modelaciÓn de la contaminaciÓn …karin.fq.uh.cu/~lmc/premios_acc/premios2013/057-2013/4...2 4.4....
TRANSCRIPT
1
MODELACIÓN DE LA CONTAMINACIÓN ATMOSFÉRICA Y VALORACIÓN DE IMPACTOS EPIDEMIOLÓGICOS Y
EXTERNALIDADES, ASOCIADAS A INSTALACIONES ENERGÉTICAS E INDUSTRIALES
Descripción científico-técnica detallada del resultado
ÍNDICE RESUMEN ........................................................................................................................ 3 INTRODUCCIÓN ............................................................................................................ 3 1. METODOLOGÍA DE VÍAS DE IMPACTO ............................................................... 4 2. IMPLEMENTACIÓN DE LOS MODELOS REFINADOS ....................................... 6
2.1. ISCST3 y ARMOD .......................................................................................... 6 2.2. Implementación del Sistema de modelos ISC .................................................. 7
2.2.1 PCRAMMET y MIXHTS.................................................................................... 8 2.3. Implementación del Sistema de modelos AERMOD ....................................... 9
2.3.1 AERMAP ........................................................................................................... 10 2.3.2 Uso de suelos ..................................................................................................... 10 2.3.3 AERMET ........................................................................................................... 12 2.3.4 AERMET+......................................................................................................... 12 2.3.4.1 Calmas y datos faltantes .................................................................................... 15 2.3.5 AERMOD .......................................................................................................... 16 2.3.5.1 Datos para los mecanismos de Deposición. ....................................................... 16
2.4. Evaluación de la implementación de los modelos refinados .......................... 17 2.4.1 Validación de AERMET+ ................................................................................. 17 2.4.2 Influencia de usar AERMET+ en los resultados de AERMOD ........................ 19 2.4.3 Caso de estudio de la empresa Pedro Soto Alba en Moa ................................... 21
3. IMPLEMENTACIÓN DEL WRF PARA LA MODELACIÓN DE LA CIRCULACIÓN ATMOSFÉRICA EN CUBA ORIENTADO A ESTUDIOS DE DISPERSIÓN DE CONTAMINANTES .................................................................................................. 26
3.1. Metodología ................................................................................................... 26 3.2. Datos generales .............................................................................................. 26 3.3. Opciones físicas .............................................................................................. 27 3.4. Procedimientos estadísticos para la validación de los resultados del WRF ... 28 3.5. Selección de la fuente de datos meteorológicos de entrada ........................... 29 3.6. Validación con datos de entrada GFS ............................................................ 31 3.7. Uso de los resultados de WRF en la modelación de la calidad del aire. ........ 35 3.8. Alimentando AERMOD con WRF: WRF-fsl ................................................ 35
3.8.1 Casos de Estudio ................................................................................................ 36 3.8.2 Comparación entre AERMET+ y WRF-fslAERMET ................................... 36 3.8.3 Comparación entre los resultados obtenidos con AERMOD ............................ 36
3.9. Modelación fotoquímica usando CHIMERE ................................................. 37 3.9.1 Resultados de las concentraciones de Ozono .................................................... 40
4. IMPLEMENTACIÓN de CALPUFF ......................................................................... 44 4.1. Ajuste de los parámetros y variables del modelo ........................................... 45 4.2. Análisis de sensibilidad a los mecanismos de reacciones químicas ............... 46 4.3. Análisis de sensibilidad a los métodos de modelación de la pluma ............... 48
2
4.4. Comparación de los resultados de CALPUFF con AERMOD ...................... 50 5. IMPACTOS DE LA CONTAMINACIÓN ATMOSFÉRICA SOBRE LA SALUD 50
5.1. Criterios para el establecimiento de funciones exposición-respuesta entre contaminantes del aire y sus efectos sobre la salud. ...................................... 51
5.2. Contaminantes seleccionados ......................................................................... 51 5.3. Metodología empleada para la selección y análisis de los estudios epidemiológicos
nacionales ....................................................................................................... 53 5.4. Estudios epidemiológicos nacionales ............................................................. 54
5.4.1 Análisis y discusión de la evaluación de los estudios epidemiológicos nacionales 54 5.4.2 Problemas identificados en estudios nacionales de contaminantes atmosféricos y salud
54 5.4.3 Conclusiones del análisis de estudios epidemiológicos nacionales ................... 55
5.5. Propuesta preliminar de funciones exposición-respuesta ............................... 56 5.5.1 Evaluación de idoneidad .................................................................................... 56 5.5.2 Funciones exposición-respuesta propuestas ...................................................... 56 5.5.2.1 Funciones para mortalidad ................................................................................. 56 5.5.2.2 Funciones para morbilidad ................................................................................ 57
5.6. Efectos a corto plazo de la contaminación atmosférica en la mortalidad en Ciudad de La Habana ...................................................................................................... 58
5.6.1 Métodos ............................................................................................................. 58 5.6.1.1 Universo de estudio ........................................................................................... 58 5.6.1.2 Estadística Descriptiva....................................................................................... 59 5.6.1.3 Construcción de los modelos explicativos ......................................................... 61 5.6.1.4 Identificación del modelo basal ......................................................................... 61 5.6.2 Resultados y discusión ....................................................................................... 62
5.7. Análisis de estudios regionales ...................................................................... 63 5.7.1 Propuesta de funciones exposición-respuesta a emplear en la región ............... 64 5.7.1.1 Mortalidad ......................................................................................................... 64 5.7.1.2 Morbilidad ......................................................................................................... 65
6. Casos de estudio ......................................................................................................... 66 6.1. Sistema de Evaluación de Impacto Ambiental de instalaciones energéticas, SEIA
66 6.2. Zonas críticas de Tula y Salamanca en México ............................................. 68
6.2.1 Resultados integrados de la CTE y la refinería .................................................. 68 6.2.2 Identificación de responsabilidades de la CTE y la refinería ............................ 70
6.3. Medidas operacionales para la mitigación de la contaminación atmosférica provocada por Grupos Electrógenos ................................................................................ 70
6.3.1 Meteorología de la zona de emplazamiento ...................................................... 71 6.3.2 Temperatura y velocidad de los gases de escape ............................................... 73 6.3.3 Velocidad de los gases de escape ...................................................................... 73 6.3.4 Temperatura de los gases de escape .................................................................. 74 6.3.5 Potencia de las instalaciones .............................................................................. 75 6.3.6 Medidas propuestas ........................................................................................... 75
6.4. Casos de estudio resueltos usando CALPUFF ............................................... 76 6.4.1 Baterías de grupos electrógenos que queman fuel oíl, en La Habana. .............. 76 6.4.2 Refinería Camilo Cienfuegos en régimen normal y para una situación de emergencia
78
3
6.5. Evaluación Integral de contaminación atmosférica a instalaciones energéticas e industriales. .................................................................................................... 79
7. ACTUALIZACIÓN DEL MARCO REGULATORIO SOBRE ATMOSFERA ...... 79 7.1. Concentraciones de fondo .............................................................................. 81 7.2. Inclusión de CALPUFF entre las herramientas de modelación a usar en el país 82
CONCLUSIONES .......................................................................................................... 83 RECOMENDACIONES ................................................................................................. 85 REFERENCIAS .............................................................................................................. 86
RESUMEN La calidad del aire a escala local se encuentra comprometida en varias zonas del país. Las capacidades nacionales para su evaluación mediante mediciones son insuficientes. La modelación tampoco se explota adecuadamente, la regulación vigente establece un modelo simplificado, que no refleja los avances de la ciencia y no resuelve la mayoría de las situaciones que pueden presentarse.
El trabajo desarrolla soluciones robustas para la evaluación, control y mitigación de la contaminación atmosférica, integrando el uso de modelos de cálculos refinados adaptados a las condiciones del país, con mediciones tanto de emisiones como de calidad del aire, complementadas con estudios de impactos en salud y con la estimación de las externalidades ambientales.
Como resultado de este trabajo se ha logrado:
Implementar en el país modelos de cálculo al nivel del estado del arte para estudiar la calidad del aire, los impactos en salud y las externalidades ambientales, los que permiten evaluaciones más precisas y decisiones más informadas.
Aplicar la solución integradora modelación-medición a importantes fuentes contaminadoras del sector energético e industrial: centrales termoeléctricas, grupos electrógenos, refinerías, industrias del sector minero, entre otras; incluso en otros países de la región.
Actualizar la regulación vigente en el país sobre modelación de la dispersión local de contaminantes atmosféricos y concentraciones máximas admisibles en aire ambiente y establecer la norma de emisiones en fuentes fijas puntuales de instalaciones generadoras de electricidad y vapor.
INTRODUCCIÓN La Situación Ambiental Nacional reconoce que existen zonas en el país en la escala local donde la calidad del aire se encuentra seriamente comprometida, sin que existan en la actualidad posibilidades reales para su evaluación y control sistemático mediante mediciones, debido al estado de la red de monitoreo. La modelación, como otra de las vías para evaluar la contaminación atmosférica, tampoco es hoy un instrumento de gestión eficiente, debido entre otros factores, a que la regulación vigente (NC 39:19991) establece un modelo simplificado, que no refleja los avances de la ciencia en el tema pues no ha cambiado en los últimos 20 años y no resuelve la mayoría de las situaciones que pueden presentarse.
Este trabajo resuelve el problema de la insuficiente capacidad de las herramientas implementadas en el país, tanto basadas en modelo como en mediciones, para evaluar, controlar y mitigar la contaminación atmosférica a escala local. Su objeto de estudio es la contaminación atmosférica a escala local.
La hipótesis del trabajo es que la implementación de modelos refinados resuelve las insuficiencias básicas que existen en los estudios de dispersión local de contaminantes en el país, de forma que sus resultados, integrados con mediciones, tanto de emisiones como de calidad del aire, realizadas con el escaso
4
equipamiento disponible en el país y complementadas con estudios de impactos en salud y costos ambientales, permite evaluaciones más precisas y decisiones más informadas.
Dentro de los modelos existentes para la escala local, se seleccionan los sistemas ISCST3, AERMOD y CALPUFF. Todos son programas de código libre; sus programas fuentes, manuales de usuario, metodologías en que se basan y casos de prueba, están disponible con acceso público en calidad de usuario anónimo. Esto ha contribuido a que se perfeccionen constantemente a partir de las mejores prácticas internacionales y además garantiza poder usarlos en el país sin costos adicionales, haciéndoles las adaptaciones necesarias. Los objetivos del trabajo son:
a) Desarrollar y evaluar soluciones metodológicas y de cómputo para la implementación de la metodología Vías de impactos y los modelos refinados de dispersión local de contaminantes atmosféricos, ISCST3, AERMOD y CALPUFF.
b) Evaluar, controlar y mitigar la contaminación atmosférica asociada a empresas del sector energético e industrial mediante estudios integrales que apliquen las metodologías y herramientas de cálculo desarrolladas.
c) Proponer una actualización de la regulación vigente en el país sobre modelación de la dispersión local de contaminantes atmosféricos y concentraciones máximas admisibles.
El aporte científico del trabajo radica en las soluciones metodológicas desarrolladas para adaptar la metodología Vías de Impacto y los modelos refinados de dispersión de contaminantes atmosféricos a la disponibilidad y formatos de datos y a las condiciones geográficas y meteorológicas del país. Estas soluciones contemplan los criterios de selección y los algoritmos para calcular los datos requeridos no disponibles; los cuales fueron además programados y validados.
Constituye un valioso aporte la obtención por primera vez en el país de una función exposición-respuesta, FER, para evaluar la mortalidad a corto plazo debido a partículas menores a 10 m; PM10, además del riguroso proceso de selección de otras FER para los estudios de impacto en salud.
Es novedoso que las soluciones metodológicas se complementaron con el desarrollo de herramientas de cálculo, algunas de ellas incluidas en el Sistema de Evaluación de Impacto Ambiental de instalaciones energéticas (SEIA) y con varias aplicaciones a situaciones concretas de la realidad nacional e incluso a otros países de la región, como México y Costa Rica. Estos estudios, demuestran las potencialidades de la metodología en la evaluación, control y mitigación de la contaminación atmosférica asociada a empresas del sector energético e industrial. Los resultados del estudio de Moa Nickel SA aportan elementos de validación del modelo AERMOD pues se comparan las inmisiones calculadas, con las mediciones de dos estaciones de monitoreo continuo de calidad del aire durante 2 años. Otros estudios también contienen elementos de validación con métodos analíticos durante períodos reducidos. Varios casos de estudio aportan opciones novedosas de mitigación a problemas concretos de la Revolución Energética que acomete el país.
Las metodologías desarrolladas pueden aplicarse a cualquier tipo de fuente estacionaria, de forma que constituyen el soporte científico para la introducción de los modelos refinados en la propuesta por niveles para actualizar la regulación nacional sobre estudios de dispersión local de contaminantes. Dicha propuesta resuelve de forma novedosa la integración de modelos simplificados y refinados. El desarrollo realizado puede aplicarse en otros países con condiciones similares a las de Cuba.
1. METODOLOGÍA DE VÍAS DE IMPACTO Históricamente han existido diferentes metodologías para la valoración de los impactos de las actividades industriales, incluso algunas que implican un tratamiento cualitativo, este trabajo seleccionó la de “Vías de Impacto”, también conocida como “Función de Daño”, por ser la más actualizada y precisa. La Metodología de Vías de Impacto sigue el camino de los contaminantes desde que son emitidos hasta los
receptoresestimar loDesde el pFigura 1): Emisi
emitid Dispe
region Impac
funcio Costo
Para aplicdetalladosinformacióestimacionInstalacion
1. Carala fuen
-Locali-Datos -Inventemision
Figura 1.
Es de decontaminacorrespon2010a2). SAERMODdeposición
Se destacPCRAMMrespectivarefinados.
Los algorcuando nodiferenciade calor sThomson,
s afectados, s costos asocpunto de vist ones: caracte
dos. rsión: cálculo
nes afectadas ctos: evaluaciones exposiciós: evaluación
car esta metos con altos ón, pero qunes. En CUBnes Energétic
acterización dte
ización técnicos
tario dnes
Etapas de la
estacar el deantes atmosfdientes herraSe han impleD y WRF-CAn seca y húme
can las solucMET+ y Aamente), de c
ritmos adiciono existen datoales que simuensible (Batc, 20006).
identificandoiados. ta de la conta
erización de
o del incremeutilizando mo
ión de los impón-respuesta.
n monetaria de
odología se hrequerimiento
ue en contrapAENERGÍA
cas, SEIA.
de 2. Dispcontamin
de
-Meteoro-Calculo concentraincremen
a Metodologí
sarrollo de lféricos al niamientas de cementado los
ALMET-CALPeda de los con
iones para sAERMET+, capas digitale
nados a AERos de aire sulan el crecim
chvarova y Gr
o y cuantific
aminación atm
la instalació
ento de las coodelos de disppactos de las e los impacto
han desarrollos de informpartida, recuse ha desarro
persión de nantes
ología
de aciones ntales
ía Vías de Im
la metodologivel del estacómputo paras sistemas dePUFF, tenienntaminantes,
uplir las car(pre-procesa
es de uso de
RMET+ para uperior, resuelmiento de ZC d
ryning, 19913
5
cando las af
mosférica, la
ón (fuente e
oncentracionepersión atmos
s concentracio
s.
lado diferentmación, otrosurren a una ollado el Siste
3. Evaluació
-Datos de los-Elección dexposición-r
mpacto
gía para la iado del artea su adaptacióe modelos PCndo en cuentaentre otros as
rencias de madores metesuelos y de
estimar la alven por el mdurante el día3; Driedonks,
(linea
Salud
Cultivo
Respuesta
fectaciones (i
metodología
misora) y d
s de los contasférica. ones incremen
tes modelos s más simpl
serie de apema de Evalu
n de impacto
s receptores de las funrespuesta
introducción e, que contieón a las condCRAMMET-Ia la topografíaspectos impor
mediciones deeorológicos otros datos
altura de la cmétodo de difa a partir de l 19824; Seibe
al
d
M(n
os (efecto fertilizador
, (lineal coumbral
a
impactos) pa
a comprende
e los flujos
aminantes em
ntadas en los
computacionalificados queproximacioneuación de Imp
s 4. econ
nciones
-Mévalo-Cos
de modelos ene solucion
diciones del pISCST3, AEa del terreno, rtantes
e aire superiode ISCST
requeridos po
capa de mezcferencias finila acumulacióert y col., 200
Materiales o lineal)
Dosis
on )
ara posteriorm
cuatro etapas
de contamin
mitidos en tod
s receptores u
ales, algunose requieren ms en las div
pacto Ambien
Valoracinómica
étodos oración sto de los dañ
de dispersiónes propias país (Turtós yRMAP-AERMel uso del sue
or en los moT3 y AERor dichos mo
cla convectivtas, las ecuac
ón horaria del00; CERC, 20
mente
s (Ver
nantes
das las
usando
s muy menos versas ntal de
ión
de
ños
ón de y las
y col., MET-elo, la
odelos RMOD odelos
va, ZC, ciones l flujo 0015 y
6
Puntos claves en la implementación lograda fueron: la rigurosa determinación de la altura de la primera hora convectiva (condiciones iniciales) y del paso de tiempo óptimo (360 s) para la solución de las ecuaciones, los estudios de sensibilidad para seleccionar los valores de las constantes incluidas en las ecuaciones (A, B y frecuencia de Brunt-Väisälä) y los métodos para evaluar las horas de calma y con datos faltantes.
A modo de conclusión puede asegurarse que se resuelven todos los requerimientos para la aplicación de los modelos refinados ISCST3 y AERMOD en el país.
Aunque enfocado a resolver los problemas de contaminación atmosférica local, el trabajo también incluye la escala regional y global. En la escala regional se destaca la implementación del WMI (Gacita y col., 20057) y CALPUFF (Fonseca y col., 20128); y en la global, los inventarios de gases de efectos invernadero de las industrias y la evaluación de acciones de mitigación y adaptación al cambio climático (Turtós y col., 2010b9; Meneses y col., 201310).
El trabajo también incluyó la implementación del modelo de pronóstico y diagnostico meteorológico avanzado WRF (Weather Research and Forecasting) para la modelación de la circulación atmosférica en Cuba, tanto para el uso de sus resultados en ISCST3 y AERMOD, a través de un convertidor propio desarrollado (WRFfsl, Turtós y col., 201111), en modelos 3D como CALPUFF y en modelos fotoquímicos como CHIMERE (Turtós y col., 201312).
2. IMPLEMENTACIÓN DE LOS MODELOS REFINADOS
2.1. ISCST3 y ARMOD
La selección del ISC y el AERMOD fue el resultado del análisis de diferentes modelos refinados existentes en cuanto a: problemas que resuelven, algoritmos, requerimientos de datos, costo de adquisición, soluciones para su implementación y tiempo de ejecución. También se valoró la situación nacional en cuanto a experiencia acumulada y datos disponibles (EPA, 199513, 2004a14).
Los requerimientos de datos de los modelos refinados son superiores a los simplificados. La Figura 2 presenta una descripción general del proceso, que no pretende ser exhaustiva en todos los elementos, sino proporcionar un cuadro de los principales pasos involucrados: selección de las opciones de modelación y de salida; caracterización de las fuentes a evaluar; definición del área de estudio y de los receptores; procesamiento de los datos de uso de suelos y topográficos; análisis de la perturbación de la pluma por efecto de obstáculos cercanos a las fuentes; procesamiento de los datos meteorológicos y finalmente, corrida del modelo, visualización y análisis de los resultados.
La metodología detallada para modelar la dispersión usando los sistemas de modelos ISCST3, ISC-PRIME y AERMOD, incluyendo los datos que requieren, forma parte de los procedimientos de calidad de CUBAENERGIA y se incluye en la propuesta de nueva norma de calidad del aire “Metodología para modelar las afectaciones de la calidad del aire a escala local debido a las emisiones de contaminantes atmosféricos desde fuentes fijas”, NC XX-201315. Los siguientes epígrafes sólo contienen las soluciones propuestas para lograr su implementación en el país.
7
Figura 2. Procedimiento general para realizar una modelación refinada
2.2. Implementación del Sistema de modelos ISC
Salvo que se indique lo contrario, las soluciones que se presentan son comunes para ISCST3 e ISC-PRIME y sólo se menciona el ISCST3. El sistema de modelos ISCST3 incluye dos procesadores meteorológicos, MIXHTS (EPA, 199816) y PCRAMMET (EPA, 199917). Para la evaluación de los efectos de estela, el pre-procesador es el BPIP para ISCST3 y BPIP-PRIME para ISC-PRIME. La implementación de estos modelos requirió:
1) Desarrollar de metodologías para completar los datos exigidos para la caracterización de las fuentes emisoras que no están disponibles en el país:
Obtención de los espectros por diámetro de las partículas de bases de datos internacionales, por ejemplo la AP-42 (EPA, 200118). Si los resultados de las concentraciones obtenidas superan el 50 % de los valores normados, se deben realizar estudios de sensibilidad en los rangos de valores posibles.
Utilización de los valores por defecto de los coeficientes de arrastre por las precipitaciones de cada categoría de partículas y de contaminantes gaseosos.
Simulación de las “antorchas” como fuentes puntuales de acuerdo a la metodología que se presenta en NC XX-2013, que incluye además los criterios para seleccionar los datos requeridos no disponibles en el país.
2) Establecer criterios y algoritmos para la consideración de patrones de emisión variables, incluso modelación en tiempo real de instalaciones energéticas.
3) Definir la proyección geográfica a usar: UTM (del inglés Universal Transverse Mercator) o
Parámetros del área estudiada Localización de las fuentes Topografía del terreno Uso de la tierra Dimensiones y localización de obstáculos
Datos meteorológicos primarios De superficie, horarios: velocidad y dirección del viento, temperatura, etc. De aire superior, dos veces al día
Estimación del descenso de la pluma por presencia de obstáculos
Procesamiento de topografía del terreno
Procesamientos de datos meteorológicos Parámetros de estabilidad Altura de la capa de mezcla Parámetros micro-meteorológicos
Datos de la fuente Coordenadas Altura de emisión Temperatura y velocidad de las emisiones Tasa de emisión
Datos de los receptores Receptores en rejilla Receptores discretos Elevación
MODELO DE DISPERSIÓN
Procesamiento y análisis de resultados Isolíneas de concentración Análisis estadísticos Violación de normas
Procesamiento del uso de suelos
Contaminantes emitidos Parámetros que caracterizan su comportamiento Dimensiones y composición química
8
coordenadas “locales”. Se confirmó la posibilidad de usar directamente los sistemas cubanos: el cónico de Lambert, Cuba Norte y Cuba Sur, por las desviaciones permisibles respecto a UTM en el dominio local (no superan 0,03 %, que representan alrededor de 30 m en dominios de 100 x 100 km y 9 m en dominios de 20 x 20 km).
4) Desarrollar el procedimiento para obtener las alturas de fuentes y receptores directamente a partir de un Modelo Digital de Elevación del terreno (MDE) mediante un Sistema de Información Geográfica (SIG), pues ISCST3 no incluye un pre-procesador de topografía.
5) Establecer métodos para la caracterización cualitativa del uso de suelos y de las variables que de este dependen, pues ISCST3 no incluye un pre-procesador con este fin. Se creó una base de datos de valores por defecto de las variables como herramienta auxiliar de selección.
6) Evaluar los métodos para identificar condiciones urbanas/rurales y selección del de Auer preferentemente (EPA, 200519) y de un procedimiento alternativo basado en la densidad de población.
7) Resolver la carencia de algunos datos meteorológicos requeridos, fundamentalmente de aire superior:
Sustitución de PCRAMMET por PCRAMMET+, que acepta un formato de datos nacional, considera la humedad de la atmósfera, calcula la altura de la capa de mezcla a partir de datos de superficie cuando no se dispone de datos de aire superior (Turtós y col., 200320) y admite datos tri-horarios, que son los que normalmente están disponibles en nuestro país.
Desarrollo del programa Meteo para estimar la estabilidad atmosférica y la altura de la capa de mezcla cuando no se conozcan los datos de nubosidad.
Definición de soluciones respectos a datos de superficie faltantes opcionales (nubosidad, presión, humedad) y períodos de acumulación.
Por la importancia de este tema, se trata de forma independiente en el siguiente epígrafe.
2.2.1 PCRAMMET y MIXHTS
El fundamento metodológico para la sustitución de PCRAMMET por PCRAMMET+ está descrito en Soltura y col., 200121 y Turtós y col., 2003. Los datos de superficies necesarios aparecen en NC XX-2013 y la Figura 3 muestra el flujo de procesamiento a seguir que puede resumirse en:
1. Si existen datos de aire superior con la periodicidad requerida, utilizar el procedimiento estándar del ISCST3: estimar con MIXHTS las alturas mínima y máxima diaria de la capa de mezcla según el método de Holzworth, 197222 y correr posteriormente PCRAMMET.
2. Si no existen datos de aire superior, estimar la altura de capa de mezcla horaria Z con PCRAMMET+, según se describe en Turtós y col., 2003.
3. En caso de no disponerse de datos de nubosidad, requeridos por el método de Turner, se propone utilizar el módulo de cálculo Meteo, incluido en SEIA, que utiliza criterios simplificados para definir la estabilidad atmosférica y la altura de la capa de mezcla (Spadaro, 1999; Turtós y Meneses, 200023).
4. En caso de que la altura de la base de las nubes o la presión no estén disponibles, usar valores estadísticos obtenidos de una fuente reconocida.
5. Para las precipitaciones, procesar períodos de acumulación (intervalos durante los cuales sólo se conoce la cantidad total) asumiendo una tasa constante durante todo el período. Esta asunción es apropiada para períodos de acumulación de seis horas, establecidos en el país (EPA, 199424).
PCRAMMET+ estima la altura de la capa de mezcla a partir de datos de superficie, resolviendo mediante diferencias finitas la ecuación [4] propuesta por Batchvarova y Gryning, 1991. No se presenta una descripción detallada de esta solución porque es muy similar al algoritmo 2 utilizado en AERMET+ (ver
9
epígrafe 2.3.4), excepto en la determinación de las condiciones iniciales, que se asumen en este caso como la altura de la capa de mezcla estable debido a que ISCST3 no diferencia entre la capa de mezcla mecánica y convectiva.
Los resultados de la parametrización fueron comparados con el estudio “Comportamiento de la altura de mezcla, velocidad del viento y coeficiente de ventilación en la estación Casablanca”, preparado por el INSMET utilizando el método de Holzworth, a partir de los sondeos realizados de 1993 a 1996. Este es el método implementado en PCRAMMET originalmente, de forma que cuando están disponibles los datos de aire superior, es el método usado para correr el ISCST3. Los resultados son comparables aunque ninguno de los dos métodos puede considerarse exacto (Seibert y col., 200025). Algunos trabajos han reportado que los resultados del método de Holzworth no se corresponden estrictamente con los valores reales, pues sus resultados dependen fuertemente de la temperatura de la superficie y presenta altas incertidumbres cuando no existe una inversión pronunciada en el tope de la capa límite convectiva.
En PCRAMMET+ se propone usar el método del perfil, adaptado para atmósfera tropical (teniendo en cuenta la humedad de la atmósfera) para estimar la longitud de Monin-Obukhov (L) y la velocidad de fricción (u*). Un informe detallado aparece en el ANEXO 6 de Turtós y col., 2004a. Se mantiene el método del balance térmico incluido originalmente en PCRAMMET para calcular el flujo de calor, que es usado en la parametrización de la altura de la capa de mezcla.
Figura 3. Procesamiento de los datos meteorológicos para ISCST3
2.3. Implementación del Sistema de modelos AERMOD
El sistema de modelos AERMOD (EPA, 2004b26) incluye cuatro pre-procesadores: AERMET para la meteorología (EPA, 2004c27), AERMAP para la topografía (EPA, 2004d28), AERSURFACE para el uso
Datos de Superficie horarios o 3-horarios
Opcionales Nubosidad Presión Humedad
6-horarios tasa de precipitación
MIXHTS Z mínima y
máxima diaria
Dos sondeos diarios Datos de Aire Superior
PCRAMMET+ Z a partir de datos de superficieMétodo del perfil para L y u*, Exponente de perfil de viento
Obligatorios Velocidad y dirección del viento, Temperatura ambiente
Meteo Estabilidad y Z con
criterios simplificados
ISCST3, cálculo de inmisiones
ISCST3, cálculo de deposiciones
10
de suelos (EPA, 200829) y BPIP-PRIME para determinar la influencia de obstáculos cercanos a los puntos de emisión en el desarrollo de la pluma (EPA, 2004e30).
La versión simplificada de AERMOD, AERSCREEN (EPA, 201131), estima las concentraciones horarias máximas y a partir de factores de conversión, los respectivos máximos en otros períodos (diarios o anuales).
2.3.1 AERMAP
El uso de AERMAP exige un MDE con la resolución adecuada, que pueda ser adquirido de forma rápida y a bajo costo. Se evaluaron MDE libres en Internet que se pueden utilizar para correr AERMAP cuando no se dispone de uno local de mejor resolución:
1. GTOPO30: MDE con resolución de 30 arcos de segundo (~ 900 m) (GTOPO30, 199632), en proyección Latitud/Longitud WGS84 que se puede descargar libremente desde Internet (www.webgis.com/terr_world.html y http://eros.usgs.gov/products/elevation/gtopo30.html. Para Cuba, Centro América, México y el Caribe, se necesitan los archivos w100n40.dem y w140n40.dem.
2. SRTM (del inglés Shuttle Radar Topography Mission): MDE con resolución de 3 arcos de segundo (~ 90 m), en proyección Latitud/Longitud. Cada archivo corresponde a un grado de latitud y longitud. Para el dominio local de dimensiones máximas (100 x 100 km) se podrían necesitar hasta 9 archivos. Los nombres de los archivos, por ej. N23W075.hgt, contienen la latitud (Norte o Sur) y la longitud (oeste, W, o Este) que corresponden al punto inferior izquierdo de la celda.
SRTM es un proyecto internacional encabezado por NGA (del inglés National Geospatial-Intelligence Agency) y NASA (del inglés National Aeronautics and Space Administration), que obtuvo datos de elevación prácticamente de todo el mundo para generar una base de datos digital de alta resolución a partir de un sistema de radar que trabajó a bordo del Space Shuttle Endeavour en la misión de Febrero del 2000 (Farr, 2007; Rodríguez y col., 200533). Los datos pueden ser descargados libremente desde ftp://e0srp01u.ecs.nasa.gov.
La resolución de estos datos es 10 veces superior a la de GTOPO30. Al usar la primera versión de esta base de datos, SRTM1, se detectaron problemas sobre los cuerpos de aguas y las líneas de costa, algunos picos y pozos y pequeñas áreas con datos faltantes. La versión 2 y definitiva, SRTM2, resuelve los problemas anteriores excepto las áreas de datos faltantes, por lo que se deben combinarSRTM2 con GTOPO30 cuando sea necesario.
Se comprobó la capacidad de estos MDE para ser usados en estudios en el país. Para cada caso de estudio debe evaluarse la correspondencia de los ficheros GTOPO y SRTM2, que se decidan usar, con la cartografía disponible y en caso de no existir ninguna al alcance, con las imágenes libres de Google Earth.
2.3.2 Uso de suelos
El pre–procesador de datos de uso de suelos del sistema de modelos AERMOD, AERSURFACE, (versión 08009) necesita ficheros tipo NLCD92 (del inglés National Land Cover Data 1992) de USGS (del inglés United State Geological Survey), con resolución de 30 m, sólo disponibles de forma gratuita sobre el territorio de Estados Unidos, por lo que se propone sustituirlo por el uso combinado de:
un SIG, que procesa la capa de uso de suelos disponible, interceptándola con una que representa la zona de estudio compuesta de 72 sectores radiales de 5 grados, centrados en la fuente a modelar, con el objetivo de estimar el área que ocupa cada categoría de uso de suelos en cada sector.
una aplicación en MSExcel, desarrollada para este fin, UsodeSuelo.xls (Turtós y col., 2010a), que calcula un promedio ponderado para el albedo y la razón de Bowen y un promedio aritmético para la rugosidad de la superficie; a partir del área que ocupa cada categoría de uso de suelos en los 72
11
sectores y los valores por defecto de estas variables para cada estación del año/categoría de uso de suelos, ajustados en dependencia de la zona de estudio.
