La previsión de la contaminación del aire es la aplicación de la ciencia y la tecnología para predecir la composición de la contaminación del aire en la atmósfera en un lugar y un momento determinados. La predicción algorítmica de las concentraciones de contaminantes se puede traducir en un índice de calidad del aire , al igual que las mediciones reales.
Los países y las ciudades reciben pronósticos de organizaciones gubernamentales estatales y locales, así como de empresas privadas como Airly, AirVisual, Aerostate, Ambee, BreezoMeter, PlumeLabs y DRAXIS que proporcionan pronósticos de contaminación del aire.
Motivación
La contaminación del aire es uno de los mayores problemas del mundo y provoca problemas respiratorios, enfermedades pulmonares y cardiovasculares, además de contribuir a problemas de salud mental y agravar las condiciones de salud existentes. También puede causar un deterioro de la salud del planeta. Por lo tanto, es esencial reducir y concienciar a las personas sobre estos problemas causados por la contaminación del aire .
Con un método preciso de previsión de la contaminación del aire, resulta más fácil gestionar y mitigar los riesgos de contaminación del aire y garantizar un nivel seguro de concentración de contaminantes en la región. También ayuda a evaluar los riesgos para el medio ambiente y el clima provocados por unos estándares de calidad del aire deficientes. Una previsión precisa también puede facilitar la planificación de las actividades cotidianas, evitar lugares con zonas de alerta alta e implementar medidas eficaces de control de la contaminación.
Técnicas
Al igual que en el caso de la previsión meteorológica , la previsión de la contaminación del aire se basa en la idea central de tomar una instantánea actual de la atmósfera y utilizar una simulación por ordenador para predecir lo que ocurrirá a continuación. Un algoritmo típico utiliza los siguientes componentes: [1]
- Una entrada de la calidad del aire actual, monitoreada por estaciones locales y teledetección. [1]
- Una entrada del tiempo pronosticado durante el período de predicción, para predecir el movimiento de cualquier contaminante. [2]
- Un modelo de emisión de contaminantes. Puede incluir el tráfico, la industria y el polen. Los ciclos de emisión de contaminantes varían de diarios a semanales (para el desplazamiento humano) y anuales (para el polen y la quema de carbón). También se consideran fuentes no periódicas, como los incendios forestales, cuando se conocen. [1]
- La previsión del polen no solo es importante para predecir la concentración de PM, sino también para predecir las alergias. Hay varias formas de hacerlo, algunas de las cuales tienen en cuenta el tiempo previsto. [3]
- Estudios recientes han incorporado técnicas de aprendizaje automático como redes neuronales, regresiones y bosques aleatorios para lograr una alta precisión en esta parte. [4]
- Una aportación del terreno local.
- Comprender cómo actúan los contaminantes en determinadas condiciones climáticas y del terreno. Esta es la tarea que realizan los modelos de transporte químico y de dispersión atmosférica . La concentración de contaminantes en la atmósfera está determinada por su transporte , o velocidad media de movimiento a través de la atmósfera, su difusión , transformación química y deposición en el suelo . [5]
La resolución temporal del pronóstico suele ser diaria u horaria y la resolución espacial puede variar desde una resolución de bloque hasta una resolución de decenas de kilómetros.
La mayoría de los pronósticos sobre la calidad del aire cubren un período de dos a cinco días. [1]
Los métodos avanzados de previsión de la calidad del aire combinan datos históricos con datos generados mediante sensores terrestres y observaciones satelitales para proporcionar información, análisis y previsiones sobre la contaminación del aire a nivel global y de las calles. También tienen en cuenta factores locales como el tráfico, los patrones climáticos regionales o las emisiones a la atmósfera.
Desafíos
Las condiciones meteorológicas, como las inversiones térmicas, pueden impedir que el aire de la superficie se eleve, atrapando contaminantes cerca de la superficie, [6] lo que hace que los pronósticos precisos de tales eventos sean cruciales para el modelado de la calidad del aire.
Los modelos de calidad del aire urbano requieren una malla computacional muy fina, lo que requiere el uso de modelos meteorológicos de mesoescala de alta resolución; a pesar de esto, la calidad de la guía meteorológica numérica es la principal incertidumbre en los pronósticos de calidad del aire. [2]
Usos
Al conocer el pronóstico de la calidad del aire, uno puede decidir cómo actuar, por ejemplo, debido a los efectos de la contaminación del aire en la salud , uno puede prepararse con anticipación y elegir el mejor momento para realizar una actividad al aire libre.
- Decidir si conviene aplicar un ungüento para el cuidado de la piel. [7]
- Encuentre la ruta más limpia para conducir, caminar o andar en bicicleta. [8]
- Decidir si dejar las ventanas abiertas o cerradas. [9]
- Los gobiernos pueden utilizar los pronósticos de la calidad del aire para implementar medidas efectivas de control de la contaminación. [10]
Véase también
Referencias
- ^ abcd Kumar, Rajesh; Peuch, Vincent-Henri; Crawford, James H.; Brasseur, Guy (septiembre de 2018). «Cinco pasos para mejorar los pronósticos de la calidad del aire». Nature . 561 (7721): 27–29. Bibcode :2018Natur.561...27K. doi : 10.1038/d41586-018-06150-5 . PMID 30181644.
- ^ ab Baklanov, Alexander; Rasmussen, Alix; Fay, Barbara; Berge, Erik; Finardi, Sandro (septiembre de 2002). "Potencial y deficiencias de los modelos numéricos de predicción meteorológica en la provisión de datos meteorológicos para la previsión de la contaminación atmosférica urbana". Contaminación del agua, el aire y el suelo: foco de atención . 2 (5): 43–60. doi :10.1023/A:1021394126149. S2CID 94747027.
- ^ Suanno, Chiara; Aloisi, Iris; Fernández-González, Delia; Del Duca, Stefano (septiembre de 2021). "Previsión del polen y su relevancia en la evitación de alérgenos de polen". Investigación ambiental . 200 : 111150. Bibcode :2021ER....200k1150S. doi :10.1016/j.envres.2021.111150. hdl : 11585/853038 . PMID 33894233.
- ^ Kolehmainen, M; Martikainen, H; Ruuskanen, J (1 de enero de 2001). "Redes neuronales y componentes periódicos utilizados en la predicción de la calidad del aire". Atmospheric Environment . 35 (5): 815–825. Bibcode :2001AtmEn..35..815K. doi :10.1016/S1352-2310(00)00385-X.
- ^ Daly, Aaron y Paolo Zannetti (2007). Contaminación del aire ambiental (PDF) . The Arab School for Science and Technology y The EnviroComp Institute. pág. 16. Consultado el 24 de febrero de 2011 .
- ^ Marshall, John; Plumb, R. Alan (2008). Atmósfera, océano y dinámica climática: un texto introductorio . Ámsterdam: Elsevier Academic Press. pp. 44–46. ISBN 978-0-12-558691-7.
- ^ "Dermalogica y BreezoMeter se asocian para educar sobre los efectos de la contaminación en la piel" . Consultado el 31 de mayo de 2018 .
- ^ "Buscador de rutas de aire limpio". Autoridad del Gran Londres. 14 de julio de 2017.
- ^ "Mapas de contaminación del aire: a los usuarios les encantan, su marca los necesita".
- ^ "Un marco de inteligencia artificial para pronosticar la calidad del aire".
