pdf. Recupe-
rado el 03-05-2019.
[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).
[PParaschiv and Voiculescu, 2017] PParaschiv, S., C. D. E. P. S. L. and Voiculescu, M.

(2017). Omi and ground-based in-situ tropospheric nitrogen dioxide observations over
several important european cities during 2005-2014. International journal of environmen-
tal research and public health, 14(11):1415.
[Ramos-Herrera et al., 2010] Ramos-Herrera, S., Bautista-Margulis, R., and Valdez-

Manzanilla, A. (2010). Estudio estadistico de la correlacion entre contaminantes atmosfe-
ricos y variables meteorologicas en la zona norte de Chiapas. Universidad y ciencia, 26:65
– 80.
[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
[SUBCA, 2011] SUBCA, Subdirección de la calidad del aire, a. y. v.

(2011). Red de monitoreo de calidad del aire de bogotá - rmcab.
urlhttps://www.car.gov.co/uploads/files/5b8d40ca015b9.pd1. Recuperado el 25-05-
2019.
[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.
[TOA, 2005] TOA, D. (2005). specification sheet,particulate monitor moldel fpm-

222/223. urlhttp://static1.1.sqspcdn.com/static/f/1216070/16103926/1326907149060/
fpm.pdf?token=42F7PGPVD1sfmf6UgFGbKqAQspv83D. Accedido 03-05-2019.
[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.
[Vargas, 2005] Vargas, F.M.; Christopher, S. (2005). La contaminaciÓn ambiental como

factor determinante de la salud. Rev Esp Salud Publica, 79:117–127.
[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.
[Weitzenfeld, 2005] Weitzenfeld, H. (2005). Introducción al monitoreoatmosférico.

urlhttp://documentacion.ideam.gov.co/openbiblio/bvirtual/001083/Course2/Lecturas/Monitoreo/mo
[Wen, 2007] Wen, G.Y. Marshak, A. C. R. R. L. K. R. (2007). 3-d aerosol-cloud radiative

interaction observed in collocated modis and aster images of cumulus cloud fields. J.
Geophys. Res. Atmos, 112:D13204.
84 Bibliografía
[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.

ForeroCastroDiegoDaniel2019 PDF

Cargado por

Copyright:

Formatos disponibles

ForeroCastroDiegoDaniel2019 PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ForeroCastroDiegoDaniel2019 PDF

Cargado por

Copyright:

Formatos disponibles

METODOLOGÍA PARA LA INCORPORACIÓN DE

DATOS DEL SENSOR TROPOMI DEL SATÉLITE

Diego Daniel Forero Castro

Universidad Distrital Francisco José de Caldas

Diego Daniel Forero Castro

Trabajo de grado presentado como requisito para optar al título de:

Universidad Distrital Francisco Jóse de Caldas

TROPOMI, Sentinel-5P, calidad del aire, contaminación, correlación, in-situ.

A comparison between the products (CO, O 3, NO 2 and SO 2) of the Sentinel-5p satellite

TROPOMI, Sentinel-5P, air quallity, air pollution, correlation, in-situ.

4.4 Caracterización Climática . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4-1. Área de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5-1. Metodología general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

6-1. Distribución de espacio-temporal de la concentración dióxido de nitrógeno

6-7. Cambios espaciales de dirección y rapidez del viento en Bogotá durante el

2.1. Objetivo general

2.2. Objetivos específicos

Analizar la influencia de variables climáticas y meteorológicas en la concentración dió-

Identificar y validar los cambios espacio-temporales de dióxido de nitrógeno, Ozono,

3.1. Fundamentos básicos

3.1.2. Composición de la atmósfera

3.1.3. La atmósfera sobre el territorio colombiano

En la composición de la atmósfera sobre el territorio colombiano también es posible encontrar

produciendo cambios en la composición de la atmósfera. Al igual que en otras partes del

3.1.4. Calidad del aire

no debe confundirse con el ozono de la estratosfera, en donde se encuentra naturalmente y

3.1.5. Contaminación de la atmósfera en Colombia

3.1.6. Transferencia radiativa en la atmósfera

de energía, la suma de la fracción de la energía de radiación total asociada con la transmisión,

3.2. Teledetección atmosférica

3.3. Fundamentos técnicos

Cuando la radiación electromagnética golpea la superficie de un material, pueden ocurrir

Donde B(T( τ )) poder emisivo espectra, K es la Constante de Boltzmann, h es la Constante

2,718281, λ longitud de onda

3.3.2. Teledetección desde la órbita

La descripción matemática para establecer los comportamientos de las interecciones de la

Figura 3-2: Espectro de radiación electromagnética [Ni-Bin Chang, 2017].

I(λ) = Io (λ)e−α(λ)Z (3-2)

Donde α es el coeficiente de extinción de la atmósfera (unidades m−1 ), λ es la longitud de

En la superficie, Z = 0 y τ = τ ∗ , por definición, y τ = 0 en la parte superior de la atmósfera

Figura 3-3: Detección de la radiación atmosférica y superficial

3.3.3. Teledetección pasiva en el espectro IR

Esta es la mayor fuente de radiación de fondo para canales de observación IR en plataformas

3.3.4. Teledetección pasiva en el rango visible

donde I es la radiancia, τ es cero en TOA y es una variable de la trayectoria descendente,µ =

dónde ρ es la función de distribución de reflectancia bidireccional (BRDF) en la superficie.

es significativo. El efecto de adyacencia se refiere a los fotones dispersados de los píxeles

Figura 4-1: Área de estudio

4.2. Imágenes del sensor TROPOMI

Recuperación de la densidad de columna inclinada (SCD) 2 apartir de los espectros de

Separación de la densidad de columna inclinada en la parte estratosférica y troposférica

Conversión de la densidad de columna inclina estratosférica y troposférica en densidad

Las columnas O3 se derivan del espectrómetro UV1-2 de TROPOMI de medidas de radiación

Las columnas CO se derivan del espectrómetro SWIR de TROPOMI de medidas de radiación

Figura 4-2: Adquisición de Figura 4-3: Espectrómetro

4.3. Estaciones de calidad del aire

4.3.1. Analizador de material particulado (PST, PM10, PM2.5)

4.3.2. Analizador de óxidos de azufre (SOx )