SciELO - Scientific Electronic Library Online

 
vol.30 issue30Synchronization of map modeled neurons and characterized by periodicitiesLong-range efective interactions in a lattice in the semclassical approximation author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Boliviana de Física

On-line version ISSN 1562-3823

Revista Boliviana de Física vol.30 no.30 La Paz Nov. 2017

 

ARTÍCULOS

 

Medición y análisis del aerosol de carbono negro en el observatorio de Huancayo, Peru

 

Measurement and analysis of black carbon aerosols at observatory of Huancayo, Peru

 

 

Luis Suarez1,, Christian Torres1,2, Detlev Helmig3, & Jacques Hueber4
1 Observatorio de Huancayo, Instituto Geofísico del Peru, Perú
2 Escuela Profesional de Ingeniería Ambiental, Universidad Alas Peruanas - Filial Huancayo, Peru
3National Center for Atmospheric Research, University Corporation for Atmospheric Research, EE.UU. &
4Institute of Arctic and Alpine Research, University of Colorado, Boulder, EE.UU.

lsuarez@igp.gob.pe
Recibido 10 de junio de 2017; aceptado 14 de octubre de 2017

 

 


Resumen

El carbono negro (CN) es una fraccion de los aerosoles atmosféricos que afecta principalmente al clima y la salud. Este estudio muestra por primera vez los resultados de las mediciones de CN en los aerosoles atmosfericos colectados en el Observatorio de Huancayo (OHY) desde junio a diciembre del 2015. Tambien se realizó una evaluación para identificar las principales areas desde donde los niveles altos de contaminación del aire podrían ser transportados al OHY. La concentracion de CN fue registrado con un etalómetro obteniéndose un promedio de 0.81 ±0.22 μg/m3. Ademas, basado en el algoritmo de Sandradewi, se estimó que el 41.27 % del CN se relacionan con las fuentes de quemas de biomasa. Haciendo uso de diagramas polares de dos variables de la librería OpenAir del software estadístico R, fue posible identificar altas concentraciones de CN provenientes de diferentes direcciones, siendo mas dominante las provenientes del sector este con vientos que llegan hasta los 4 m/s. En esta direccion se ubican importantes poblaciones urbanas de la región: Huancayo (501 384 habs.), Sicaya (57 324 habs.) al noreste, y Chupaca (53 263 habs.) al sureste. Tambien se observó que altas concentraciones estan asociadas a vientos fuertes que van de 5 a 7 m/s y también provienen del sector este. Las quemas de biomasa en la cuenca del Amazonas de (Brasil, Bolivia y Peru) y el transporte transfronterizo de los contaminantes atmosféricos explicarían estas observaciones.

Codigo(s) PACS: 92.20.Bk — 92.40.Cy — 92.60.Sz

Descriptores: Aerosoles — modelaje — cambio climatico


Abstract

Black carbon (BC) is a fraction of atmospheric aerosols that primarily affects climate and health. This study shows for the first time the results of BC measurements in atmospheric aerosols collected at the Huancayo Observatory (OHY), Peru; from June to December 2015. Additionally, an evaluation was carried out to identify the main regions from where the high air pollution was transported to OHY. BC concentration was registered with an aethalometer with a mean of 0.81 ±0.22 μg/m3. Also, based on the algorithm of Sandradewi, it is estimated that 41.27 % of BC was related to biomass burning sources. Using bivariate polar plots from the openair library of R statistical software it was possible to identify, high concentrations of BC coming from all directions, with the most dominant direction being easterly with wind velocities of up to 4 m/s. Within this direction are important populated urban locations: Huancayo (501 384 inh.), Sicaya (57 324 inh.) to the northeast, and Chupaca (53 263 inh.) to the southeast. It was also noted that high concentrations of BC are associated with strong winds ranging from 5 a 7 ms-1 and also winds with an easterly direction. Biomass burning in the Amazon Basin (Brazil, Bolivia and Peru) and the trans boundary transport of air pollutants could explain these observations.

Subject headings: Aerosols — modeling — climate change.


