Calidad de aire en Hermosillo y movilidad
INTRODUCCIÓN
El NO2 es un gas tóxico, de color amarillento, que impulsa la creación de ácidos. Este es el principal contaminante entre los diversos óxidos de nitrógeno que se pueden encontrar, y su generación puede encontrarse en la naturaleza, como en la actividad volcánica, en la quema de maderas y biomasa, o en los incendios forestales. Y todo esto nos afecta a nosotros de una manera tanto directa como indirectamente, ya que la propagacion del NO2 en el aire es bastante dañino y una de las causas de que el aire este a si de contaminado como en la actualida.
Cabe recordar que el respirar el aire limpio ayuda a estimular nuestro sistema inmunológico, reduciendo la posibilidad de padecer trastornos alérgicos, afecciones respiratorias y asma. De igual manera se consigue eliminar un gran número de toxinas acumuladas, y células muertas, diariamente en nuestro organismo. Existe una cantidad inmensa de beneificios si respiramos aire limpio y bastantes riesgos en respirar aire contaminado. Y durante los ultimos años la contaminacion del aire fue bastante grande por lo que se sabe que las actividades humanas tienen un efecto negativo sobre el ambiente por esta razon es que en la actualidad nos preguntamos…
¿Cómo varió la calidad del aire en Hermosillo durante los primeros días de la cuarentena por COVID-19? ¿Mejoró la calidad del aire? ¿Por qué mejoró la calidad del aire? ¿Qué es y que produce el NO2?
Por esta razon decidimos investigar en el área de Hermosillo y la movilidad urbana para saber qué partes de este está el aire contaminado, como este afecta a los humanos y que tanto está contaminado.
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.
MÉTODO
La red universitaria de observatorios atmosfericos (RUAO) con datos de ERNO tiene publicada información sobre la calidad del aire en Hermosillo, Sonora. Los que se muestran en la tabla y gráfica siguientes:
Marzo: Año 2019
datatable(M19)Marzo: Año 2020
datatable(M20)Proponemos dar un contexto donde se ve como la calidad del aire fue afectada por la movilidad en el estado de Sonora durante la pandemia… Los datos de movilidad se muestran a continuación:
Marzo: Movilidad en Sonora
datatable(MovilidadSonora)Veamos la cantidad de Ozono en el aire durante el mes de Marzo en el año 2019…
gO319 <- ggplot(data = M19)+
ggtitle("Ozono en el aire en 2019")+
geom_line(aes(x= Fecha,y= O3))+
ylab("O3 ppb")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank())+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gO319)En la siguiente veremos la misma informaciÓn pero en un diagrama de dispersion.
ggplot(data = M19, aes(x = Fecha, y = O3)) +
geom_point(colour = "purple") +
ylab("O3 ppb")+xlab("Fecha")+
labs(title = "Ozono en el aire:",
subtitle = "Marzo 2019")+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b") 
Veamos la cantidad de Ozono en el aire durante el mes de Marzo en el año 2020…
gO320 <- ggplot(data = M20)+
ggtitle("Ozono en el aire en 2020")+
geom_line(aes(x= Fecha,y= O3))+
ylab("O3 ppb")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank())+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gO320)En la siguiente veremos la misma informacion pero en un diagrama de dispersión.
ggplot(data = M20, aes(x = Fecha, y = O3)) +
geom_point(colour = "purple") +
ylab("O3 ppb")+xlab("Fecha")+
labs(title = "Ozono en el aire:",
subtitle = "Marzo 2020")+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b") 
Veamos la cantidad de NO2 en el aire durante el mes de Marzo en el año 2020…
gNO2 <- ggplot(data = NO2)+
ggtitle("DiÓxido de nitrÓgeno en el aire en 2020")+
geom_line(aes(x= fecha,y= NO2))+
ylab("NO2 ppb")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank())+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gNO2)En la siguiente veremos la misma información pero en un diagrama de dispersión.