Para el caso de Cuba se proponen los siguientes ajustes en los valores por defecto definidos por AERMET para las diferentes estaciones en zonas continentales de latitudes medias, teniendo en cuenta criterios establecidos internacionalmente (Arya, 200134; Foken, 200835):
En los meses de junio a agosto y de diciembre a febrero usar los valores por defecto para verano y otoño, respectivamente.
En los meses de septiembre a noviembre, usar el promedio de los valores por defecto para verano y otoño.
En los meses de marzo a mayo, usar el promedio de los valores por defecto para primavera y verano.
Los valores por defecto de la razón de Bowen diferencian condiciones secas, medias y húmedas. Se propone en general utilizar los valores para condiciones medias pues son las que predominan en el país de acuerdo a la clasificación que proponen las Guías del IPCC, 1996, para el análisis de los sistemas de manejo y uso de la tierra: tropical húmedo con estación seca para precipitaciones entre 1 000 y 2 000 mm al año. En las zonas del país con clima tropical seco (precipitaciones inferiores a 1 000 mm), como en Guantánamo, usar los valores especificados para condiciones secas, mientras que para las regiones montañosas con clima tropical lluvioso (tasa de precipitación superior a 2 000 mm), los correspondientes a condiciones húmedas.
En Cuba, como en muchos países no se dispone regularmente de capas digitales de uso de suelos actualizadas. En este caso se propone usar la capa contenida en North America Land Cover Database, la cual forma parte de Global Land Cover Characteristics Database (LPDAAC.usgs.gov/glcc/glcc.asp) de USGS, que incluye todos los continentes en diferentes proyecciones geográficas y una resolución de 1 000 m. Se decidió emplear la proyección Lambert Acimutal de áreas iguales, que entre las disponibles, es la soportada directamente en la mayoría de los SIG de amplio uso. Para cada celda existe un valor que corresponde a una clasificación de uso de la tierra en 24 categorías según se muestra en la Tabla 1, columna 1. En la misma se muestra además la correspondencia entre estas categorías y las consideradas en AERMET y en AERMOD. Las categorías correspondientes a tundra y nieve o hielo, no se utilizan para el caso de Cuba.
Tabla 1. Categorías de uso de suelos en USGS y AERMET - AERMOD
Categoría USGS AERMET AERMOD Zona urbana Zona urbana Zona urbana sin
vegetación Tierras de cultivos y pastos sin regadío Terreno agrícola Terreno agrícola Tierras de cultivos y pastos irrigadas Mezcla de tierras de cultivos y pastos sin regadío / irrigadas Mosaico de cultivo y pastizales Terreno de pastizal Mosaico de cultivo y bosques Pastizales Pradera Arbustos Desierto Terreno árido,
principalmente desierto Mezcla de arbustos y pastizales Pradera Terreno de pastizal Sabana Bosques caducifolios de hojas anchas Bosque
caducifolio Bosque
Bosques caducifolios de coníferas
12
Categoría USGS AERMET AERMOD Bosques perennes de hojas anchas Bosque de
coníferas Bosques perennes de hojas finas Bosques mixtos Cuerpos de agua Cuerpos de agua Humedales herbáceos Pantano o
humedal Humedal no boscoso
Humedales boscosos Bosque Terreno árido o de escasa vegetación Desierto Terreno árido,
principalmente desierto Si se dispone de otra fuente de datos, es necesario chequear los enlaces con las categorías establecidas para AERMET y AERMOD.
2.3.3 AERMET
Para AERMET son obligatorios los datos de superficie y de aire superior. Como para Cuba no se dispone de mediciones de aire superior, se desarrolló una versión, AERMET+; que estima la altura de la capa de mezcla convectiva y el resto de las variables que dependen de dichas mediciones. A continuación se presenta la descripción de la metodología empleada y en el epígrafe 2.4.1, la valoración de los resultados obtenidos. Para convertir los datos de superficie al formato HUSWO, permitido por AERMET, se desarrolló el programa SD_Aermet.
Otra solución desarrollada para superar la carencia de mediciones de aire superior es utilizar las salidas del modelo meteorológico de mesoescala WRF (del inglés Weather Research and Forecasting) (PSU/NCAR, 201036). Los detalles de esta solución se recogen en el Capítulo 3.
2.3.4 AERMET+
AERMET asume que la altura de la capa de mezcla en la hora i durante el día, (cuando la longitud de Monin-Obukhov, L, es negativa, L < 0), es el máximo entre la altura convectiva y mecánica (Zi = MAX [Zic, Zim]), mientras que durante la noche, (L > 0), es igual a la altura de la capa de mezcla mecánica: Zi = Zim.
AERMET+ utiliza el algoritmo de AERMET para estimar Zim:
[1] )1( //)1(
tie
tmiim eZeZZ
, m
Donde es la escala de tiempo que gobierna el cambio de la altura de la capa de mezcla y que es proporcional a la razón de dicha altura con la velocidad de fricción u*, imi uZ *)1( 2 ; t es el tiempo
entre una determinación y otra (una hora); Zie es la altura de la capa de mezcla en condiciones de
equilibrio, 5.0* /4.0 fLuZ ie y f el parámetro de Coriolis, s-1.
Para la capa de mezcla convectiva, AERMET resuelve la siguiente ecuación usando los datos del perfil de temperatura potencial medido y el flujo de calor superficial H, involucrando la constante adimensional A:
[2] dzdttHAi
icz
00
icic (z)()21((zZ , m.K
Se consideraron tres algoritmos (ver las ecuaciones básicas en la Tabla 2) para estimar la altura de la capa de mezcla convectiva cuando no existen datos de aire superior, que fueron adicionados al módulo MPPBL de AERMET para obtener la versión ampliada, AERMET+:
1) La opción implementada en el módulo PBLAER del programa BREZEE (Air, AERMOD ISC, 200437)
13
según se describe en Trinity Consultants, 200438.
2) La ecuación propuesta por Batchvarova y Gryning, 1991, incluida como Ecuación 8 en Seibert y col., 2000.
3) La ecuación originalmente propuesta por Driedonks, 1982 (incluida como Ecuación 7 en Seibert y col., 2000) usada conjuntamente con la ecuación que representa el comportamiento del salto de temperatura en el tope de la capa de mezcla. Este es el sistema de ecuaciones que usa el ADMS 3.1 (CERC, 2001) según se describe en Thomson, 2000.
Tabla 2. Ecuaciones básicas de las opciones implementadas en AERMET+
Algoritmo Ecuaciones básicas
BREZEE f
uZHZZ ie
i
ieic 4,1400 *
0
2 , m [3]
Batchvarova y Gryning, 1991 2
3*221
CCP
C
Zg
TuB
ZCH
Adt
dZ
, m/s
[4]
ADMS 3.1
DC S
dtdZ
, m/s [5]
C
D
CP
D
ZS
ZCHS
dtd
, K/s
[6]
CPD gZ
TuB
CH
AS3*
, m.K/s
[7]
Donde:
A y B, constantes adimensionales (A = 0,2; B entre 2,5 y 5) , densidad del aire, kg/m3; CP, calor específico a presión constante, J/(kg.K); g, aceleración de la gravedad, m/s2; gradiente de temperatura potencial sobre la capa de mezcla, K/m; T, temperatura de referencia (de superficie), K; salto de temperatura en el borde de la capa de mezcla, K.
El algoritmo 1 es muy simple de implementar pues ZC es estimado por la evaluación directa de la ecuación algebraica [3], pero sus resultados se desvían de los obtenidos cuando existen datos de aire superior como se podrá apreciar más adelante (ver Figura 6). Las ecuaciones de los algoritmos 2 y 3 se resolvieron por el métodos numérico de diferencias finitas, determinando analíticamente los datos iniciales de Z y Turtós y col., 200939). El gradiente de temperatura potencial sobre la capa de mezcla fue estimado usando la siguiente expresión propuesta por Gill, 1982.
[8] g
TN u2
, K/m
Donde Nu es la frecuencia de Brunt-Väisälä por encima de la capa de mezcla expresada en s-1. Los valores considerados fueron: 0,013; sugerido en Thomson, 2000 y utilizado el Reino Unido; y 0,011; propuesto como estándar en Estados Unidos (U.S. Standard Atmosphere, Gill, 1982, p4940).
La ecuación diferencial [4] fue resuelta numéricamente considerando que para pequeños pasos de tiempos, la razón de variación de la variable dependiente con el tiempo ZC, estimada como diferencia finita
14
tZC , se puede aproximar satisfactoriamente a dtdZ C en el correspondiente intervalo de tiempo.
Entonces la ecuación [4] fue aproximada para estimar la altura de la capa de mezcla convectiva a partir de su valor precedente como:
[9] tZg
TuB
ZC
HAZZ
nC
nn
nCPn
nnCnC
nn
2)1(
)1()1(3*
)1()1(
)1()1(
)1()1(
221
; n = 2,3,4...
Donde )1(
,,,, )1()1()1(*)1( nnnnn TuH ; son los valores de las variables en el instante de tiempo
tnt )1( . Se determinó rigurosamente el paso de tiempo óptimo que satisface la consideración realizada manteniendo tiempos adecuados de corrida del programa: 360 s.
Un procedimiento similar fue implementado para resolver el sistema de ecuaciones del algoritmo 3. En ambos algoritmos se manifestó una fuerte dependencia entre los valores de ZC estimados a las diferentes horas del día con la altura de la primera hora convectiva (condiciones iniciales). Considerando t0 = 0 como el momento a partir de la cual el flujo de calor superficial, H, y consecuentemente ZC, empiezan a crecer, se establecieron las condiciones iniciales siguientes: ZC (0) = 0; (0) = 0; H(0) = 0.
El principal problema fue estimar un valor lo más exacto posible diferente de cero en el instante tt 1 ,
11 tZZ CC para alimentar el proceso de cálculo de la ecuación [9]. Se demostró que el procedimiento
para estimar ZC1 basado en el esquema de diferencias finitas es común para los algoritmos 2 y 3,
necesitándose además para este último 11 t . La solución obtenida para el algoritmos 3 fue la siguiente:
[10] 1
11
S
t
ZC, m/s
[11] 11
1 1
1
1
1
11
CCP ZS
ZCHS
t
, K/s
[12] 1
113*
1
11
CPD gZ
TuB
CH
AS
, m.K/s
Sustituyendo de la ecuación [10] en la ecuación [11], se obtiene la siguiente expresión para 1CZ en función de SD1:
[13] tC
HS
Z PC
1
1
1
112
, m
Se implementó un esquema iterativo con las expresiones [12] y [13] para determinar 1CZ:
[14] kCP
kD gZ
TuB
CH
AS1
113*
1
1)1(1
; k = 1, 2, 3...
15
[15] tC
HS
Z P
kD
kC
1
1
1
1)1(1
1
2
; k = 1, 2, 3...
El primer valor para 1CZ , 1
1CZ , fue estimado evaluando las expresiones [12] y [13] para la condición
particular H1 = 0, asumida como punto de partida:
[16] 1
1
1 *
3
1
11 2u
gtBT
ZC
, m
Para evitar que la solución no converja, este valor fue limitado a:
[17]
111
31*1
1
AgHCTBu
Z PC
, m
Es muy simple obtener las mismas expresiones para el algoritmo 2, si la ecuación [4] se expresa como:
[18] C
BC
ZS
dtdZ
, m/s
[19] CP
B gZTu
BCH
AS3*221
, m.K/s
Para el algoritmo 3, el valor inicial para fue estimado considerando H(0) = 0:
[20] 2
)1(1
CZ , K
2.3.4.1 Calmas y datos faltantes
Aunque AERMOD no evalúa las concentraciones en las horas de calma, la implementación de los algoritmos 2 y 3 calcula el incremento de la altura de la capa de mezcla convectiva durante esas horas, pues la altura en una hora depende del incremento en las horas precedentes, aun si son de calma. Esta solución contribuye a lograr una mayor exactitud en los resultados. Para valorar los incrementos durante las horas sin datos meteorológicos, se implementó una interpolación lineal entre las horas con datos válidos.
Como la expresión [16] no puede ser usada para las horas de calma cuando la velocidad de fricción es cero (u*1 = 0), la expresión [12] fue evaluada para esta condición y el valor S1 obtenido sustituido en [13]. La expresión para
1CZ , puede ser usada directamente en [9] sin necesidad de un proceso iterativo:
[21] tC
HAZ
PC
1
1
1
1)12(
, m; válido para u*1 = 0
[22] CZA
A
21)1(
1 , K
16
2.3.5 AERMOD
Al igual que en ISCST3, la modelación de cada contaminante en AERMOD es independiente, por lo que debe construirse un archivo de control de entrada por cada contaminante. Se creó el archivo Aermodb.bat, que permite no tener que renombrar los archivos de control y de salida para cada contaminante. También se creó un archivo .bat para cada caso de estudio que permite correr consecutivamente los contaminantes considerados.
Se realizaron estudios de sensibilidad para evaluar la influencia de que el algoritmo utilizado en AERMOD para tratar la sinuosidad de la pluma no ha sido implementado para fuentes de área debido al tiempo de ejecución excesivo que requiere. Se comprobó que como resultado las concentraciones generadas por fuentes de área para bajas velocidades del viento (u << 1,0 m/s) pueden sobrestimarse. Para evitar estas sobrestimaciones se recomienda en lo posible, modelar en lugar de una fuente de área, una de volumen.
2.3.5.1 Datos para los mecanismos de Deposición.
El algoritmo de deposición de AERMOD (EPA, 2004f41 y 2004g42) es diferente al empleado por ISCST3 (Wesely, 2002a43). Para evaluar la deposición seca de gases necesita, además de la categorización del uso de suelos, explicada anteriormente, la clasificación de cada mes del año en las siguientes categorías estacionales: Categoría 1: verano, con vegetación exuberante; Categoría 2: otoño, antes de la cosecha de los terrenos agrícolas; Categoría 3: otoño tardío, después de las cosechas y primeras heladas o invierno sin el terreno cubierto de nieve; Categoría 4: invierno con el terreno cubierto de nieve; y Categoría 5: inicios de la primavera, tierra con cubierta verde parcial.
Es evidente que las categorías 3, 4 y 5 no se adaptan a las condiciones climáticas del país, caracterizado por tener dos períodos: poco lluvioso (de noviembre a abril) y lluvioso (entre mayo y octubre). Se propone la categoría 2 para los meses del período poco lluvioso y la categoría 1 para el resto.
La EPA propone los valores de las constantes involucradas en el algoritmo de deposición seca para una larga lista de contaminantes (Wesely y col., 2002b44). Sin embargo, los óxidos de azufre y nitrógeno y H2S, contaminantes muy importantes en el país, no están incluidos en esa lista. En la Tabla 3 se muestran los valores propuestos para dichos contaminantes, seleccionados después de una búsqueda intensiva, que se refleja en las referencias relacionadas con dicha tabla.
Tabla 3. Constantes del mecanismo de deposición de gases en AERMOD para óxidos de azufre y nitrógeno y H2S (a 25 °C)
Parámetro SO2 NOx H2S
Difusividad en aire Da (cm2/s) 0,15091 0,16561 0,16232
Difusividad en agua Dw (cm2/s) 1,83E-53 1,4E-53 1,36E-54
Resistencia cuticular rc (s/cm) 805 2005 -
Constante de Henry HC (Pa-m3/mol) 72,386 84,43E36 10106
1Scire y col., 200045; 2GasSim, 200546; 3Boerboom y col., 196947; 4Himmelblau, 196448; 5Anne B y col., 200549; 6Sander, 199950.
Para determinado contaminante, algunos de los datos necesarios puede no estar disponible con la precisión necesaria, por ejemplo la resistencia cuticular para H2S. Se realizó un estudio de sensibilidad para evaluar la influencia del valor a usar en los estudios, que se propone sea la opción en casos similares. Se hicieron tres evaluaciones con AERMOD, utilizando dos posibles valores de dicha constante, el valor propuesto por defecto (rc = 80 s/cm), identificado como D1 y una alta resistencia (rc = 10 000 s/cm), identificado como D2. La tercera evaluación, identificada como nD, no considera la deposición.
17
Para comparar los resultados se calculó la desviación porcentual relativa, DP, de las concentraciones y deposiciones obtenidas en cada caso: D1, D2, nD. Por ejemplo, para comparar las concentraciones entre
los casos D1 y nD, DP se estima como 100/)( 111 xC C - C = DP nDnD , %.
Las DP máximas y promedios de las concentraciones entre los casos D1 y D2 son bajas: como promedio las concentraciones en el caso D2 superan en 5,6 % 4,7 % y 1,4 % a las del caso D1, para 1 hora, 24 horas y todo el período, respectivamente; debido a que las correspondientes deposiciones son inferiores en 28, 24 y 19 %. Las desviaciones en las concentraciones son superiores entre los casos que consideran y no consideran la deposición: 11,7 % de promedio para el período entre los casos D1 y nD y 10,1 % entre D2 y nD; ambos superiores al 1,4 % obtenido entre los casos D1 y D2. Como el objetivo del trabajo se enfoca en los valores de las inmisiones y dado que no se observa una influencia significativa en las concentraciones respecto al valor de la resistencia cuticular, se recomienda tener en cuenta las deposiciones a pesar de la incertidumbre en el valor de las constantes involucradas en su mecanismo de cálculo y se recomienda continuar trabajando en este tema.
2.4. Evaluación de la implementación de los modelos refinados
Para evaluar la implementación realizada se presentan dos estudios:
1. Validación de los algoritmos incluidos en AERMET+ para suplir la ausencia de datos de aire superior, comparando las alturas de la capa de mezcla obtenidas con AERMET+ (usando sólo datos de superficie) y con AERMET (que emplea además los datos de aire superior), para todos los casos de prueba de este modelo. Adicionalmente se muestra la superioridad de esta solución respecto a otras dos implementaciones similares, realizadas en Estados Unidos (Air, AERMOD-ISC, 2004) y Canadá (Thé y col., 200151). También se evalúa la influencia de esta solución en AERMOD al comparar las inmisiones estimadas usando los resultados de AERMET y AERMET+.
2. Comparación de los resultados de la modelación con los valores medidos en dos estaciones de monitoreo continuo en el Caso de Estudio de la Empresa Pedro Soto Alba en Moa.
2.4.1 Validación de AERMET+
Se completaron varios estudios de sensibilidad para evaluar la influencia de utilizar los algoritmos 2 y 3 descritos en 2.3.4 y los valores de dos constantes involucradas en dichos algoritmos: la frecuencia de Brunt-Väisälä y la constante B de las ecuaciones [4] y [7] de los algoritmos 2 y 3, respectivamente.
La Figura 4 muestra los valores de ZC estimados por AERMET usando datos de aire superior (en el eje X) para el caso de prueba 3 de la EPA (EX03) y los correspondientes resultados al utilizar el algoritmo 2 implementado en AERMET+ (en el eje Y), para dos valores de Nu (0,011 y 0,013) y B (2,5 y 5).
Puede observarse que no existe una sensibilidad significativa con los valores asumidos para estos parámetros, elegidos entre los más probables. En todos los casos el coeficiente de determinación del ajuste lineal, R2, es muy cercano a 0,9. El ajuste lineal muestra una sobreestimación del 5 al 7 % cuando Nu=0,011 y una subestimación del 2 al 4 % para Nu = 0,013. Con estos resultados se concluye que la metodología propuesta puede estimar satisfactoriamente la altura de la capa de mezcla convectiva a partir de los datos meteorológicos de superficie con relativa independencia de los valores asumidos para los parámetros Nu y B. El mejor ajuste se logra con Nu = 0,013; B = 5.
La Tabla 4 muestra los resultados comparativos para todos los casos de prueba AERMET-EPA (EX01-EX05), usando Nu = 0,011 y B = 5 (que representa el peor ajuste de las opciones utilizadas para EX03, según puede observarse en la Figura 4), lo que confirma la validez de la metodología propuesta para el rango de valores escogidos, considerados suficientemente representativos.
18
Figura 4. ZC (m) para el caso EX03, usando datos de aire superior (eje X) y el algoritmo 2 de AERMET+ (eje Y), para diferentes valores de Nu y B
Tabla 4. Comparación de los resultados de AERMET+, algoritmo 2, con AERMET, para los casos de prueba AERMET-EPA (EX01-EX05)
Caso Descripción R2 Ecuación de Regresión EX01 96 horas 0,9015 y = 1,2002x EX02 96 horas, con datos in situ 0,765 y = 1,0399x EX03 1 año 0,8893 y = 1,0777x EX04 1 año 0,7654 y = 1,0363x EX05 744 horas (1 mes) 0,5969 y = 0,8959x
Puede observarse en la Figura 5 que los resultados de los algoritmos 2 y 3 son muy cercanos y pueden ser usados indistintamente sin variación apreciable en las concentraciones calculadas posteriormente por AERMOD. El algoritmo 3 genera resultados ligeramente más precisos si se compara la línea de tendencias correspondiente a este algoritmo (Figura 5, derecha; y=1,071x; R2=0,9208) con la correspondiente al algoritmo 2 (Figura 4, superior-izquierda; y=1,0777x; R2 = 0,8893).
Nu=0.011, B=5
y = 1.0777x
R2 = 0.8893
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
AE
RM
ET
+, a
lgo
ritm
o 2
Nu=0.013, B=5
y = 0.982x
R2 = 0.8981
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
AE
RM
ET
+, a
lgo
ritm
o 2
Nu=0.011, B=2.5 y = 1.0553x
R2 = 0.8993
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
AE
RM
ET
+, a
lgo
ritm
o 2
Nu=0.013, B=2.5
y = 0.9607x
R2 = 0.9057
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
AE
RM
ET
+, a
lgo
ritm
o 2
19
Figura 5. ZC (m) usando los algoritmos 2 y 3. Caso de pruebas EX03, Nu =0,011 y B = 5
La Figura 6 muestra los valores de ZC para el caso de pruebas EX03, usando datos de aire superior (eje X) y herramientas de cálculo similares a AERMET+, desarrolladas en otros países (eje Y): a) Upper Air Estimation Tool, incluido en AERMOD-ISC View, 2007 y desarrollado por Lakes Environmental, Thé y col., 2001; b) Algoritmo 1 (implementado en BREZEE, Air AERMOD ISC 5.0).
Figura 6. ZC (m) usando datos de aire superior (eje X) y herramientas desarrolladas por Lakes Environmental y BREZEE (eje Y). Caso EPA EX03
La comparación fue posible porque CUBAENERGÍA dispone de una Licencia sin costos de AERMOD-ISC View y la solución de BREZEE fue implementada como algoritmo 1 en AERMET+. La simple inspección visual de la figura indica una mayor dispersión respecto a las Figura 4 y 6. Las líneas de tendencia confirman esta valoración, tanto la pendiente del ajuste lineal (y=0,8321x; y=1,1089x) como el valor de R2 (0,6368; 0,8207), respectivamente.
2.4.2 Influencia de usar AERMET+ en los resultados de AERMOD
Se compararon las inmisiones y las deposiciones de SO2, anuales, diarias y horarias, calculadas por AERMOD, usando los valores de ZC obtenidos a partir de datos de aire superior con AERMET y con los algoritmos 2 y 3 implementados en AERMET+. Se modelaron las emisiones de seis fuentes puntuales localizadas en el dominio del caso de estudio 3 de la EPA para AERMET (EX03), evaluándose 723 receptores incluidos en dos rejillas cartesianas, más tres receptores discretos cercanos a la fuente. Las
y = 0.9746x
R2 = 0.9991
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando AERMET+, algoritmo 2
AE
RM
ET
+, a
lgo
ritm
o 3
y = 1.071x
R2 = 0.9208
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
AE
RM
ET+, a
lgoritm
o 3
y = 0.8321x
R2 = 0.6368
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
Usa
nd
o U
AE
de
La
kes
En
v.
y = 1.1089x
R2 = 0.8207
0
500
1000
1500
2000
2500
3000
3500
4000
0 1000 2000 3000 4000
Usando datos de aire superior
Usa
nd
o a
lgo
ritm
o P
BL
AIR
-BR
EZ
EE
20
rejillas de receptores están centradas en las fuentes; la primera cubre un área de 60 x 100 km de sur a norte y de oeste a este, respectivamente, con paso de 5 km (240 receptores) y la segunda incluye 480 receptores en un dominio rectangular de 12 x 10 km, con paso de 0,5 km.
La Tabla 5 muestra las máximas concentraciones, horaria, diaria y anual entre todos los receptores y los respectivos promedios. La comparación está orientada a las concentraciones máximas porque son el foco de los modelos regulatorios.
El cambio que introduce usar los algoritmos 2 y 3 para estimar ZC en los valores de las concentraciones (C2 y C3 respectivamente) respecto a usar datos de aire superior (C1), son expresados como desviación porcentual relativa, DP, xCC - C = DP 100/)( 1122_1 y xCC - C = DP 100/)( 1133_1 ) y fraccional, DF.
La desviación o sesgo fraccional es usado frecuentemente como estadígrafo básico para la comparación y evaluación de modelos de dispersión porque tiene dos rasgos deseables: primero, es simétrico y limitado; sus valores oscilan entre -2 (el extremo de sobre-valoración) y +2 (el extremo de sub-valoración); segundo, es un número adimensional conveniente para comparar los resultados de estudios que involucran diferentes niveles de concentración o incluso diferentes contaminantes. La desviación fraccional entre las concentraciones máximas de C2 y C1 se estima como C CC - C2 = DF )/()( 12122_1 . La DF de los
promedios es calculada por la misma expresión pero en este caso C2 y C1 son los valores promedios de los respectivos juegos de datos.
Tabla 5. Inmisiones calculadas con AERMOD usando ZC obtenidas con AERMET (C1) y AERMET+, algoritmos 2 y 3 (C2 y C3)
C1
g/m3 C2
g/m3 DP1_2 %
DF1_2 C3
g/m3 DP1_3 %
DF1_3
Promedio Anual
Máximo 148,0 145,0 -2,04 -0,021 149,4 0,92 0,009 Promedio 12,7 12,4 -2,44 -0,025 12,6 -1,18 -0,012
Máximas 24 horas
Máximo 2 610 2 603 -0,25 -0,003 2 600 -0,36 -0,004 Promedio 158,9 157,6 -0,87 -0,009 158,3 -0,41 -0,004
Máximas 1 hora
Máximo 15 458 15 469 0,07 0,001 15 469 0,07 0,001 Promedio 847,7 812,4 -4,16 -0,043 824,4 -2,75 -0,028
Las concentraciones máximas son pocos sensibles a la metodología de estimación de ZC, las diferencias son menores al 3 % para los tres períodos considerados: anual, diario y horario. Las desviaciones de las concentraciones promedios son ligeramente superiores a las desviaciones de las concentraciones máximas: 4,2 % para el promedio de los máximos horarios al usar el algoritmo 2 y 2,7 % al usar el algoritmo 3. La Figura 7 muestra los histograma de las DF entre las inmisiones promedios los 723 receptores, C1 vs C2 a la izquierda y C1 vs C3 a la derecha. En el primer caso, las DF se acotan entre -0,17 y 0,05 y en el segundo entre -0,09 y 0,004. Ambos rangos indican que los algoritmos tienen exactitud suficiente para ser usados como alternativa para estimar ZC cuando no estén disponibles datos de aire superior y confirman la ligera superioridad del algoritmo 3 respecto al 2. Normalmente se considera que si el valor absoluto de la DF es menor a 0,67 (sobreestimación o subestimación por un factor menor a dos) los modelos superan la prueba de sondeo en su evaluación (EPA, 2005).
21
Figura 7. Histograma de las DF de las inmisiones promedios en cada receptor, estimadas usando ZC obtenidas con AERMET (C1) y con los algoritmos 2 y 3 implementados en AERMET+ (C2 y C3)
2.4.3 Caso de estudio de la empresa Pedro Soto Alba en Moa
Este trabajo se realizó en el marco del Contrato SCT 03/2007 entre CUBAENERGÍA y Moa-Nickel S.A. (Turtós y col., 200752) y se presenta sólo el caso de estudio desde el punto de vista metodológico destacándose la comparación de los resultados de la modelación con los valores medidos en dos estaciones de monitoreo continuo. En este caso de estudio resulta interesante la aplicación de la metodología propuesta para AERMOD cuando no se dispone de datos locales de topografía y uso de suelos, ni datos meteorológicos de aire superior; la valoración de los datos meteorológicos utilizados en cuanto a representatividad e integridad y la modelación de una fuente de área poligonal compleja para representar un tramo del Río Cabañas. Se modelaron todas las fuentes conducidas de dióxido de azufre, SO2; sulfuro de hidrógeno, H2S;partículas totales en suspensión, PTS; PM10 y PM2.5 de los procesos tecnológicos y de la central térmica, para un total de 9 fuentes; desde el 5/Junio/2003 al 30/Abril/2007. Se usó el sistema de coordenadas planas UTM, Zona 18, datum WGS 84.
Al igual que en el epígrafe anterior, la comparación estuvo dirigida a los valores máximos diarios y promedios en el período evaluado. El estudio consideró condiciones medias de trabajo de la instalación para todo el período (emisiones anuales distribuidas uniformemente), sin tener en cuenta variaciones del régimen de operación por ninguna causa (períodos de mantenimientos, situaciones de averías del sistema de limpieza parcial, etc.). No se estimaron las emisiones fugitivas y sólo se consideraron el 90 % de las emisiones debido a la evaporación de las descargas de residuales líquidos al río. Aun así, la comparación brinda resultados interesantes y una correspondencia que sólo puede ser lograda al utilizar modelos refinados.
En la zona de estudio existen dos Estaciones de Monitoreo (EM) de calidad del aire, identificadas como EM de la Zona A y EM del Hospital Pediátrico. AERMOD fue ejecutado con la opción de salida POSTFILE activada para dos receptores discretos que se localizan en ambas EM, para obtener registros de cada concentración estimada por el programa para estos receptores. La Figura 8 muestra la ubicación relativa de estas EM respecto a las fuentes (en rojo el tramo del Río Cabañas modelado como una fuente de área).
La Figura 9 representa la rosa de los vientos de la región en 36 sectores en ampliaciones progresivas, que indica la probabilidad de que el viento sople desde cada sector, con las velocidades expresadas en rangos. Esta se obtuvo del procesamiento estadístico de los datos horarios empleados en los cálculos y solo se presenta por su importancia en el análisis de los resultados.
0
5
10
15
‐0.18
‐0.16
‐0.14
‐0.12
‐0.10
‐0.08
‐0.06
‐0.04
‐0.02
0.00
0.02
0.04
Frecuen
cia, %
DF
C2 vs C1
0
5
10
15
20
25
‐0.09
‐0.07
‐0.06
‐0.04
‐0.03
‐0.02
0.00
0.01
0.03
0.04
Frecuen
cia, %
DF
C3 vs C1
22
Figura 8. Localización de las fuentes y las EM. Caso de Estudio de la empresa Pedro Sotto Alba
Se compararon las concentraciones promedios en el período modelado, así como las máximas diarias, calculadas y medidas, CC y CM, respectivamente.
Para PM10 y PM2.5, la concentración promedio calculada no llega al 1 % de la medida en ambas EM, lo que sugiere una baja incidencia de las emisiones de las fuentes modeladas en los niveles de contaminación por partículas. Esto se corresponde con el análisis de las fuentes existentes y por ello no procede hacer una comparación para este contaminante.
La Tabla 6 muestra la comparación para H2S y SO2. La diferencia es expresada como desviación porcentual relativa, 100/)( x C C - C = DP MCM . Lo más interesante es que las concentraciones de SO2,
tanto calculadas como medidas en la EM Zona A, superan a las concentraciones en la EM del Hospital Pediátrico, mientras que para el H2S ocurre lo contrario. Las isolíneas de concentraciones promedios en todos los receptores modelados, que se muestran en la Figura 10, corroboran este comportamiento diferente, a pesar de haber sido obtenidas usando los mismos datos meteorológicos, topográficos y de uso de suelos.
