Calidad del aire en Sonora 2019-2020
Brayan Alexis, Yahir Martinez
20/5/2020
Introducción
Los seres humanos requieren de un suplemento regular de aire y éste debe ser de calidad aceptable, lo cual es un derecho humano fundamental (WHO 2003). La presencia de altas concentraciones de partículas en el aire puede causar o agravar enfermedades cardiovasculares y pulmonares, por ejemplo, reduciendo la función pulmonar y ocasionando ataques de asma, bronquitis crónica y susceptibilidad a infecciones respiratorias, también puede causar arritmias y ataques de corazón y afectar, además, los sistemas nervioso central y reproductivo e incluso causar cáncer propiciando muerte prematura (EEA 2011). A lo largo de la historia la humanidad ha estado en contacto con los contaminantes atmosféricos, sin embargo a medida que se desarrollaron las ciudades y se consolidó la revolución industrial la contaminación del aire se ha visto como algo común y cotidiano (Dickson 1996); hoy en día se ha demostrado de forma contundente e inequívoca la asociación de la contaminación por partículas con el incremento en la mortalidad en las grandes ciudades (Garibay-Chávez 2009). Asimismo, estudios epidemiológicos atribuyen los efectos más severos a la salud a la contaminación por partículas en el aire y al ozono, pero además para estos contaminantes aún no han sido identificados niveles seguros ya que incluso concentraciones por debajo de los criterios de calidad del aire pueden representar riesgos a la salud (WHO 2006).
Antecedentes
En la ciudad de Hermosillo, Sonora, México, la población ha manifestado desde hace años su inquietud respecto de la calidad del aire que se respira, principalmente por la visible capa de polvo que cubre gran parte de la ciudad durante la mañanas y muy marcadamente durante los períodos de otoño e invierno. Existen antecedentes para esta ciudad de medición de PST de 1990 a 1995 (SEMARNAP 1996), reportándose que todos esos años se rebasó el máximo permisible anual de 75 μg/m3 con promedios anuales que fluctuaban de 126 hasta 565 μg/m3. En cuanto a metales en aire para esta ciudad, se identificó un estudio en el que se evaluó Pb (SEDESOL 1993) cuyas concentraciones promedio se encontraban entre 0.28 y 0.37 μg/m3.
Área de estudio
La localización de los sitios de muestreo fue: Centro: 110°5711.1“O y 29°04’40.8”N, Noreste: 110°57’40.3“O y 29°07’17” N y Noroeste: 111°00’25.4“O y 29°07’06.6”N, los cuales se localizan en la ciudad de Hermosillo, Sonora, México (Fig. 1). El clima identificado para la ciudad corresponde a los tipos muy seco muy cálido y cálido BW(h’) y muy seco semicálido BWh, predominando en el 47.5 y 49.6 % de la superficie municipal respectivamente. La temperatura promedio es de 25.1 °C y el mes más frío es diciembre con promedio de 16.8 °C; el mes más caluroso es julio con promedio de 32.6 °C. La precipitación promedio es de 393.8 mm y los meses con las mayores precipitaciones pluviales son julio, agosto y septiembre. La vegetación, de acuerdo a la superficie municipal ocupa: agricultura el 14.64 %, bosque el 0.06 %, matorral el 74.75 %, pastizal el 3.03 % y otros el 7.52% (INEGI 2006). Los vientos dominantes se dirigen en sentido suroeste-noreste por la mañana y en sentido contrario por la tarde (Gobierno Municipal de Hermosillo 2003).
Metodología de muestreo y análisis
En este estudio se utilizó la información y filtros de muestreo obtenidos por el Programa de Evaluación y Mejoramiento de la Calidad del Aire (PEMCA) del H. Ayuntamiento de Hermosillo durante el período junio de 2001 a mayo de 2002. El método de muestreo utilizado fue el establecido en la Norma Oficial Mexicana NOM-035-ECOL-1993 (SEMARNAT 1993), el cual coincide con el método establecido en el Apéndice B de la Parte 50 (Método de referencia para la determinación de material particulado suspendido en la atmósfera - método de alto volumen) del título 40 del Código de Regulaciones Federales de los EUA (USEPA 1992b).