ggplot(data = NO2, aes(x = fecha, y = NO2)) +
geom_point(colour = "purple") +
ylab("NO2 ppb")+xlab("Fecha")+
labs(title = "Dioxido de nitrogeno en el aire:",
subtitle = "Marzo 2020")+
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b") 
Una vez vistos los dos años por separado, haremos una comparacion entro los mismos para ver que tan diferentes son entre ellos…
MarzoO3 <- data.frame(M19$Fecha,M19$O3,M20$O3)
gcov <- ggplot(data = MarzoO3)+
ggtitle("Ozono en el aire")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
ylab("Contaminantes en el aire")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Año") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gcov)Ahora veamos la informacion graficada sobre la movilidad en el estado de Sonora:
#Recreacion
gMR1 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=retail_and_recreation_percent_change_from_baseline), size=1, colour="red") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("a) Recreación") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
#Supermercados y farmacias
gMR2 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=grocery_and_pharmacy_percent_change_from_baseline), size=1, colour="orange") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("b) Farmacias") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
#Parques
gMR3 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=parks_percent_change_from_baseline), size=1, colour="yellow") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("c) Parques") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
#Transito: estaciones
gMR4 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=transit_stations_percent_change_from_baseline), size=1, colour="green") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("d) Estaciones de tránsito") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
#Trabajo
gMR5 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=workplaces_percent_change_from_baseline), size=1, colour="blue") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("e) Espacios de trabajo") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
#Residencial
gMR6 <- ggplot(data=MovilidadSonora) +
geom_line(aes(x=fecha, y=residential_percent_change_from_baseline), size=1, colour="purple") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("f) Hogares") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
grid.arrange(gMR1,gMR2,gMR3,gMR4,gMR5,gMR6)
Ahora veamos una gráfica de cada una con los datos de O3…
Recreacion
MarzoRecreacion <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$retail_and_recreation_percent_change_from_baseline)
gRecreacion <- ggplot(data = MarzoRecreacion)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$retail_and_recreation_percent_change_from_baseline,colour = 'Recreacion'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gRecreacion)Farmacias
MarzoFarmacias <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$grocery_and_pharmacy_percent_change_from_baseline)
gFarmacias <- ggplot(data = MarzoFarmacias)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$grocery_and_pharmacy_percent_change_from_baseline,colour = 'Farmacias'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gFarmacias)Parques
MarzoParques <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$parks_percent_change_from_baseline)
gParques <- ggplot(data = MarzoParques)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$parks_percent_change_from_baseline,colour = 'Parques'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gParques)Estaciones de transito
MarzoTransito <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$transit_stations_percent_change_from_baseline)
gTransito <- ggplot(data = MarzoTransito)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$transit_stations_percent_change_from_baseline,colour = 'Transito'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gTransito)Espacios de trabajo
MarzoTrabajo <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$workplaces_percent_change_from_baseline)
gTrabajo <- ggplot(data = MarzoTransito)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$workplaces_percent_change_from_baseline,colour = 'Trabajo'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gTrabajo)Hogares
MarzoHogares <- data.frame(M19$Fecha,M19$O3,M20$O3,MovilidadSonora$residential_percent_change_from_baseline)
gTrabajo <- ggplot(data = MarzoTransito)+
ggtitle("Ozono en el aire / Movilidad")+
geom_line(aes(x=M19$Fecha,y=M19$O3,colour = 'O3 año 2019'))+
geom_line(aes(x=M19$Fecha,y=M20$O3,colour = 'O3 año 2020'))+
geom_line(aes(x=M19$Fecha,y=MovilidadSonora$residential_percent_change_from_baseline,colour = 'Hogares'))+
ylab("Cantidad")+xlab("Fecha")+
theme_bw()+
theme(
panel.grid.major.x = element_blank(),
axis.ticks.x = element_blank()
) +
labs(colour = "Componentes") +
scale_x_date(date_breaks = "2 week ", date_labels = "%d %b")
ggplotly(gTrabajo)Decomposición de una serie
En este caso se plantea un análisis de serie de tiempo de la variación de los datos del mes de Marzo en 2020.
plot(M20)
El comando “ts” se usa para definir este objeto como una serie de tiempo.
Marzo.ts <- ts(M20$O3, start= c(1,1), end = c(1,31), frequency = 5)Ahora veamos la representación tabular de la serie de tiempo…
print(Marzo.ts)## Time Series:
## Start = c(1, 1)
## End = c(7, 1)
## Frequency = 5
## [1] 36.6600 41.8300 40.0830 47.8750 46.1667 44.7083 36.9167 47.7083 51.2500
## [10] 48.1379 53.1250 58.7083 40.9167 55.0417 49.3750 43.1250 47.7917 40.7917
## [19] 51.3750 43.5833 49.5000 49.5417 46.8750 44.7083 40.1250 46.6667 44.2500
## [28] 52.5000 43.7083 39.7083 49.1583Ahora grafiquemos esta serie de tiempo
plot(Marzo.ts)
Ahora, comparemos la cantidad de O3 para cada dia
boxplot(Marzo.ts ~ cycle(Marzo.ts))
El comando cycle determina la unidad de tiempo en que pertenece cada observación de la serie.
cycle(Marzo.ts)## Time Series:
## Start = c(1, 1)
## End = c(7, 1)
## Frequency = 5
## [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1Es frecuente analizar las series temporales desde el punto de vista de sus componentes estructurales:
Serie observada = Tendencia + Efecto estacional + Residuos.
En este modelo, la serie observada es el resultado de sumar una tendencia que representa el comportamiento a largo plazo de la serie, un efecto estacional que describe sus fluctuaciones periódicas y un componente residual que describe las variaciones a corto plazo, normalmente impredecibles.
Con R es muy sencillo obtener una descomposición estructural de este tipo. Se usa el comando decompose:
M.ts.desc <- decompose(Marzo.ts)
plot(M.ts.desc, xlab="Dia")
RESULTADOS Y DISCUSIÓN
¿Qué es la calidad del aire?
calidad del aire como la concentración de contaminante que llega a un receptor, más o menos lejano de la fuente de emisión, una vez transportado y difundido por la atmósfera.