23
Figura 9. Rosa de los vientos. Empresa Pedro Sotto Alba, Moa
Tabla 6. Comparación de inmisiones promedios en el período y máximas diarias, medidas y calculadas, de H2S y SO2 en el caso de estudio de Moa
Período Receptor H2S (2006-2007) SO2 (2005-2007)
CMg/m3
CC, g/m3 DP %
CM, g/m3
CC, g/m3
DP %
Máximas diarias EM Hosp. Pediátrico 1 239 1 163 6 278 185 33
EM Zona A 526 410 22 1 993 1 634 18
Promedio EM Hosp. Pediátrico 68 27 60 17 6 61
EM Zona A 42 22 48 72 62 14
Para el SO2, las isolíneas de concentración obedecen a la dirección predominante de los vientos (ver posición relativa de las fuentes y las EM en la Figura 8 y la Rosa de los Vientos de la Figura 9). Para el H2S, a pesar de que los vientos predominantes provienen del este-noreste y este, las mayores concentraciones se observan al este-noreste. Esto se debe a que existe una componente importante de los vientos desde el oeste-suroeste, a velocidades muy bajas, fundamentalmente menores a 2 m/s según se observa en la Figura 9, que provocan concentraciones muy altas provenientes del Río Cabañas, modelado como una fuente de área. Este comportamiento modelado se confirma con las mediciones. La Figura 11
Velocidad del viento (m/s)
Calmas
24
muestra los registros del monitoreo en las dos estaciones durante el 2006, observándose que predominan mayores concentraciones en la ubicada en el Hospital Pediátrico. Las fechas se indican cómo año-mes-día.
Figura 10. Isolíneas de concentración promedio de SO2 (superior) y H2S (inferior) en el período evaluado sobre la ciudad de Moa
Para los dos contaminantes los resultados de las mediciones son superiores a los cálculos. Para el SO2, es un resultado esperado pues no se modelaron todas las fuentes de este contaminante. Sin embargo, las máximas concentraciones diarias y el promedio del período para H2S son menores a las medidas, a pesar de que se considera que las fuentes modeladas deben aportar prácticamente el 100 % del incremento en las concentraciones de este contaminante en ambas estaciones de monitoreo. Las razones son las siguientes: Las diferencias en los valores promedios se debe a que no se tuvieron en cuenta las emisiones
fugitivas, que son significativas. Las diferencias en las concentraciones máximas diarias se atribuyen a que el estudio asumió
condiciones medias de operación para todo el período evaluado, sin tener en cuenta las variaciones
25
reales; es decir, las emisiones totales se distribuyen uniformemente, pero en la realidad las emisiones diarias son inferiores o superiores a la media considerada.
Figura 11. Concentración promedio diaria de H2S (g/m3) en ambas EM
El hecho de asumir condiciones medias de operación para todo el período evaluado es apropiado para propósitos reguladores en situaciones de operación normal (enfocados en la superación de valores normados o de referencia), pues simplifica significativamente los estudios aportando la información básica requerida.
Se puede concluir que existe una adecuada correspondencia entre los resultados calculados con los medidos teniendo en cuenta las simplificaciones introducidas en la modelación, la ausencia de datos de aire superior y todas las demás incertidumbres involucradas en el proceso de simulación. El uso de un modelo simplificado en este caso de estudio, nunca podría explicar la aparente contradicción entre las concentraciones registradas en ambas EM, ni Berlyand, que sólo admite fuentes puntuales y tampoco SCREEN3, que modela fuente de áreas pero de geometría sencilla.
0
100
200
300
400
500
600
6020
360
213
6022
360
305
6031
560
325
6040
460
414
6042
460
504
6051
460
524
6060
360
613
6062
360
703
6071
360
723
6080
260
812
6082
260
901
6091
160
921
6100
161
011
6102
161
031
6111
061
120
6113
0
Cd, g/m3 EM ZA
EM HP
26
3. IMPLEMENTACIÓN DEL WRF PARA LA MODELACIÓN DE LA CIRCULACIÓN ATMOSFÉRICA EN CUBA ORIENTADO A ESTUDIOS DE DISPERSIÓN DE CONTAMINANTES
En el trabajo se desarrolló la metodología de implementación del modelo meteorológico Weather Research and Forecasting (WRF) para su uso como preprocesador meteorológico en la modelación de parámetros de calidad de aire en Cuba. Se examinaron las diferentes opciones del modelo, así como la metodología de comparación estadística entre los resultados obtenidos y los valores medidos en estaciones meteorológicas nacionales de superficie.
Se realizaron dos estudios principales: el primero con el objetivo de definir la fuente de datos de entrada que más se adecuaba a Cuba, el segundo consistió en un análisis de larga duración que provee mayor información sobre el comportamiento general del modelo. La implementación realizada se aplicó a un caso de estudio con condiciones similares a las de Cuba, Islas Canarias y aparece recogido en Martín y col., 201053.
3.1. Metodología
Para la evaluación e implementación del modelo climático WRF para su uso en modelos de dispersión de contaminantes atmosféricos se analizaron distintos factores que intervienen en la forma del cálculo y la precisión de los mismos. Casi siempre van desde muy simples y eficientes computacionalmente, hasta bastante complejos y computacionalmente más demandantes.
El modelo WRF es un modelo altamente modular, con un código abierto que se renueva periódicamente. Es un sistema de cálculo altamente configurable, programado enteramente en fortran y dividido en varios subsistemas y preprocesadores que controlan la marcha del proceso. El cálculo en el WRF está dividido en dos fases principales, el WPS y el WRF. En el primero se realiza todo el pre-procesamiento del modelo, la introducción e interpolación de datos meteorológicos, de relieve y de uso de suelo. Se divide en tres fases, geogrid, ungrib y metgrid. Cada uno de ellos tiene una función: el primero extrae e interpola los datos de relieve y usos de suelo, el segundo descomprime y verifica los datos meteorológicos de entrada y el último une ambos resultados y prepara el dominio para la corrida. Luego de esto el núcleo del modelo calcula las variables meteorológicas para las condiciones iniciales y de frontera deseadas.
WRF corre sobre linux y su salida está en formato netcdf, por lo que la misma no es directamente asimilable por la mayoría de los modelos de dispersión que corren sobre Windows. Existen programas como el CALWRF que transforma la salida del WRF en un fichero de formato aceptado por el CALMET-CALPUFF. Entre otros cosas es vital este paso para la obtención de las variables en la celda real, pues el WRF realiza el cálculo de algunas variables en los extremos de las celdas y no en el centro, en su mayoría los relativos a variables de flujo y a los vientos.
3.2. Datos generales
Para comenzar a utilizar el modelo es necesario definir los parámetros de trabajo:
Período a modelar. Momentos de comienzo y terminación de la modelación. Dominios a utilizar, proyección y dimensiones de los mismos. Paso de tiempo a utilizar. Necesidades de la modelación. Se definen parámetros dinámicos y físicos del modelo, así como
opciones de cálculo y control. Fuentes de datos. Se definen en el paso del WPS.
27
3.3. Opciones físicas
El modelo WRF evalúa la ecuación de la difusión de contaminantes en la atmósfera resuelta en forma euleriana para un ambiente compresible, con altas capacidades de simulación de flujos turbulentos e intercambios de calor y masa, así como el estudio detallado de procesos de cambio de fase y perturbaciones en la atmosfera. Incluye diversos módulos con las funciones siguientes:
1. Microfísica: Esta opción incluye explícitamente los fenómenos de formación de vapor de agua, nubes, y los procesos de precipitación. El modelo es lo suficientemente general como para dar cabida a cualquier número de variables de relación de masas en la mezcla, realizando ajustes automáticos a la condensación y saturación del sistema.
2. Parametrización de cúmulos: Ajustes y sistemas de flujo de masa para cálculos en la mesoescala. Responsable de efectos de convección en la sub-escala de la malla y de nubes superficiales. Trabaja en columnas individuales independientes, representan flujos verticales y tendencias de precipitación y transporte convectivo.
3. Capa superficial: Los esquemas de capa superficial calculan velocidades de fricción y coeficientes de intercambio que permiten el cálculo del calor de la superficie y los flujos de humedad de superficie de la tierra y la tensión superficial en el esquema planetario de la capa límite.
4. Modelo de superficie: Predicción de energía cinética turbulenta. Utiliza la información de la atmósfera del régimen de la capa superficial, el forzamiento radiativo del esquema de radiación, y la formación de precipitación a partir de la microfísica y esquemas de convección, junto con la información interna de las variables de estado de la tierra y las propiedades de la superficie terrestre, para proporcionar flujos de calor y la humedad en los puntos de la tierra y del hielo marino.
5. Capa límite planetaria (PBL): Responsable de la sub-escala vertical de la rejilla debido a los flujos de transporte turbulento en la columna atmosférica completa, no sólo la capa límite. Los esquemas de PBL determinan los perfiles de flujo en la capa límite de mezcla y en la capa estable, determinan tendencias atmosféricas de temperatura, humedad (incluyendo las nubes) y momento horizontal en toda la columna atmosférica.
6. Física de la radiación atmosférica: esquemas de onda larga y onda corta de múltiples bandas espectrales y un sencillo sistema de onda corta, adecuado para aplicaciones climáticas. Se incluyen los efectos de las nubes y los flujos de superficie.
Se estudiaron las opciones físicas y de metodologías de cálculo disponibles en el modelo, comparándolas con las utilizadas en el modelo meteorológico MM5. Para la selección de la configuración para el cálculo (Ver Tabla 7) se tuvieron en cuenta los siguientes aspectos:
Parametrizaciones implementadas en el modelo y condiciones climatológicas y meteorológicas del país
Utilizar en lo posible las parametrizaciones ya probadas para su uso en el país en el MM5 (Mitrani I., et al, 200354).
Configuraciones utilizadas para el WRF en otros países del área como Venezuela y México.
Tabla 7. Parámetros físicos utilizados en la evaluación preliminar
Parámetro Clasificación Descripción Microfísica WSM3 Esquema de momento simple de tres categorías
hidrométricas: vapor, agua/hielo de la nube y lluvia/nieve (mp_physics= 3)
Parametrización de cúmulos
Grell-Devenyi No es necesaria para dominios con celdas menores de 4km, para celdas mayores se utiliza el esquema Grell-Devenyi (cu_physics= 3)
28
Parámetro Clasificación Descripción Radiación de onda corta
Esquema de Dudhia Esquema descendente simple que considera la absorción y dispersión en cielos claros o en presencia de nubes (ra_sw_physics= 1)
Radiación de onda larga
Esquema RRTM (Modelo de rápida transferencia radiativa)
Esquema preciso que considera múltiples anchos de banda, gases trazadores y especies microfísicas(ra_lw_physics= 1)
Capa atmosférica superficial
Esquema de Monin-Obukhov
Calculo basado en la ecuación de Monin-Obukhov, método similar al del modelo MM5 (sf_sfclay_physics= 1)
Modelo de superficie
Esquema de difusión térmica de 5 capas
Esquema de difusión térmica, 5 capas de temperatura del suelo (sf_surface_physics= 1)
Capa límite Planetaria (PBL)
Esquema de la Universidad de Yonsei
Esquema K con tratamiento explícito de la zona superior de la capa limite y perfil parabólico K para capas de mezcla inestables (bl_pbl_physics= 1)
3.4. Procedimientos estadísticos para la validación de los resultados del WRF
Hasta la actualidad no se ha desarrollado ningún protocolo de evaluación para los modelos de pronóstico meteorológico. La mayoría de los estudios científicos realizan una evaluación cualitativa, y en los que se analiza cuantitativamente se opta por el uso de funciones estadísticas simples como el error cuadrático medio, el error absoluto medio o el sesgo (BIAS).
Error medio absoluto (MAE)
[23] ∑ | |
Donde
Mi, es el valor modelado para la celda i Oi, es el valor observado para la celda i N, es el número de valores analizados
Error medio cuadrático (RMSE); similar al MAE pero debido a su término cuadrático es más sensible a errores puntuales de gran magnitud.
[24] ∑
El Sesgo (BIAS) proporciona información sobre la tendencia del modelo a sobreestimar o subestimar una variable, nos cuantifica el error sistemático del modelo. Pielke, 198455, define el BIAS según:
[25] ∑
Índice de ajuste (IoA), que se calcula según:
[26] 1∑
∑ | | | |
Donde: N Número de observaciones
Media de las observaciones
29
Tres variables meteorológicas fueron seleccionados como indicadores en esta comparación: temperatura de la superficie y la velocidad y dirección del viento a 10 m. a partir de los valores de las componentes U y V del vector viento calculados por el modelo. Aunque hay mucha incertidumbre al respecto, se eligieron los valores de referencia que aparecen en la siguiente tabla, para la evaluación de los resultados del modelo (Borge et al., 200856; Russell and Dennis, 200057).
Tabla 8. Valores de referencia para la validación.
Tolerancia VariableMAE y RMSE ≤ 2 ºC Temperatura
≤ 2 m/s Velocidad Viento ≤ 30º Dirección
BIAS ≤ ± 0,5ºC Temperatura ≤ ± 0,5m/s Velocidad Viento
En la aplicación de métodos estadísticos en mallas de trabajo se utilizan dos métodos: verificación celda-celda y verificación celda-punto (Pielke, 1984). La verificación celda-celda consiste en comparar el resultado del modelo con el análisis espacial calculado a partir de modelos intermedios que promedian los datos de las observaciones sobre una rejilla que cubre todo el mundo. La ventaja que conlleva este método es la sencillez en la computación, ya que, todos los puntos de los valores observados y modelados coinciden espacialmente. Sin embargo, algunos autores han constatado la tendencia de esta metodología en producir un sesgo a favor de los resultados con resoluciones menores (Stenger, 200058), cuando al realizar comparaciones con medidas puntuales queda claro un mejor comportamiento a menor tamaño de la celda.
La otra metodología utilizada es la verificación celda-punto. En esta se comparan valores observaciones puntuales con los valores de las celdas correspondientes al sitio de dichas observaciones.
3.5. Selección de la fuente de datos meteorológicos de entrada
Se analizaron varios modelos que calculan los datos meteorológicos globales de entrada al WRF. Se escogieron tres de los más usados en el mundo (ver Tabla 9) y se realizó una corrida de prueba con cada juego de datos para un mismo dominio y con parametrizaciones físicas idénticas.
Tabla 9. Modelos de datos globales
Modelos globales Resolución Intervalo de los datosNCEP Final Analysis (FNL from GFS) (ds083.2) GFS 1 grado 6 horas NCEP/NCAR Reanalysis (ds090.0) NNRP 2,5 grados 6 horas NCEP Eta/NAM (ds609.2) NAM 40 km 6 horas
El dominio de modelación está compuesto por dos dominios cuadrados anidados de 45 y 49 celdas de 9 y 3 kilómetros de lado respectivamente, con un centro común ubicado en la proyección Cónica Conforme de Lambert (LCC, del inglés Lambert Comformal Conic LCC) 23,1º N y 82,35º W y 50 niveles isobáricos (eta) en altura ubicado en un área que incluye, para el dominio de mayor resolución, las provincias de Artemisa, Mayabeque y La Habana.
Para la verificación del modelo se ha utilizado la metodología celda-punto. Se comparan los resultados con las observaciones, escogiendo los datos del modelo correspondientes a la celda más próxima a la localización de la observación. La celda más cercana en cada caso se determinó mediante un programa que compara la ubicación de la celda a la salida del CALWRF, o sea, el centro de la celda real promediada, con la posición real de la estación meteorológica.
30
Para el análisis se cuenta con los datos históricos tri-horarios de 8 estaciones meteorológicas del servicio meteorológico nacional (SMN) ubicadas dentro del área del dominio (ver Tabla 10). El periodo modelado es de una semana (7/10/2008 al 14/10/2008).
Tabla 10. Ubicación de las estaciones meteorológicas comparadas.
Estación Ubicación Latitud (N) Longitud (W)
Casablanca 23,144 82,342 Bauta 22,97 82,53 Bainoa 23,03 81,92 Batabanó 22,72 82,28 Güines 22,85 82,03 Melena 22,77 82,13 Tapaste 23,02 82,13 Santiago de las Vegas 22,97 82,38
Los resultados de la comparación de los datos de las observaciones meteorológicas con los valores de las celdas correspondientes a la posición de cada estación se muestran en la siguiente tabla. Se presentan los valores promedios para todas las estaciones.
Tabla 11. Estadísticas de la validación respecto a la fuente de datos globales
MAE RMSE BIAS IoATemperatura, ºCGFS 1,3 1,6 1,0 0,92NNRP 1,5 1,9 1,3 0,9 NAM 5,6 6,6 -5,5 0,59Velocidad del viento, m/s GFS 2,4 2,8 2,1 0,51NNRP 2,3 2,7 1,9 0,51NAM 1,8 2,1 1,1 0,58Dirección del viento, º GFS 31,0 43,1 NNRP 37,1 51,7 NAM 43,2 55,3
El sesgo (BIAS) está dirigida principalmente a magnitudes escalares pues calcula la tendencia del modelo a sobreestimar o subestimar la magnitud calculada. Para el caso de la temperatura y la velocidad del viento se utilizó además el IoA.
Se concluye que el modelo presenta un buen comportamiento general para la temperatura, con excepción de los datos de tipo NAM que presentan una tendencia a subestimar la temperatura como lo demuestra el valor del sesgo promedio de la temperatura para este caso.
Para el caso de la velocidad del viento, los tres modelos provén datos que tienden a sobreestimar los valores de velocidad, debido principalmente al pobre manejo de los fenómenos de calmas, limitación esta común para todos los modelos actuales de este tipo: para las estaciones analizadas que presentaban menores intervalos de calmas, la correspondencia del valor medido y el pronosticado fue mucho mejor.
De los resultados anteriores se concluye que:
El modelo predice con exactitud la temperatura solo para las fuentes de datos GFS y NNRP;
31
Los pronósticos de velocidad del viento se ven afectados grandemente por los fenómenos de calmas, el modelo tiende a sobreestimar esta variable;
Los vectores de dirección se comportan por encima del límite de los parámetros de correspondencia establecidos, se evidencia la existencia de errores grandes puntuales por la diferencia marcada entre el valor de MAE y RMSE.
En resumen, el comportamiento general de los datos GFS y NNRP es bastante similar, no así el NAM que presenta problemas con los valores de temperatura. En lo adelante se trabajará con datos de tipo GFS por ser el de mejor resolución en la rejilla de datos entre los dos anteriores.
3.6. Validación con datos de entrada GFS
Producto de una cooperación entre el Centro de Gestión de la Información y Desarrollo de la Energía (CUBAENERGIA) de Cuba y el Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT) de España, se realizaron por parte de especialistas de CUBAENERGIA corridas semanales temporalmente consecutivas del modelo WRF de durante el año 2009, en dos casos de estudio, con los dominios y con las condiciones físicas siguientes (Ver Tabla 12 y Tabla 13):
Tabla 12. Dominios de modelación para WRF
Dominio 1 Dominio 2 Dominio 3 Cantidad de celdas 45 x 30 34 x 34 34 x 34 Dimensiones de las celdas 27 km 9 km 3 km Centro (Lambert) 22,19ºN
79,52ºW Caso 1 23,1 ºN
82,35 ºW 23,1 ºN 82,35 ºW
Caso 2 22,19 ºN 80,52 ºW
22,19 ºN 80,52 ºW
Territorio que abarca Cuba Caso 1 Región Occidental
Provincias: Habana, Artemisa y Mayabeque
Caso 2 Región Central
Provincia Cienfuegos
Tabla 13. Parámetros físicos utilizados en el WRF.
Parámetros Físicos
Dominio 1 Dominio 2 Dominio 3
Microfísica WSM5, Versión mejorada del WSM3 (mp_physics = 4) Parametrización de cúmulos
Esquema Grell-Devenyi (cu_physics = 3) -1
Radiación de onda corta
RRTMG: método nuevo que incluye una aproximación por Montecarlo para el solapamiento nuboso (ra_sw_physics = 4)
Esquema de Dudhia (ra_sw_physics = 1)
Radiación de onda larga
RRTMG: Nueva versión del RRTM que incluye una aproximación por Montecarlo para el solapamiento nuboso (ra_lw_physics = 4)
Esquema RRTM (Rapid Radiative Transfer Model) (ra_lw_physics = 1)
Capa atmosférica superficial
Similar al del MM5, Esquema de Monin-Obukhov (sf_sfclay_physics = 1)
Modelo de superficie
Difusión térmica de 5-capa (sf_surface_physics = 1)
Capa límite Planetaria (PBL)
Esquema de la Universidad de Yonsei (bl_pbl_physics = 1)
1No es necesaria para celdas menores de 4 km
32
Estás opciones de modelación son prácticamente iguales a las usadas en el caso de estudio de evaluación de la fuente de datos globales, aunque en la microfísica se sustituyo el esquema WSM3 por el WSM5 y en los esquemas de radiación de los dominios externos se introdujo el método RRTMG, de demostrada efectividad para dominios extensos de baja resolución. Ambos cambios, que indiscutiblemente aumentan el tiempo de cálculo por ser más refinados, se pudieron implementar por el uso del supercomputador del CIEMAT.
Figura 12. Dominios de modelación del WRF. Casos 1 y 2.
Se utilizaron datos GFS, de 1 grado de resolución cada 6 horas, así como 28 niveles en altura para todos los dominios de este caso.
Se aplicó la metodología de validación presentada, a los resultados obtenidos para el dominio 3. En este caso solo 6 estaciones (Casablanca, Bauta, Batabanó, Melena, Tapaste y Santiago de las Vegas) se ubican en el área del dominio. Se aplicaron los mismos indicadores estadísticos que en el caso anterior para las variables temperatura, dirección y velocidad del viento. Para el caso 2, existen dos estaciones localizadas en el dominio 3, Cienfuegos and Aguada de Pasajeros (Ver Tabla 14).
Tabla 14. Estaciones Meteorológicas para el Caso 2
Latitud (N) Longitud (W) Cienfuegos 78344 22,186 80,445 Aguada de Pasajeros 78335 22,383 80,85
Tabla 15. Estadísticas de validación usando GFS
Temperatura, °C MAE RMSE BIAS Casablanca 1,25 1,66 0,22 Batabanó 1,54 2,08 0,89 Bauta 1,31 1,81 0,37 Melena 1,6 2,12 0,16 Santiago de la Vegas 1,24 1,76 0,26 Tapaste 1,38 1,95 0,68
33
Temperatura, °C MAE RMSE BIAS Cienfuegos 1,24 1,77 0,42 Aguada de Pasajeros 1,4 1,9 0,78 Velocidad del viento, m s-1 MAE RMSE BIAS Calma, % Casablanca 1,46 1,89 0,33 4,76 Batabanó 2,3 2,72 1,92 26,03 Bauta 2,66 3,02 2,54 39,38 Melena 1,93 2,33 0,73 6,47 Santiago de la Vegas 2,11 2,51 1,85 12,81 Tapaste 3,15 3,49 3,07 27,53 Cienfuegos 2,09 2,53 1,74 16,44 Aguada de Pasajeros 2,76 3,13 2,7 37,60 Dirección del viento, grados WRF Observaciones Diferencias Casablanca 86,31 72,66 13,65 Batabanó 67,3 36 31,3 Bauta 89,61 18,34 71,27 Melena 83,93 54,15 29,78 Santiago de la Vegas 91,44 55,39 36,05 Tapaste 91,91 56,79 35,12 Cienfuegos 79,56 27,45 52,11 Aguada de Pasajeros 81,07 37,33 43,74
Los valores de los indicadores estadísticos revelan un buen comportamiento para la temperatura, con valores promedio menores de 2 ºC para el error medio cuadrático (RMSE) y el error medio absoluto (MAE) y menores de 0,5 ºC para el sesgo (BIAS).
Para el caso de la velocidad, es evidente la tendencia del modelo a sobredimensionar el valor calculado con valores por encima de 2 m/s en la mayoría de las estaciones tanto para el RMSE como para el MAE. Este comportamiento es reforzado aun más por el valor promedio del BIAS obtenido, cumpliéndose el valor de referencia de +-0,5m/s solo para la estación de Casablanca. Se corrobora el hecho que en las estaciones que presentan menores prevalencias de calmas (Ver última columna de la Tabla 15), la correspondencia del valor medido y el pronosticado fue mucho mejor. El factor de correlación entre los BIAS y las prevalencias de calmas es 0,86. Este valor crece a 0,91 cuando la estación de Tapaste no es considerada en el análisis. Dicha estación muestra los mayores valores de RMSE, MAE y BIAS para la velocidad del viento debido a la topografía de la zona, mostrada a la izquierda de la Figura 13. La estación se localiza detrás de una colina en la dirección predominante de los vientos.
34
Figura 13. Topografía en las zonas de las estaciones de Tapaste y Bauta
En cuanto a la dirección, en la mayoría de los casos la diferencia entre el vector resultante del modelo y de la estación meteorológica esta en el rango cercano a los 30º, con casos límites para Casablanca con 13,6º y Bauta con 71,3º de diferencia. El mismo análisis realizado para la velocidad del viento, puede extrapolarse a la dirección: en las estaciones que presentan menores prevalencias de calmas, la correspondencia del valor medido y el pronosticado fue mucho mejor: mínimas desviaciones y prevalencias en Casablanca y máximas en Bauta.
La Figura 14 muestra las rosas de los vientos para los valores modelados y observados en algunas estaciones representativas. Las diferencias en las rosas de vientos pudieran atribuirse en algunos casos a la topografía de la zona, especialmente en Bauta: WRF está simulando la condición sinóptica predominante con vientos del este mientras las observaciones indican vientos dominantes del norte debido a un canal en el terreno como indica la parte derecha de la Figura 13.
35
Figura 14. Rosa de vientos modelada y observada en tres estaciones representativas: Casablanca, Bauta y Tapaste
3.7. Uso de los resultados de WRF en la modelación de la calidad del aire.
WRF puede ser usado en diferentes modelos de calidad del aire:
1. en modelos locales como AERMOD, que consideran meteorología uniforme en la horizontal en todo el dominio de modelación y un perfil vertical único, para lo que se desarrolló en el marco de este trabajo la herramienta de conversión y se analizó su implementación (Ver epígrafe 3.8).
2. en modelos regionales con dominios meteorológicos representados por una rejilla 3D, a través de preprocesadores que convierten el formato netcdf en los formatos correspondientes, como el CALWRF, que permite crear los ficheros de entrada del sistema CALPUFF (Ver Capítulo 4)
3. de forma directa, en modelos regionales fotoquímicos de alta complejidad que corren sobre Linux y que admiten entrada en formato netcdf, como en el caso de CHIMERE, CMAQ, etc. Existe incluso el WRFChem, que no es más que el WRF con un módulo de calidad de aire acoplado.
Las opción 3 se presenta en el Epígrafe3.9 y es tratado en detalle en la Salida No 3 del proyecto Estimación del impacto del ozono troposférico derivado de fuentes del sector energético del Programa Ramal Nuclear, PRN/4-1/1 –2008, Resultados de la modelación de la formación de ozono troposférico: Evaluación de la contaminación atmosférica por ozono troposférico en Cuba usando el modelo fotoquímico CHIMERE (Turtós y col., 201159).
3.8. Alimentando AERMOD con WRF: WRF-fsl
Otra solución a la carencia de mediciones de aire superior en Cuba es utilizar las salidas del WRF como datos de entrada de los modelos refinados. Se partió de la implementación del WRF y del análisis de cómo pueden ser utilizados sus resultados por el sistema de modelos AERMOD:
WRF suministra los datos de superficie y de aire superior para AERMET. WRF alimenta directamente a AERMOD, pues todas las variables incluidas en la salida de AERMET
están contenidas en la salida del WRF o pueden ser estimadas a través de un procesamiento mínimo. WRF provee a AERMET con datos de aire superior y los datos de superficie son extraídos de una
estación local.
Las dos primeras opciones sólo deben ser usadas si el WRF asimila los datos locales, además de los datos globales. La variante desarrollada fue la tercera, por ser la más general, pues puede ser usada tanto por AERMOD como por otros modelos locales que requieran datos de sondeo en el formato .fsl, como el ISCT3. Además, es la más sencilla de implementar. Con esta opción, WRF aporta el fichero de aire superior sustituyendo el de radiosondeo. Para su implementación, se desarrolló el programa WRF-fsl, que convierte la salida del WRF al formato .fsl (tanto al viejo como al nuevo formato .fsl).
3.8.1
Para compestudio. Eprovincia relación 3superficieCasablanc
WRF se emeteoroló
3.8.2
La FiguraconvectivpendienteSe evidenWRF-fsl-A
Figura 1fslAER
3.8.3
Para evalumayores obtenidas país: caldinterna encontaminala parte salcanzadameteorolóresultó dey promedevaluados
Casos de Est
parar la efectEl Caso 1 ab
de Cienfuego3:3:3 (ver Tabe horarios, prca y Cienfueg
ejecutó con lógicos GFS, c
Comparación
a siguiente cova calculada pe del ajuste linncia que las lAERMET y A
15. ComparaRMET (eje Y
Comparación
uar la influendeviaciones. para SO2 y P
deras de vapon grupos elecación que estsuperior de laas por cada ógico. Aun ene 0,828 con undios de SO2 ys; sólo las pro
tudio
ividad de estabarca a La Hos. Estas área
bla 12 y Figurreviamente ingos, respectiv
la configuracicon resolución
n entre AERM
ompara la relpor ambos méneal es de 0,8localizacionesAERMET+.
ación entre Y) en ambos c
n entre los re
ncia en AERMPara realizar
PM10, debido or en centralectrógenos. Adtas instalaciona Tabla 16.
especie mon este caso den valor del co
y de PM10, moomedio horari
a solución se Habana, parte as representanra 12). Se modnterpolados damente.
ión mostradan espacial de
MET+ y WRF
lación que exétodos en cada828, mientras s de las fuent
ZC (m) cacasos de estu
esultados obte
MOD de las or estas compa las emision
es térmicas codicionalmentenes generan.Está tabla inodelada, al e estudio, donoeficiente de odeladas conias presentan u
36
comparan sude Mayabeq
n los dominiodeló todo el a
desde los tri-
a en la Tabla 1 x 1 grado d
F-fslAERM
xiste entre loa caso de estuque en el Cates influyen e
alculada meddio
enidos con AE
opciones consparaciones se nes de las instonvencionalese se modeló Las caracterí
ndica en su pemplear cadnde la pendiedeterminació AERMOD, una pequeña
us resultados cque y de Artos internos deaño 2009 usanhorarios disp
13, alimentade latitud y lon
MET
s valores de udio. En el Cso 2 (provincen la relación
diante el A
ERMOD
sideradas, se eevaluaron la
talaciones ens, turbinas deuna antorcha
ísticas de las parte inferiorda una de ente del ajustón R2 de 0,892son iguales pvariación.
con AERMETtemisa y el Ce un anidamiendo los datos ponibles para
ado del modengitud y temp
la altura de aso 1 (provin
cia de Cienfuen entre los re
AERMET+ (
escogió el Caas concentracergéticas máse gas y motoa, debido a lofuentes mode, las máximalas versione
te lineal de lo2; las concenpara la mayor
T+ en dos casCaso 2 parte ento progresimeteorológic
a las estacion
elo global de poral de 6 hor
la capa de mncias habaneraegos) fue de 0esultados al u
(eje X) y W
aso 1, que preciones ambiens importantesres de combuos altos niveleladas aparecas concentraces del proceos resultados traciones máxría de los per
sos de de la
ivo en cos de nes de
datos ras.
mezcla as), la 0,924.
usar el
WRF-
esenta ntales
s en el ustión les de cen en ciones esador de ZC ximas ríodos
37
Tabla 16. Máximas concentraciones de SO2 y PM10 (g/m3) al emplear AERMET+ y WRF-fslAERMET
Características de las fuentes AntorchaTurbina de
gas Caldera de vapor de
CTE GE
Altura de emisión, m 65,4 12 100 37,5
Diámetro de emisión, m 2,3 3 6 1,2
Velocidad de gases de escape, m s-1 6,1 40,4 7 15
Temperatura de gases de escape, K 1273 823 423 520
Emisiones de SO2, g s-1 157 0,2 1000 13
Emisiones de PM10, g s-1 10 0,4 50 1
Concentraciones incrementales Usando AERMET+ Usando WRF-fslAERMET
SO2 (g m-3) Período Máximo Promedio Máximo Promedio
1 hora 1010,8 226,9 1010,8 256,3
24 horas 339,2 30,2 340,6 30,5
Anual 63,6 2,6 62,0 2,7
PM10 (g m-3) 1 hora 45,0 20,8 45,0 22,4
24 horas 18,8 2,5 18,8 2,5
Anual 3,6 0,2 3,5 0,2
Se comprobó las potencialidades del WRF para estimar todas las variables meteorológicas requeridas por AERMOD, sin embargo, los casos de estudios evidencian que el uso de los resultados WRF no justifica los incuestionablemente mayores esfuerzos y recursos que demanda para propósitos reguladores respecto a la opción de usar AERMET+. Esto no resta importancia a la herramienta creada, que puede ser usada para alimentar a AERMET para otro tipo de estudios; que justifique los esfuerzos. Las mismas limitaciones que imponen las elevadas exigencias computacionales del WRF ha restringido el número de casos de estudio. Sería recomendable evaluar otras localizaciones para obtener una mejor estadística acerca de las diferencias entre usar el AERMET+ y WRF-fslAERMET y arribar a conclusiones más generales.