Resultados y discusión
Concentraciones de PST
En el cuadro I se presentan los valores mínimo, promedio, máximo y desviación estándar de la concentración de PST para cada sitio de monitoreo, y en la figura 2 se grafican todos los valores de concentración según sitio de monitoreo y se realiza la comparación con los máximos permisibles establecidos en la norma NOM-024-SSA1-1993 (SSA 1994a) correspondientes a 260 μg/m3 promedio de 24 h y 75 μg/m3 media aritmética anual. Se observó que para el sitio de muestreo Centro, de los 49 días muestreados, en tres ocasiones (6.2 %) se rebasó el máximo permisible para 24 h mientras que el promedio anual fue de 140.1 μg/m3 siendo superior al máximo permisible anual. Para el sitio de muestreo Noreste en el cual se muestrearon 55 días, se detectó que ningún día se rebasó el máximo permisible de 24 h, sin embargo el promedio anual fue de 110.9 μg/m3 el cual también rebasa el promedio anual máximo permisible. Respecto al sitio Noroeste se identificó que de los 56 días muestreados, 23 veces (41 %) se rebasó el máximo permisible para 24 h, obteniéndose además un promedio anual de 244.3 μg/m3 el cual fue superior en más del 300 % al máximo permisible anual. Es importante señalar que en septiembre de 2005 se modificó la normatividad en México sobre partículas. Según la NOM-025-SSA1-1993 (SSA 2005), para PST se estableció 210 μg/m3 como máximo permisible promedio de 24 h, definiéndose que un sitio no cumple con la norma cuando el valor correspondiente al percentil 98 de los días válidos muestreados esté por arriba de esa concentración. Bajo esa modificación se confirma que los tres sitios de muestreo no cumplen con la normatividad al rebasarse en más de dos veces ese valor. Anterior a este trabajo, se han reportado para Hermosillo promedios anuales de PST desde 126 hasta 565 μg/m3 (SEMARNAP 1996), por lo que los resultados de este estudio se consideran consistentes para esta ciudad. Como referencias nacionales, se puede señalar que para la Zona Metropolitana del Valle de México entre 1986 y 1998 los porcentajes de días que se rebasó el máximo permisible de PST (24 h) van del 14 a 59%, mientras que para la zona metropolitana del Valle de Toluca de 1996 a 1998 dichos porcentajes van del 19 al 44 % (INE-SEMARNAP 1999), encontrándose este estadístico en rangos parecidos (del 6 al 41 %) para la ciudad de Hermosillo en el período de estudio.
Cuadro1
Con la finalidad de clasificar la calidad del aire respecto de PST para la ciudad de Hermosillo a partir de índices comúnmente utilizados, se realizó un ejercicio del cálculo del Índice Uniforme de Calidad del Aire (USEPA 1992a), esta metodología es utilizada por el Índice Estándar de Contaminantes (Pollutants Standars Index ó PSI) en EUA y por el Índice Metropolitano de Calidad del Aire (IMECA) en México. Para ello, se utilizaron los valores de niveles IMECA y el valor promedio de PST de los días que se rebasó el máximo permisible en el sitio de muestreo Noroeste que fue de 357 μg/m3:
IMECA PST = ((200-100)/(546-260)) x (357 - 260) + 100 = 133.9
Este valor del índice se encuentra en el rango de 101 a 200 el cual, de acuerdo con los puntos de quiebre IMECA (INE-SEMARNAP 1998) se clasifica como una calidad del aire No Satisfactoria.
Que es la calidad del aire
Con el nombre de atmósfera conocemos a la envoltura gaseosa que rodea la tierra, constando de unos 200 Km. de espesor. La atmósfera es un medio continuo a través del cual son transportados y dispersados los contaminantes. Este transporte se realiza gracias al movimiento del aire que se produce a escala planetaria, regional y local.
