2021 Measurements ESPAÑOL
2021 Measurements ESPAÑOL
2021 Measurements ESPAÑOL
energías
Artículo
Medición de la concentración de gases inflamables en
vertederos con un sensor de bajo coste
Ignas Daugela 1,2,* , Jurate Suziedelyte Visockiene 1 , Jurate Kumpiene 3 e Ivan Suzdalev 2
1 Departamento de Geodesia y Catastro, Universidad Técnica Vilnius Gediminas, 10223 Vilnius, Lituania;
[email protected]
2 Instituto de Aviación Antanas Gustaitis, Universidad Técnica Vilnius Gediminas, 10223 Vilnius, Lituania;
[email protected]
3 Departamento de Ingeniería Civil, Medioambiental y de Recursos Naturales, Universidad Tecnológica de
Luleå, 97187 Luleå, Suecia; [email protected]
* Correspondencia: [email protected]; Tel.: +37-0676-094-70
Resumen: El calentamiento global, como resultado del impacto negativo del ser humano en el
cambio climático, se ha observado a partir de diversas fuentes de datos. Diversas medidas han
tenido como objetivo reducir los factores antropogénicos, así como disminuir las emisiones de
dióxido de carbono (CO2 ) y metano CH4 . Uno de los principales contribuyentes a los factores
antropogénicos son los residuos orgánicos en los vertederos de residuos sólidos urbanos. Hay
muchos vertederos en los que no se aplican tecnologías rápidas y rentables para la identificación y
cuantificación de los lugares de emisión de CH4 . Sigue siendo necesario el desarrollo de métodos accesibles
y rentables que reaccionen en tiempo real para la rápida detección y monitorización de las emisiones de
comprobar ror
actualiza
metano. El objetivo principal de este trabajo es crear un prototipo de sensor adecuado para la
medición operativa del valor del gas, apto para su integración en equipos geodésicos o en un
Citación: Daugela, I.; Suziedelyte
sistema de vehículos aéreos no tripulados. Se desarrolló un sistema de sensores (dispositivo) compuesto
Visockiene, J.; Kumpiene, J.; Suzdalev,
por tres sensores semiconductores -MQ2, MQ4 y MQ135- cuyo objetivo era captar gases inflamables
I. Mediciones de la concentración de
(CO2 , CH4 , O2 pureza) y evaluar los promedios de los valores medidos de los componentes
gases inflamables en vertederos con
un sensor de bajo coste. Energías 2021,
montados en la placa -los sensores semiconductores-. Los sensores se calibraron en un laboratorio
14, y se probaron en un vertedero cerrado. Los datos de medición consistían en las resistencias de
3967. https://doi.org/10.3390/ lectura (señal analógica) de los sensores MQ2, MQ4 y MQ135, y la humedad relativa y la
es14133967 temperatura (señal digital) del sensor DHT2 con una marca de tiempo calculada por el módulo
RTC. El uso del método se confirmó porque los sensores reaccionaron como se esperaba cuando se
Editores académicos: Krzysztof colocaron en las proximidades del pozo de recogida de gas. Además, el sensor se probará y
Górecki y Rao Martand Singh
mejorará para el trabajo de campo en vertederos.
2. Materiales y métodos
2.1. Área de estudio
Las pruebas se realizaron en el vertedero de Kariotiskes, situado en Lituania,
Europa. Era el principal vertedero municipal de residuos sólidos de la capital, Vilna. El
vertedero se cerró en 2008 y se plantó con vegetación un año después. A lo largo de dos
décadas, el vertedero ha acumulado 3 millones de toneladas de residuos. Se ha
construido una plataforma de observación en la cima del vertedero y se ha inaugurado
una central térmica en el vertedero de Kariotiskes, que produce energía a partir del gas
de vertedero que se extrae en él. Sin embargo, todo el territorio debe ser observado
durante al menos tres décadas.
El estudio se diseñó para comprobar determinadas ubicaciones descritas por otros
métodos de teledetección o encontrar el punto más débil de la cubierta final del
vertedero desplazándose en un sitio hacia el aumento de las lecturas en tiempo real.