3.9. Modelación fotoquímica usando CHIMERE
Aunque WRF se corrió todo el año 2009 para ambos casos de estudio y se dispone de casi 150 Gbyte de ficheros de salida, solo se analizaran algunas variables y circunstancias específicas dentro de los períodos para los que se corrió el modelo fotoquímico regional CHIMERE (C.N.R.S, 200660), del 1 al 10 Enero y 4 al 13 de Agosto del 2009.
Las corrientes en las figuras siguientes indican que las masas de aire que llegan a Cuba, el 1 y 4 de Enero provienen del norte y noreste respectivamente. Sin embargo del 4 y 6 de agosto las masas de aire provienen del este y estenordeste. Por el elevado costo computacional del WRF, el dominio exterior no se extendió más allá de lo mostrado y no se puede precisar con estas corridas el origen de estas masas de aire. Se nota la diferencia de temperatura entre los meses de enero y agosto, de 293 a 300 K en enero y de 298 y 303 K en agosto
Es importante resaltar las capacidades del WRF de estimar la altura de la capa de mezcla. La Figura 18 y la Figura 19 corresponden a esta variable a las horas que se alcanzan los valores mínimos y máximos en el día 6 de Agosto, 7 y 14, hora local (11 y 18 UTC) respectivamente. Es evidente la menor altura de la
38
capa de mezcla al amanecer, en algunas áreas sobre tierra no llega a los 100 m y los máximos sobre el mar alrededor de 900 m. En la tarde se observan máximos de 2200 m.
Figura 16. Temperatura de superficie (K) y líneas de corrientes de vientos (componentes u y v), 31 de Diciembre, hora 19 local (en verde) y Enero 3, hora 19 local (en amarillo). WRF, dominio 1.
Figura 17. Temperatura de superficie (K) y líneas de corrientes de vientos, Agosto 3 del 2009, hora 20 local (en verde) y Agosto 5, hora 20 local (en blanco). WRF, dominio 1.
39
Figura 18. Altura de la capa de mezcla, Agosto 6, 2009, hora 7 local. WRF, dominio 1.
Figura 19. Altura de la capa de mezcla, Agosto 6, 2009, hora 14 local. WRF, dominio 1.
Resulta interesante la diferencia de la altura de la capa de mezcla entre Enero y Agosto. La Figura 20 y la Figura 21 muestran estas diferencias pues ambas corresponden a la misma hora, 18 UTC en los días 4 de Enero y Agosto respectivamente.
40
Figura 20. Altura de la capa de mezcla, Enero 4 del 2009, hora 13 local. WRF, dominio 3 del caso de estudio de la Habana
Figura 21. Altura de la capa de mezcla, Agosto 4 del 2009, hora 13 local. WRF, dominio 3 del caso de estudio de la Habana
3.9.1 Resultados de las concentraciones de Ozono
Al igual que para el WRF, se dispone de gran volumen de resultados que pueden ser utilizados para diferentes análisis. La Figura 22 y la Figura 23 muestran las concentraciones máximas, promedios y mínimas de O3 del 1 al 10 de Enero del 2009, y del 4 al 13 de Agosto respectivamente, expresadas en ppb.
41
En ambos períodos los máximos absolutos están localizados al este de La Habana. En Enero, se presentan valores máximos significativos al este de Santiago de Cuba, y en Agosto, al este de Cienfuegos. En ambos períodos hay máximos importantes alrededor de las Bahamas. Lo anterior evidencia que la contribución de las emisiones propias de NOx y COV tienen un aporte significativo a las concentraciones de Ozono en el dominio evaluado. Los máximos horarios son del orden de 116 g/Nm3, superior a los 80 g/Nm3 establecidos como límite máximo de calidad del aire aceptable en NC 111-2002.
Del 1 al 10 de Enero del 2009, los máximos promedios están al norte de Cuba, lo que es debido a la contribución del transporte de O3 desde Estados Unidos y México. En Agosto los máximos promedios se localizan al sur de la zona central de Cuba y al este de La Habana, sobre Pinar del Rio. En este período, no hay transporte del O3 producido en Estados Unidos y México pues las masas de aire provienen del este. Aunque el máximo absoluto en Agosto es ligeramente superior al de Enero, 116 y 111 g/Nm3 respectivamente, debido a un mayor nivel de radiación solar, los valores promedios en toda el área son superiores en Enero que en Agosto, entre 64 y 88 y entre 43 y 68 g/Nm3 respectivamente y una diferencia más marcada presentan los mínimos (Ver Tabla 17)
Tabla 17. Rango de concentraciones máximas, promedios y mínimas de O3 del 1 al 10 de Enero del 2009, y del 4 al 13 de Agosto
1-10 Enero/2009 4-13 Agosto/2009 ppb g/Nm3, 0O C ppb g/Nm3, 0O CMáximos 34-52 73-111 24-54 51-116 Promedios 30-41 64-88 20-32 43-68 Mínimos 15-39 32-83 2-22 4-47
La tendencia de estos resultados se corresponden con las mediciones realizadas por el INSMET (Ramírez J., 198961; 2008a62; 2008b63); como promedio, las concentraciones de O3 son máximas en el período de octubre a marzo y menores en el periodo de abril a septiembre. Hasta 1989, las concentraciones mensuales de fondo para el ozono se muestran en la siguiente tabla.
42
Figura 22. Concentraciones máximas, promedios y mínimas de O3 del 1 al 10 de Enero del 2009, ppb.
43
Figura 23. Concentraciones máximas, promedios y mínimas de O3 del 4 al 13 de Agosto del 2009, ppb.
44
4. IMPLEMENTACIÓN DE CALPUFF
A pesar de que AERMOD representa un extraordinario paso de avance respecto al modelo de Berlyand, regulatorio en el país, tiene limitaciones importantes: AERMOD considera uniformes los valores de las variables meteorológicas dentro del dominio de modelación, aproximación que aporta grandes incertidumbres en dominios influenciados por condiciones meteorológicas complejas. Esta razón justifica el uso de otros modelos más complejos, por ejemplo el CALPUFF, pues este crea un rejilla meteorológica donde los valores solo se mantienen contantes en cada celda, permitiendo una mejor aproximación a la realidad.
En la Figura 24 se muestran los vectores de un campo de vientos generado por CALMET. Se observar que ni el módulo, ni la dirección de estos es la misma en todo el dominio.
Figura 24. Vectores del campo de vientos generado por el CALMET.
El Sistema de Modelos CALPUFF fue desarrollado por Earth Tech (Concord, MA) y es el modelo propuesto a partir del 2003 por la EPA como modelo de uso regulatorio para simular los procesos de dispersión de contaminantes atmosféricos, en dominios regionales (a distancias de la fuente entre 50 y 200 km, con valores aceptables hasta 300 km), usando campos de vientos tridimensionales, y en dominios locales (de 0 a 50 km de distancia de la fuente) en casos de vientos complejos.
CALPUFF es un modelo de Dispersión de tipo puff1, gaussiano, de varias capas, de varias especies, no estacionario, que simula los efectos del tiempo, del espacio y la variación de las condiciones meteorológicas en el transporte de contaminantes, su transformación y remoción. Este modelo incluye algoritmos para calcular efectos a escala de sub-rejillas y para efectos a gran rango (tales como remoción de contaminantes por las deposiciones seca y húmeda, transformaciones químicas y afectaciones en la visibilidad).
1 Bocanada. Paquete de material contaminante.
45
CALPUFF requiere de CALMET como preprocesador meteorológico para desplegar al máximo todas sus potencialidades. CALMET desarrolla campos de vientos y temperatura horarios (en forma de rejilla tridimensional) para un dominio objeto de modelación. CALMET se alimenta de preprocesadores de datos meteorológicos y geofísicos globales, por ejemplo: del MAKEGEO, del WRF, etc. Partiendo de las salidas de CALPUFF, el post-procesador CALPOST permite obtener las salidas gráficas de estos resultados.
Algunas de las ventajas que le brindan los algoritmos mejorados del CALPUFF con respecto al AERMOD son:
Tiene en cuenta las reacciones que ocurren entre los contaminantes en la atmósfera, por lo tanto se pueden modelar todos a la vez, mientras que el AERMOD necesita una modelación a la vez para cada contaminante.
Crea una rejilla meteorológica tridimensional que permite lograr alta precisión en los datos, mientras que el AERMOD solo crea un dominio de cálculo donde considera que todos los datos meteorológicos son uniforme, lo que es una aproximación que se acercará más a la realidad mientras más sencillo y pequeño sea este dominio.
Se pueden obtener los valores de deposiciones y concentraciones de los sulfatos y los nitratos, lo cual en AERMOD no era posible.
Se le reconoce capacidades importantes para cálculos de transporte de contaminantes de largo rango, mientras que el AERMOD solo hace sus cálculos para la escala local.
Se desarrolló la metodología para la implementación del Sistema de Modelos CALMET-CALPUFF-CALPOST en la evaluación de la dispersión atmosférica de contaminantes gaseosos y de partículas, a escala regional (50 a 300km de radio de la fuente) y a escala local (0 a 50km de radio de la fuente) para condiciones meteorológicas complejas, como las derivadas de la presencia de grandes cuerpos de agua, de grupos montañosos y zonas costeras dentro de la zona de estudio. La descripción detallada de estos estudios se puede encontrar en Turtós y col., 201264.
4.1. Ajuste de los parámetros y variables del modelo
Generalmente, salvo que exista una razón fundamentada, se debe utilizar para todas las variables y parámetros, los valores recomendados en el documento EPA, 200965.
Los valores de las variables que dependen del uso del suelo (rugosidad de la superficie, albedo, tasa de Bowen, parámetro de flujo de calor del suelo, flujo de calor antropogénico e índice de área de la vegetación). Deben ser escogidos en dependencia de la estación del año a la que pertenezca el período de cálculo. El modelo incluye valores por defecto para cada categoría de uso de suelo/estación del año, excepto para el flujo de calor antropogénico, que debe ser seleccionado en dependencia de la localización del dominio. Para zonas urbanas con alta densidad de población o elevada industrialización, puede ser mayor a 150 W/m2 y cero para zonas rurales.
Las alturas límites, inferior y superior de la capa de mezcla: Sobre agua se recomienda usar los valores predefinidos por el programa (50 y 3000 m respectivamente), mientras que sobre tierra se propone 50 y 4000. Este último, seleccionado en base a los resultados de estudios precedentes (Turtós L., et al., 2006)66.
El parámetro de Coriolis tiene un valor aproximado de 0,0001 en las latitudes medias, creciendo en los polos y haciéndose nulo en el Ecuador. Su fórmula correspondiente es: f = 2 Ω sen φ ,
Donde:
F, parámetro de Coriolis Ω, velocidad angular de rotación de la Tierra, igual a 2 π / 86400 (rad/s)
46
Φ, latitud.
Como los límites geográficos de Cuba están entre los 20º 12' 36'' y los 23º 17' 09'' de latitud norte y entre los 80º 53' 55'' y los 84º 57' 54'' de longitud oeste, asumiendo φ ≈ 21°, sen φ= 0,3665. Por tanto, f= 0,0000532 ≈ 0,00005 para el caso de Cuba
Para el caso de las partículas en suspensión, específicamente el Diámetro Másico Medio Geométrico del PM10, este fue calculado a partir de la información disponible en Finlayson-Pitts, 199967. Se obtuvo un valor 1,767.
4.2. Análisis de sensibilidad a los mecanismos de reacciones químicas
Uno de los criterios de diseño del modelo CALPUFF es el de contar con la capacidad requerida para modelar los efectos de las transformaciones químicas. El módulo químico de CALPUFF contiene cuatro opciones para el tratamiento de los procesos químicos:
1. Un mecanismo de reacción química de seudo primer orden para la conversión de SO2 en SO4-2 y de
NOx (NO + NO2) a aerosoles de nitrato .Este mecanismo se basa en el esquema de transformación química usado en el modelo MESOPUFF II (Scire et al., 198468), el cual incorpora las dependencias más significativas de las tasas de transformación respecto a condiciones ambientales variables, temporal y espacialmente. Este es un esquema que modela 5 especies (SO2, SO4
-2, NOx, HNO3 y NO3
-1).
2. El esquema RIVAD/ARM3 (Morris et al., 198869), el cual simula los procesos de conversión del NO y NO2, y del SO2 a SO4
-2, el equilibrio entre HNO3 gaseoso y el aerosol de nitrato de amonio. Esta es una modificación a un esquema de 6 especies (SO2, SO4
-2, NO, NO2, HNO3 y NO3-1) donde NO y
NO2 son explícitamente tratados.
3. El método SOA (Aerosoles Orgánicos Secundarios), de 5 especies, el cual simula las transformaciones atmosféricas de los compuestos aromáticos, hidrocarburos biogénicos y las mezclas atmosféricas relevantes que incluyan los gases sintéticos de escape de los autos. El rendimiento del método SOA está definido por la cantidad de aerosoles orgánicos producidos por unidad de hidrocarburos reaccionado.
4. El método de modelación de niebla, de 2 especies.
La opción 3 es la apropiada para modelar la dispersión de los contaminantes producidos por instalaciones petroquímicas, mientras que la 1 y la 2 son las óptimas para modelar los producidos por instalaciones energéticas. Para definir diferencias entre los resultados obtenidos al usar las opciones 1 y 2 se realizó un análisis de sensibilidad: CALPUFF modeló las emisiones de 5 baterías de grupos electrógenos que queman Fuel-Oíl (Naranjito, San Agustín, Apolo, CUJAE y Regla) instalados en La Habana en el 2008. Se utilizaron los respectivos datos de uso del suelo, de topografía del terreno, y los meteorológicos horarios registrados por 8 estaciones de superficie ubicadas en el dominio seleccionado (ver Tabla 18), y las salidas del WRF generadas para el período de modelación. El área de estudio abarcó 50 x 50 km con receptores ubicados cada 1 x 1 km, con 10 niveles de altura.
Tabla 18. Ubicación de las estaciones de superficie
Código de la estación
Nombre Coordenadas Latitud Longitud
78322 Batabanó 22,717 N 82,267 W
78323 Güines 22,850 N 82,017 W
78325 Casablanca 23,167 N 82,350 W 78340 Bainoa 23,017 N 81,917 W
47
Código de la Nombre Coordenadas 78373 Santiago de las Vegas 22,967 N 82,367 W
78374 Tapaste 23,017 N 82,117 W
78375 Melena del Sur 22,767 N 82,117 W
78376 Bauta 22,967 N 82,517 W (Fuente: INSMET, 2008)
Para cada mecanismo se definen las especies (propias) a modelar, y para su ejecución se necesitan además:
Los valores de emisiones de los contaminantes incluidos en cada mecanismo químico empleado.
Los valores de las concentraciones mensuales de fondo de ozono y amonio para el período de cálculo.
Se utilizó como método de modelación de la pluma el puff para ambos casos. El resto de los valores utilizados para cada variable y parámetros fueron los recomendados en el documento EPA, 2009.
Al comparar los valores de concentración del NO y NO2 obtenidos al usar el mecanismo RIVAD, con los valores del NOx obtenidos al usar el MESOPUFF, se observa que la suma de las concentraciones de NO y NO2 superan ligeramente las de NOx, aunque teóricamente deben resultar iguales. Esta diferencia sugiere la necesidad de usar el mecanismo que mayor detalle aporte a los resultados, en este caso el RIVAD.
Por otra parte, al usar RIVAD, las concentraciones máximas horarias de NO y NO2, representan el 8,85 y el 91,15 % de la suma de ambos, lo que corrobora que a pesar de que en las emisiones el NO aporta el 90 % del total, una vez dispersados esta relación se invierte.
En la figura siguiente se muestran las isolíneas de las máximas concentraciones horarias de aerosoles de nitrato.
Figura 25. Máximas concentraciones horarias (µg/m3) de NO3- con los mecanismos RIVAD
(izquierda) y MESOPUFF II (derecha) respectivamente
La Figura 25 muestra de manera clara que se alcanzan mayores concentraciones de NO3-1 al usar el
mecanismo RIVAD, lo cual es un comportamiento esperado en base a los resultados obtenidos para los óxidos de nitrógeno.
Los análisis realizados a los óxidos de nitrógeno y los aerosoles de nitrato indican que se alcanzan mayores concentraciones cuando se usa el mecanismo de transformaciones químicas RIVAD. Desde el punto de vista sanitario y de la protección del medio ambiente es recomendable, hasta tanto no se realicen mediciones que permitan validar los resultados, escoger el mecanismo que estime mayores
336,
087
339,
087
342,
087
345,
087
348,
087
351,
087
354,
087
357,
087
360,
087
363,
087
366,
087
369,
087
372,
087
375,
087
378,
087
381,
087
384,
087
337,83
340,83
343,83
346,83
349,83
352,83
355,83
358,83
361,83
364,83
367,83
370,83
373,83
Concentraciones (µg/m^3)
X (m)
Y (m)
6-7
5-6
4-5
3-4
2-3
1-2
0-1
33
6,0
87
33
9,0
87
34
2,0
87
34
5,0
87
34
8,0
87
35
1,0
87
35
4,0
87
35
7,0
87
36
0,0
87
36
3,0
87
36
6,0
87
36
9,0
87
37
2,0
87
37
5,0
87
37
8,0
87
38
1,0
87
38
4,0
87
337,83
340,83
343,83
346,83
349,83
352,83
355,83
358,83
361,83
364,83
367,83
370,83
373,83
Concentraciones (µg/m^3)
X (m)
Y (m)2-3
1-2
0-1
48
concentraciones, que además ofrece resultados más desagregados que se corresponden con la teoría del mecanismo en cuestión.
4.3. Análisis de sensibilidad a los métodos de modelación de la pluma
Para evaluar la influencia de aplicar el método de modelación de la pluma de puff circulares o de slug en la escala local se realizó el siguiente estudio de sensibilidad, usando los mismos datos y variables que en el anterior análisis de sensibilidad, pero empleando el mecanismo de reacciones química RIVAD.
A continuación se muestran las isolíneas de las máximas concentraciones horarias (µg/m3) alcanzadas por los compuestos del S (azufre): el primario (SO2) y secundario (SO4
-2), que se definen a partir del mecanismo de transformaciones químicas (RIVAD), al usar los métodos de modelación de la pluma slug y puff (circulares). Las dos primeras figuras corresponden al contaminante SO2.
Figura 26. Máximas concentraciones horarias (µg/m3) de SO2 al usar los métodos de modelación de la pluma puff (izquierda) y slug (derecha)
Al analizar esta figura se observa que la ubicación de los receptores que registraron los valores de máximas concentraciones de SO2, por ambos métodos, es muy similar, lo que no permitió obtener ninguna solución de este análisis. Otro análisis realizado a los resultados fue hallarle su desviación fraccional comparando las concentraciones máximas horaria usando el método puff y slug
Figura 27. Desviación fraccional de las máximas concentraciones horarias de SO2 al usar los métodos puff y slug.
33
6,0
87
33
8,0
87
34
0,0
87
34
2,0
87
34
4,0
87
34
6,0
87
34
8,0
87
35
0,0
87
35
2,0
87
35
4,0
87
35
6,0
87
35
8,0
87
36
0,0
87
36
2,0
87
36
4,0
87
36
6,0
87
36
8,0
87
37
0,0
87
37
2,0
87
37
4,0
87
37
6,0
87
37
8,0
87
38
0,0
87
38
2,0
87
38
4,0
87
337,83
339,83
341,83
343,83
345,83
347,83
349,83
351,83
353,83
355,83
357,83
359,83
361,83
363,83
365,83
367,83
369,83
371,83
373,83
Concentración de SO2(µg/m^3)
X (m)
Y (m)
300-400
200-300
100-200
0-100
336
,08
733
8,0
87
340
,08
734
2,0
87
344
,08
734
6,0
87
348
,08
735
0,0
87
352
,08
735
4,0
87
356
,08
735
8,0
87
360
,08
736
2,0
87
364
,08
736
6,0
87
368
,08
737
0,0
87
372
,08
737
4,0
87
376
,08
737
8,0
87
380
,08
738
2,0
87
384
,08
7
337,83
339,83
341,83
343,83
345,83
347,83
349,83
351,83
353,83
355,83
357,83
359,83
361,83
363,83
365,83
367,83
369,83
371,83
373,83
Concentración de SO2(µg/m^3)
X (m)
Y (m)300-400
200-300
100-200
0-100
3,36
E+0
2
339,
087
342,
087
345,
087
348,
087
351,
087
354,
087
357,
087
360,
087
363,
087
366,
087
369,
087
372,
087
375,
087
378,
087
381,
087
384,
087
337,83
340,83
343,83
346,83
349,83
352,83
355,83
358,83
361,83
364,83
367,83
370,83
373,83
Desviación fraccional
X (m)
Y (m)1-1,5
0,5-1
0-0,5
-0,5-0
-1--0,5
-1,5--1
49
En la Figura 26 se observa la desviación fraccional de las máximas concentraciones horarias de SO2 obtenidas por los dos métodos empleados. Se puede detallar que aunque las desviaciones importantes (valor absoluto mayor que 0,5) se reportaron en pocos receptores (aproximadamente un 10 % del área modelada), existen diferencias (entre usar un método u otro) en toda el área modelada. En esta figura se puede diferenciar donde los valores de concentración obtenidos con el método puff son mayores que los obtenidos al usar el método slug (tonalidades del azul) y viceversa (tonalidades del amarillo).
Para describir cómo se comporta el SO4-2 al usar los dos modelos analizaremos las siguientes figuras.
Figura 28. Máximas concentraciones horarias (µg/m3) de SO4-2
usando los métodos de modelación de la puma puff (izquierda) y slug (derecha)
Del análisis de los gráficos se puede observar que se registraron las concentraciones máximas de SO4-2
(superiores a 1 μg/m3) en un mayor número de receptores al usar el método slug, que cuando se utiliza el puff. Para este contaminante también se calculó la desviación fraccional, buscando obtener una segunda valoración de cómo se comportan las máximas concentraciones obtenidas por cada método.
Figura 29. Desviación fraccional de las máximas concentraciones horarias de SO4 -2 usando los
métodos de modelación de la puma puff y slug.
33
6,0
87
33
8,0
87
34
0,0
87
34
2,0
87
34
4,0
87
34
6,0
87
34
8,0
87
35
0,0
87
35
2,0
87
35
4,0
87
35
6,0
87
35
8,0
87
36
0,0
87
36
2,0
87
36
4,0
87
36
6,0
87
36
8,0
87
37
0,0
87
37
2,0
87
37
4,0
87
37
6,0
87
37
8,0
87
38
0,0
87
38
2,0
87
38
4,0
87
337,83
339,83
341,83
343,83
345,83
347,83
349,83
351,83
353,83
355,83
357,83
359,83
361,83
363,83
365,83
367,83
369,83
371,83
373,83
Concentraciónde SO4 (µg/m^3)
X(m)
Y(m)1-1,5
0,5-1
0-0,5
33
6,0
87
33
8,0
87
34
0,0
87
34
2,0
87
34
4,0
87
34
6,0
87
34
8,0
87
35
0,0
87
35
2,0
87
35
4,0
87
35
6,0
87
35
8,0
87
36
0,0
87
36
2,0
87
36
4,0
87
36
6,0
87
36
8,0
87
37
0,0
87
37
2,0
87
37
4,0
87
37
6,0
87
37
8,0
87
38
0,0
87
38
2,0
87
38
4,0
87
337,83
339,83
341,83
343,83
345,83
347,83
349,83
351,83
353,83
355,83
357,83
359,83
361,83
363,83
365,83
367,83
369,83
371,83
373,83
Concentraciónde SO4 (µg/m^3)
X(m)
Y(m)
1-1,5
0,5-1
0-0,5
33
6,0
87
33
8,0
87
34
0,0
87
34
2,0
87
34
4,0
87
34
6,0
87
34
8,0
87
35
0,0
87
35
2,0
87
35
4,0
87
35
6,0
87
35
8,0
87
36
0,0
87
36
2,0
87
36
4,0
87
36
6,0
87
36
8,0
87
37
0,0
87
37
2,0
87
37
4,0
87
37
6,0
87
37
8,0
87
38
0,0
87
38
2,0
87
38
4,0
87
337,83
339,83
341,83
343,83
345,83
347,83
349,83
351,83
353,83
355,83
357,83
359,83
361,83
363,83
365,83
367,83
369,83
371,83
373,83
Desviacion fraccional
X(m)
Y(m)
0-1
-1-0
50
En la figura anterior se puede diferenciar donde las máximas concentraciones horarias obtenidas con el método puff son mayores que las obtenidas con el slug (color azul) y viceversa (color amarillo), observándose que estas son mayores en más receptores para el método slug que para el puff, corroborándose lo mostrado en la Figura 28.
Los análisis realizados en los compuestos de S permiten concluir que aunque no son grandes, sí existen diferencias entre las concentraciones al emplear uno u otro método, lo que no permite usarlos indistintamente. Esto hace que se deba ser consecuente con lo que recomienda la teoría: para dominios locales en casos de vientos complejos usar el método de modelación de la pluma slug.
4.4. Comparación de los resultados de CALPUFF con AERMOD
En el Contrato del Servicio Científico Técnico No.8/2010 entre CUBAENERGÍA y la Refinería Camilo Cienfuegos se compararon los resultados de AERMOD y CALPUFF para de manera indirecta validar los primeros, pues es AERMOD el modelo utilizado para obtener la mayor parte de los resultados de este estudio. Para AERMOD se utilizan las mismas emisiones que para el CALPUFF con la diferencia de que para este último se desagregan las emisiones de los NOX, considerando un 90% para el NO y un 10% para el NO2.
Para esto se modelaron 2 escenarios con CALPUFF, que caracterizan a la refinería bajo un régimen normal de trabajo sin la planta de amina y con esta respectivamente. El período fue el comprendido entre 2 de enero del 2010 a las 00:00h hasta el 16 de enero a las 00:00h, por ser el de mayor completamiento de los datos meteorológicos. Los datos técnicos de las fuentes para cada escenario en cuestión coinciden con los usados en el AERMOD para el 2009, respetando las condiciones de cada escenario.
Los resultados obtenidos con CALPUFF permiten validar de forma indirecta la consistencia de los resultados de AERMOD, aunque este último considera la meteorología uniforme en el dominio de modelación. Al igual que CALPUFF, con AERMOD, las concentraciones de SO2 en el “escenario 1” superan las concentraciones máximas admisibles tanto para 1h como para 24h, aunque en AERMOD las máximas concentraciones de SO2 para 24h en el “escenario 2”, también son superadas. Todas las concentraciones máximas en AERMOD superan las de CALPUFF, lo cual es posible pues este último solo se utilizó para evaluar un período pequeño (15 días), en el cual pueden no haber estado presente las peores condiciones de todo el período evaluado por AERMOD (1 año).
Teniendo en cuenta que el AERMOD se había validado anteriormente en el estudio realizado en Moa (Turtós et al, 2007), este estudio nos permite validar el CALPUFF debido a que los resultado son comparables tanto en un sentido como en el otro, por lo que estos valores se pueden tomar como válidos a pesar de la diferencia existente en el período de modelación.
5. IMPACTOS DE LA CONTAMINACIÓN ATMOSFÉRICA SOBRE LA SALUD
Se presenta una compilación de los trabajos realizados con vistas a solucionar la necesidad de contar con funciones exposición-respuesta relativas a los contaminantes clásicos del aire y sus principales efectos sobre la salud; adecuadas a las características de exposición, climáticas y socioeconómicas propias del país, de modo que permitan la realización a escala nacional de estudios de impacto ambiental en salud y de análisis de riesgo; contribuyendo así, a promover y preservar la salud, la calidad de vida y el medio ambiente para lograr un desarrollo sostenible. El objetivo general de estos trabajos es la obtención de funciones exposición-respuesta para contaminantes clásicos del aire (SO2, NO2 y PM10) los cuales son emitidos fundamentalmente por la quema de combustibles fósiles. Para cumplirlo se trabajó en:
Establecer los criterios metodológicos a considerar para la determinación de funciones exposición-respuesta a partir de estudios epidemiológicos.
Evaluar la evidencia aportada por los estudios epidemiológicos nacionales y la aptitud de los mismos para la determinación de funciones exposición-respuesta asociadas a contaminantes del aire.
51
Evaluar, mediante un estudio de series temporales, posibles funciones exposición-respuesta de mortalidad para un área de la Ciudad de La Habana.
Obtener una selección de funciones exposición-respuesta aplicables a la evaluación de externalidades de la energía en la región de América Central y el Caribe.
5.1. Criterios para el establecimiento de funciones exposición-respuesta entre contaminantes del aire y sus efectos sobre la salud.
Se asumió que las FER constituyen funciones lineales o muy próximas a la linealidad, sin umbral, tal como propugnan numerosos autores, de acuerdo con los resultados de diferentes estudios extranjeros recientes y relevantes (Zmirou, et. al, 199770, Ostro, 1996 71). De este modo se consideró la concentración del contaminante del aire como variable independiente, con igual pendiente (β) de la FER dentro del rango de exposiciones observadas, sin que exista un valor de concentración preciso por debajo del cual no se incrementa el riesgo del impacto en la salud (variable dependiente) desaparece (ExternE, 199572), independientemente de que en las evaluaciones de impacto y de análisis de riesgo se tomen como niveles de referencia las concentraciones máximas admisibles normadas.
Los criterios metodológicos para la selección de FER en estudios epidemiológicos incluyen la representatividad y base poblacional y la información pertinente que aportan. Igualmente permiten realizar evaluaciones de impacto en salud o estimaciones de riesgo mediante la aplicación de las FER obtenidas en otros estudios nacionales o extranjeros considerados de relevancia, conjuntamente con la inclusión de la información demográfica, la incidencia o prevalencia de los efectos evaluados, y los niveles de exposición a los diferentes contaminantes propios de un grupo poblacional en un territorio o país. Esta metodología permite estimar la pendiente concentración-respuesta (SFER); esto es: el número de casos anuales en la población por persona expuesta, atribuibles a la variación por µg/m3 de la concentración media anual del contaminante. Transfiriendo solamente las relaciones entre la variación de la ocurrencia del efecto en función de las concentraciones del agente, bien a partir de la pendiente del riesgo relativo (RR) por unidad de incremento anual del contaminante (γ) o aplicando directamente la SFER, a partir de la siguiente ecuación:
[27] SFER = γ Fpop Iref
Donde:
γ; es la relación entre el riesgo relativo y el incremento en la concentración y tiene unidades de % de incremento del RR por μg/m3 y se obtiene de los reportes de los diferentes estudios epidemiológicos. Fpop; es la fracción de la población afectada. Iref; es la tasa de incidencia base y tiene como unidades los casos por persona al año (tasa de referencia).
Utilizando el valor de pendiente obtenido en la ecuación anterior, los casos anuales atribuibles se podrán expresar de la siguiente forma:
[28] I = SFER (POPj) (ΔC j)
Donde:
I: # de casos anuales POPj, es el número de receptores en la localización j. ΔCj es el cambio anual (variabilidad) en las concentraciones del contaminante dado en el área j.