Concentración Ozono (03)
Ozono (O3)
¿Que es?
El ozono a nivel del suelo ―que no debe confundirse con la capa de ozono en la atmósfera superior― es uno de los principales componentes de la niebla tóxica. Éste se forma por la reacción con la luz solar (fotoquímica) de contaminantes como los óxidos de nitrógeno (NOx) procedentes de las emisiones de vehículos o la industria y los compuestos orgánicos volátiles (COV) emitidos por los vehículos, los disolventes y la industria. Los niveles de ozono más elevados se registran durante los períodos de tiempo soleado.
Efectos sobre la salud
El exceso de ozono en el aire puede producir efectos adversos de consideración en la salud humana. Puede causar problemas respiratorios, provocar asma, reducir la función pulmonar y originar enfermedades pulmonares. Actualmente se trata de uno de los contaminantes atmosféricos que más preocupan en Europa. Diversos estudios europeos han revelado que la mortalidad diaria y mortalidad por cardiopatías aumentan un 0,3% y un 0,4% respectivamente con un aumento de 10 µg/m3 en la concentración de ozono.
¿cuál es la importancia del ozono?
El Ozono juega dos roles importantes dependiendo en qué capa de la atmósfera se encuentra. La atmósfera que envuelve la Tierra cumple funciones esenciales para el mantenimiento de la vida: aloja la capa de ozono que filtra la dañina radiación ultravioleta (UV) proveniente del sol. La radiación UV-B incrementa el nivel del smog superficial, especialmente en las ciudades en donde las emisiones vehiculares y de la industria son la base de las reacciones fotoquímicas. Estas reacciones tienen de por sí un efecto adverso sobre la salud humana y el medio ambiente.
Graficas O3
Tabla Ozono (O3)
Tabla Mensajes (O3)
O3 Enero 2019-2020
#Animacion ggplot Enero 2019
TemaTituloEnero = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
ozE2019 <- ggplot(data = datosOzEne2019) +
ggtitle("Ozono (O3). Hora Enero 2019")+
geom_line(mapping = aes(x = FechaEneOzo, y = Ozono3Ene2019), color = "red" , size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692,720),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30",
"31"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloEnero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ozE2020 <- ggplot(data = datosOzEne2019) +
ggtitle("Ozono (O3). Hora Enero 2020")+
geom_line(mapping = aes(x = FechaEneOzo, y = Ozono3Ene2020), color = "blue", size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692,720),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30",
"31"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloEnero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
p_load(gridExtra)
grid.arrange(ozE2019,ozE2020)
El incremento de contaminantes fue mínimo manteniéndose en un estado bueno la salud según la NOM-020-SSA1-2014 debido a ninguna medida sanitaria y el final de fechas festivas incrementándose a partir de la tercera semana de Enero la cual indica el regreso a clases y labores cotidianos.
O3 Febrero 2019-2020
#Animacion ggplot Febrero 2019
TemaTituloFebrero = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
ozF2019 <- ggplot(data = datosOzFeb2019) +
ggtitle("Ozono (O3). Hora Febrero 2019")+
geom_line(mapping = aes(x = FechaFebOzo, y = Ozono3Feb2019), color = "red" , size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloFebrero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ozF2020 <- ggplot(data = datosOzFeb2019) +
ggtitle("Ozono (O3). Hora Febrero 2020")+
geom_line(mapping = aes(x = FechaFebOzo, y = Ozono3Feb2020), color = "blue", size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloFebrero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
p_load(gridExtra)
grid.arrange(ozF2019,ozF2020)
Febrero al igual que enero los incrementos son mínimos teniendo la calidad de aire como buena para la salud a excepción de la segunda semana por la festividad.
