Analisis por sensor

Se analizan los datos de los sensores de particulado SDS011 y PMS7003, y el sensor de temp y humedad DHT22 por separado. Los datos se extraen del archivo diario de Luftdaten Se hace uso de la librerìa OPENAIR (Carslaw, D. C. and K. Ropkins, (2012) openair — an R package for air quality data analysis. Environmental Modelling & Software. Volume 27-28, 52-61.)

SDS011

Gráfico resumen

##     date1     date2      PM10     PM2.5 
## "POSIXct"  "POSIXt" "numeric" "numeric"

Los tramos en rojo son fechas para las que no hay datos. Se ha utilizado para graficar el percentil 95 para evitar valores extremos.

Calendario PM10

Vale aclarar que el sensor tiende a sobreestimar PM10, especialmente para condiones de humedad relativa superiores al 75% (ej. el 6 y 7 de noviembre 2018 hubo fuertes lluvias)

Calendario PM2.5

Variación diara, semanal y mensual de PM10 y PM2.5

Se observa un comportamiento esperable teniendo en cuenta las emisiones. Se ve tanto en los días de semana (mayor concentración en horario de actividad) y en la diferencia de estos respecto a los fines de semana. Queda ver si la variación está relacionada con el transporte de contaminantes desde la ciudad debida a la circulación valle-montaña durante el día.

PMS7003

Gráfico resumen

##     date1     date2      PM10     PM2.5       PM1 
## "POSIXct"  "POSIXt" "numeric" "numeric" "numeric"

Los tramos en rojo son fechas para las que no hay datos. Se ha utilizado para graficar el percentil 95 para evitar valores extremos.

Calendario PM10

Calendario PM2.5

Variación diara, semanal y mensual de PM10 y PM2.5

Se observa el mismo comportamiento que para el SDS011 con menores valores para PM10 y menor diferencia entre PM10 y PM2.5

DHT22

Gráfico resumen

##       date1       date2 temperature    humidity 
##   "POSIXct"    "POSIXt"   "numeric"   "numeric"

Analisis entre sensores de particulado e influencia humedad

Se tomaron las medias horarias de ambos sensores y se consideran solo aquellas donde hay datos para ambos sensores

## 
## Attaching package: 'lubridate'
## The following object is masked from 'package:base':
## 
##     date
## -- Attaching packages -------------------------------------------------------------------------------- tidyverse 1.2.1 --
## v ggplot2 2.2.1     v purrr   0.2.4
## v tibble  1.4.1     v dplyr   0.7.4
## v readr   1.1.1     v stringr 1.2.0
## v ggplot2 2.2.1     v forcats 0.2.0
## -- Conflicts ----------------------------------------------------------------------------------- tidyverse_conflicts() --
## x lubridate::as.difftime() masks base::as.difftime()
## x lubridate::date()        masks base::date()
## x dplyr::filter()          masks stats::filter()
## x lubridate::intersect()   masks base::intersect()
## x dplyr::lag()             masks stats::lag()
## x lubridate::setdiff()     masks base::setdiff()
## x lubridate::union()       masks base::union()
## Loading required package: bitops
## 
## Attaching package: 'RCurl'
## The following object is masked from 'package:tidyr':
## 
##     complete

Timeplot PM10

Se ve una direrencia de casi un orden de magnitud para los datos del SDS011 respecto a los del PMS7003.

Timeplot PM2.5

Los valores extremos del SDS superan los del PMS. Estos valores extremos no permiten observar bien las variaciones para concentraciones menores de 50 ug/m3.

Variación diara, semanal y mensual para PM10 de ambos sensores

Aqui se nota mejor la diferencia entre las respuesta entre ambos sensores. Para el SDS011 son mayores los valores y tienen una mayor dispersión en general.

Variación diara, semanal y mensual para PM10 de ambos sensores considerando solo los datos para humedad relativa < 70%

No se observa una gran diferencia respecto al gráfico anterior. No queda clara la influencia de la humedad.

Variación diara, semanal y mensual para PM2.5 de ambos sensores

Aquí la relación entre los sensores se invierte siendo los valores del PMS mayores y se ve mejor la relación entre ambos.

Correlación entre sensores para PM10

Se consideran datos del percentil 95

Se puede ver la influencia en la correlación para distintos intervalos de humedad relativa

Correlación entre sensores para PM2.5

scatterPlot(luft_data1, x = "PM2.5.x", y = "PM2.5.y",statistic="percentile", percentile=95,
            avg.time="hour",linear= TRUE,main="Correlación PM2.5",xlab ="PM2.5(ug/m3) - SDS011",
            ylab="PM2.5(ug/m3) - PMS7003")

Se puede ver la influencia en la correlación para distintos intervalos de humedad relativa