5.2. Contaminantes seleccionados
Los contaminantes a evaluar son fundamentalmente partículas, óxidos de azufre y de nitrógeno, sulfatos y nitratos. En el caso del material particulado la bibliografía encontrada a nivel mundial es extensa, mostrando asociación con diferentes efectos en la salud tanto de mortalidad como de morbilidad. En los
52
países de la región, se ha enfocado en las evaluaciones de los efectos en la salud de este contaminante debido a que sus concentraciones alcanzan niveles que superan frecuentemente las normas nacionales de calidad de aire.
ExternE, 200573, considera que las partículas emitidas por los procesos de combustión tienen un diámetro aerodinámico equivalente a 10 micrones; estudios de la contaminación atmosférica realizados en Estados Unidos han mostrado que el 60% de la distribución de masa corresponde a partículas inferiores a 2,5 micrones, que son las que pueden penetrar más profundamente en los pulmones y causar un mayor impacto en la salud de los receptores. Para tomar en cuenta este hecho, la pendiente de la función para partículas de 2,5 micrones se aumenta en un factor de 1,67 con respecto a la pendiente de las partículas de 10 micrones (Spadaro, 199974). Sin embargo, existen estudios donde se emplea otro valor, en dependencia del espectro de partículas medidas (Téllez-Rojo y col., 200075).
[29] SFER PM2.5 = 1,67 * SFER PM10
Para el dióxido de azufre (SO2), la bibliografía disponible no es tan abundante como en el caso de las partículas. A pesar de que múltiples estudios relacionan sus concentraciones ambientales con efectos en la salud humana, en ocasiones esta relación desaparece cuando en los modelos estadísticos se controlan otros contaminantes (Sunyer J y col., 2003a76, 2003b77
. Para los países en vías de desarrollo este contaminante tiene especial importancia debido a los altos contenidos de azufre presentes en los combustibles que se utilizan.
Para el NO2 existe el inconveniente de que a pesar de que numerosos estudios en animales han reportado efectos de estos en la salud, los estudios epidemiológicos no han sido lo suficientemente convincentes sobre estos efectos en los humanos y éstos son considerados fundamentalmente por su papel en la formación de ozono troposférico y nitratos. Los estudios que relacionan los efectos en la salud de los NO2, no son abundantes como los estudios de partículas.
Para los sulfatos y nitratos se propone obtener las SFER, a partir de las funciones para PM2.5 y PM10, respectivamente, debido al predominio de estas substancias en la masa que compone a estas partículas. Así con el diámetro de las partículas es posible tomar los valores de IRR para los sulfatos igual al de las PM2.5 y los de los nitratos igual al de las PM10 (Rabl, 200278). La distribución de diámetros aerodinámicos de los sulfatos, según el estudio de Sheridan y col., 199479 se encuentra mayormente entre 0,3 - 2µm, por lo que pueden asociarse perfectamente a las PM2.5. Para el caso de los nitratos, la distribución de sus diámetros está entre 0,3-4,2 µm, según Milford y Davidson, 198780 por lo que se asocian mejor a las PM10. Cabe mencionar que en otros estudios los diámetros de estas partículas (sulfatos y nitratos) se encuentran en un rango mucho más amplio que el de las referencias citadas. Estas aproximaciones introducen algunos errores, ya que al utilizar para los nitratos la misma pendiente que para las PM10, se está asignando un efecto a los primeros que corresponde a una mezcla de contaminantes, formados no solo por nitratos, sino también por sulfatos, entre otros. En realidad, si ambos compuestos están presentes de forma concurrente no se puede precisar con exactitud a cual contaminante de la mezcla corresponden los mayores efectos. Esto se complica más aún si se considera que los estudios epidemiológicos para PM10 se han realizado teniendo en cuenta la calidad del aire en muchas ciudades donde la composición química de las partículas es diferente.
De esta forma las pendientes de las FER y por tanto los IRR resultan:
[30] SFER sulfatos = SFER PM2.5
[31] SFER nitratos = SFER PM10
Muchos de los estudios realizados, además de evaluar los efectos en la salud provocados por las partículas, han evaluado los efectos sobre la salud asociados a las concentraciones ambientales de ozono, las que frecuentemente superan las normas de calidad de aire en muchos países en vías de desarrollo,
53
mostrando asociaciones significativas con la mortalidad y la morbilidad. Aunque el ozono es un contaminante prioritario, no es objetivo de este trabajo proponer FER para evaluar su impacto en la salud pues no se encuentra entre los contaminantes emitidos directamente por la generación de electricidad.
5.3. Metodología empleada para la selección y análisis de los estudios epidemiológicos nacionales
Etapa 1: Se efectuó una búsqueda bibliográfica de los estudios relativos a la contaminación del aire y efectos sobre la salud realizados en Cuba en los últimos 20 años. Se utilizaron las bases de datos del Centro Nacional de Información en Higiene y Epidemiología, de la Red Panamericana de Información en Salud Ambiental (REPIDISCA), y de la Biblioteca Virtual de Salud Ambiental del Centro Panamericano de Ingeniería sanitaria y Ciencias del Ambiente (CEPIS) OPS/OMS, luego de lo cual fueron revisados aquellos trabajos publicados, tesis de grado científico (Maestría o Doctorado), e informes técnicos disponibles, que incluyeran algún tipo de evaluación cuantitativa entre la exposición a contaminantes atmosféricos clásicos en zonas urbanas y efectos sobre la salud de la población general o grupos de riesgo. Se tuvo especial interés en la inclusión de los estudios referidos al análisis de los efectos de las partículas en suspensión (PS), ya fueran medidas como humo u hollín, partículas totales en suspensión (PTS) o partículas menores de 10 µm de diámetro (PM10), así como el dióxido de azufre (SO2). De acuerdo con el objetivo central del trabajo, se le confirió especial importancia a estos contaminantes por ser aquellos que a nivel mundial cuentan con mayor cantidad de registros históricos, por lo que han sido incluidos en múltiples estudios epidemiológicos, además del carácter predominante de los mismos en las emisiones de las plantas generadoras de energía eléctrica y de la mayoría de las fuentes industriales del país, entre las que predominan procesos que emplean combustibles con alto contenido de azufre, en instalaciones carentes de dispositivos efectivos para el control de emisiones. Son éstos los contaminantes más comunes en la mayoría de los países subdesarrollados.
Etapa 2: Posteriormente, se procedió al análisis de los estudios inicialmente seleccionados, con vistas a evaluar el cumplimiento de los principales requerimientos básicos para el establecimiento de funciones exposición-respuesta, según los criterios actualizados y en especial del documento guía de la OMS tomado como referencia principal (WHO, 200081):
La calidad (precisión, representatividad) de la medición de la exposición a los contaminantes del aire;
Si las unidades de medida y rangos de exposición se corresponden con las disponibles para la población en la que se pretende evaluar el impacto en salud;
Si las mediciones de los efectos sobre la salud son generalizables o no a otras poblaciones, debido a la presencia de factores locales que pudieran actuar a nivel local como confusores o modificadores, tales como factores socioeconómicos o la presencia de grupos de elevada susceptibilidad.
Etapa 3: Al conferir peso a la evidencia epidemiológica aportada por cada estudio, se consideraron los siguientes aspectos (Molina y col., 200382):
Racionalidad del estudio: ¿Constituye un paso lógico en la solución del problema? Hipótesis y objetivos: ¿Claros y precisos? ¿Se corresponden con los resultados que pretende obtener? Metodología: Tipo de diseño; Población en riesgo; Método de selección y tamaño de la muestra;
Representatividad de la población; Criterios de selección y exclusión, tanto de la población en estudio (expuesta) como de los grupos de referencia o control; Medición de la exposición y de los efectos sobre la salud; Tratamiento y control de las posibles variables de confusión o modificadoras; Evidencia de sesgos de información; Análisis estadístico; Señalamiento de limitaciones; Datos faltantes y manejo.
Resultados: Principales hallazgos (negativos o positivos); Control de factores de confusión. ¿Existen otras explicaciones alternativas plausibles para los mismos?
Discusión y conclusiones: Validez interna; Validez externa; Consistencia con otros estudios; Importancia práctica de los resultados; ¿Las conclusiones dan salida a los objetivos?
54
5.4. Estudios epidemiológicos nacionales
5.4.1 Análisis y discusión de la evaluación de los estudios epidemiológicos nacionales El número de trabajos o reportes realizados en el país cuya temática fue el análisis de relaciones entre la exposición a contaminantes del aire y efectos sobre la salud, tanto publicados, disponibles en REPDISCA o presentados en eventos científicos nacionales o internacionales resultó mayor en la década del año 1980 que con posterioridad al año 1990, situación en la que pudo incidir el deterioro del equipamiento de la red nacional de monitoreo de la calidad del aire perteneciente al Ministerio de Salud Pública, así como de otras estaciones de monitoreo ambiental de otros organismos. En los últimos años predominaron los estudios teóricos, sin la exposición de resultados concretos de mediciones ambientales objetivas.
La gran mayoría de los estudios debieron ser excluidos en la primera etapa del análisis, según su utilidad para el establecimiento de FER, de acuerdo con aspectos tales como: objetivos del estudio, características y representatividad de las muestras; métodos de monitoreo ambiental (incluidas técnicas analíticas) y los resultados del monitoreo (incluido el rango de exposición); metodología empleada para el procesamiento de las variables en estudio, análisis del posible aporte de los mismos para la formulación de FER.
En adelante, por orden cronológico de publicación, presentación en un evento científico o realización (informes no publicados), serán reseñados, por sus títulos solamente aquellos trabajos que inicialmente, por su posible relevancia, pasaron a la segunda etapa de evaluación, así como los principales criterios en cuanto a la aptitud de los mismos y posible contribución o no al establecimiento de FER, independientemente de la calidad de los mismos de acuerdo con otros criterios y aspectos metodológicos.
1. Contaminantes atmosféricos primarios, temperatura del aire, enfermedades respiratorias agudas y asma bronquial en niños (1984-1985) (Molina y col. 198983).
2. Prevalencia de asma bronquial. Asociación con la contaminación atmosférica y otros factores ambientales (1987-1988) (Molina y col., 1992a84).
3. Factores de riesgo de cáncer pulmonar en Ciudad de La Habana (Molina y col., 199685) 4. Asociación entre la contaminación atmosférica y otros factores ambientales con la morbilidad
respiratoria y la función pulmonar en niños (Molina y col., 1992b86). 5. Contaminación atmosférica, otros factores ambientales y morbilidad respiratoria en la tercera edad
(Molina y col., 199487). 6. Estudio de factibilidad para pronosticar los incrementos de las consultas por asma y por infecciones
respiratorias aguda (Toledo, 199388). 7. Crisis de asma, enfermedades respiratorias agudas, contaminantes atmosféricas y variables
meteorológicas en Centro Habana (Molina y col., 200189). 8. Contaminación atmosférica, crisis aguda de asma bronquial e infecciones respiratorias agudas en
menores cubanos (1996-1998) (Romero y col., 200490). 9. Métodos para el pronóstico de asma bronquial e infecciones respiratorias agudas y su contribución al
sistema de vigilancia epidemiológica en la rivera este de la Bahía de La Habana (CECONT, 200291).
5.4.2 Problemas identificados en estudios nacionales de contaminantes atmosféricos y salud Los principales problemas identificados en los estudios nacionales, lo que motivó la exclusión de la mayoría de los mismos antes del análisis final, fueron los siguientes:
Predominio de estudios descriptivos, que incluyen la frecuencia de síntomas o afecciones respiratorias subjetivamente atribuidos a la contaminación potencial del aire por fuentes emisoras locales, sin el empleo de indicadores de exposición.
Ausencia de indicadores objetivos de exposición a contaminantes del aire, con insuficiente caracterización de las fuentes incidentes y de sus correspondientes emisiones sobre los grupos poblacionales de estudio.
55
Empleo de indicadores pasivos o indicadores cualitativos de exposición, los que no permiten determinar las concentraciones ambientales de los contaminantes ni por ende la evaluación cuantitativa de las exposiciones potenciales en cuestión; situación posiblemente relacionada con el deterioro del equipamiento disponible para el monitoreo de la calidad del aire en exteriores por parte de las instituciones y organismos que lo realizan.
Empleo de períodos de resolución temporal excesivamente largos (semanas, meses) para permitir el análisis de las relaciones intentando evaluar el impacto sobre efectos agudos que pudieran ser explicados por valores máximos horarios, además de los promedios diarios.
Exposiciones estimadas exclusivamente mediante modelos de dispersión cuya precisión es incierta, debido a factores tales como: no validación para períodos de tiempo mayores de 24 horas e insuficiente conocimiento de las emisiones totales que pueden afectar el territorio donde reside la población objeto de estudio.
Métodos de evaluación predominantemente estadísticos más que epidemiológicos, predominio de estudios descriptivos o mediante el análisis bivariado, sin el control de posibles factores de confusión. Insuficiente capacitación en métodos de epidemiología analítica, más que en métodos estadísticos.
Metodología de evaluación de las variables insuficientemente explícita. Ello se hace más evidente al evaluar el enlace entre estos factores del ambiente y la salud al realizar el análisis de las posibles asociaciones entre los indicadores de exposición y los efectos sobre la salud.
Inconsistencia entre los resultados de estudios que utilizan datos de bastante similitud espacio temporal, dado no solo por el abordaje metodológico, sino también por la explicación de los resultados.
Empleo de disímiles modelos explicativos para los mismos efectos, que van desde la regresión lineal múltiple (con sus limitaciones implícitas), hasta series cronológicas mediante binomiales negativos, de difícil interpretación epidemiológica.
Concentraciones ambientales muy inferiores a las reportadas por la literatura especializada como capaces de ocasionar efectos adversos a corto plazo, a pesar de lo cual se establecen relaciones con el incremento de los riesgos.
5.4.3 Conclusiones del análisis de estudios epidemiológicos nacionales A pesar de las limitaciones señaladas para el establecimiento de FER, numerosos estudios epidemiológicos nacionales han demostrado la existencia de asociaciones relativamente consistentes entre la exposición a los contaminantes del aire y el incremento de diferentes indicadores de morbilidad respiratoria aguda y crónica bajo las condiciones de exposición habituales propias de nuestro clima y demás factores ecológicos y socioeconómicos, incluso durante en un período de la década de 1990, caracterizado por una importante reducción de la actividad industrial y el transporte, y por ende de sus emisiones a la atmósfera. Lo anterior pone de manifiesto la influencia de este peligro ambiental sobre la salud de determinados grupos poblacionales, la que pudiera incrementarse con la recuperación económica que actualmente experimenta el país, de no adoptarse medidas de prevención y control pertinentes, y por tanto la importancia de lograr una evaluación precisa aún de este impacto.
Aunque a partir de tres estudios nacionales han sido expuestas diferentes funciones para algunos efectos agudos (CAA y ERA) y crónicos (prevalencia de asma), las cuales se encuentran en el orden de las FER obtenidas para esos mismos efectos a partir de diferentes estudios extranjeros, se considera que estas funciones por si solas resultan insuficientes para la realización de evaluaciones de riesgos a escala nacional, en el caso de los efectos agudos no por contar con una base poblacional precisa (solo atenciones hospitalarias, en tanto que para la prevalencia de asma por proceder de un solo estudio, realizado hace más de 10 años en la Ciudad de La Habana. Sin embargo, por encontrarse los resultados de los mismos en el rango de los obtenidos internacionalmente consideramos que pueden ser utilizados tanto para confirmar la sensibilidad de estas funciones como para dar consistencia a la posibilidad del empleo de esas funciones.
56
No es concluyente que algunos otros de estos estudios nacionales no puedan ser empleados en las evaluaciones de FER, de realizarse el re-análisis de éstos, independientemente de que la experiencia obtenida y el conocimiento actualizado de los criterios científicos para el establecimiento de estas funciones, deben constituir puntos de partida para el desarrollo de futuros estudios en los que se realice una mejor evaluación de la exposición.
Dada la importancia que tiene la determinación de los costos externos para la reducción de los impactos ambientales del uso de la energía relativa a estimaciones de riesgo para la salud, resulta necesario reducir el número de incertidumbres que se presentan en cada paso de dicha evaluación; esto traería consigo valores de costos más precisos, y por ende de mayor aceptabilidad, para el análisis costo-beneficio que se realiza en la comparación de las diferentes fuentes de energía y la selección de las opciones más eficientes económicamente y con menores impactos sobre el medio ambiente y la salud humana.
5.5. Propuesta preliminar de funciones exposición-respuesta
5.5.1 Evaluación de idoneidad Han sido expuestas las limitaciones presentes en los estudios epidemiológicos realizados y disponibles en el país para el establecimiento de FER; sin embargo, los mismos muestran asociaciones entre los niveles de exposición, principalmente a partículas en suspensión y otros contaminantes, y el incremento del riesgo de diferentes efectos sobre la salud. Por ello se propone, con vistas a la evaluación del impacto de los principales contaminantes del aire en zonas urbanas, hasta tanto se disponga de FER propias, la aplicación preliminar de un grupo de funciones aplicadas a una serie de efectos para los cuales los estudios epidemiológicos nacionales han mostrado asociaciones significativas. Las mismas fueron seleccionadas a partir de meta-análisis, desarrollados a partir de los resultados de una amplia serie de estudios recientes de reconocida relevancia, realizados principalmente en Estados Unidos y Europa.
En el caso de las partículas en suspensión, las FER fueron seleccionadas de las propuestas por Ostro, 1996, publicada por la OMS. En tanto, las FER relacionadas con SO2, NO2, sulfatos y nitratos fueron tomadas de las propuestas en la base de datos de FER por el Proyecto ExternE (Ralb, 2002). En ambos casos basadas en rangos de exposición a dichos agentes comparables con los reportados en los estudios cubanos. En esta selección fueron incluidos indicadores de morbilidad agudos y principalmente crónicos.
No existen estudios nacionales que aporten evidencia en los casos de mortalidad general y por causas específicas atribuidas a la contaminación atmosférica; sin embargo, dada la importancia y peso que tienen estas funciones en los resultados finales se decidió tomar los valores de mortalidad aguda y crónica obtenidos en estudios internacionales. Ello se fundamentó en el hecho de que tanto la expectativa de vida como el perfil epidemiológico de mortalidad del país se comportan de forma similar a los de los países desarrollados de los que principalmente provienen estas funciones.
Se considera que las PM10 constituyen el 0,55 de las PTS y que las PM2.5 pueden ser convertidas a PM10 multiplicándolas por 0,625 (Ostro, 1996). Para los sulfatos y nitratos, se asumió que la pendiente de la función exposición respuesta (SFER) en el caso de los primeros es igual a la de las PM2.5 mientras que para los segundos es la misma que para las PM10 (Ralb, 2002).
5.5.2 Funciones exposición-respuesta propuestas
5.5.2.1 Funciones para mortalidad
Para la mortalidad crónica asociada a PM10, se decidió utilizar las FER propuestas por Ostro (1996), recomendadas por la OMS para la población total (Tabla 19).
57
Tabla 19. FER para mortalidad crónica en la población total. Coeficientes para estimar el efecto del incremento medio anual de la mortalidad por µg/m3 de PM10.
Impacto en la salud Contaminante Porcentaje de incremento tasa anual por μg/m3 anual de PM10
Mortalidad general PM10, Nitratos PM2.5, Sulfatos
0,270 0,432
Mortalidad respiratoria PM10, Nitratos PM2.5, Sulfatos
0,340 0,544
Mortalidad cardiovascular PM10, Nitratos PM2.5, Sulfatos
0,140 0,224
Se asume que la masa de PM10 = 0,55 de PST y la masa de PM2.5 = 0,625 de PM10
Para el caso el SO2 se decidió utilizar la FER de mortalidad aguda propuesta por Ralb (2002) para la población total, Tabla 20:
Tabla 20. FER para mortalidad aguda en población total. Coeficiente de incremento del RR de tasa anual y casos anuales atribuibles a la variación de 1µg/m3 medio anual de SO2
Impacto en salud Porcentaje de incremento del RR de la tasa anual por μg/m3 anual de SO2
Casos anuales (personas * año * μg/m3)
Mortalidad aguda 0,046 2,3 E-06
La mortalidad es usualmente expresada en Años de Vida Potencialmente de Perdidos (AVPP). Típicamente se considera que para la mortalidad aguda 1 muerte equivale a 0,5 AVPP mientras que para la mortalidad crónica se considera que 1 muerte equivale a 10 AVPP (Ralb 2002).
5.5.2.2 Funciones para morbilidad
Las funciones de morbilidad de PM10 se seleccionaron del estudio realizado por Ostro (1996), mientras que la escogida para SO2 se seleccionó del estudio realizado por Ralb 2002 (Tabla 21). Para el caso de los contaminantes SOX y NOX, existen pocas FER, esto se debe entre otras razones, a que estos estudios se han llevado a cabo en países desarrollados donde se emplean combustibles y tecnologías más eficientes y menos contaminantes, presentando valores de emisiones más bajos que en la mayoría de los casos no ofrece relación directa con efectos en la salud. Todo lo contrario ocurre en los países en vías de desarrollo, donde a menudo los valores de fondo superan a los establecidos por las normas internacionales, sin embargo los estudios epidemiológicos no son tan abundantes.
Tabla 21. FER para morbilidad. Coeficientes para estimar el efecto anual del incremento medio anual de 1µg/m3 de contaminante por persona expuesta del grupo poblacional.
Impacto en la salud Grupo de la población
Contaminante Casos anuales (persona *
año * μg/m3) Ingresos hospitalarios por enfermedades respiratorias
Población total PM10, Nitratos PM2.5, Sulfatos
1,2 E-05 1,92 E-05
Consultas en servicios de urgencias
Población total PM10, Nitratos PM2.5, Sulfatos
23,55 E-04 37,68 E-04
Días de actividad restringida Adultos > 16 años
PM10, Nitratos PM2.5, Sulfatos
0,057 0,0912
Bronquitis aguda Niños < 16 años PM10, Nitratos PM2.5, Sulfatos
1,6 E-03 2,56 E-03
Crisis agudas de asma Asmáticos PM10, Nitratos PM2.5, Sulfatos
0,059 0,0944
58
Impacto en la salud Grupo de la población
Contaminante Casos anuales (persona *
año * μg/m3)
Síntomas respiratorios Población total PM10, Nitratos PM2.5, Sulfatos
0,180 0,288
Bronquitis Crónica Adultos > 16 años
PM10, Nitratos PM2.5, Sulfatos
6,12 E-05 9,8 E-05
Ingresos hospitalarios por enfermedades respiratorias
Población total SO2 2,84 E-06
Nota: Se asume que la masa de PM10 = 0,55 PST y la masa de PM2.5 = 0,625 PM10
Las SFER tanto para mortalidad como para morbilidad son calculadas sustituyendo los coeficientes de las tablas anteriores en la ecuación 1. Donde la Iref puede ser estimada de estudios locales.
5.6. Efectos a corto plazo de la contaminación atmosférica en la mortalidad en Ciudad de La Habana
Existe una relación inversa entre la severidad de los efectos de la contaminación atmosférica y la frecuencia de los mismos en la población expuesta, de modo que la mortalidad, tanto aguda como crónica, constituye, bajo condiciones de exposición habituales, un hecho relativamente infrecuente, en el que concurren otros múltiples factores de riesgo. A pesar de lo anterior, a este impacto se le confiere especial significación social, independientemente de otras connotaciones económicas. En nuestro país, no existen antecedentes de estudios de series cronológicas dirigidos a evaluar la mortalidad aguda asociada a los niveles y condiciones de exposición cotidiana propios en la población de un área urbana previamente delimitada (Molina, y col., 200392)
El objetivo de este estudio fue evaluar el posible impacto agudo de la contaminación atmosférica sobre la mortalidad diaria por causas seleccionadas en la población residente en un territorio del centro de la Ciudad de La Habana.
5.6.1 Métodos
5.6.1.1 Universo de estudio
El estudio incluyó la población total de cuatro y dos áreas de salud de los municipios Centro Habana y Cerro, respectivamente (alrededor de 190 000 personas) y mayor de 65 años (14,4 % de la cifra anterior), residente en un área del centro de la ciudad de La Habana, delimitada por un radio de entre 1 y 2 Km. en los diferentes rumbos alrededor de la única estación de monitoreo de contaminantes atmosféricos existente en esta ciudad y que ha operado de forma continua con el empleo de técnicas analíticas estandarizadas por la Global Environment Monitoring Systems / Air / UNEP, 1994a93. Para ello se emplearon datos diarios de la referida estación de monitoreo, ubicada en el Instituto Nacional de Higiene, Epidemiología y Microbiología, al sudeste del municipio Centro Habana y muy próxima al límite norte del territorio del municipio Cerro.
Se consideraron como variables respuesta la mortalidad diaria por los siguientes grupos de “causas básicas de muerte”, según los certificados de defunción, de acuerdo con los códigos de la Décima Revisión de la Clasificación Estadística Internacional de Enfermedades y Problemas Relativos a la Salud (OMS, 199294).
Todas las causas no externas para todas las edades (A00-T98). Todas las causas no externas para ≥ 65 años de edad (A00-T98). Enfermedades cardiovasculares, cerebro-vasculares y respiratorias para todas las edades (I00-I99,
J00-J99).
59
Enfermedades cardiovasculares, cerebro-vasculares y respiratorias para ≥ 65 años de edad (I00-I99, J00-J99).
Las causas seleccionadas representaron en el 2003 la primera, tercera, cuarta y séptima causas de muerte en Cuba para todas las edades (MINSAP; 200495).
Para el análisis se recopilaron datos de tres años (2001-2003). Como variable explicativa se empleó la serie de promedios diarios (24 h) de partículas en suspensión totales (PST) obtenidas por el método gravimétrico de bajo volumen (20 L/min.) sobre filtro de fibra de vidrio A/E, con diámetro de poro ≈ 1µm. Como posibles variables de confusión se consideraron las medias diarias de temperatura (ºC), humedad relativa (%) y fuerza del viento (km/h).
Como metodología se utilizó el método de series temporales, el que analiza mediante una regresión de Poisson auto-regresiva, la asociación a corto plazo entre las variaciones temporales de la contaminación atmosférica por PM10 y la mortalidad, controlando variables meteorológicas, estacionalidad, tendencia y variables de calendario.
5.6.1.2 Estadística Descriptiva
Los datos de mortalidad se obtuvieron de la Dirección Nacional de Estadísticas del Ministerio de Salud Pública. Se tomaron en cuenta las defunciones de personas con residencia en los seis consejos populares comprendidos en un área de entre uno y dos kilómetros de radio alrededor de la estación de monitoreo.
El número total de defunciones por causas no externas para todas las edades en el período 2001 – 2003 fue de 4885, de éstas 3696 (65 % del total) correspondieron a los mayores de 65 años, en tanto que las defunciones por las causas específicas seleccionadas para todas las edades fueron 2905 (59,5 % del total), de éstas 2414 (83,1%) correspondieron a mayores de 65 años. Las estadísticas de mortalidad se recogen en la Tabla 22, que refleja que el número de defunciones diarias promedio fue de 4 muertes por día.
Tabla 22. Estadísticas de mortalidad para los años de estudio. Consejos populares seleccionados. Centro Habana y Cerro, Ciudad de La Habana, enero 2001 – diciembre 2003.
Mortalidad por grupos de causas Media DS Mediana Mínimo Máximo
Mortalidad total por causas no externas 4,58 2,20 4 0 15
Mortalidad por causas no externas en ≥ 65 años 3,47 1,94 3 0 12
Mortalidad total por causas seleccionadas 2,72 1,63 3 0 12
Mortalidad por causas seleccionadas ≥ 65 años 2,26 1,50 2 0 11
Tal como se aprecia, la mortalidad resultó un evento relativamente inusual en el grupo poblacional objeto de estudio (el único para el que se disponen datos de inmisión), lo que se corresponde con la baja tasa de mortalidad de Cuba (7 x 1000 habitantes) y una expectativa de vida de 77 años. Lo anterior hace que aún a nivel ecológico, estos indicadores de efecto de la contaminación atmosférica tengan una sensibilidad limitada desde el punto de vista estadístico, en especial en el caso de Ciudad de la Habana, al contar con esta única estación de monitoreo.
La serie de datos de contaminación atmosférica estuvo incompleta en 40 días entre los meses de Julio y Agosto del 2002, los datos fueron completados con los promedios para esos meses en los años 2001 y 2003.
El número de días y porcentaje de determinaciones faltantes en el período 2001 – 2003 fueron: 186 (17,5 %) para PST, en tanto que 147 (13,8 %) para el dióxido de azufre (SO2) por el método potenciométrico (WHO; 197996) 184 (17,3 %) para el SO2 por el método colorimétrico mediante pararosanilina. Aunque en
60
la propia estación de monitoreo se determina también NO2, dicho contaminante no fue incluido en la evaluación debido tanto al exceso de datos faltantes (superior al 25 % del total de días) en el período, como por la dudosa representatividad de sus concentraciones para el área de estudio, debido a la ubicación de la estación de monitoreo a pocos metros de una avenida principal (Infanta) y el origen fundamental de este contaminante, dado por el transporte automotor.
La Tabla 23 muestra algunos parámetros estadísticos de los contaminantes objetos de estudio. En la misma resaltan los elevados indicadores de tendencia central y percentil 90 de las PST, muy superiores a los valores correspondientes al SO2 (por ambas técnicas analíticas), lo que interpreta por la mayor diversidad de fuentes emisoras de partículas en suspensión, incluidas las superficies de edificaciones y del suelo erosionadas por el viento, además de las que tienen lugar en los procesos de combustión, tanto industriales como del transporte automotor.
Tabla 23. Estadísticas de las concentraciones de los contaminantes atmosféricos. Estación de monitoreo Centro Habana, Enero 2001 – diciembre 2003.
Contaminantes (μg/m3) Media Desv. Estand
Mediana 10 Pctl 90 Pctl
PST 126,58 60,43 120,05 54,7 199,1 SO2 (pararosanilina) 25,18 33,01 11,7 0 72,47 SO2 (conductimétrico) 25,27 26,16 18,8 0 57,2
Como variables explicativas de la mortalidad se emplearon las series de promedios diarios (24 h) de PST obtenidas por el método gravimétrico de bajo volumen (20 L/min.) sobre filtro de fibra de vidrio A/E, con diámetro de poro ≈ 1µm (Figura 5) y el SO2 por el método potenciométrico, por ser éste el método de determinación de este contaminante con menor número de datos faltantes en el período.
La norma cubana de calidad de aire NC 39: 1999 establece que para las PST, la concentración máxima admisible (CMA) para valores diarios es de 100 µg/m3. La serie de datos 2001 – 2003 refleja que la CMA resultó superada en el 67,3 % de los días.
La distribución temporal de las concentraciones medias diarias de PST mostraron una clara anomalía entre los meses de abril y septiembre del 2001, probablemente vinculadas a la realización de obras constructivas carentes de protección contra la fuga de partículas, en la inmediatez de la estación de monitoreo, que pudieron influir en los resultados de PST, las que a su vez pudieron no resultar representativas de la exposición en el área de estudio. Esas mismas causas motivaron la referida interrupción del monitoreo en la estación durante 40 días en el verano del 2002.
Por su parte, las concentraciones diarias de SO2, salvo en ocasiones aisladas, resultaron relativamente bajos, a pesar de que las medias diarias superaron en el 12,5 % de los días la concentración máxima admisible (CMA) vigente en Cuba (50 μg/m3), valor normativo que resulta sumamente conservador para concentraciones diarias, al coincidir con el Valor Guía OMS para la media anual, que debe incluir valores extremos muy superiores, debido a la característica asimetría positiva de las concentraciones de los contaminantes, pero muy inferior a los límites diarios correspondientes a los patrones de calidad del aire para SO2 establecidos por la US EPA y en otros países de la región, como México y Brasil (365 µg/m3) y al Valor Guía de los países de la Unión Europea (100 – 150 µg/m3).
Las variables meteorológicas evaluadas fueron registradas en la estación meteorológica del Instituto de Meteorología, ubicada a unos 3 km al nordeste (a barlovento) de la estación de monitoreo de contaminantes atmosféricos, situada en la zona suroeste del municipio de Centro Habana. Las estadísticas de los mismos e encuentran en la tabla siguiente (Tabla 24).
61
Tabla 24. Estadísticas de variables meteorológicas. Casablanca, Ciudad de La Habana, 2001 - 2003.