O3 Marzo 2019-2020
#Animacion ggplot Marzo 2019
TemaTituloMarzo = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
ozM2019 <- ggplot(data = datosOzMar2019) +
ggtitle("Ozono (O3). Hora Marzo 2019")+
geom_line(mapping = aes(x = FechaMarOzo, y = Ozono3Mar2019), color = "red" , size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692,720),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30",
"31"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloMarzo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ozM2020 <- ggplot(data = datosOzMar2019) +
ggtitle("Ozono (O3). Hora Marzo 2020")+
geom_line(mapping = aes(x = FechaMarOzo, y = Ozono3Mar2020), color = "blue", size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692,720),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30",
"31"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloMarzo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
p_load(gridExtra)
grid.arrange(ozM2019,ozM2020)
La disminución empieza en la segunda semana de marzo la cual fue el inicio de la noticia de la posible pandemia dando por empezada en la tercera semana de marzo, los cambios no se hacen notar, al contrario, se elevan derivado de las compras de pánico entrando en una lectura de cálida de aire regular permitido por NOM-020-SSA1-2014.
O3 Abril 2019-2020
#Animacion ggplot Abril 2019
TemaTituloAbril = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
ozA2019 <- ggplot(data = datosOzAbr2019) +
ggtitle("Ozono (O3). Hora Abril 2019")+
geom_line(mapping = aes(x = FechaAbrOzo, y = Ozono3Abr2019), color = "red" , size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692,720),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30",
"31"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloAbril) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ozA2020 <- ggplot(data = datosOzAbr2019) +
ggtitle("Ozono (O3). Hora Abril 2020")+
geom_line(mapping = aes(x = FechaAbrOzo, y = Ozono3Abr2020), color = "blue", size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360,384,
408,432,456,480,504,528,552,576,600,624,648,672,692),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16", "17", "18", "19", "20",
"21", "22", "23", "24","25", "26", "27", "28", "29", "30"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloAbril) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
p_load(gridExtra)
grid.arrange(ozA2019,ozA2020)
Es poco notable la reducción de contaminantes en comparación con el año pasado manteniéndose en un estado bueno para la salud todos los días.
O3 Mayo 2019-2020
#Animacion ggplot Mayo 2019
TemaTituloMayo = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
ozMy2019 <- ggplot(data = datosOzMay2019) +
ggtitle("Ozono (O3). Hora Mayo 2019")+
geom_line(mapping = aes(x = FechaMayOzo, y = Ozono3May2019), color = "red" , size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloMayo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ozMy2020 <- ggplot(data = datosOzMay2019) +
ggtitle("Ozono (O3). Hora Mayo 2020")+
geom_line(mapping = aes(x = FechaMayOzo, y = Ozono3May2020), color = "blue", size=0.8)+
scale_y_continuous(breaks=seq(-0.01, 0.1, 0.01)) + #Marcas del -0.4 al 0.9, cada 0.1.
scale_x_continuous(breaks=c(0,24, 48, 72,96,120,144,168,192,216,240,264,288,312,336,360),
labels=c("1", "2", "3", "4","5", "6", "7", "8", "9", "10",
"11", "12", "13", "14","15", "16"))+
geom_hline(yintercept = 0, size=0.5) +
geom_hline(yintercept = 0.051, color="green", size=0.5) +
geom_hline(yintercept = 0.052, color="yellow", size=0.5) +
geom_hline(yintercept = 0.095, color="Orange",size=0.5 ) +
#geom_hline(yintercept = 0.135, color="red",size=0.8 ) +
#geom_hline(yintercept = 0.176, color="purple", size=1) +
ylab('Concentracion (ppm)') + xlab('Dia') +
labs(colour = "Año") +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(face="italic", colour="black", size=rel(1)),
axis.text.y = element_text(face="bold", colour="black", size=rel(1))
) +
theme (plot.title = TemaTituloMayo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
p_load(gridExtra)
grid.arrange(ozMy2019,ozMy2020)
La reducción es mínima en l calidad de aire manteniéndose en un nivel de contaminación bueno para la salud.
Dióxido de azufre (SO2)
Dioxido de azufre (SO2)
¿Que es?
El SO2 es un gas incoloro con un olor penetrante que se genera por la combustión de fósiles (carbón y petróleo) y la fundición de menas que contienen azufre. La principal fuente antropogénica del SO2 es la combustión de fósiles que contienen azufre usados para la calefacción doméstica, la generación de electricidad y los vehículos a motor.