Para obtener una mayor exactitud absoluta o una mejor precisión, era necesario tener en
Energías 2021, 14, 3967 3 de 15
cuenta las lecturas de tensión, temperatura, humedad y regulación del caudal, ya que
son fuentes de error sobre el terreno. Tras la localización de determinadas zonas
problemáticas en los vertederos, por el momento deberían utilizarse otros métodos con
mayor precisión de concentración; sin embargo, este prototipo podría resolver el
problema de encontrar puntos calientes influidos por la emisión de CH4 de forma rápida
y barata para cada vertedero, como método complementario a
Energías 2021, 14, 3967 4 de 15
teledetección. Esto se debe a que otros métodos son caros, requieren una preparación
y aplicación largas o complejas, o los resultados llegan al cabo de un par de semanas
debido a la logística y el trabajo de laboratorio.
2.2. Métodos
Dado que este tipo de aplicación de sensores en el dispositivo para vertederos es
novedoso, en primer lugar se presenta el principio y el diseño del prototipo. A
continuación, sigue un apartado sobre la calibración del dispositivo y, por último, otro
sobre los procesos de medición en la zona de interés.
Módulo BlueTooth
Pantalla LCD
Archivo CSV
(Excel)
Figura 2. Esquemas de las interacciones entre los principales componentes del sistema de sensores de gas: sensores de gas (naranja),
hardware de procesamiento y salida (azul), resultados en tiempo real y guardados (verde).
Figura 3. Microcontrolador Arduino con bloque principal (disposición aproximada) (a) sensores de gas
(MQ2, MQ4 y MQ135) y módulo de temperatura, humedad y Bluetooth; (b) reloj en tiempo real, lector
de tarjetas SD y LCD; (c) regulador de corriente y baterías.
El flujo de datos se transmite en tiempo real a través del módulo BlueToothTM HC-06
integrado a cualquier dispositivo capaz de recibirlos en un radio de 10 m o más (la
distancia máxima exacta no se probó, ya que varía debido a las condiciones ambientales).
Se desarrolló e implementó un algoritmo en lenguaje de programación Arduino (basado
en C/C ++) para el control del sensor.
Múltiples sensores en el sistema de sensores permiten comprobar los resultados
entre sensores en tiempo real y rechazar lecturas incorrectas o estimar los valores medios
entre varios sensores y aplicar algoritmos de fusión de sensores y aprendizaje
automático, evitando así mediciones incorrectas con componentes electrónicos rentables.
Una línea de datos consta de las resistencias de lectura (señal analógica) de los sensores
MQ2, MQ4 y MQ135, y la humedad relativa y la temperatura (señal digital) del sensor
DHT22 con una marca de tiempo calculada por el módulo RTC. La cadena de datos se
guarda en la tarjeta SD (4 Gb, clase de velocidad 10 utilizada) mediante el módulo RTC
en formato CSV creando un nuevo archivo después de iniciar el dispositivo o añadiendo
una nueva línea al final del archivo digital abierto. El módulo HC-06 empareja
Energías 2021, 14, 3967 6 de 15
Figura 4. Medición estática con un sensor: poste geodésico con receptor del sistema mundial de
navegación por satélite (GNSS), el dispositivo de medición de gases se fija cerca del suelo.
para generar una curva de calibración. Además, se realizaron varias pruebas para
determinar la sensibilidad de los sensores y definir los límites y condiciones de
medición.
Figura 6. Dispositivo listo para realizar mediciones justo encima del suelo.
donde V-voltaje de la fuente de alimentación del sensor (aquí 5V), ADCscale -valor
máximo del convertidor analógico-digital del microcontrolador (aquí 1024), ADCval -
lectura de corriente del microcontrolador, RL -resistencia de carga (aquí 500 ohm), Rclean
-relación R /Rso en aire limpio (o cuando la concentración de gas que estamos calibrando
no está presente en las proximidades de los sensores).
R2: 0.937
Figura 7. Curva de calibración del sensor MQ2 integrado en un dispositivo Curva de calibración del sensor MQ2 integrado en un
dispositivo.
: 0.965
R2
MQ135
: 0.975
R2
para el que p = 0,001 (p < 0,05), y el coeficiente de determinación ajustado r2adj = 0,930
(Tabla 1). Se utilizó la biblioteca "statmodels" para calibrar el sensor MQ2, y las Tablas 1 y 2
muestran los resultados de las estadísticas matemáticas que se crearon.
que es p = 0,001 (p < 0,05). El coeficiente de determinación ajustado r2adj = 0,961 (Tabla 3).