Variables meteorológicas (medias diarias)
Media Desv. Estad. Mediana 10 Pctl 90 Pctl
Temperatura media (0C) 25,26 2,35 25,7 22 27,9 Humedad Relativa (%) 79,71 6,74 80 71 88 Velocidad del viento (km/h) 12,78 6,45 11,8 5,4 21,4
5.6.1.3 Construcción de los modelos explicativos
Para las variables respuesta se construyeron cuatro series diarias: mortalidad por todas las causas, exceptuando las externas, para todas las edades y en mayores de 65 años; mortalidad por causas respiratorias, cardiovasculares y cerebro-vasculares para todas las edades y en mayores de 65 años.
Las series de datos de mortalidad se consideraron con una distribución Poisson con sobre dispersión y con autocorrelación. La sobre dispersión y la estructura de autocorrelación suelen ser consecuencia de factores exógenos, como la temperatura o la estructura estacional, más que factores propios del número de defunciones. Así para cada una de las series se construyó un modelo de Poisson para explicar las fluctuaciones de la mortalidad, de la forma:
[32] Log E(Y) = α + γC + ∑ βiXi
Donde E(Y) es el número esperado de defunciones diarias, α es la constante del modelo; γ el efecto de cada contaminante o de sus retardos o de los promedios de los últimos días; C es la concentración del contaminante y β el efecto de cada una de las covariables Xi a controlar. Para especificar el modelo de Poisson anterior se sigue la estrategia de las metodologías empleadas en los proyectos APHEA (Katsouyanni , 199697 y EMECAM, 199998). En primer lugar se identifica un modelo basal para cada una de las causas de muerte, a partir de las posibles variables de confusión entre la relación de la mortalidad y la contaminación. Una vez identificado el modelo basal, se procede a extender este modelo a cada uno de los contaminantes y sus retardos. Finalmente, se intenta controlar la autocorrelación residual incluyendo términos autoregresivos de la mortalidad, valorándose dicho control con las funciones de autocorrelación de los residuos de Pearson. Las regresiones de Poisson se construyeron con el software SAS, versión 6.12, SAS, 199699.
5.6.1.4 Identificación del modelo basal
Para la construcción del modelo basal se introducen progresivamente las variables estructurales y meteorológicas. Las variables se incluyen utilizando un criterio estadístico conservador, consistente en la mejoría de la lejanía (desviance), determinada por una significación del cociente de verosimilitudes de p < 0,10. A continuación se muestra como se ha construido el modelo.
Estacionalidad
El control de la estacionalidad se lleva a cabo introduciendo términos sinusoidales del tipo sen
3652 tk y
cos
365
2 tk , siendo k un valor de 1 a 6 y t = 1,2….. el número de días transcurridos desde el 1ro. de
enero del 2001. Este tipo de término permite recoger desde ciclos anuales (k=1) hasta ciclos bimestrales (k = 6). Para seleccionar los términos sinusoidales del modelo se decide incluirlos sucesivamente por parejas de seno y coseno, empezando por k = 1. Para incluir una pareja se exige una mejora en la lejanía de p < 0,10.
Tendencia
62
Con el fin de controlar la tendencia de las series se agregaron a la tabla de datos dos variables que fueron el número de días desde el comienzo de la serie y su cuadrado, incluyéndose en los modelos la que mejorara la lejanía o ajuste del modelo, que resultó la variable con los datos sin transformar.
Temperatura y humedad relativa
Para determinar la relación de la temperatura con la mortalidad diaria se calcularon retardos hasta orden 5 de la temperatura media diaria y sus cuadrados. Con ello no es necesario asumir la relación lineal entre la temperatura y la mortalidad, lo que permite controlar el efecto retardado de la relación. En el caso de la humedad relativa también se calcularon retardos de orden 1 a 5.
Día de la semana
Tanto la mortalidad como la contaminación pudieran tener un patrón semanal Por ello, se crearon 7 variables indicadoras, una para cada día de la semana. Días festivos y fines de semana
En el modelo se incluyen además los días festivos y fines de semana, los que no mostraron significación en el modelo pero se incluyeron para tener en cuenta las disminuciones en los índices de contaminación que pueden resultar es esos días.
5.6.2 Resultados y discusión
Como primer paso en el análisis se determinó las correlaciones crudas (bivariadas) existentes entre las variables evaluadas, por la vía de los coeficientes de Spearman. Independientemente del nivel de significación (p) se aprecian correlaciones crudas relativamente débiles entre los contaminantes y las variables meteorológicas, los contaminantes y la mortalidad, y entre la mortalidad y las variables meteorológicas, tal es el caso de la temperatura media y la mortalidad diaria, principalmente por causas cardio-respiratorias y en mayores de 65 años, las que en la gran mayoría de los estudios revisados muestran una clara correlación inversa, aunque usualmente ello ocurre en países de climas más fríos y con mayor variabilidad de la temperatura.
Una vez controlado el efecto de las restantes variables explicativas evaluadas, se observó una asociación significativa entre la mortalidad diaria por causas no externas, tanto para la población general como para los mayores de 65 años y la contaminación por PST con un retardo de tres días, así como el efecto por parte de las menores temperaturas, principalmente el día precedente al deceso, resultado consistente con anteriores hallazgos de estudios realizados en esta ciudad, en los que la temperatura ha mostrado un impacto superior al de los contaminantes atmosféricos sobre las atenciones hospitalarias de urgencia por infecciones respiratorias agudas y crisis agudas de asma.
Asociaciones de comparable fortaleza, aunque no significativas (p > 0,05) resultaron entre la mortalidad por causas cardiovasculares y respiratorias tanto en la población general como los mayores de 65 años, a pesar de que éstas constituyen con mucho, la mayor proporción de las mueres por causas no externas en ambos grupos de población en el país, y que las personas afectadas por estos grupos de enfermedades se encuentran entre los grupos poblacionales de mayor susceptibilidad a los efectos de la contaminación atmosférica, tal como resulta ampliamente reconocido.
Sin embargo, estos indicadores de mortalidad diaria por causas específicas pudieron resultar insuficientemente sensibles, debido probablemente, a la escasa frecuencia de dichos eventos en el único grupo poblacional para el que se disponen datos de monitoreo y cuyo tamaño pudo resultar insuficiente al analizar una variable respuesta con estas características. Ello no contradice resultados de otros estudios realizados en esta propia localidad, que reportaron asociaciones significativas entre las medias diarias de PM10 y consultas hospitalarias por asma y por enfermedades respiratorias agudas tanto en niños como en
63
adultos y entre negro de humo (determinado por el método reflectométrico y la morbilidad respiratoria aguda en niños.
También debe considerarse el hecho ampliamente reconocido de que (afortunadamente) la severidad de los múltiples efectos de la contaminación atmosférica resulta inversamente proporcional a la frecuencia (respuesta poblacional) de los mismos, por lo que la mortalidad atribuible representa solo una ínfima parte del espectro de la respuesta biológica a la exposición a los contaminantes del aire.
En la Tabla 25 se muestran los resultados de los riesgos relativos (RR) para los cuatro tipos de mortalidad analizada.
Tabla 25. Efectos de las partículas totales en suspensión en la mortalidad por grupos de causas. Riesgos relativos (RR) con tres días de retardo. Centro Habana y Cerro
Mortalidad por tipos de causas RR IC 95% p Mortalidad total por causas no externas 1,0006 1,0001 - 1,0010 0,0326 Mortalidad ≥ 65 años por causas no externas 1,0008 1,0001 - 1,0015 0,0201 Mortalidad total por causas seleccionadas 1,0006 0,9999 - 1,0010 0,0810 Mortalidad ≥ 65 años por causas seleccionadas 1,0006 0,9999 - 1,0014 0,1032
Donde p es el coeficiente de significación de la prueba de Wald.
De estos riesgos pudo estimarse que el incremento en 10 μg / m3 de las PST, estuvo asociado a un incremento del 0,6 % del número de defunciones por causas no externas en la población total y del 0,8 % en los mayores de 65 años con 3 días de retardo. Si consideramos que la razón de la masa entre las PM10 y las PST es de 0,55, entonces un incremento en 10 μg/m3 de PM10 está asociado a un aumento del 1,1 % de la mortalidad diaria total por causas no externas y de 1,45 % en los mayores de 65 años, cifras muy similares a las reportadas por estudios en México D.F. y Norte-América y Europa.
5.7. Análisis de estudios regionales
Los estudios regionales que involucran a Centro América y el Caribe son escasos en esta temática, de hecho, solo pudieron obtenerse un número limitado de estudios para México y Cuba.
En otros países de la región, como es el caso de Costa Rica, al no existir un monitoreo continuo de la calidad del aire, no es posible la obtención de FER de ningún tipo. A pesar, de que existen estadísticas de salud confiables y un estudio en el que se monitoreó durante cuatro meses en cuatro puntos críticos de la zona metropolitana de la ciudad de San José (UCR-UNA-MinSALUD, 2002100); sin embargo, debido a que la duración del mencionado estudio no alcanzó al menos un ciclo anual, no resultó posible utilizar sus resultados para determinar FER, por no tener en cuenta factores relacionados con la estacionalidad.
La ausencia de monitoreo de la calidad de aire no es un problema solo de Costa Rica, no existen datos ni conocimiento de que se haya llevado a cabo el monitoreo continuo de la calidad de aire en otros países de la región excepto, México. En Cuba por su parte, en el centro de La Habana, funciona una única estación de monitoreo continuo por métodos manuales mediante el empleo de técnicas analíticas normalizadas (UNEP, 1994b101), que aporta datos comparables con los de otros países y regiones, por lo que pueden emplearse en estudios epidemiológicos regionales.
Sobre mortalidad, solo pudieron obtenerse trabajos realizados en México, donde a pesar de que el número de estudios publicados sobre efectos en la salud por contaminación atmosférica creció en los años 90, aún éstos se consideran limitados. Los estudios revisados, aunque no en todos los casos, mostraron asociaciones entre contaminantes atmosféricos y la mortalidad total, cardiovascular y respiratoria para la población total, anciana e infantil, fundamentalmente para partículas y Ozono, contaminantes que más afectan la calidad de aire en la Ciudad de México.
64
Aunque se obtuvieron, para algunos de los estudios revisados, asociaciones para los SO2 y los NO2, estas no fueron tan significativas como en el caso de las partículas y el ozono, y desaparecían cuando se consideraban todos los contaminantes simultáneamente en los modelos de análisis estadístico.
Los estudios desarrollados para la morbilidad, son mucho más escasos que los de mortalidad a corto plazo, debido fundamentalmente a lo difícil que resulta contabilizar los casos. Para la morbilidad, en la región, solo existe referencia de unos pocos estudios llevados a cabo en México, fundamentalmente en la Capital, y en La Habana, Cuba sobre visitas a salas de urgencia por asma y otras enfermedades respiratorias agudas fundamentalmente para niños.
5.7.1 Propuesta de funciones exposición-respuesta a emplear en la región
5.7.1.1 Mortalidad
En la mayoría de los estudios mexicanos revisados, las FER obtenidas son para la Ciudad de México, donde las condiciones ambientales son muy particulares (ubicada en un gran valle a más de 2000 metros de altitud), con altas concentraciones ambientales de partículas (PM10) y de ozono que superan los valores límites admisibles correspondientes de calidad de aire en un elevado número de días al año (Téllez-Rojo, 2000). Sin embargo, para las evaluaciones de impacto ambiental y externalidades de las instalaciones energéticas, aunque estos estudios son propios para México, no es conveniente utilizar sus resultados, por diferir las condiciones ambientales de las áreas de ubicación de dichas instalaciones. Por ello, se propone el empleo de las FER obtenidas en el proyecto “Ecosistema Urbano y salud de los habitantes de la zona metropolitana del Valle de México” (ECOURS, 2002)102, donde se desarrollado un meta-análisis con los resultados de los principales estudios efectuados desde 1990 en América, Europa, Australia y Asia. Estos resultados se encuentran dentro del intervalo de confianza obtenido en los estudios desarrollados por Borja-Aburto (1997, 1998) y O’Neill (2004). De los estimados combinados de ECOURS (2002) se obtuvo que un incremento en 10 μg/m3 de PM10 está asociado a un incremento de 1,01% en la mortalidad diaria.
Desafortunadamente, para la mortalidad por exposición crónica los estudios son aun menos frecuentes que los que evalúan el impacto de exposiciones agudas. Como no existen referencias de estudios en la región proponemos se empleen los valores obtenidos del meta-análisis del Valle de México, donde un incremento en10 μg/m3 de PM10 se relaciono con un aumento del 3,8% en la mortalidad crónica (Tabla 26). Estos resultados están basados en los estudios realizados por Dockery y col., 1993103, Pope y col. 1995104 y Abbey y col., 1999105. Resultados recientes obtenidos por Pope y col., 2004106, en estudio realizado para los Estados Unidos, con datos de todos los estados incluyendo a Puerto Rico, asoció incrementos en 10 μg/m3 de PM10 a un aumento en 7% (CI: 4,8 – 8,74%) de la mortalidad crónica por causas cardiovasculares. El estudio consideró a la población mayor de 30 años. A pesar de ser este último un estudio más reciente, se decide tomar el valor de ECOURS que tiene en cuenta la mortalidad por todas las causas.
Para los IRR de SO2 y NO2, se propone emplear el valor obtenido por Stieb y col., 2002107, en meta-análisis que tuvo en cuenta 109 estudios llevados a cabo de todo el mundo.
En el caso de la mortalidad aguda, los valores obtenidos en los estudios desarrollados en la zona metropolitana de la ciudad de México reportan en su mayoría valores de IRR mayores que los obtenidos para el referido meta-análisis, lo cual es consistente con nuestra propuesta si tenemos en cuenta que los índices de calidad de aire son supuestamente mejores (menores niveles de exposición) en las zonas donde están ubicadas las plantas. Consideramos razonable incluir estos valores en el modelo SIMPACTS, pues aportaría mucho más que utilizar valores de estudios independientes desarrollados en otras regiones que bien pudieron obtenerse para zonas con bajos niveles de contaminación o para otras con niveles de contaminación excesivamente altos, donde pudieran estar presentes otros factores de confusión locales
65
vinculados a las condiciones de vida que no fueron totalmente controlados, debido, entre otras causas, a la posible colinealidad de los mismos con las variables objeto de estudio.
Sin embargo, para evitar los efectos negativos de la generalización proponemos que siempre que sea posible, se empleen estudios donde sean similares: los niveles de exposición a los contaminantes, los perfiles de mortalidad y esperanza de vida y composición de la mezcla de contaminantes (en el caso de las partículas).
Tabla 26. IRR recomendados para FER de mortalidad
Los valores propuestos se encuentran en el rango de intervalo de confianza de los valores obtenidos en otros estudios importantes llevados a cabo en Norte-América (Pope, 2002108, Samet y col., 2000109).
5.7.1.2 Morbilidad
Como funciones de morbilidad proponemos incluir la bronquitis crónica y los días de actividad restringida, debido a que después de la mortalidad crónica fue esta variable de respuesta la que mayor aporte tuvieron a los costos totales en el proyecto ExternE; además, valorar la inclusión de los ingresos hospitalarios (por causas respiratorias y cardiovasculares) y las atenciones médicas en servicios de urgencia, ya que para estos efectos es más frecuente encontrar estudios y datos de incidencia en la región. Se debe prestar atención a las FER a seleccionar, de modo que unas no estén incluidas en otras y evitar de esta manera el doble conteo.
Al no existir suficientes referencias de estudios publicados para la región, se revisaron además, los valores de morbilidad propuestos u obtenidos por: Ralb, 2002, Ostro, 1996, y los resultados del proyecto APHEA (Le Tertre y col., 2002110; Atkinson y col., 2001111). En la Tabla 27 se muestran los IRR recomendados a partir del análisis de los estudios anteriores y los realizados en la región. Para los efectos de los SO2 y NO2 se proponen los IRR obtenidos en el proyecto APHEA I, mientras que para los efectos de las PM10 se proponen los IRR del estudio ECOURS (2002), en los casos de los días de actividad restringida se recomienda emplear el valor propuesto en por Ostro, 1996.
Tabla 27. IRR recomendados para FER de morbilidad.
Efectos
Receptores IRR para PM10
(%/μg/m3) IRR para SO2 (%/μg/m3)
IRR para NO2
(%/μg/m3) Bronquitis crónica Adultos 0,36 - - Días de actividad restringida Adultos 0,26 - - Ingresos hospitalarios, causas respiratorias
Población Total 0,14 0,04112 0,04
Ingresos hospitalarios cardiovasculares y cerebro-vasculares
Población Total 0,06 0,07 -
Consultas hospitalarias respiratorias urgencia
Población Total 0,311 - -
Crisis aguda de asma Asmáticos 0,774
Mortalidad Receptores IRR (%/μg/m3) para PM10
IRR (%/μg/m3) para SO2
IRR (%/μg/m3) para NO2
Mortalidad aguda Población total 0,101 0,3 0,6 Mortalidad crónica ≥ 30 años 0,38 - -
66
6. CASOS DE ESTUDIO
6.1. Sistema de Evaluación de Impacto Ambiental de instalaciones energéticas, SEIA Las soluciones metodológicas se complementaron con el desarrollo de herramientas de cálculo. Las relacionadas con el ISCST3 están integradas en el sistema SEIA, que permite su uso de forma amigable y relativamente sencilla. Existen actualmente tres versiones: SEIA_1.0 (Turtós y col., 2006a113), SEIA_2.0 (Turtós y col., 2007114) y SEIA_CTE (Rivero y col., 2006 115).
SEIA se desarrolló con el objetivo de automatizar y agrupar las múltiples tareas necesarias para realizar una evaluación integral de la contaminación atmosférica de las instalaciones energéticas, proceso sumamente complejo, que resultaría muy engorroso acometer de forma independiente pues involucra la estimación de las emisiones e inmisiones correspondientes, pero también los impactos que estas afectaciones producen en la salud humana y el medio ambiente y la valoración de los costos ambientales asociados, considerando todas las instalaciones y procesos involucrados en la cadena energética (análisis de ciclo de vida).
El SEIA es una aplicación Visual Basic basada en la metodología “Vías de Impacto” desarrollada y actualizada dentro del Proyecto ExternE (ExternE, 1998, 2005), que tiene como precedentes; el Sistema DECADES (IAEA, 1998116), el EcoSense (Krewitt, 2001117) y el modelo AirPacts (IAEA, 2002118). Su versión inicial 1.0, incluye los siguientes módulos:
Emisiones: Registra las emisiones de contaminantes clásicos del aire y de gases de efecto invernadero a partir de resultados de mediciones, si existen; y de tres metodologías de cálculo a seleccionar en dependencia de los datos disponibles y del contaminante en cuestión: a) cálculos teóricos de combustión teniendo en cuenta las condiciones de operación y la composición del combustible, b) cálculos de combustión usando mediciones básicas de la eficiencia de la combustión y c) estimación a partir de los factores de emisión de la AP-42 (EPA, 2001b), recogidos en una base de datos integrada al Sistema.
Procesamiento de los datos meteorológicos para dispersión local (módulo ProMet): Procesa los datos meteorológicos primarios medidos in situ u obtenidos de una estación meteorológica representativa y calcula las variables meteorológicas secundarias. Como resultado se obtiene el fichero meteorológico requerido por ISCST3. Dependiendo de la disponibilidad de datos, se utilizan los sub-módulos Meteo, MIXHT y PCRAMMET+ y el fichero de salida podrá ser usado para la estimación de la concentración, deposición seca y deposición húmeda de contaminantes al modelar la dispersión.
Dispersión local (módulo ProISC): Modela la dispersión local de contaminantes utilizando el modelo ISCST3, estimando las inmisiones y deposiciones seca y húmeda de los contaminantes, a partir de los datos de las fuentes emisoras, los datos meteorológicos calculados en ProMet y otros datos que se introducen en esta etapa (receptores y topografía del terreno).
Impactos y Costos: Estima los impactos en la salud humana debido a los contaminantes atmosféricos clásicos y los costos ambientales correspondientes.
La versión 2.0 incluye además el módulo de Dispersión Regional, que utiliza el modelo WMI (basado en el Windrose Trajectory Model, WTM) para estimar los niveles de concentración y deposición de los contaminantes atmosféricos a escala regional.
SEIA 1.0 fue aplicada para evaluar la contaminación atmosférica producida por las principales Centrales Termoeléctricas, CTE (Turtós y col., 2007119) y grupos electrógenos, GE del país
SEIA_CTE es una versión del SEIA 1.0, orientada específicamente a las Centrales Termoeléctricas. El programa permite obtener un registro de las emisiones e inmisiones que provoca cada instalación, prácticamente en tiempo real si se dispone de datos meteorológicos locales con una periodicidad al menos
67
tri-horaria, lo que es imposible obtener por otra vía, aun cuando se realicen mediciones de la concentración de los contaminantes en el aire, pues estas incluirían la influencia de otras fuentes.
Aunque el SEIA está integrado por diversos módulos, los cuales deben ser ejecutados secuencialmente para estimar los costos ambientales, cada uno de ellos es independiente y sus resultados tienen valor propio. SEIA incluye varias alternativas en cada una de las etapas de evaluación en dependencia de la disponibilidad de información.
La Figura 30 muestra la pantalla inicial de SEIA. El Sistema es desarrollado por el grupo de Impacto Ambiental de la División de Energía del Centro de Gestión de la Información y Desarrollo de la Energía (CUBAENERGIA).
Figura 30. Pantalla inicial del SEIA 2.0. Fuente: Turtós y col., 2007b
Respecto a otros sistemas similares, como EcoSense y BenMAP (BenMAP, 2005), el SEIA, tiene las siguientes ventajas en la modelación de la dispersión en el dominio local: para contaminantes primarios, utiliza un modelo de dispersión refinado, ISCST3; el dominio local es flexible y se define de acuerdo a las características del estudio con la posibilidad de manejar la posición de las fuentes respecto al dominio. Aunque SEIA no integra a AERMOD, permite el uso de sus resultados por tener un formato de salida similar al ISCST3.
La versión 1.0 fue aplicada para evaluar las principales Centrales Termoeléctricas (CTE) del país, tomando como referencia el año 2003 (Turtós y col., 2005). Se evaluaron en 8 CTE, todas las unidades de 50 MW o más de potencia instalada, para un total de 21 unidades con una potencia total de 2749 MW, agrupadas en 12 puntos de emisión. Se procesó la información geográfica y meteorológica para cada una de las 8 zonas de estudio, así como las características técnicas de las plantas, incluyendo el inventario de los contaminantes emitidos. El análisis consideró las emisiones de PM10, SO2, NOx y CO2 (Turtós y col., 2005).
SEIA 1.0 también se ha utilizado en los estudios de contaminación atmosférica producida por grupos electrógenos en el país (Turtós y col., 2006b). Esta versión fue transferida a la Empresa de Ingeniería para la Electricidad (INEL) y al Centro de Ingeniería Ambiental de Camagüey, que la utilizan actualmente. La versión SEIA_CTE, se instaló a finales del 2007 en 9 CTE del país.
68
6.2. Zonas críticas de Tula y Salamanca en México
Este estudio fue realizado como parte del proyecto “Evaluación de externalidades del sector de energía en las zonas críticas de Tula y Salamanca”, realizado en el Marco de un Convenio de Colaboración entre la Secretaría de Medio Ambiente y Recursos Naturales de México (SEMARNAT) y la Comisión Económica para América Latina y el Caribe (CEPAL) de la Organización de Naciones Unidas (ONU) (CEPAL y SEMARNAT, 2007120).
Sus resultados soportaron la toma de importantes medidas de mitigación. Estas zonas son consideradas “críticas” desde el punto de vista de la contaminación atmosférica porque en ella se localizan una refinería y una CTE. El estudio modeló con los sistemas AERMOD y WMI, el impacto de las emisiones de SO2, NOx y PTS que generan 25 puntos de emisión de ambas industrias, durante el año 2004, sobre 2 500 receptores, localizados en el centro de celdas de 2 x 2 km en un dominio de 100 x 100.
El modelo permite agrupar las fuentes, de forma que se puede identificar en una misma corrida la contribución de cada grupo en el resultado total. Con este objetivo se definieron tres grupos: CTE, quemadores de la refinería y el resto de las fuentes de la refinería. Se consideraron dos escenarios de emisión: el Escenario 2 se diferencia del 1 en las emisiones de SO2 de los quemadores elevados. Sólo se presentan los resultados para el Escenario 1.
6.2.1 Resultados integrados de la CTE y la refinería
La Tabla 28 presenta las concentraciones máximas en el dominio para cada contaminante: concentración máxima promedio anual entre todos los receptores y concentraciones máximas: diaria, 3-horaria y horaria, en al menos un punto receptor del dominio local, al menos un día, un período de tres horas y una hora del período evaluado (1 año), respectivamente. Los períodos evaluados se corresponden con las normas mexicanas de calidad del aire.
Tabla 28. Concentraciones máximas estimadas en un punto receptor del dominio local debido a las emisiones de la CTE y la Refinería
Período Concentración del contaminante (µg/m3)PTS SO2 NOx
Anual 192 1 820 232 24 horas 434 4 771 638 3 horas - 11 151 1 hora - - 1 774
La Tabla 29 indica en cuantos receptores-períodos (receptores-días o receptores-horas), se violan los valores de referencia. Mientras que los resultados presentados en la Tabla 28 podrían ser obtenidos por un modelo simplificado, estos últimos sólo se calculan por los modelos refinados.
Para el SO2, los resultados son los siguientes:
La concentración máxima promedio anual rebasa el valor de referencia (79 µg/m3) en 23 veces y la concentración promedio anual en un total de 196 receptores de los 2 500 evaluados es mayor que dicha referencia, los cuales representan un área de 784 km2. Se excede el doble de ese valor en 85 receptores (340 km2). En varios puntos del dominio local se tienen valores estimados de concentración promedio anual que sobrepasan en más de 10 veces el valor correspondiente a la norma de calidad del aire.
La concentración máxima diaria en todo el dominio rebasa el valor de referencia (341 µg/m3) en casi 14 veces, la concentración diaria en 213 receptores es mayor a la referencia en al menos un día y de las 1 006 500 concentraciones diarias calculadas, 12 161 superan la referencia, lo que representa un 1,2 %. 4 100 días-receptor exceden el doble de la referencia.
69
La concentración máxima 3-horaria en todo el dominio rebasa el valor de referencia (1 300 µg/m3) en 8,6 veces, la concentración máxima 3-horaria en 166 receptores es mayor que la referencia y de las 8 052 000 concentraciones 3-horarias calculadas, 14 240 son mayores a la referencia, lo que representa un 0,2 %.
Tabla 29. Cantidad de receptores (No rec.) y violaciones (No viol.) respecto a las normas para cada período
Período de evaluación
Total de evaluaciones realizadas
SO2 NO2 PTS
No rec. No viol. % No rec.
No viol.
No rec.
No viol.
Anual 2 500 196 196 3,0 5 5 4 4
24 horas 1 006 5001 213 12 161 1,2 20 1 151 4 52
3 horas 8 052 0002 166 14 240 0,2
1 hora 24 156 0003 82 9 188 1 2 750 receptores por 366 días, por evaluarse el año 2004 que es bisiesto; 2 2 750 receptores por 366 días, por 8 períodos 3-horarios al día; 3 2 750 receptores por 8 784 horas
La Figura 31 muestra sobre el mapa, las isolíneas de concentración promedio anual, indicándose claramente el valor de referencia.
Figura 31. Concentración promedio anual de SO2 en Tula debido a las emisiones de la refinería y CTE. Fuente: CEPAL, SEMARNAT, 2007
70
Las concentraciones de NO2 y PTS en el dominio local presentan muchas menos violaciones respecto a los valores de referencias, que las de SO2. Para el NO2, la concentración máxima promedio anual supera el valor de referencia (100) en un poco más de 2 veces y la concentración promedio anual en un total de 5 receptores es mayor que dicha referencia. La concentración máxima diaria en todo el dominio rebasa el valor de referencia (150) en más de 4 veces, la concentración diaria en 20 receptores es mayor a la referencia en al menos un día y de las concentraciones diarias calculadas, 1 151 son mayores a la referencia, lo que representa un 0,1 %. La concentración máxima horaria en todo el dominio rebasa el valor de referencia (395) en 4,5 veces, la concentración máxima horaria en 82 receptores es mayor a la referencia y del total de concentraciones horarias calculadas, 9 188 son mayores a la referencia, lo que representa un 0,04 %.
Para el PTS, la concentración máxima promedio anual supera el valor de referencia (75) en 2,6 veces y la concentración promedio anual en un total de 4 receptores es mayor que dicha referencia. La concentración máxima diaria en todo el dominio rebasa el valor de referencia (260) en 1,7 veces; la concentración diaria en 2 receptores es mayor a la referencia en al menos un día y de las concentraciones diarias calculadas, 52 son mayores a la referencia, lo que representa un 0,005 %.
6.2.2 Identificación de responsabilidades de la CTE y la refinería
La Tabla 30 presentan los mismos resultados que la Tabla 28, pero discriminando los efectos de la CTE y la refinería. La contribución de la refinería a las concentraciones de SO2 y PTS es mayor que la de la CTE. Lo contrario ocurre para las concentraciones diarias de NOx, mayor contribución de la CTE. Sin embargo, la contribución de la CTE para todos los contaminantes es ligeramente menor a lo esperado si sólo se tuvieran en cuenta las emisiones correspondientes. La Tabla 31 muestra estas valoraciones.
Tabla 30. Concentraciones máximas estimadas en un punto receptor del dominio local debido a las emisiones de la CTE y la refinería, (µg/m3)
Período
CTE Refinería
PTS SO2 NOx PTS SO2 NOx
Anual 42 687 125 170 1 133 171
24 horas 167 2 376 433 381 2 655 419
3 horas - 6 289 - - 6 366
1 hora - - 1 713 - - 975
Tabla 31. Contribución de las emisiones de la CTE y la Refinería vs. inmisiones promedios anuales
CTE Refinería PTS SO2 NOx PTS SO2 NOx
Emisiones t/año 6 906 108 358 20 225 7 834 110 799 4 926 % del Total 42 49 80 58 51 20
Inmisiones % 40 47 77 60 53 23
6.3. Medidas operacionales para la mitigación de la contaminación atmosférica provocada por Grupos Electrógenos
Este trabajo se realizó en el marco del Contrato SCT No.06/2008 entre CUBAENERGÍA y la Oficina de Regulación Ambiental y Seguridad Nuclear, ORASEN (Turtós y col., 2008). Por quemar combustibles fósiles, durante el funcionamiento de los GE, se emiten a la atmósfera gases contaminantes, fundamentalmente SO2, NOx y PTS. Las emisiones de NOx son mayores que en las centrales térmicas convencionales debido a la alta temperatura a la que ocurre la combustión. Las emisiones de SO2 son altas por el elevado contenido de azufre del combustible (>2 %).
71
La comparación de las emisiones con la respectiva norma cubana, aprobada en el 2010 (NC-TS 803: 2010), muestra que los GE cumplen con los valores establecidos para fuentes existentes siempre que el contenido de azufre del combustible sea inferior a 2 %. Respecto a los valores guías del Banco Mundial (BM), se observó un cumplimiento parcial, debido a que el BM fija los límites de emisiones de algunos contaminantes teniendo en cuenta las inmisiones que generan. Por ejemplo, para el NO2, la concentración en los gases de escape se limita a 2 000 mg/m3N si se comprueba que la concentración resultante en aire es < 150 μg/m3 en 24 horas; en caso contrario es 400 mg/m3N.
Las evaluaciones realizadas muestran que la operación de un emplazamiento aislado, sin considerar las concentraciones de fondo, provoca inmisiones de NO2 y SO2 que superan en numerosos receptores las Concentraciones máximas admisibles (Cma) normadas en el país para una hora y un día, así como los valores guías de la Organización Mundial de la Salud (OMS). La evaluación simultánea de los emplazamientos en La Habana indica que se superan los valores guías anuales de la OMS en un área importante. Estas afectaciones motivaron el estudio que se presenta.
Las altas inmisiones provocadas por los GE están condicionadas por las emisiones elevadas y por la baja altura de emisión. Su elevado impacto se debe a que se localizan en los límites de centros poblacionales importantes con alta densidad de población, donde existen fondos elevados ocasionados por fuentes en operación (por ejemplo, el transporte urbano) y se instalan varias fuentes simultáneamente.