Efectos sobre la salud
SO2 puede afectar al sistema respiratorio y las funciones pulmonares, y causa irritación ocular. La inflamación del sistema respiratorio provoca tos, secreción mucosa y agravamiento del asma y la bronquitis crónica; asimismo, aumenta la propensión de las personas a contraer infecciones del sistema respiratorio. Los ingresos hospitalarios por cardiopatías y la mortalidad aumentan en los días en que los niveles de SO2 son más elevados. En combinación con el agua, el SO2 se convierte en ácido sulfúrico, que es el principal componente de la lluvia ácida que causa la deforestación.
Graficas SO2
Intervalo de dióxido de azufre (SO2) promedio móvil de 24 horas (como aproximación al promedio de 24 horas) (ppm) = 0.008
SO2 Enero 2019-2020
TituloSO2Ene = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gcov <- ggplot(data=datosxSO2Ene) +
ggtitle("Dióxido de azufre (SO2). Febrero 2019 y 2020")+
geom_line(aes(x=FechaEne2019,y=SO2xEne2019, colour = '2019'), size = 1.5) +
geom_line(aes(x=FechaEne2019,y=SO2xEne2020, colour = '2020'), size = 1.5) +
geom_hline(yintercept = 0.008, color="green", size=0.5) +
ylab('Concentración') + xlab('Fecha') +
labs(colour = "Año") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
theme (plot.title = TituloSO2Ene) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ggplotly(gcov)SO2 Febrero 2019-2020
TituloSO2Feb = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gcov <- ggplot(data=datosxSO2Feb) +
ggtitle("Dióxido de azufre (SO2). Febrero 2019 y 2020")+
geom_line(aes(x=FechaFeb2019,y=SO2xFeb2019, colour = '2019'), size = 1.5) +
geom_line(aes(x=FechaFeb2019,y=SO2xFeb2020, colour = '2020'), size = 1.5) +
geom_hline(yintercept = 0.008, color="green", size=0.5) +
ylab('Concentración') + xlab('Fecha') +
labs(colour = "Año") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
theme (plot.title = TituloSO2Feb) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ggplotly(gcov)SO2 Marzo 2019-2020
TituloSO2Mar = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gcov <- ggplot(data=datosxSO2Mar) +
ggtitle("Dióxido de azufre (SO2). Abril 2019 y 2020")+
geom_line(aes(x=FechaMar2019,y=SO2xMar2019, colour = '2019'), size = 1.5) +
geom_line(aes(x=FechaMar2019,y=SO2xMar2020, colour = '2020'), size = 1.5) +
geom_hline(yintercept = 0.008, color="green", size=0.5) +
ylab('Concentración') + xlab('Fecha') +
labs(colour = "Año") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
theme (plot.title = TituloSO2Mar) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ggplotly(gcov)SO2 Abril 2019-2020
TituloSO2Abr = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gcov <- ggplot(data=datosxSO2Abr) +
ggtitle("Dióxido de azufre (SO2). Abril 2019 y 2020")+
geom_line(aes(x=FechaAbr2019,y=SO2xAbr2019, colour = '2019'), size = 1.5) +
geom_line(aes(x=FechaAbr2019,y=SO2xAbr2020, colour = '2020'), size = 1.5) +
geom_hline(yintercept = 0.008, color="green", size=0.5) +
ylab('Concentración') + xlab('Fecha') +
labs(colour = "Año") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
theme (plot.title = TituloSO2Abr) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ggplotly(gcov)SO2 Mayo 2019-2020
TituloSO2May = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gcov <- ggplot(data=datosxSO2May) +
ggtitle("Dióxido de azufre (SO2). Mayo 2019 y 2020")+
geom_line(aes(x=FechaMay2019,y=SO2xMay2019, colour = '2019'), size = 1.5) +
geom_line(aes(x=FechaMay2019,y=SO2xMay2020, colour = '2020'), size = 1.5) +
geom_hline(yintercept = 0.008, color="green", size=0.5) +
ylab('Concentración') + xlab('Fecha') +
labs(colour = "Año") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
theme (plot.title = TituloSO2May) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1)))
ggplotly(gcov)Partículas suspendidas (PM10)
Partículas en suspensión (PM10)
¿Que son?