De acuerdo con la curva de calibración (Figura 9), la ecuación se forma como:
que es p = 0,001 (p < 0,05). Coeficiente de determinación ajustado r2adj = 0,972 (Cuadro 5).
Coeficientes descritos en la Tabla 6.
Tabla 7. Rs/Ro y valores de concentración de CH4 de la hoja de datos del sensor MQ4.
PPM 200 300 400 500 600 700 800 900 1000
Ratio Rs/Ro 1.752 1.518 1.369 1.264 1.186 1.122 1.070 1.028 0.988
PPM 2000 3000 4000 5000 6000 7000 8000 9000 10,000
Ratio Rs/Ro 0.772 0.675 0.613 0.566 0.527 0.495 0.468 0.450 0.432
y = 11,531x−0.355 (6)
con R2 = 0,9998. Tras las pruebas sobre el terreno, se utilizó la inversa de esta ecuación.
Energías 2021, 14, 3967 13 de 15
El primer punto se encontraba al sur de la parte central, cerca del pozo de recogida
de gas; el segundo, en el centro de la ladera noreste; el tercero, en la parte más
septentrional de la joroba; el cuarto, en la parte norte del cubo; y el quinto, en la parte
sureste de la joroba (figura 10).
La figura 11 muestra los datos recogidos durante aproximadamente dos horas de
recorrido por el campo y más de 5.000 líneas de datos con los valores de tensión de los
sensores (resultados del convertidor analógico-digital de 10 bits integrado en el
microcontrolador) expresados en función del tiempo.
Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.
Más información disponible en www.DeepL.com/pro.
Energías 2021, 14, 3967 12 de 15
Figura 11. Gráfico que muestra los datos de los estudios experimentales realizados por los sensores MQ2, MQ4 y MQ135 en el
vertedero de Kariotiskes.
Los datos registrados por el sensor MQ2 mostraron un valor mínimo de 390 mV, un
valor máximo de 835 mV, un valor medio de 571 mV y una desviación estándar de 49
mV; la media del 75% de los valores más altos fue de 615 mV. Los datos registrados por
el sensor MQ4 mostraron un valor mínimo de 376 mV, con un valor medio de 493 mV,
una desviación estándar d e 4 9 mV, y el 75% de los valores más altos con una media
de 552 mV. Los datos registrados por el sensor MQ135 mostraron un valor mínimo de
396 mV, un valor máximo de 879 mV, un valor medio de 616 mV, y una desviación
estándar de 52 mV; la media del 75% de los valores más altos fue de 654 mV.
En resumen, se obtuvieron los valores mínimos del sensor de 376 mV a 879 mV
para todos los datos de medición y los valores medios de 493 a 612 mV. Aunque los
valores absolutos no coincidieron entre los sensores, en la mayoría de los casos
coincidieron las tendencias (aumento o disminución).
Los valores detectados con un sensor de gas metano especializado se convirtieron
de milivoltios a ppm y se representan en la Figura 12.
Los valores medidos se generalizaron, interpolaron y superpusieron en un mapa
ortofotográfico, que se muestra en la figura 13.
Las zonas o puntos de interés mencionados anteriormente mostraban valores
diferentes, pero todos estaban por debajo del valor mínimo detectable del sensor de gas
especificado.
Energías 2021, 14, 3967 13 de 15
Figura 12. Datos del sensor de gas MQ4, valores de ppm en función del tiempo en el vertedero de
Kariotiskes.
Figura 13. Datos del sensor de gas de los estudios experimentales realizados con el sensor MQ4 en el vertedero de
Kariotiskes.
4. 4. Debate y conclusiones
Se construyó un prototipo de sensor para comprobar fácil y rápidamente las
emisiones de gas CH4 de los vertederos. Los componentes y el diseño del sistema tenían
por objeto crear un dispositivo de respuesta rápida con capacidad de itinerancia para
mejorar el proceso de control y detección de gases. Una solución de este tipo tiene
potencial para sustituir a la cámara de flujo estática en determinadas situaciones, está
económicamente más disponible que los sistemas de detección por láser y es mejor para
la detección detallada de pequeñas fuentes de emisión que las imágenes por satélite.