La capacidad de la atmósfera para diluir las concentraciones de contaminantes es fundamental para preservar una buena calidad del aire, y esto va a venir marcado principalmente por las condiciones meteorológicas. Así, en una atmósfera estable, se propiciará la acumulación de contaminantes y se facilitará la formación de contaminantes secundarios, mientras que en una atmósfera inestable, la difusión de los contaminantes será más eficaz debido a las turbulencias.
La variación de la temperatura con la altura es un elemento clave en el fenómeno de dispersión atmosférica y en el ascenso del penacho de las chimeneas de las instalaciones industriales: cuando un volumen de aire se encuentra a mayor temperatura que el aire que le rodea tiende a ascender, dada su menor densidad, y a expandirse, dado que en su ascenso encuentra capas de aire de menor presión, disminuyendo la concentración de los contaminantes que arrastra en su seno.
¿Cómo varió la calidad del aire en Hermosillo durante los primeros días de la cuarentena por COVID-19?
La calidad del aire en la capital han registrado la reducción en los valores de contaminación de manera general en toda la ciudad, contando con cuatro estaciones en diferentes sectores de la ciudad.
El periodo del 4 de marzo al 15 de abril, el valor promedio de emisiones fue de 24.3 PM10, donde el valor máximo fue de 33.7 y el mínimo de 15.6, mientras que durante ese mismo periodo pero de 2019, el promedio fue de 32.9, lo cual determina la reducción importante en emisiones.
¿Mejoró la calidad del aire?
Con la contingencia sanitaria, la disminución de varias actividades, como la circulación vehicular y las industrias no esenciales, han contribuido a mejorar la calidad del aire en la capital sonorense, con más de un 20% en reducción de agentes contaminantes, informó la dirección del Instituto Municipal de Ecología.
¿Por qué mejoró la calidad del aire?
La calidad del aire mejoro en ya que por la contigencia se disminuyeron las actividades humanas, como el uso de vehiculos, las fabricas cerraron, entre muchas cosas mas que dañaban al aire, por ese motivo fue que mejoro en una par de cifras las calidad del aire
¿Qué es y que produce el NO2?
El dióxido de nitrógeno es un gas corrosivo y oxidante de color rojiso-marrón con un olor penetrante e irritante. El dióxido de nitrógeno se produce cuando el oxígeno (O2) y el nitrógeno (N2) presentes en el aire se combinan químicamente, algo que no ocurre a temperaturas normales, pero si en otras condiciones, como en las altas temperaturas generadas por tormentas de rayos a altitudes elevadas.
Efectos a la salud
Los efectos de dióxido de nitrógeno se extienden también a los efectos de los productos resultantes de su presencia en la atmósfera. El dióxido de nitrógeno puede irrital los pulmones y disminuir la resistencia a enfermedades infecciosas. Los idividuos con enfermedades como asma y bronquitis son especialmente sensibles a los efectos del dióxido de nitrógeno.
CONCLUSIÓN
La ciudad de Hermosillo es una de las más contaminadas por gaes de efecto invernadero como lo son el Co2, No2, o3, entre otros del estado se Sonora, debido a las diferentes actividades como la industria, transporte, etc.
Gracias al diagrama de “Caja y bigotes” pudimos observar como en la segunda semana de marzo existieron los valores más bajos y altos con respecto a la media (atípicos), esto quiere decir que hubo una variación mayor entre las concentraciones de O3 en esos días, mientras en la semana 4 se obtuvo una mediana mayor, por lo que en esa semana se tuvieron los valores más altos de concentración de O3 en Hermosillo.
En la gráficas se pudo apreciar como durante el confinamiento debido a la pandemia de COVID-19 hubo un decrecimiento de estas cifras de contaminantes mayormente por la disminución de movilidad de la población hacia lugares recreativos, trabajo, farmacia, tiendas y otros lugares, pues la mayoría permaneció en casa y las actividades no escenciales fueron detenidas. Por lo que se concluye que para marzo del 2020 cuando empezo la contingencia, la calidad del aire sí mejoró, el nivel de O3 disminuyo, sin embargo no se encontraron datos para comparar el año anterior (2019) para analizar el nivel de NO2, sin embargo se puede asumir que también pudo verse considerablemente disminuido al igual que otros contaminantes.
REFERENCIAS
Cemqac.mx. (2017). Dióxido de nitrógeno. Recuperado de http://www.cemcaq.mx/contaminacion/bioxido-de-nitrogeno-no2#:~:text=El%20di%C3%B3xido%20de%20nitr%C3%B3geno%20(NO,un%20olor%20penetrante%20e%20irritante.&text=Otra%20condici%C3%B3n%20en%20la%20que,de%20motores%20de%20combusti%C3%B3n%20interna.
Red Universitaria de Observatorios Atmosféricos de la Universidad Nacional Autónoma de México. Calidad del aire. Recuperado de https://ruoa.unam.mx/index.php?page=estaciones&id=6
Informes de movilidad loca. (03/042021) Recuperado de https://www.google.com/covid19/mobility/