Las partículas más dañinas para la salud son las de 10 micrómetros de diámetro, o menos (≤ PM10), que pueden penetrar y alojarse en el interior profundo de los pulmones. La exposición crónica a las partículas agrava el riesgo de desarrollar cardiopatías y neumopatías, así como cáncer de pulmón.
Generalmente, las mediciones de la calidad del aire se notifican como concentraciones medias diarias o anuales de partículas PM10 por metro cúbico (m3) de aire. Las mediciones sistemáticas de la calidad del aire describen esas concentraciones de PM expresadas en microgramos (μ)/m3. Cuando se dispone de instrumentos de medición suficientemente sensibles, se notifican también las concentraciones de partículas finas (PM2.5 o más pequeñas).
Efectos sobre la salud
Existe una estrecha relación cuantitativa entre la exposición a altas concentraciones de pequeñas partículas (PM10 y PM2.5) y el aumento de la mortalidad o morbilidad diaria y a largo plazo. A la inversa, cuando las concentraciones de partículas pequeñas y finas son reducidas, la mortalidad conexa también desciende, en el supuesto de que otros factores se mantengan sin cambios. Esto permite a las instancias normativas efectuar proyecciones relativas al mejoramiento de la salud de la población que se podría esperar si se redujera la contaminación del aire con partículas. La contaminación con partículas conlleva efectos sanitarios incluso en muy bajas concentraciones; de hecho, no se ha podido identificar ningún umbral por debajo del cual no se hayan observado daños para la salud.
Graficas PM10
Tabla PM10 (O3)
PM10 Enero 2019-2020
TituloPM10Enero = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPM1OEne2019 <- ggplot(datosEne2019 , aes(x=x, y=y)) +
ggtitle("PM10 Enero 2019 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#F2473F", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TemaTituloEnero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas μg/m3")
# PM10 Enero 2020
gPM1OEne2020 <- ggplot(datosEne2020 , aes(x=x, y=y)) +
ggtitle("PM10 Enero 2020 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#0DA5F3", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TemaTituloEnero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
p_load(gridExtra)
grid.arrange(gPM1OEne2019,gPM1OEne2020)
PM10 Febrero 2019-2020
TituloPM10Febrero = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPM1OFeb2019 <- ggplot(datosFeb2019 , aes(x=x, y=y)) +
ggtitle("PM10 Febrero 2019 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#F2473F", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Febrero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
# PM10 Febrero 2020
gPM1OFeb2020 <- ggplot(datosFeb2020 , aes(x=x, y=y)) +
ggtitle("PM10 Febrero 2020 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#0DA5F3", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Febrero) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
p_load(gridExtra)
grid.arrange(gPM1OFeb2019,gPM1OFeb2020)
PM10 Marzo 2019-2020
TituloPM10Marzo = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPM1OMar2019 <- ggplot(datosMar2019 , aes(x=x, y=y)) +
ggtitle("PM10 Marzo 2019 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#F2473F", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Marzo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
# PM10 Marzo 2020
gPM1OMar2020 <- ggplot(datosMar2020 , aes(x=x, y=y)) +
ggtitle("PM10 Marzo 2020 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#0DA5F3", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Marzo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
p_load(gridExtra)
grid.arrange(gPM1OMar2019,gPM1OMar2020)
PM10 Abril 2019-2020
TituloPM10Abril = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPM1OAbr2019 <- ggplot(datosAbr2019 , aes(x=x, y=y)) +
ggtitle("PM10 Abril 2019 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#F2473F", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Abril) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