Existen otros métodos más
Energías 2021, 14, 3967 14 de 15
Contribuciones de los autores: Conceptualización, I.D. y J.K.; metodología, I.D., J.K.; software,
I.D., I.S.; validación, I.D., J.K., J.S.V., I.S.; análisis formal, I.D.; investigación, I.D.; recursos, J.S.V.;
conservación de datos, I.D., I.S.; redacción-redacción del borrador original, J.S.V., I.D.; redacción-revisión
y edición, J.K.; visualización, I.D.; supervisión, J.S.V.; administración del proyecto, J.S.V.;
obtención de fondos, J.S.V. Todos los autores han leído y aceptado la versión publicada del
manuscrito.
Financiación: Esta investigación no ha recibido financiación externa.
Declaración de disponibilidad de datos: Los datos presentados en este estudio están disponibles
previa solicitud al autor correspondiente.
Conflictos de i n t e r e s e s : Los autores declaran no tener ningún conflicto de i n t e r e s e s .
Referencias
1. Allen, M.R.; Babiker, M.; Chen, Y.; Coninck, H.D.; Connors, S.; Diemen, R.V.; Dube, O.P.; Ebi, K.L.; Engelbrecht, F.; Ferrat, M.; et
al. Resumen para responsables políticos. En Calentamiento global de 1,5: Un informe especial del IPCC sobre los impactos del
calentamiento global de 1,5\C por encima de los niveles preindustriales y las vías de emisión de gases de efecto invernadero globales
relacionadas, en el contexto del fortalecimiento de la respuesta global a la amenaza del cambio climático, el desarrollo sostenible y los
esfuerzos para erradicar la pobreza IPCC; Organización Meteorológica Mundial: Ginebra, Suiza, 2018; pp. 1-24. Disponible en línea:
https://www.ipcc.ch/sr15/chapter/spm/ (consultado el 13 de mayo de 2021).
2. Rahmstorf, S. A semi-empirical approach to projecting future sea-level rise. Science 2007, 315, 368-370. [CrossRef]
3. Dräger X-am®7000. Disponible en línea: https://www.draeger.com/Products/Content/x-am-7000-pi-9044772-en-gb.pdf
Energías 2021, 14, 3967 15 de 15
5. Rolston, D.E. Flujo de Gases. Métodos de análisis de suelos. Part 1. Physical and Mineralogical Methods. Physical and Mineralogical
Methods; SSSA Book Ser. 5; SSSA: Madison, WI, USA, 1986; pp. 1103-1119. [CrossRef]
6. Lindau, C.W.; DeLaune, R.D. Dinitrogen and nitrous oxide emission and entrapment in Spartina alterniflora saltmarsh soils
following addition of N-15 labelled ammonium and nitrate. Estuar. Coast. Shelf Sci. 1991, 32, 161-173. [CrossRef]
7. Yu, K.; Hiscox, A.; DeLaune, R.D. Greenhouse Gas Emission by Static Chamber and Eddy Flux Methods. SSSA Book 2013,
10. Disponible en línea: http://faculty.troy.edu/kyu/2013-methods-wetlands-22.pdf (consultado el 4 de mayo de 2021).
8. Yang, S.; Liu, Y.; Wu, N.; Zhang, Y.; Svoronos, S.; Pullammanappallil, P. Low-cost, Arduino-based, portable device for
measurement of methane composition in biogas. Renew. Energy 2019, 138, 224-229. [CrossRef]
9. Bennetts, V.M.H.; Lilienthal, A.J.; Khaliq, A.A.; Sese, V.P.; Trincavelli, M. Towards real-world gas distribution mapping and leak
localization using a mobile robot with 3d and remote gas sensing c a p a b i l i t i e s . En Proceedings of the 2013 International Conference
on Robotics and Automation, Karlsruhe, Alemania, 6-10 de mayo de 2013. [CrossRef]
10. Innocenti, F.; Robinson, R.; Gardiner, T.; Finlayson, A.; Connor, A. Differential absorption Lidar (DIAL) measurements of landfill
methane emissions. Remote Sens. 2017, 9, 953. [CrossRef]
11. Tanda, G.; Migliazzi, M.; Chiarabini, V.; Cinquetti, P. Application of close-range aerial infrared thermography to detect
landfill gas emissions: Un estudio de caso. J. Phys. 2017, 796, 012016. [CrossRef]
12. Adão, T.; Hruška, J.; Pádua, L.; Bessa, J.; Peres, E.; Morais, R.; Sousa, J.; Adão, T.; Hruška, J.; Pádua, L.; et al. Hyperspectral
imágenes: Una revisión sobre sensores basados en UAV, procesamiento de datos y aplicaciones para agricultura y silvicultura.