Como las inmisiones dependen de múltiples factores, pueden aplicarse diferentes medidas de mitigación; algunas dirigidas a la correcta localización de los emplazamientos, otras son medidas de diseño u operacionales. La solución podría ser un conjunto de ellas. Su aplicación está relacionada con el estado de cada emplazamiento en particular: cuando ya las baterías de GE están instaladas, las medidas relacionadas con el diseño y la localización son difíciles de implementar. En el trabajo se evalúan medidas operacionales a partir del análisis de las condiciones meteorológicas, la altura efectiva de emisión, la potencia de la instalación y la modelación en tiempo real. Se utilizaron modelos, simplificados y refinados, en dependencia del factor objeto de estudio, lo que corrobora la ventaja de disponer de varios tipos de modelos y combinar su uso adecuadamente.
6.3.1 Meteorología de la zona de emplazamiento
Es complicado obtener resultados simplificados que valoren la influencia de la meteorología en las inmisiones, que puedan aplicarse a todas las situaciones, por lo que para evaluarla se usó el sistema de modelos AERMOD y como caso de estudio el emplazamiento de Naranjito (4 baterías de motores Hyundai de 1,7 MW). Los cálculos se realizaron considerando terreno plano para descartar la influencia de la topografía.
Además de la dirección y velocidad de los vientos, las inmisiones dependen del balance de energía en la atmósfera, que determina su estabilidad o turbulencia, tanto térmica como mecánica y la altura de la capa de mezcla; que tiene un comportamiento muy diferenciado durante el día y la noche: es baja durante la noche y primeras horas de la mañana, entre 200 y 500 m, ascendiendo durante el día hasta alcanzar valores máximos, del orden de 2 000 m al final de la tarde. Las inmisiones presentan una marcada correlación negativa con la altura de la capa de mezcla y la velocidad del viento. Otras variables meteorológicas que también influyen son la nubosidad y la altura de la base de nubes, la temperatura ambiente, las precipitaciones y la humedad relativa.
La Figura 32 muestra el comportamiento de las inmisiones en función de la distancia a la fuente emisora (hasta 30 km en la figura superior y hasta 5 km en la inferior) para las distintas horas del día 1 de enero del 2006, expresadas desde la hora 1 hasta la 24 y considerando que durante todo el día el viento sopló en dirección de los receptores.
72
Figura 32. Inmisiones horarias en función de la distancia a la fuente emisora y la hora del día
Se aprecia un comportamiento diferenciado entre las horas del día y de la noche. Durante el día, las concentraciones son muy elevadas en receptores cercanos a la fuente y decaen exponencialmente de forma brusca (a 2 km de la fuente se han reducido en un poco más de un orden de magnitud). Durante la noche, cuando predominan condiciones estables, las concentraciones máximas se alcanzan en receptores más alejados de la fuente emisora, pero su decaimiento es más suave, de forma que se mantienen concentraciones significativas en receptores alejados de la fuente. Aunque se muestra el gráfico para un día del año, este es representativo de todos los días. Las horas, que en dependencia de la época del año, pueden ser diurnas o nocturnas (amanecer y ocaso), tendrán el comportamiento correspondiente.
La Figura 33 es una representación de los mismos resultados pero en este caso se muestra el comportamiento de las inmisiones horarias en función de la hora del día para receptores ubicados a diferentes distancias de la fuente emisora. Es interesante el comportamiento de las inmisiones a 500 m de la fuente durante el día. El máximo es en la mañana, cuando la altura de la capa de mezcla es mínima y va disminuyendo en la medida que la altura crece con oscilaciones que dependen de la velocidad del viento. Este comportamiento diferenciado permite realizar sugerencias en cuanto a la localización de los emplazamientos y a su régimen de operación, que se presentan en el epígrafe 6.3.6.
Hora
-40
10
60
110
160
210
260
310
360
0 5000 10000 15000 20000 25000 30000
C (ug/m3)
r (m)
1 23 45 67 89 1011 1213 1415 1617 1819 2021 2223 24
Hora
-40
10
60
110
160
210
260
310
360
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
C (ug/m3)
r (m)
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
17 18 19 20
21 22 23 24
Horas diurnas
Horas nocturnas
Horas diurnas
Horas nocturnas
73
Figura 33. Inmisiones horarias en función de la hora del día a diferentes distancias de la fuente emisora
6.3.2 Temperatura y velocidad de los gases de escape
Es posible incrementar la altura efectiva de emisión aumentando la altura real de la chimenea, pero también operando con una mayor temperatura (disminuyendo el flujo de gases que pasan por las calderas recuperadoras) y velocidad de los gases de escape (aumentando el exceso de aire). Ambas medidas disminuyen la eficiencia y en consecuencia aumentan ligeramente el consumo de combustible y las emisiones, de forma que se debe lograr un balance adecuado.
6.3.3 Velocidad de los gases de escape
La velocidad de salida de los gases de escape determina el ascenso inicial de la pluma de contaminantes por efecto inercial. La Figura 34 muestra el comportamiento lineal de la concentración máxima potencial (calculada con SCREEN3) con la velocidad de salida de los gases de escape a diferentes distancias de una batería de motores Hyundai de 1,7 MW operando al 85 % de la carga máxima. Nótese que:
A medida que la velocidad disminuye, la concentración máxima a una distancia r de la fuente es mayor y la distancia a la que se alcanza disminuye. A velocidades inferiores a 15 m/s, la máxima concentración se alcanza a 300 m de la fuente, mientras que a velocidades mayores se alcanza a 400 m.
Para pequeños valores de r existe una fuerte influencia de la velocidad en la concentración. En la medida que r aumenta, el efecto de la variación de la velocidad disminuye. A 400 m de la fuente, la pendiente en el ajuste lineal es aproximadamente 14, lo que significa que al incrementarse la velocidad de salida en 1 m/s, la concentración máxima se reduce entre 5-6 %.
Un incremento del O2 en los gases de escape de 15 (valor de referencia) a 16 %, representa aproximadamente un aumento de la velocidad en 3 m/s, lo que finalmente representa disminuciones de la concentración máxima a 400 m entre 15-18 %.
Distancia (m)
0
50
100
150
200
250
300
350
400
-1 4 9 14 19 24Hora del día
C (ug/m3)
500 10002000 30004000 50006000 70008000 900010000 1500020000 2500030000
74
11 12 13 14 15 16 17 180
50
100
150
200
250
300
350
Con
c (
g/m
3 )
Veloc(m/s)
Distancia (m) 100 200 300 400 500 1000 4000 5000 10000 20000
Figura 34. Concentración máxima en función de la velocidad de los gases de escape a diferentes distancias de la fuente emisora
6.3.4 Temperatura de los gases de escape
La temperatura de los gases determina el ascenso inicial de la pluma de contaminantes por efecto convectivo. Los cálculos se realizaron con SCREEN3 para una batería de motores Hyundai de 1,7 MW operando al 85 % de la carga, variando la temperatura entre 204 °C (477 K), cuando funciona la caldera recuperadora, y 290 °C (563 K) en caso contrario.
La Figura 35 muestra el comportamiento lineal de la concentración máxima con la temperatura a diferentes distancias. A medida que la temperatura disminuye, la concentración máxima a una distancia r de la fuente aumenta (aunque con menor pendiente respecto a la velocidad) y la distancia de la fuente a la que la concentración es máxima es menor. Para pequeños valores de r existe una mayor influencia de la temperatura en la concentración, la cual disminuye a mayores distancias.
480 500 520 540 560 5800
20
40
60
80
100
120
140
160
180
200
220
240
Distancia (m) 100 200 300 400 500 1000 4000 5000 10000 20000
Co
nc(
g/m
3 )
Temp (ºK)
Figura 35. Concentración máxima en función de la temperatura de salida de los gases de escape a diferentes distancias de la fuente emisora
75
La concentración máxima se obtiene a 500 m para temperaturas superiores a 530 K y a 400 m a temperaturas inferiores. A 400 m de la fuente, la pendiente en el ajuste lineal es aproximadamente 0,3; lo que significa que al incrementarse la temperatura en 10 °C, la concentración máxima se reduce alrededor de 2 %. El incremento en el rango evaluado (de 204 a 290 °C) provocaría reducciones de alrededor de un 16 %.
6.3.5 Potencia de las instalaciones
Como el flujo de contaminantes emitidos depende de la potencia de la instalación, se debe determinar la potencia máxima que puede ser generada por el conjunto de GE instalado en una zona. Esta opción requiere de un análisis específico para cada emplazamiento, para determinar la configuración óptima (por ejemplo, apagar un motor por batería o una batería completa) y la mejor hora para hacerlo (ver epígrafe 6.3.1).
Las emisiones totales de una batería, son la suma de las emisiones de cada motor. Si en una batería de 4 motores, funcionan 3 a plena carga, la potencia generada y las emisiones totales son el 75 % de las correspondientes a cuando trabajan los 4 motores a dicha carga. Sin embargo, las inmisiones no se reducen en la misma medida. Al dejar de funcionar un motor, se reduce la velocidad de los gases de escape, que incrementa el valor de las inmisiones.
La evaluación de la influencia de operar 3 o 4 motores en las baterías se realizó con SCREEN3 para una batería de motores de 1,7 MW. Cuando operan tres motores en una batería, la concentración máxima, para cualquier contenido de azufre del combustible, ocurre a una distancia de 300 m de la fuente en las condiciones consideradas (ver Figura 36-izquierda), en lugar de a 400 m como cuando operan 4 motores (ver Figura 36-derecha), debido a la menor velocidad de salida de los gases de escape (ver epígrafe 6.3.3).
Figura 36. Concentración máxima en función del contenido de S en el combustible a diferentes distancias de la fuente con 3 (izquierda) y 4 (derecha) motores en operación
Para un contenido de azufre dado, las concentraciones obtenidas al operar 3 motores (3G) son más altas que al operar 4 (4G), para distancias entre 200 y 300 m y más allá de estas distancias son inferiores. Se observa también que las concentraciones máximas, aunque ocurren a diferentes distancias, son similares. Es decir, al operar con 3 motores, la potencia generada disminuye en un 25 %, sin embargo los niveles de contaminación son prácticamente similares.
6.3.6 Medidas propuestas
Se concluye que es posible aplicar medidas operacionales para reducir las afectaciones a la calidad del aire, tales como:
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.00
20
40
60
80
100
120
140
160
180
200
220
240
260
280
Co
nc(g
/m3 )
% de S en el Comb
Distancia (m) 100 200 300 400 500 1000 4000 5000 10000 20000
C0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
0
50
100
150
200
250
300 Distancia (m) 100 200 300 400 500 1000 4000 5000 10000 20000
% de S en el Comb
Con
c (
g/m
3 )
76
1) Adecuar el régimen de operación de cada emplazamiento de acuerdo a la distancia a zonas con alta densidad de población: 1) no operar los emplazamientos insertados en zonas densamente pobladas; o hacerlo a baja carga; durante las horas del día, 2) no operar los emplazamientos localizados en las ciudades o poblados, pero a más de 2 km de zonas densamente pobladas, durante la noche o hacerlo a baja carga, pues las concentraciones máximas se alcanzan en receptores relativamente alejados de la fuente y disminuyen lentamente con la distancia.
2) Incrementar la altura efectiva de emisión, aumentando la temperatura y velocidad de los gases de escape, reduciendo el flujo de gases que pasa por las calderas recuperadoras y aumentando el exceso de aire, respectivamente. Ambas medidas disminuyen la eficiencia de la operación y aumentan ligeramente el consumo de combustible y las emisiones, de forma que se debe calcular con exactitud el punto óptimo. La disminución de la concentración máxima es menor que al elevar la altura de la chimenea, pero significativa: entre 5-6 % si la velocidad aumenta en 1 m/s y un 2 % al incrementarse la temperatura en 10 °C.
3) La opción de reducir la potencia de operación y consecuentemente las emisiones debe ser cuidadosamente evaluada para lograr que las inmisiones sean las mínimas a cada nivel de potencia. Por ejemplo, si en una batería de 4 motores, funcionan 3 a plena carga, la potencia generada y las emisiones totales son el 75 % de las correspondientes a cuando trabajan los 4 motores a dicha carga, pero las inmisiones son similares.
a) Aunque los sistemas de monitoreo continuo de emisiones son caros, pudieran justificarse en algunos emplazamientos. Una alternativa económica es usar programas de cálculo en tiempo real, tanto de emisiones como de inmisiones, como el SEIA (ver 6.1). La operación de sistemas de monitoreo continuo de emisiones no permite estimar la responsabilidad de los GE en las inmisiones cuando coexistan con otras fuentes de contaminación. Para asegurar la calidad de los resultados se deben realizar mediciones periódicas de emisiones y asegurar que cada batería de GE posea una estación meteorológica automática que provea los datos necesarios o una transmisión segura de datos de una estación del servicio nacional.
Se propone que la distancia entre los emplazamientos y las áreas densamente pobladas supere la distancia a la que se alcanza la concentración máxima en horas de la noche. Esta siempre supera la distancia a la que se alcanza la concentración máxima en horas del día; además, en ella las concentraciones diurnas están considerablemente atenuadas.
6.4. Casos de estudio resueltos usando CALPUFF
La metodología desarrollada se ha aplicado en 2 casos de estudio representativos de la realidad nacional:
1. Estudio de las baterías de grupos electrógenos que queman Fuel Oíl en La Habana en diferentes configuraciones: propuesta inicial de 11 baterías, trabajo de las 5 baterías instaladas (Fonseca, 2010121) y situación actual con la operación de 4 baterías (Fonseca y col, 2011).
2. Estudio para la Refinería Camilo Cienfuegos en Régimen Normal y para una Situación de Emergencia (Turtós y col, 2010c122).
6.4.1 Baterías de grupos electrógenos que queman fuel oíl, en La Habana. El caso que comprende la propuesta inicial del 2006 consta de 11 baterías de GE, 55 puntos de emisión por los que descargan 220 motores.
77
Figura 37. Ubicación de las 11 baterías de Fuel Oíl en La Habana
Otro caso incluyó solo las cinco Baterías de Grupos Electrógenos (GE) que se instalaron (ver Figura 38). Se modelaron un total de 23 fuentes. Se empleó la proyección geográfica LCC Cuba Norte (LCC-CN). El área de estudio (identificada como rejilla de cálculo en CALPUFF) abarca 50 x 50 km haciendo coincidir su centro con el de la rejilla meteorológica, de dimensiones 94 x 94 km y con su centro ubicado en X=360587 m y Y=362330 m, aunque realmente la rejilla de receptores mide 50 x 37 km, extendiéndose solo 12 km al norte del centro de la rejilla de cálculo, hasta llegar a la zona del mar; de forma que abarcan toda Ciudad Habana y parte de Artemisa y Mayabeque, ubicando los grupos electrógenos dentro de ellas. No se creó una rejilla de receptores con iguales dimensiones que la de cálculo, para reducir los tiempos de cómputo porque no se consideran de interés los resultados sobre el mar. Estas tres rejillas se crean con una resolución de 1 x 1 km, con 10 niveles de altura.
78
Figura 38. Campo de vientos y ubicación de las 5 baterías de Fuel Oíl de Ciudad Habana
Para realizar los cálculos se empleó el mecanismo de transformaciones químicas RIVAD de seis especies (SO2, SO4
-2, NO, NO2, HNO3 y NO3-1), a las cuales se le adicionó la modelación de PM10 (material
particulado con tamaño de hasta 10 micras) disponible en CALPUFF. Se modeló el período comprendido entre el 7 de octubre del 2008 a las 00:00 horas y el 13 de octubre del 2008 a las 19:00 horas, lo cual suma un total de 163 horas. Se obtuvieron las máximas concentraciones y deposiciones horarias, diarias y promedio (en todo el período de modelación) de cada una de las especies contaminantes modeladas en la zona de estudio.
El documento que recoge la explicación detallada de este caso de estudio se anexa al informe (Fonseca, 2010).
Finalmente se evaluó el escenario real que no considera la operación de Naranjito, que aunque se instaló, ya no está en operación. Sus resultados están en Fonseca y col., 2011.
6.4.2 Refinería Camilo Cienfuegos en régimen normal y para una situación de emergencia
Se utilizó el sistema de modelación WRF-CALMET-CALPUFF-CALPOST para analizar la dispersión atmosférica del NO2, NO, SO2, HNO3, NO3
-, SO4-2 y PM10 en 3 escenarios. El primero y segundo,
caracterizan a la refinería bajo un régimen normal de trabajo, sin la planta de amina y con esta respectivamente; y el tercero, corresponde a situación de emergencia. Para definir el dominio de modelación se utilizó la proyección geométrica UTM con datum WGS-84 y de zona UTM número 17, con el resto de los parámetros siguientes: centro del dominio (X=531500 y Y=2454500), las dimensiones de las rejillas son de 88 km x 88 km con una resolución de 1 km x 1 km y con 10 niveles de altura (20, 40, 80, 160, 320, 640, 1200, 2000, 3000 y 4000 m), de forma que se abarca toda la refinería de Cienfuegos.
El escenario 1 y el 2 se modelaron las fuentes estacionarias y las antorchas (5 fuentes), que emiten al medio ambiente los contaminantes primarios SO2, NO, NO2 y PM10 con el mecanismo de transformaciones químicas RIVAD de seis especies, a las cuales se le adicionó la modelación de PM10. El período de modelación fue el comprendido entre 2 de enero del 2010 a las 00:00h hasta el 16 de enero a las 00:00h.
79
El escenario 3 o de emergencia simuló la quema de un tanque de conteniendo 50,000 m3 de crudo, empleándose el mecanismo de transformaciones químicas. El período de modelación es el comprendido del 8 de enero del 2010 a las 17:00h hasta las 19:00h.
Se obtuvieron las máximas concentraciones y deposiciones horarias, diarias y promedio (en todo el período de modelación) de cada una de las especies contaminantes modeladas en la zona de estudio para cada uno de los escenarios.
El documento oficial con los resultados (Contrato de Servicio Científico Técnico No.8/2010 entre CUBAENERGÍA y la Refinería Camilo Cienfuegos: ¨Estudio de Impacto de las emisiones a la atmósfera de la Refinería Camilo Cienfuegos¨) que recoge la explicación explicita de este caso de estudio no se anexa al informe por ser un documento confidencial.
6.5. Evaluación Integral de contaminación atmosférica a instalaciones energéticas e industriales.
Empleando todas las herramientas desarrolladas se ha implementado el servicio de Evaluación integral de contaminación atmosférica de a instalaciones energéticas e industriales. Además de los casos de estudio ya detallados, este se ha brindado a otras industrias nacionales como la Fábrica de Cemento Mariel, Industria metalúrgica en Nicaro, Refinería de Cienfuegos, Plantas de gas de Jaruco, Puerto escondido y Varadero, Fábrica de Tejas Infinitas en Camagüey, Centrales Termoeléctrica de Cienfuegos y Nuevitas.
El servicio está compuesto por varias etapas de forma tal que pueden ser contratadas cada una de ellas de manera independientes o en su totalidad
Medición y estimación de emisiones de contaminantes a la atmosfera obteniendo los respectivos inventarios de emisiones.
Modelación de la dispersión de contaminantes en la atmosfera con modelos simplificados (Berlyand, SCREEN, AERSCREEN) o refinados (ISCST3, AERMOD, CALPUFF), según se necesite.
Medición de calidad de aire de contaminantes clásicos (SO2, NOx, H2S, partículas) Evaluación de impacto en salud de la contaminación atmosférica.
Estos servicios le permiten identificar a la instalación estudiada los contaminantes que emite, establecer el grado de responsabilidad que tiene en la contaminación ambiental de su entorno y evaluar e implementar medidas de mitigación.
7. ACTUALIZACIÓN DEL MARCO REGULATORIO SOBRE ATMOSFERA
Se elaboró la Norma de Emisiones en fuentes fijas puntuales de instalaciones generadoras de electricidad y vapor NC TS 803: 2010123. Está en proceso de aprobación la sustitución de la norma vigente NC 93-02-202/1987: Calidad del Aire. Requisitos higiénicos sanitarios: Concentraciones Máximas Admisibles, alturas mínimas de expulsión y zonas de protección sanitaria; por dos normas desarrolladas en el marco de este resultado: 1) Metodología para modelar las afectaciones de la calidad del aire a escala local debido a las emisiones de contaminantes atmosféricos desde fuentes fijas; 2) Contaminantes - Concentraciones Máximas Admisibles y valores guías en zonas habitables.
Los resultados alcanzados en la implementación de los modelos refinados, permiten actualizar la regulación vigente para modelar la dispersión local de contaminantes atmosféricos, que considera sólo el uso del modelo de Berlyand para concentraciones instantáneas, con un enfoque por niveles (ver Figura 39), que determina los esfuerzos requeridos según el caso de estudio.
El Nivel 1 representa un análisis simplificado para el que se proponen:
el modelo de Berlyand; tanto la parte incluida en la actual norma, que calcula concentraciones máximas en 20 minutos, como el algoritmo ponderado para calcular promedios en 24 horas y que se
80
incluyó en NC XX-2013, los modelos SCREEN3/AERSCREEN con la opción de meteorología completa.
La selección de uno u otro se debe basar en el caso de estudio en cuestión. Cuando se disponga de una matriz de vientos locales de al menos 5 años y se trate de una fuente puntual localizada en un terreno poco accidentado, se recomienda usar el modelo de Berlyand. Para modelar fuentes de área, de volumen o antorchas, localizadas en un terreno accidentado o en una zona urbana o donde exista la posibilidad de ocurrir fumigación o se necesite evaluar receptores tipo “asta”; el modelo a utilizar es SCREEN3 o AERSCREEN. Se recomienda usar AERSCREEN, en dominios con topografía compleja.
A pesar de sus limitaciones, se propone el uso del modelo de Berlyand por la experiencia que existe en el país y por la posibilidad de usar una matriz de vientos específica del dominio de modelación.
El Nivel 2 implica un estudio refinado con el modelo ISCST3, en caso que el dominio de modelación no sea considerado como un terreno complejo (terreno con elevaciones superiores a la altura de la chimenea). Este modelo incorpora datos meteorológicos locales horarios o tri-horarios como mínimo (un año de datos in-situ o cinco años de datos representativos). Estos datos deben ser pre-procesados con los programas MIXHTS y PCRAMMET+. Es necesario disponer de un Modelo Digital de Elevación (MDE) del dominio de modelación y es deseable una capa digital de uso de suelos. Se propone utilizar ISC-PRIME en lugar de ISCST3 cuando existan obstáculos en zonas cercanas a las fuentes que interfieran en el desarrollo de la pluma.
El Nivel 3 consiste en un análisis refinado con AERMOD, necesario en caso que lo indiquen los resultados del Nivel 2; o del Nivel 1 cuando se trata de un dominio con terreno complejo. Presenta la misma exigencia para los datos meteorológicos que el Nivel 2, salvo que deben ser procesados con AERMET+. Es necesario disponer del MDE y de una capa digital de uso de suelos del dominio de modelación.
En los niveles 2 y 3 se deben estimar, tanto las inmisiones, como la deposición húmeda y seca de los contaminantes (gases y partículas); en períodos que dependen del contaminante en cuestión, pero generalmente horarios, diarios y anuales. En cuanto a las opciones de salida; se propone listar las inmisiones y deposiciones promedio en los períodos largos (anual o todo el período) y máximas en cada período corto; en cada receptor, debido a las emisiones de cada grupo de fuentes. También todas las inmisiones que superan los valores de referencia. Sin embargo, se deben listar todas las inmisiones para cada receptor en períodos cortos, sólo para comparar con valores medidos.
Se propone como valores de referencia, las Cma establecidas en la norma cubana de calidad del aire y los valores guías de la OMS. En la zona de protección sanitaria (ZPS) pueden superarse las Cma, pero en su perímetro exterior las concentraciones deben ser al menos iguales a las Cma. Cuando se estén ejecutando modelos refinados, el cálculo de la ZPS debe complementarse con la evaluación de receptores ubicados en su perímetro.
En caso que se esté evaluando la instalación de una nueva fuente, el estudio debe considerar todas las fuentes que se planifiquen instalar en la zona.
El tránsito a través de cada nivel no es necesario, es decir, puede iniciarse el estudio por cualquiera de los tres niveles: puede realizarse un análisis refinado de Nivel 3 sin ejecutar el Nivel 1. Sin embargo, si se realiza el estudio en un nivel inferior y las concentraciones obtenidas superan el 50 % de los valores de referencia; es necesario un estudio en el nivel superior. Si al ejecutar un estudio de Nivel 3, las concentraciones superan los valores de referencia, se deben evaluar medidas de mitigación y comprobar que las mismas resuelven estas violaciones. El Nivel 3 también permite la modelación usando cualquier modelo alternativo para estudios detallados, siempre que se fundamente la propuesta y se documente el modelo (EEA, 2011).
81
El uso de un modelo superior al AERMOD en la escala local, como CALPUFF, está muy limitado por la ausencia de mediciones de aire superior en el país (Fonseca, 2012). Existen soluciones, como el uso de la salida de modelos meteorológicos de mesoescala como el MM5 (PSU/NCAR, 1996, 2000) y el WRF (PSU/NCAR, 2010) pero por el momento no se consideran practicables para propósitos regulatorios.
Figura 39. Propuesta de enfoque por niveles para modelar la dispersión local de contaminantes
7.1. Concentraciones de fondo El análisis de los resultados de todos los niveles debe tener en cuenta las concentraciones de fondo. Debido a las escasas mediciones de calidad de aire en el país, se propone que se utilicen las disponibles
No No
Nivel 1 SCREEN3/AERSCREEN
1 hora, extensión a 24 h, año ¿Se cumplen las normas?
Nivel 1 Berlyand 20 min., 24 h
Extensión a 1 h, año ¿Se cumplen las normas?
MODELACIÓN REFINADA
MODELACIÓN SIMPLIFICADA
Sí
Terreno plano Fuentes puntuales
Disponible matriz de vientos local
Terreno accidentado, fuentes de área, volumen, antorchas, receptores tipo asta, probable fumigación, localización urbana
Nivel 2, ISCST3
1 hora, 24 horas, año ¿Se cumplen las normas?
Nivel 2, ISC-PRIME
1 hora, 24 horas, año ¿Se cumplen las normas?
Sí
Sí
Sí
No
No
Sí ¿Terreno complejo?
No
No
Sí
Evaluación de opciones de mitigación
Estudio completado
Nivel 3 AERMOD
1 hora, 24 horas, año ¿Se cumplen las normas?
¿Presencia de obstáculos en zonas cercanas a las fuentes?
Sí
No
82
para un período dado, Cp0, ajustadas al período x a evaluar, Cpx; usando factores de ajustes entre los períodos Kpx-0, obtenidos del análisis de diferentes referencias (EPA, 1992a; NC 93-02-202/1987; WHO, 2000 y 2005; EPA, 2011) y mostrados en la Tabla 32. [33]
0_0 pxppx KCC , g/m³
Tabla 32. Factores de ajuste de las concentraciones de fondo entre períodos
Períodos
10 m
in
20 m
in
1 h
ora
3 h
oras
8 h
oras
1 d
ía
30 d
ías
1 añ
o
10 minutos 1,00 1,02 1,07 1,19 1,53 2,68 3,08 25,00 20 minutos 0,98 1,00 1,05 1,17 1,50 2,63 3,02 13,13 1 hora 0,93 0,95 1,00 1,11 1,43 2,50 2,87 12,50 3 hora 0,84 0,86 0,90 1,00 1,29 2,25 2,59 11,25 8 hora 0,65 0,67 0,70 0,78 1,00 1,75 2,01 8,75 24 horas 0,37 0,38 0,40 0,44 0,57 1,00 1,15 5,00 30 días 0,33 0,33 0,35 0,39 0,50 0,87 1,00 4,35 1 año 0,04 0,08 0,08 0,09 0,11 0,20 0,23 1,00
7.2. Inclusión de CALPUFF entre las herramientas de modelación a usar en el país
A pesar del mayor requerimiento en los datos de entrada, las ventajas del CALPUFF frente al AERMOD, confirman las necesidades de utilizarlo para realizar estudios de dispersión en dominios locales, siempre y cuando se necesite modelar una situación meteorológica compleja, como las derivadas de la presencia de grandes cuerpos de agua dentro de la zona de estudio.
A continuación se muestra una propuesta académica e investigativa para la evaluación de la dispersión local de contaminantes en condiciones complejas (Turtós L. et al. (2010): Soluciones para la modelación refinada de la contaminación atmosférica a escala local con datos de entrada insuficientes, Proyecto SAEMC), que refleja la agregación del modelo CALPUFF a la propuesta de norma cubana (Ver Figura 40)
Figura 4contamin
CO1) La im
CALP
40. Propuestnantes en con
NCLUSIOmplementacióPUFF) confir
ta académicandiciones com
ONES ón, evaluacióman su capac
a e investigmplejas
ón y aplicacicidad para si
83
gativa para
ión de los mmular la disp
la evaluació
modelos refinpersión local
ón de la dis
nados (ISCSde contamin
spersión loc
ST3, AERMOantes atmosfé
al de
OD y féricos
84
en el país y consecuentemente resolver las insuficiencias que presentan las herramientas de modelación hoy establecidas para la evaluación de la contaminación atmosférica a dicha escala. Las metodologías propuestas para completar los datos exigidos para la caracterización de las fuentes emisoras que no están disponibles en el país, están al nivel de las prácticas internacionales.
2) El desarrollo y validación de versiones de los pre-procesadores meteorológicos originales, PCRAMMET+ y AERMET+, solucionó la carencia de datos meteorológicos requeridos, fundamentalmente de aire superior, la diferencia de formatos y frecuencia de las mediciones de superficie.
3) La evaluación satisfactoria de bases de datos topográficos digitales libres en Internet que cubren todo el país (SRTM2 y GTOPO30), para sustituir a los modelos digitales de elevación locales del área de estudio cuando no estén disponibles, demostró que no existen limitaciones para aplicar los modelos refinados relacionadas con la disponibilidad de datos topográficos, siempre que el estudio no exija una resolución de la rejilla de receptores superior a la de SRTM2 (3”). En caso que se necesite una mejor resolución, se deben obtener datos topográficos locales que la satisfagan.
4) La disponibilidad de capas digitales de uso de suelos actualizadas del área de modelación, con la resolución adecuada, no es una limitación. Se propone usar la capa contenida en North America Land Cover Database cuando no existan datos locales.
5) El uso combinado de un Sistema de Información Geográfica, que procesa la capa de uso de suelos del área de estudio, con la aplicación UsodeSuelo.xls, desarrollada especialmente con este propósito, sustituye el modelo AERSURFACE, que exige datos de alta resolución no disponibles para el país.
6) La comparación de los resultados de la modelación con AERMOD utilizando la metodología propuesta; con valores medidos en dos estaciones de monitoreo continuo, dirigida a los valores máximos diarios y promedio en el período evaluado; foco de los modelos regulatorios; brinda una correspondencia adecuada y representa un elemento de evaluación de la metodología y de la necesidad de utilizar modelos refinados al confirmar que permiten evaluaciones más precisas.
7) Los programas de cálculo, modificados o desarrollados que se presentan, están disponibles para su uso sin costo alguno: PCRAMMET+ y AERMET+, módulos ProMet (incluyendo a Meteo) y ProISC del SEIA, UsodeSuelos.xls, SD_Aermet, archivos de automatización de las corridas de PCRAMMET+&ISCST3 y AERMET+&AERMOD y WRF-fsl.
8) La validación de los resultados del modelo WRF sobre Cuba concluye sobre la correspondencia de los valores de las variables modeladas y las observaciones para el caso de la temperatura, no del todo así para la velocidad y dirección del viento, a causa de los vientos variables débiles y fenómenos de calmas comunes en la meteorología cubana y de pobre tratamiento por el modelo. Teniendo en cuenta que este trabajo está orientado a utilizar los resultados del WRF como entrada a los modelos de calidad de aire, se debe prestar atención a la sobreestimación de las velocidades del viento, pues esto favorece los procesos de dispersión.