 

 

1. INTRODUCCIÓN                               

 El carbono negro (CN) es un compuesto carbonaceo, formado en la combustión incompleta de los combustibles fosiles, tiene propiedades físicas

                                   

unicas, absorbe fuertemente luz visible especialmente a 880 nm, es refractario con una temperatura de vaporizacion cerca de 4000 K, es insoluble en agua y disolventes organicos y en la atmósfera se encuentra en forma de agregados (Bond et al., 2013). Dentro de los compuestos carbonaceos se puede distinguir tambien al carbono marón (CMa), formado en la quema de biomasa, absorbe luz visible a 370 nm y tambien dispersa, el conocimiento de sus propiedades físicas y microfısicas aún son limitadas (Chen et al., 2016).

El CN puede afectar principalmente al clima de dos maneras: Por un lado, al estar suspendido en la atmosfera produce un forzamiento radiativo positivo debido a que absorbe fuertemente la radiacion visible haciendo que la atmosfera se caliente. Bond et al., (2013) han evaluado el forzamiento radiativo directo del CN, llegando a estimar 0.71 W/m2 con un nivel de incertidumbre del 90 %.

De otro lado, al depositarse en la nieve y en el hielo por vía seca o humeda, reduce el albedo ocasionando mayor calentamiento y por ello mayor fusion. En un estudio realizado por Jacobi et al., (2015) en los glaciares del Himalaya estimaron mediante modelos que la deposicion de CN puede reducir el albedo en 2.70 % y 6.00 % en presencia de 100 y 300 ng — CN/g1 —H2O. Tambien en otro estudio realizado por Yasunari et al., (2010) en la misma region, estimaron mediante modelos que la reduccion del albedo en 2.00 % y 5.20 % siendo esto continuo para todo el ano, darían lugar a un aumento de la escorrentía entre 70 - 204 mm de agua.

En la salud el CN tendría potencialmente serios efectos respiratorios luego de la inhalacion a largo plazo debido a su pequeno tamaño (con diámetros del orden de nanometros), las partículas de CN pueden llegar a la region alveolar, llevando consigo especies químicas toxicas depositadas sobre su superficie porosa (Janssen et al., 2012). Tambien, estos tienden a acumularse en los organismos, la limitada evidencia de reaccion en humanos y animales sugieren que los efectos pulmonares son significativos e irreversibles, estos pueden ocurrir con exposiciones a altas concentraciones por vía aerea (10-100 μg/m3), segun CCOHS (2006).

Debido a su importancia tanto en el clima como en la salud, en este estudio se muestran las primeras mediciones de CN realizadas en el Observatorio de Huancayo desde junio hasta diciembre del 2015, ademas se identificaron las principales zonas de donde proviene este compuesto.

 

2. MATERIALES Y METODOS

2.1. Sitio de monitoreo

El Laboratorio de Microfísica Atmosferica y Radiacion (LAMAR) se ha instalado el 2015 en el Observatorio de Huancayo (OHY), esta ubicado a una latitud de 12° 02' 18" Sur, longitud 75° 19' 22" Oeste y altitud de 3 330.0 msnm. Donde, se vienen realizando mediciones de las propiedades físicas y microfísicas de la atmosfera, dentro de ellas se encuentran los aerosoles atmosfericos, teniendo especial interés por el CN La figura 1 muestra la ubicacion del OHY respecto a las poblaciones asentadas a su alrededor, entre las principales las principales poblaciones urbanas se encuentran Huancayo (HYO), Chupaca (CCA), Sicaya (CYA). Cabe indicar tambien que en las areas colindantes al OHY se practica la agricultura intensivamente.

2.2. Climatología del sitio

La temperatura media del aire presenta valores mas bajos en julio y los máximos en noviembre, del mismo modo las precipitaciones tienen gran variabilidad estacional, estando enmarcados por una estacion seca entre mayo y agosto, y una estación lluviosa entre septiembre y abril. Cerca del 86 % de la precipitacion anual ocurre de septiembre a abril. Casi la mitad de la precipitacion anual 49 % se concentra en los meses de enero a marzo, considerandolo como el pico de la estacion lluviosa (Silva et al., 2010), ambos parametros se pueden observar en la figura 2.