Remote Sens. 2017, 9, 1110. [CrossRef]
13. Abrams, M.J.; Hook, S.J. NASA's hyperspectral infrared imager (HyspIRI). En Thermal Infrared Remote Sensing; Kuenzer, C.,
Dech, S., Eds.; Springer: Dordrecht, Países Bajos, 2013; Volumen 17. [CrossRef]
14. Hochberg, E.J.; Roberts, D.A.; Dennison, P.E.; Hulley, G.C. Special issue on the Hyperspectral Infrared Imager (HyspIRI): Emerging
science in terrestrial and aquatic ecology, radiation balance and hazards. Remote Sens. Environ. 2015, 167, 1-5. [CrossRef]
15. Hulley, G.C.; Duren, R.M.; Hopkins, F.M.; Hook, S.J.; Johnson, W.R.; Eng, B.T.; Mihaly, J.M.; Chazanoff, V.M.; Staniszewski, S.L.;
Aubrey, A.D. High spatial resolution imaging of methane and other trace gases with the airborne Hyperspectral Thermal Emission
Spectrometer (HyTES). Atmos. Meas. Tech. 2016, 9, 2393. [CrossRef]
16. Bhargava, A.K. Atmospheric Monitoring Using Arduino Boards and Low Cost Sensors. Conferencia Internacional sobre
Nuevos Horizontes en Ciencia y Gestión y Humanidades 2021 (NHSEMH-18). Disponible en línea:
http://data.conferenceworld.in/ IIMT_NHSEMH/1.pdf (consultado el 4 de mayo de 2021).
17. Schuyler, T.J.; Guzman, M.I. Unmanned Aerial Systems for Monitoring Trace Tropospheric Gases. J. Atmos. 2017, 8, 206. [CrossRef]
18. Thompson, B. Análisis de correlación canónica. Sage Publications 1984, EE.UU. Disponible en línea:
https://books.google.lt/books? hl=lt&lr=&id=Dk0XINOvsw8C&oi=fnd&pg=IA1&dq=correlation+analysis&ots=3buz-
30Wrd&sig=kR5N5rJw4knQipZWU3 8d1cOt5vQ&redir_esc=y#v=onepage&q=correlation%20analysis&f=false (consultado el 4
de mayo de 2021).
19. Montgomery, D.C.; Peck, E.A.; Vining, G.G. Introduction to Linear Regression Analysis, 2ª ed.; Wiley: Hoboken, NJ, EE.UU., 1992.
20. Datos técnicos del sensor de gas MQ-4 de SparkFun Electronics. Disponible en línea:
https://www.sparkfun.com/datasheets/Sensors/ Biometric/MQ-4.pdf (consultado el 4 de mayo de 2021).
21. Zein, H.; Tran, V.L.H.; Abdelmotaleb, G.A.; Mohammed, A.T.; Ahmed, A.; Iraqi, A.; Nguyen, H. How to Extract Data from Graphs
Using Plot Digitizer or Get Data Graph Digitizer. Informe técnico 2015. Disponible en línea:
https://www.academia.edu/32440572
/How_to_Extract_Data_from_Graphs_using_Plot_Digitizer_or_Getdata_Graph_Digitizer (consultado el 4 de mayo de 2021).
22. Dauge˙la, I.; Suziedelyte Visockiene, J.; Kumpiene, J. Detección y análisis de las emisiones de metano de un vertedero mediante
sistemas de drones aéreos no tripulados y sensores semiconductores. Detritus-Multidiscip. J. Waste Resour. Residues 2020, 10, 127-
138. [CrossRef]