# PM10 Abril 2020
gPM1OAbr2020 <- ggplot(datosAbr2020 , aes(x=x, y=y)) +
ggtitle("PM10 Abril 2020 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#0DA5F3", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Abril) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
p_load(gridExtra)
grid.arrange(gPM1OAbr2019,gPM1OAbr2020)
PM10 Mayo 2019-2020
TituloPM10Mayo = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPM1OMay2019 <- ggplot(datosMay2019 , aes(x=x, y=y)) +
ggtitle("PM10 Mayo 2019 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#F2473F", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Mayo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
# PM10 Mayo 2020
gPM1OMay2020 <- ggplot(datosMay2020 , aes(x=x, y=y)) +
ggtitle("PM10 Mayo 2020 - 24 Horas") +
geom_hline(yintercept = 0) +
geom_hline(yintercept = 75, color="red") +
geom_segment( aes(x=x, xend=x, y=0, yend=y), color="grey") +
scale_x_date(date_breaks = "1 day", date_labels = "%d")+
scale_y_continuous(limits = c(0, 100)) +
geom_point( color="#0DA5F3", size=3) +
theme_minimal() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank()
) +
theme (plot.title = TituloPM10Mayo) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
xlab("Dia") +
ylab("Particulas (μg/m3)")
p_load(gridExtra)
grid.arrange(gPM1OMay2019,gPM1OMay2020)
Comparación O3,SO2 Y PM10 Enero-Mayo 2019-2020
# Particulas en el aire O3
gO32019 <- ggplot(data = DatosMes2019) +
geom_point(aes(Meses, o3Mes2019),color="red" ,size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(0, 40)) +
labs(colour = "Particula") +
xlab('Mes')+
ylab('Media')+
ggtitle("Particulas O3 - 2019")
gO32020 <- ggplot(data = DatosMes2020) +
geom_point(aes(Meses, o3Mes2020),color="red" ,size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(0, 40)) +
labs(colour = "Particula") +
xlab('Mes')+
ylab('Media')+
ggtitle("Particulas O3 - 2020")
############################################################################
# Particulas en el aire SO2
gSO22019 <- ggplot(data = DatosMes2019) +
geom_point(aes(Meses, SO2Mes2019),color="blue" ,size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(-0.20, 0.8)) +
labs(colour = "Particula") +
xlab('Mes')+
ylab('Media')+
ggtitle("Particulas SO2 - 2019")
gSO22020 <- ggplot(data = DatosMes2020) +
geom_point(aes(Meses, SO2Mes2020),color="blue" ,size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(-0.20, 0.8)) +
labs(colour = "Particula") +
xlab('Mes')+
ylab('Media')+
ggtitle("Particulas SO2 - 2020")
############################################################################
# Particulas en el aire PM10
gPM102019 <- ggplot(data = DatosMes2019) +
geom_point(aes(Meses, PM10Mes2019),color="darkgreen",size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(0, 50)) +
xlab('Mes')+
ylab('Media')+
ggtitle("Particulas PM10 - 2019")
gPM102020 <- ggplot(data = DatosMes2020) +
geom_point(aes(Meses, PM10Mes2020),color="darkgreen" ,size= 3) +
geom_hline(yintercept = 0) +
scale_y_continuous(limits = c(0, 50)) +
labs(colour = "Particula") +
xlab('Dia')+
ylab('Media')+
ggtitle("Particulas PM10 - 2020")
p_load(gridExtra)
grid.arrange(gO32019,gO32020,gSO22019,gSO22020,gPM102019,gPM102020)
Graficas Mobily Reports 2020
gMR1 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_VR), size=1, colour="orange") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Ventas al por menor y recreacion")
gMR2 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_F), size=1, colour="darkgreen") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Farmacias")
gMR3 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_P), size=1, colour="purple") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Parques")
gMR4 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_ET), size=1, colour="brown") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Estaciones de tránsito")