9) La utilización de las salidas del WRF para sustituir las mediciones de aire superior no se justifica para propósitos reguladores, respecto a los mayores esfuerzos y recursos que demanda. Estos elevados requerimientos computacionales del WRF ha restringido el número de casos de estudio, de forma que la estadística no es suficiente para una conclusión general que incluya diferentes condiciones.
10) Los programas de cálculo en tiempo real, como el SEIA, son una alternativa económica a los sistemas de monitoreo continuo de emisiones y calidad del aire, que tienen la ventaja de permitir estimar la responsabilidad de las instalaciones evaluadas en las inmisiones cuando coexistan con otras fuentes emisoras.
11) Se corrobora la ventaja de disponer de varios tipos de modelos, simplificados y refinados y la efectividad de combinar su uso adecuadamente en estudios de mitigación. Para el modelo de Berlyand, regulatorio en el país desde 1987 para concentraciones en 20 minutos, se amplía la metodología para promedios diarios, obtenida de la búsqueda y comparación de trabajos anteriores.
12) Existen medidas operacionales novedosas para reducir las afectaciones a la calidad del aire provocada
85
por los GE: adecuar el régimen de operación de cada emplazamiento a la hora del día (condiciones diurnas o nocturnas) y la distancia a zonas con alta densidad de población; incrementar la altura de emisión aumentando la temperatura y velocidad de los gases de escape y optimizar la relación entre la potencia de operación (emisiones) y las afectaciones a la calidad del aire, logrando inmisiones mínimas para cada nivel de potencia, teniendo en cuenta la estructura de los emplazamientos.
13) Se elaboró la Norma de Emisiones en fuentes fijas puntuales de instalaciones generadoras de electricidad y vapor y está en proceso de aprobación la sustitución de la norma vigente sobre Calidad del Aire, por 1) Metodología para modelar las afectaciones de la calidad del aire a escala local debido a las emisiones de contaminantes atmosféricos desde fuentes fijas; 2) Contaminantes - Concentraciones Máximas Admisibles y valores guías en zonas habitables.
14) Es posible la actualización de la norma vigente para modelar la dispersión local de contaminantes atmosféricos, considerando un enfoque por niveles, que incluye modelos simplificados y refinados y determina los criterios para seleccionarlos: SCREEN3, AERSCREEN y Berlyand para estudios simplificados (Nivel 1) y para los refinados, ISCST3 e ISC-PRIME, en el Nivel 2 y AERMOD en el Nivel 3.
15) En el marco del trabajo fue desarrollada y fundamentada una metodología para la evaluación crítica de los estudios epidemiológicos relativos a contaminantes del aire y salud, la determinación del peso de las evidencias aportadas y la posible aptitud de los mismos para la determinación de funciones exposición-respuesta a ser aplicadas en evaluaciones de impacto en salud y análisis de riesgo para los contaminantes prioritarios del aire en zonas urbanas del país.
16) Diferentes estudios epidemiológicos nacionales reportaron asociaciones entre exposición a contaminantes clásicos del aire y diversos efectos adversos. Sin embargo, bien por no contar con una base poblacional que permita estimaciones precisas, o por la falta de consistencia de los resultados, avalados por varios estudios, estas funciones por si solas no deben ser utilizadas para los propósitos referidos, por lo que se propuso el empleo de un grupo de funciones obtenidas en estudios internacionales, previo análisis de la adecuación de las mismas con respecto a algunas características demográficas, ambientales y epidemiológicas nacionales.
17) Se obtuvo para Cuba, asociaciones significativas entre la contaminación por partículas y la mortalidad aguda por causas no externas en la población general y en los mayores de 65 años, con un impacto dentro del rango de de los reportados en México D.F. y en diferentes países desarrollados. Asociaciones de similar magnitud, aunque menos significativas se determinaron para la mortalidad por causas respiratorias, cardiovasculares y cerebro-vasculares.
RECOMENDACIONES 1) Perfeccionar y ampliar los métodos de estimación de la altura de la capa de mezcla cuando no se
disponen de mediciones de aire superior, utilizando los resultados de modelos meteorológicos de mesoescala como el WRF.
2) Profundizar en la aplicación de los mecanismos de deposición: precisar valores de las constantes incluidas en los algoritmos para contaminantes gaseosos y espectro por dimensiones de las partículas, entre otros. Utilizar estudios de sensibilidad en los rangos de valores posibles de las variables cuando las inmisiones calculadas superen el 50 % de los valores normados.
3) Trabajar en el establecimiento de los valores de referencia en el país para evaluar el resultado de las deposiciones.
4) Potenciar el uso de sistemas de monitoreo de emisiones y calidad del aire en base a modelos de cálculos en tiempo real, actualmente disponibles, por ejemplo SEIA_CTE, presentado en este trabajo.
5) Perfeccionar las metodologías y fuentes de datos para la aplicación de los sistema de modelos ISCST3/AERMOD en la medida que estén disponibles.
6) Dados los altos requerimientos de cómputo del WRF, tanto en velocidad de procesamiento como de
86
almacenamiento, que exigen un procesamiento en paralelo (ya sea cluster o grid) se necesita una estrategia nacional integrada, con el aprovechamiento y ampliación de los recursos existentes. En este sentido, se recomienda:
a) Estudio de configuraciones más específicas para las situaciones climatológicas indicadas en el primer párrafo de estas conclusiones, dado la importancia de datos meteorológicos precisos en estudios de calidad de aire.
b) Validación con los datos de torres eólicas instaladas en el país.
c) Instalación de al menos una estación de aire superior en el país, para validar los resultados a distintos niveles de la atmósfera, de forma que pueda completarse la evaluación de incertidumbres que el modelo introduce en los estudios de calidad del aire.
REFERENCIAS 1 NC 39: 1999. NORMA CUBANA. ATMÓSFERA, Requisitos higiénicos sanitarios: Concentraciones máximas admisibles, alturas mínimas de expulsión y zonas de protección sanitaria. NC 39:1999: Calidad del Aire. Requisitos higiénicos sanitarios. 2 Turtós L., M. S. Gácita, J. Rivero, L. Curbelo, N. Díaz, E. Meneses, 2010a. Methodological guide for implementation of the AERMOD system with incomplete local data. Atmospheric Pollution Research 1 (2010) 102-111, ISSN: 1309-1042. 3 Batchvarova E., S. E. Gryning, 1991. Applied model for the growth of the daytime mixed layer. Boundary Layer Meteorology, 56, 261-274. 4 Driedonks A., 1982. Sensitivity analysis of the equations for a convective mixed layer. Boundary-Layer Meteorology, 22(4), 475-480. 5 CERC, 2001. ADMS 3.1 User’s Guide. Cambridge Environmental Research Consultants. 6 Thomson D. J., 2000. The meteorological input module, ADMS 3. Technical Specification. Cambridge Environmental Research Consultants. 7 Sánchez Gácita M., L. Turtós, J. Rivero Oliva, 2005. Velocidades de decaimiento de contaminantes atmosféricos para mejorar la modelación simplificada de la dispersión regional, Nucleus, Vol 38, ISSN 0864 – 084X. 8 Fonseca Y., L. Turtós, G. Capote, E. Meneses, J. Rivero, 2012. Air quality study, comparison between the proposed and actual scenarios of generator sets in Havana, by using CALPUFF model, Air Pollution/Book 2, InTech. ISBN 979-953-307-592-0 9 Turtós L., E. Meneses, W. Carrera, M. Zucchetti, 2010b. Global warming vs local pollution. Challenges for a small island and developing countries. Fresenius Environmental Bulletin, FEB Vol.19. ISSN: 10184619 10 Meneses E., L. Turtós, I. Berdellans, I. López, D. Pérez, M. Zucchetti, T. Alfstad, 2013. Climate change and extreme events: vulnerability of energy systems in Cuba. Fresenius Environmental Bulletin, FEB/ Vol 22/ No 1/ 2013 – pages 74 – 80. 11 Turtós L., G. Capote, Y. Fonseca, 2011. WRF-fsl: Post-Procesador de Salidas del WRF a formato fsl. CENDA, Registro 2757-2011. 12 Turtós L., G. Capote, Y. Fonseca, L. Álvarez, A. Bezanilla, I. Borrajero, M. S. Gácita, E. Meneses, S. Pire, 2013. Assessment of the WRF implementation in Cuba addressed to diagnostic air quality modeling. Atmospheric Pollution Research, 4(1), 64-74, ISSN: 1309-1042. 13 EPA, 1995. User’s Guide for the ISC3 Dispersion Models, Volume I. EPA-454/B-95-003a., Volume II, Description of model algorithms. EPA-454/B-95-003b. 14 EPA, 2004a. AERMOD: Description of model formulation. EPA-454/R-03-004. 15 NC XX-2013, CALIDAD DEL AIRE: Metodología para modelar las afectaciones de la calidad del aire a escala local debido a las emisiones de contaminantes atmosféricos desde fuentes fijas. Propuesta de Norma Cubana en proceso de aprobación.
87
16 EPA, 1998. MIXHTS, User Instructions, Computing twice-daily mixing heights from upper air soundings and hourly temperatures. 17 EPA, 1999. PCRAMMET, User's Guide. EPA-454/B-96-001. 18 EPA, 2001. Compilation of Air Pollutant Emission Factors, AP-42, Fifth Edition, Volume I: Stationary Point and Area Sources. Updates 2001 to present. 19 EPA, 2005. Revision to the Guideline on Air Quality Models: Adoption of a Preferred General Purpose (Flat and Complex Terrain) Dispersion Model and Other Revisions. 40 CFR Part 51, [AH–FRL–7990–9] RIN 2060–AK60, Federal Register / vol. 70, no. 216 / Rules and Regulations. 20 Turtós L., A. Roque, R. Soltura, M. S. Gácita, 2003. Metodología de estimación de variables meteorológicas secundarias para modelos de dispersión de contaminantes atmosféricos. Contribución a la Educación y la Protección Ambiental, 4, 266-277, ISBN: 959-7136-20-1. 21 Soltura R., S. Mon, G. Rodríguez, L. Ayala, R. Báez, 2001. Actualización de los modelos físicos y estadísticos del Atlas Eólico de Cuba, Revista Cubana de Meteorología, 8(1), 83-95. 22 Holzworth G., 1972. Mixing Heights, Wind Speeds and Potential for Urban Air Pollution throughout the Contiguous United States. EPA, AP-101. 23 Turtós L., E. Meneses, 2000. Metodología para la determinación de los datos a utilizar en la evaluación de las externalidades. Contribución a la Educación y la Protección Ambiental, 1, 289-294, ISBN: 959-02-0301-9. 24 EPA, 1994. Revised User's Guide to Mesopuff II, V5.1. EPA-454/B-94-025. 25 Seibert P., F. Beyrich, S. Gryning, S. Joffre, A. Rasmussen, P. Tercier, 2000. Review and inter-comparison of operational methods for the determination of the mixing height. Atmospheric Environment, 34, 1001-1027. 26 EPA, 2004b. User's Guide for the AMS/EPA regulatory model – AERMOD. EPA-454/B-03-001. 27 EPA, 2008. AERSURFACE User’s Guide. EPA-454/B-08-001. 28 EPA, 2004d. User's Guide for the AERMOD Terrain Pre-processor –AERMAP. EPA-454/B-03-003. 29 EPA, 2004c. User’s Guide for the AERMOD Meteorological Pre-processor–AERMET. EPA-454/B-03-002. 30 EPA, 2004e. User's Guide to the Building Profile Input Program. EPA-454/R-93-038. 31 EPA, 2011. AERSCREEN User’s Guide. EPA-454/B-11-001. 32 GTOPO30, 1996. Global 30 Arc-Second Elevation Data Set. U.S. Geological Survey Center for Earth Resources Observation and Science. 33 Farr T., P. Rosen, E. Caro, R. Crippen, R. Duren, S. Hensley, M. Kobrick, M. Paller, E. Rodriguez, L. Roth, D. Seal, S. Shaffer, J. Shimada, J. Umland, M. Werner, M. Oskin, D. Burbank, D. Alsdorf, 2007. The Shuttle Radar Topography Mission. Reviews of Geophysics, 45, 33 pp. 34 Arya S., 2001. Introduction to Micrometeorology. Academic Press. ISBN-13: 978-0-12-059354-5. 35 Foken T., 2008. Micro-meteorology. Springer, ISBN: 978-3-540-74665-2. 36 PSU/NCAR, 2010. ARW Version 3 Modeling system User’s Guide. 37 Air, AERMOD-ISC, 2004. AERMOD and ISC User’s Guide 5.0. BREEZE, Trinity Consultants. 38 Trinity Consultants, 2004. A technique to estimate mixing depths from surface observations. mdm/pbldoc. 39 Turtós L., J. Rivero, L. Curbelo, M. S. Gácita, E. Meneses, N. Díaz, 2009. Method for the estimation of the convective mixing height aimed to atmospheric local dispersion modeling. Environmental Impact Assessments, ISBN: 978-1-60692-667-3, Nova Science Publishers, Inc. 40 Gill A.E., 1982. Atmospheric-Ocean Dynamics. Academic Press, 54 pp. 41 EPA, 2004f. ADDENDUM to User's Guide for the AMS/EPA regulatory model – AERMOD. EPA-454/B-03-001. 42 EPA, 2004g. AERMOD Deposition Algorithms. www.epa.gov/scram001/7thconf/aermod/aer_scid.pdf 43 Wesely M., P. Doskey, J. Shannon, 2002a. Deposition Parameterizations for the Industrial Source Complex (ISC3) Model. ANL/ER/TR-01/003 44 Wesely M., P. Doskey, J. Shannon, 2002b. Basic Physicochemical Properties of Individual Gaseous Hazardous Air Pollutants and Mixtures, ANL/ER/TR-01/003, Appendix C. Additional Physicochemical Properties of Individual Gaseous Hazardous Air Pollutants and Mixtures, Appendix D. Range of Reported Values of H and log
88
Kow for Individual Gaseous Hazardous Air Pollutants and Mixtures, Appendix E. Estimates of Gas-phase Lifetimes for Selected Substances, Appendix F. 45 Scire J., D. Strimaitis, R. Yamartino, 2000. A User’s Guide for the CALPUFF Dispersion Model (Version 5.0). Earth Tech, Inc., Concord, MA. 46 GasSim 2, 2005. User Manual. UK Environment Agency. 47 Boerboom A., G. Kleyn, 1969. Diffusion Coefficients of Noble Gases in Water. Journal of Chemical Physics, 50, 1086-1088. 48 Himmelblau D., 1964. Diffusion of dissolved gases in liquids. Chemical Review, 64, 527-550. 49 Anne B., B. Bass, 2005. Estimates of air pollution mitigation with green plants and green roofs using the UFORE model. Conference in 6th biennial CANSEE (Canadian Society for Ecological Economics), Toronto. 50 Sander R., 1999. Compilation of Henry’s Law Constants for Inorganic and Organic Species of Potential Importance in Environmental Chemistry. Air Chemistry Department, Max-Planck Institute of Chemistry, http//www.mpch-mainz.mpg.de/sander/res/henry.html. 51 Thé J. L., R. Lee, R. W. Brode, 2001. Worldwide Data Quality Effects on PBL Short-Range Regulatory Air Dispersion Models. Proceedings 7th Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. 52 Turtós L. y colabradoes, 2007. Estudio de dispersión local de gases emitidos por Moa Nickel S.A. – Pedro Soto Alba”. Informe Final, Contrato SCT No.03/2007, entre CUBAENERGÍA y MOA NICKEL S.A. 53 Martín F., M. G. Vivanco, I. Palomino, J. Santiago, A. Martilli, M. Santiago, J. Garrido, M. González, L. Turtos, Informe 2º semestre 2010 Reevaluación 2008, Deposito de contaminantes y Revisión de zonificación, Acuerdo de encomienda de gestión entre el Ministerio de Medio Ambiente y CIEMAT para la aplicación de la modelización en la evaluación de la calidad del aire en España. 54 Mitrani I., L. Alvarez, I. Borrajero, 2003. Aplicación optimizada del MM5V3 sobre el territorio cubano mediante el uso de computadora personal. Rev. Cub. Met., vol. 10, N 1, 84:94. 55 Pielke, A., 1984, Mesoscale meteorological modeling, Academic Press (Orlando, Fla.), ISBN 0125548206. 56 Borge R., V. Alexandrov, J. Vas, J Lumbreras, E. Rodriguez, 2008. A comprehensive sensitivity analysis of the WRF model for air quality applications over the Iberian Peninsula. Atmospheric Environment, 42 (37), 8560 - 8574. ISSN 1352-2310 57 Russell A., R. Dennis, 2000. NARSTO critical review of photochemical models and modeling. Atmospheric Environment 34, 2283-2324. 58 Stenger, R., 2000, Sensitivity Studies on a Limited Area Mesoscale Model: An Examination of Lateral Boundary Placement, Grid Resolution and Nesting Type. 59 Turtós L., y colaboradores, 2011. Informe técnico Resultados de la modelación de la formación de ozono troposférico: Evaluación de la contaminación atmosférica por ozono troposférico en Cuba usando el modelo fotoquímico CHIMERE del proyecto Estimación del impacto del ozono troposférico derivado de fuentes del sector energético del Programa Ramal Nuclear, PRN/4-1/1 –2008. 60 C.N.R.S., 2006. Documentation of the chemistry-transport model CHIMERE [version V200606A] from http://euler.lmd.polytechnique.fr/chimere/. Institut Pierre-Simon Laplace, INERIS, LISA. 61 Ramírez J., 1989. Estudio de las variaciones de las concentraciones del ozono troposférico en Cuba y su vinculación con algunos fenómenos meteorológicos, Marcha anual del ozono en Casablanca 1978-1981. 62 Ramírez J., y colaboradores, 2008a. El ozono troposférico y los cambios climáticos. Efectos sobre las especies agronómicas fundamentales, Climate Change and Biodiversity in the Americas, Panama, Febrero 25 al 29, 2008
63 Ramírez, 2008b. Situación actual del monitoreo del ozono troposférico en Cuba, como parte del Caribe y de la cuarta región meteorológica. Disponible en www.ine.gob.mx/descargas/dgcenica/pres_sem_mon_atm_08_jra.pdf
64 Turtós L., y colaboradores, 2012. Informe Final, Implementación y aplicación de modelos detallados para evaluar de la contaminación atmosférica regional (50-300 km). Programa Protección del medio ambiente y el desarrollo sostenible cubano, Código 30926. 65 EPA, 2009. Clarification on EPA-FLM Recommended Settings for CALMET.
89
66 Turtós L., M. Sánchez, A. Roque, R. Soltura, 2006. Estimación de la altura de la capa de mezcla en Casa Blanca a partir de parametrizaciones en superficie. Revista Electrónica EcoSolar, Vol. 17, Julio-Sep 2006, ISBN 1028-6004. 67 Finlayson-Pitts B. and Pitts J., 1999, Chemistry of the Upper and Lower atmosphere, Theory, Experiments, and Applications.(p. 360-362) 68 Scire et al., 1984. User’ Guide to the MESOPUFF II dispersion Model and related processor programs. EPA-600/8-84-013. 69 Morris, R.E., R.C. Kessler, S.G. Douglas, K.R. Styles, and G.E. Moore, 1988. Rocky Mountain Acid Deposition Model Assessment, Acid Rain Mountain Mesoscale Model (ARM3). U.S. Environmental Protection Agency, Atmospheric Sciences Research Laboratory, Research Triangle Park, NC 70 Zmirou D, Balducci F, Dechenaux J, Piras A, Filippi F, Benoit-Guyod JL, 1997. Méta-analyse et functions dose-réponse des effets respiratoires de la pollution atmosphérique. Rev Epidemiol Sante Publique, 45(4):293-304. 71 Ostro B., 1996. A metodology for estimating air pollution health effects. Geneva: WHO. 72 ExternE, 1998. Externalities of Energy, Volume 7: Methodology 1998 Update (EUR 19083), Vol.8: Global Warming (EUR 18836), Vol.9: Fuel Cycles for Emerging and End-Use Technologies, Transport and Waste (EUR 18887), Vol.10: National Implementation (EUR 18528). European Commission. 73 ExternE, 2005. Externalities of Energy: Methodology 2005 Update. EUR 21951. European Commission. 74 Spadaro, 1999. Quantifying the Health Impacts of Air Pollution, Prepared for the International Atomic Energy Agency, Planning and Economics Studies Section, Nuclear Division, Vienna, Austria. 75 Téllez-Rojo M, Romieu I, Ruiz S, Lezana MA, Hernández M, 2000. Daily respiratory mortality and PM10 pollution in Mexico City: importance of considering place of death. Eur Respir J 2000, 16: 391-396. 76 Sunyer J, Ballester F, Tertre AL, Atkinson R, Ayres JG, Forastiere F, Forsberg B, Vonk JM, Bisanti L, Tenias JM, Medina S, Schwartz J, Katsouyanni K, 2003a. The association of daily sulfur dioxide air pollution levels with hospital admissions for cardiovascular diseases in Europe (The Aphea-II study). Eur Heart J. 24(8):752-60. 77 Sunyer J, Atkinson R, Ballester F, Le Tertre A, Ayres JG, Forastiere F, Forsberg B, Vonk JM, Bisanti L, Anderson RH, Schwartz J, Katsouyanni K, 2003b. APHEA 2 study. Respiratory effects of sulphur dioxide: a hierarchical multicity analysis in the APHEA 2 study. Occup Environ Med. 60(8):e2. 78 Rabl A, 2002, AIRPACTS exposure response functions. Austria: International Atomic Energy Agency. 79 Sheridan, P.J., C.A. Brock, and J.C. Wilson, 1994. Aerosol Particles in the Upper Troposphere and Lower Stratosphere: Elemental Composition and Morphology of Individual Particles in Northern-Mid latitudes. Geophysical Research Letters 21:2587-90. 80 Milford, J. B. and Davidson, 1987. The Sizes of Particulate Sulfate and Nitrate in the Atmosphere – A Review. Journal of the Air Pollution Control Association. 37:125-134. 81 WHO, 2000. Regional Office for Europe. Air Quality Guidelines for Europe. World Health Organization, Second Edition. Copenhagen. 82 Molina E., E. Meneses, 2003. Evaluación epidemiológica del impacto de los contaminantes del aire. Propuesta metodológica. Revista Cubana de Higiene y Epidemiología. 2003; 41(2-3) http://bvs.sld.cu/revistas/hie/vol41_2-3_03/hiesu2-3203.htm. 83 Molina E, Barceló C, Ceballos R., 1989. Contaminantes atmosféricos primarios, temperatura del aire, enfermedades respiratorias agudas y asma bronquial en niños. Rev Cubana Pediatría 1989, 61(2):215-27. 84 Molina E, Cabrera A, Bonito L., 1992a. Prevalencia de asma bronquial. Asociación con la contaminación atmosférica y otros factores ambientales. Contaminación del aire y salud. México (DF): Ed. Ciencias Médicas; 1992:93-108. (Serie Salud Ambiental No. 2). 85 Molina E, Barceló C, Bonito L A, Puerto C., 1996. Factores de riesgo de cáncer pulmonar en Ciudad de La Habana. Rev Cubana Hig Epidemiol, 34(2):81-90. 86 Molina E, Milanés A, Pita G, Monterrey P., 1992b. Asociación entre la contaminación atmosférica y otros factores ambientales con la morbilidad respiratoria y la función pulmonar en niños. En: Memorias del XIII Congreso Interamericano de Ingeniería Sanitaria y Ambiental. La Habana: AIDIS, 1992.t3:141-50
90
87 Molina E., G. Pita, P. Monterrey, 1994. Contaminación atmosférica, otros factores ambientales y morbilidad respiratoria en la tercera edad En: Memorias XIV Congreso Interamericano de Ingeniería Sanitaria y Ambiental. Buenos Aires: AIDIS. 88 Toledo H., 1993. Estudio de factibilidad para pronosticar los incrementos de las consultas por asma y por infecciones respiratorias agudas. Trabajo presentado en opción al Titulo de Doctor en Ciencias Médicas. La Habana. ISCM La Habana. 89 Molina E, Brown LA, Prieto V, Bonet M, Cuellar L., 2001. Crisis de asma y enfermedades respiratorias agudas, contaminantes atmosféricos y variables meteorológicas en Centro Habana. Revista Cubana Medicina General Integral, 17(1):10-20 90 Romero, M., P., Más Bermejo, M. Lacasaña, M. Téllez Rojo, J. Aguilar, I. Romieu, 2004. Contaminación atmosférica, asma bronquial e infecciones respiratorias agudas en menores de edad, de La Habana. Salud Pública de México 2004, 46 (3): 222-33 91 CECONT, 2002. Métodos para el pronóstico de asma bronquial e infecciones respiratorias agudas y su contribución al sistema de vigilancia epidemiológica en la rivera este de la Bahía de La habana. Informe Técnico CECONT / INSMET. 92 Molina E, Meneses E., 2003. Análisis de estudios epidemiológicos nacionales para la obtención de funciones exposición respuesta. Contribución a la Educación y la Protección Ambiental 2003, (4): 509-23. 93 UNEP, 1994a. Methodology Review Handbook Series Air. Volume1, 2, 3, 4, 5. Nairobi: GEMS/AIR. 94 OMS, 1992. Décima Revisión de la Clasificación Estadística Internacional de Enfermedades y Problemas Relativos a la Salud. Ginebra. 95 MINSAP, 2004.Dirección Nacional de Estadísticas / Ministerio de Salud Pública de Cuba. Anuario estadístico de salud 2003. La Habana 96 WHO, 1979. Environmental Health Criteria. Sulfur oxides and suspended particulate matter. World Health Organization, Geneva. 97 Katsouyanni K, Schwartz J, Spix C, Touloumi G, Zmirou D, Zanobetti A, 1996. Short-term effects of air pollution on health: a European approach using epidemiologic time series data. The APHEA protocol. J Epidemiol Community Health 50:S12-8. 98 Pérez S, Sáez M, Barceló A, Coldo C, Figueiras A, Ordóñez JM, 1999. Protocolo EMECAM: Análisis del efecto a corto plazo de la contaminación atmosférica sobre la mortalidad. Rev Española Salud Pública 1999,73: 177-185. 99 SAS, 1996. Stadistical software for windows. Cary, North Carolina, SAS Institute Inc. 100 UCR-UNA-MinSALUD, 2002. Centro de Investigación en Contaminación Ambiental de la Universidad de Costa Rica. Participación del Laboratorio de Calidad de Aire en el Plan Piloto Nacional de Vigilancia de la Calidad del Aire. San José, Costa Rica. 101 UNEP, 1994b. Global Environment Monitoring System / Air. Methodology Reviews. Measurement of Air Quality. Volume 1, 2, 3, 4, 5. United Nations Environment Programme – World Health Organization. 102 ECOURS, 2002. Proyecto Ecosistema Urbano y Salud de los Habitantes de la Zona Metropolitana del Valle de México. Módulo: Desarrollo de los modelos de exposición respuesta para la Ciudad de México. Comisión Ambiental Metropolitana y Banco Mundial, México. 103 Dockery DW, CA Pope III, Xiping Xu, JD Spengler, JH Ware, ME Fay, BG Ferris & FE Speizer 1993. "An association between air pollution and mortality in six US cities". New England J of Medicine, vol.329, p.1753-1759 (Dec. 1993). 104 Pope, C. A., M. J. Thun, M. M. Namboodri, D. W. Dockery, J. S. Evans, F. E. Speizer, & C. W. Heath. 1995. Particulate air pollution as a predictor of mortality in a prospective study of US adults. Amer. J. of Resp. Critical Care Med. vol.151, 669-674. 105 Abbey DE, N Nishino, WF McDonnell, RJ Burchette, SF Knutsen, WL Beeson & JX Yang 1999. "Long-term inhalable particles and other air pollutants related to mortality in nonsmokers". Am. J. Respir. Crit. Care Med., vol. 159, 373-382. 106 Pope A., R. Burnett, G. Thurston, M. Thun, E. Calle, D. Krewski, J. Godleski, 2004. Cardiovascular Mortality and Long-Term Exposure to Particulate Air Pollution. Circulation, 109:71-77.
91
107 Stieb D., S. Judek, R. Burnett, 2002. Meta-analysis of time-series studies of air pollution and mortality: effects of gases and particles and the influence of cause of death, age, and season. J Air Waste Manag Assoc, 52(4):470-84. 108 Pope, 2000. Epidemiology of Fine Particulate Air Pollution and Human Health: Biologic Mechanisms and Who's at Risk? Environ Health Perspect 108(suppl 4):713-723. http://ehpnet1.niehs.nih.gov/docs/2000/suppl-4/713-723pope/abstract.html. 109 Samet J., y colaboradores, 2000. Fine particulate air pollution and mortality in 20 US cities 1987–1994.N Engl J Med, 343(24):1742-9. 110 Le Tertre A, Medina S, Samoli E, Forsberg B, Michelozzi P, Boumghar A, Vonk JM, Bellini A, Atkinson R, Ayres JG, Sunyer J, Schwartz J, Katsouyanni K, 2002. Short-term effects of particulate air pollution on cardiovascular diseases in eight European cities. J Epidemiol Community Health. 56(10):773-9. 111 Atkinson RW, Anderson HR, Sunyer J, Ayres J, Baccini M, Vonk JM, Boumghar A, Forastiere F, Forsberg B, Touloumi G, Schwartz J, Katsouyanni K., 2001. Acute effects of particulate air pollution on respiratory admissions: results from APHEA 2 project. Air Pollution and Health: a European Approach. Am J Respir Crit Care Med, 15,164(10 Pt 1):1860-6. 112 Anderson HR, Spix C, Medina S, Schouten JP, Castellsague J, Rossi G, Zmirou D, Touloumi G, Wojtyniak B, Ponka A, Bacharova L, Schwartz J, Katsouyanni K, 1997. Air pollution and daily admissions for chronic obstructive pulmonary disease in 6 European cities: results from the APHEA project. Eur Respir Journal, 10(5):1064-71. 113 Turtós L.; J. Rivero; M. S. Gácita; N. Díaz; E. Meneses, 2006. Sistema de Evaluación de Impacto Ambiental de instalaciones energéticas, SEIA 1.0. CENDA, Registro 2-2006. 114 Turtós L.; M. S. Gácita; J. Rivero; N. Díaz; E. Meneses, 2007. Sistema de Evaluación de Impacto Ambiental de instalaciones energéticas, SEIA 2.0. CENDA, Registro 81-2007. 115 Rivero J.; L. Turtós; M. S. Gácita; N. Díaz; E. Meneses, 2006. Sistema de Evaluación de Impacto Ambiental para Centrales Termoeléctricas, SEIA CTE. CENDA, Registro 1-2006. 116 IAEA, 1998. DECADES Tools. User´s Manual for Version 1.0. DECADES Project Document No. 2. 117 Krewitt W.; A. Trukenmueller; Bert-Droste-Franke; T. Heck (2001): EcoSense versions, Presentation in IER, University of Stuttgart. 118 IAEA, 2002. AIRPACTS MANUAL, Version 1.0. A tool for assessing the environmental impacts and damage costs to human health, agricultural crops and man-made structures from exposure to routine atmospheric emissions. 119 Turtós L., E. Meneses, M. Sánchez, J. Rivero, N. Díaz, 2007. Assessment of the impacts on health due to the emissions of Cuban power plants that use fossil fuel oils with high content of sulfur. Estimation of external costs. Atmospheric Environment 41 (2007) 2202–2213, ISBN 1352-2310 120 CEPAL y SEMARNAT, 2007. Evaluación de externalidades ambientales del sector energía en las zonas críticas de Tula y Salamanca. CEPAL, LC/MEX/L.788/Rev.1. 121 Fonseca Y., 2010, Implementación y aplicación del sistema de modelación CALMET-CALPUFF-CALPOST a escala local, Trabajo de Diploma, Instituto Superior de Tecnologías y Ciencias Aplicadas (INSTEC), Departamento de Ingeniería Nuclear 122 Turtós y colaboradores, 2010c. Estudio de Impacto de las emisiones a la atmósfera de la Refinería Camilo Cienfuegos. Contrato de Servicio Científico Técnico No.8/2010 entre CUBAENERGÍA y la Refinería Camilo Cienfuegos. 123 NC TS 803: 2010. Calidad del aire — Emisiones Máximas Admisibles de contaminantes a la atmosfera en fuentes fijas puntuales de instalaciones generadoras de electricidad y vapor