gMR5 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_AT), size=1, colour="red") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Espacios de trabajo")
gMR6 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_H), size=1, colour="blue") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("Hogares")
p_load(gridExtra)
grid.arrange(gMR1,gMR2,gMR3,gMR4,gMR5,gMR6)
Particulas en el aire/ Personas en casa Febrero-Mayo 2020
Titul = element_text(family="Arial",
size=rel(1.5), #Tamaño relativo de la letra del título
vjust=2, #Justificación vertical, para separarlo del gráfico
face="bold", #Letra negrilla. Otras posibilidades "plain", "italic", "bold" y "bold.italic"
color="black", #Color del texto
lineheight=1.5) #Separación entre líneas
gPrueb <- ggplot(data=datosContFechaFebMayo2020) +
ggtitle("Particulas en el aire/Personas en casa. Feb-May 2020")+
geom_line(aes(x=FechaFebMayo2020,y=datosContFechaFebMayo2020$O3, colour = 'O3'), size = 0.5) +
geom_line(aes(x=FechaFebMayo2020,y=datosContFechaFebMayo2020$SO2, colour = 'SO2'), size = 0.5) +
geom_line(aes(x=FechaFebMayo2020,y=datosContFechaFebMayo2020$PM10, colour = 'PM10'), size = 0.5) +
geom_line(aes(x=FechaFebMayo2020,y=Residential_Percentage, colour = 'Porcentaje de personas en casa'), size = 1) +
ylab('Cantidad') + xlab('Fecha') +
#geom_hline(yintercept = 0, size = 0.05) +
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Particula/Personas en casa") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")+
theme (plot.title = Titul) +
theme (axis.title = element_text(face="bold", colour="darkgreen", size=rel(1))) +
transition_reveal(FechaEne)
ggplotly(gPrueb)Tablas
Contaminantes Febrero-Mayo 2020
Datos Mobility Reports
Conclusiones
Después de analizar los datos nos dimos cuenta del impacto que ha tenido esta cuarentena sobre calidad del aire, con tan solo con un pequeño porcentaje de 20% aproximado de personas quedándose en sus casas y dejando a un lado esas actividades que generan gran cantidad de contaminantes la calidad del aire está teniendo un impacto positivo puesto que partículas como el O3, SO2 y PM10 se han visto disminuidas durante este periodo de lo que va del año 2020 en comparación con el pasado año 2019.
La información fue representada en gráficas y tablas utilizando datos abiertos para comparar el año pasado con el presente. Los niveles específicamente de SO2 y de PM10 se han reducido de manera drástica solo con la cooperación de un 20% de la comunidad que ha seguido las medidas de higiene y cuarentena lo que beneficia al ser humano previniendo enfermedades respiratorias, lluvias acidas, daños colaterales en la agricultura entre otros problemas resueltos, también exponer el beneficio de reducir el O3 en la troposfera y aumentarla en la capa terrestre, sin embargo los días festivos se vieron afectados de manera preocupante por las razones obvias, por lo cual que este proyecto al ser expuesto podamos hacer conciencia de los beneficios que porta la reducción de salidas innecesarias, uso de medios de transporte no combustibles y alternativas ecológicas.
Referencias
Dr. Enrique Luis Graue Wiechers. (2014). Red Universitaria de Observatorios Atmosféricos de la Universidad Nacional Autónoma de México. 21/05/2020, de UNAM Sitio web: https://www.ruoa.unam.mx/index.php?page=estaciones&id=6
COVID-19 Community Mobility Report. (2020). Mobility changes. 9/5/2020, de Google Sitio web: https://www.gstatic.com/covid19/mobility/2020-05-09_MX_Mobility_Report_en.pdf
Comisión Federal para la Protección contra Riesgos Sanitarios. (2017). Efectos a la salud por la contaminación del aire ambiente. 21 de mayo de 2020, de Cofepris Sitio web: https://www.gob.mx/cofepris/acciones-y-programas/3-efectos-a-la-salud-por-la-contaminacion-del-aire-ambiente
Secretaría de Medio Ambiente y Recursos Naturales. (2018). ¿Qué es y cuál es la importancia del ozono?. 21 de mayo de 2020, de Semarnat Sitio web: https://www.gob.mx/semarnat/articulos/que-es-y-cual-es-la-importancia-del-ozono