2.3. Etalómetro

Mediciones en tiempo real y continuo de CN se llevaron a cabo con un etalometro (aethalometer) modelo AE33 fabricado por Magge Scientific de Eslovenia. El etalometro utiliza una técnica de transmisión optica, mide las pérdidas de señales en 7 longitudes de onda (370, 470, 520, 590, 660, 880 y 950 nm) debido a la absorcion de las partículas cargadas en un filtro. El instrumento aspira el aire a traves de un tubo montado verticalmente, a una altura de 2 metros del nivel del techo, y de unos 5 metros del nivel del suelo. Esta ubicacion fue definida como un lugar sin interferencias cercanas y no tener influencia directa del polvo del suelo ni del techo. En la entrada de la toma de muestra se coloco un ciclón de 2.5 /μm para evitar partículas gruesas. Las partículas en el flujo de aire entrante se depositan en el filtro de politetrafluoroetileno (PTFE), que opera continuamente a un flujo de 5 litros por minuto (LMP) y las mediciones se registran para una solucion de tiempo de 1 minuto de duracion a condiciones estándar (1013.25 hPa y 25øC), durante todo el día. Mas detalles del instrumento y su funcionamiento se discuten en Drinovec et al., (2015).

La concentracion de CN se calcula a partir del cambio de atenuación óptica (ATN) a 880 nm en cualquier intervalo de tiempo seleccionado, con una seccion trasversal de absorción de masa (σ') de 7,77 m2/g1. A esta longitud de onda, otros aerosoles (carbonaceos o minerales) absorben significativamente menos y la absorcion se puede atribuir solo al CN (Fialho at al., 2005; Sandradewi et al., 2008a; Sandradewi et al., 2008b). Para calcular la ATN en el filtro cargado de partículas, se emplea la ecuacion (1).

donde I es la intensidad de senal que ha interactuado con el filtro cargado de partículas e I0 es la intensidad de senal que ha interactuado con el filtro sin partıculas. 100 es el factor por conveniencia (Gundel et al., 1984).

Muchos trabajos estaban orientados a corregir el efecto de carga en el filtro, para compensar las subestimaciones con respecto a otros aerosoles presentes en la muestra que tienen la capacidad de dispersar la energía en la misma longitud de onda y tambien al momento de avance del filtro, trabajos como Weingartner et al., (2003); Virkkula et al., (2007); Rizzo et al., (2011). El nuevo modelo AE33 ha implementado una nueva forma para la corregir el efecto de carga en el filtro en tiempo real, se trata de la nueva tecnología "dual-spot", el cual hace que la misma muestra pase por dos puntos a diferentes flujos, esto se puede observar el esquema báasico representado en la figura 3, y en base a ello se construyan las ecuaciones empíricas siguientes (2) y (3).

donde B1 y B2 son velocidades de cambio del filtro, k es el parametro del efecto de carga, ATN1 y ATN2 son las atenuaciones determinadas por la ecuacion 1. Resolviendo las ecuaciones (2) y (3) por algun metodo numérico se calcula k, siendo este auto adaptable para cada situacion de muestreo.

Para identificar las fuentes de emision de combustion incompleta (ci) y quema de biomasa (qb), se recurrio al algoritmo de Sandradewi et al., (2008a) el cual plantea, que identificar estas fuentes es posible debido a su dependencia espectral. Basado en sus resultados plantea las siguientes ecuaciones (4) (5) (6).

donde babs es el coeficiente de absorción, aci y aqb son los exponentes de absorcion de combustión incompleta y quema de biomasa. Este algoritmo esta implementado en el etalometro modelo AE33, donde se registra, medidas de porcentaje y saber cuanto es el aporte por quema de biomasa (%qB) en la concentracion del CN.

2.4. Anemómetro ultrasónico

Mediciones continuas de velocidad y direccion de viento se llevaron a cabo con un anemometro ultrasonico modelo 81000 fabricado por Young de Estados Unidos. Este anemometro opera en modo de impulsos acusticos, mide las tres componentes ortogonales (ux, uy,uz) del viento y la velocidad del sonido (C) a una frecuencia maxima de 32Hz.

2.5. Modelo de dispersión

Para identificar las zonas de donde proviene el CN al OHY. Se utilizo un modelo de dispersión que representa diagramas polares de dos variables, el cual consiste en mostrar la evolucion de algún contaminante con respecto a la distribucion de la velocidad y direccion del viento. Para determinar las componentes bivariantes del viento (u) y (v) se emplea la ecuacion (7).

donde es la velocidad media del viento y θ es la direccion media del viento por hora. Para evaluar la evolucion de algún contaminante con respecto a la interaccion con la velocidad y dirección del viento se emplea la ecuacion (8).

donde Ci es la concentracion del contamínate y ei es un residual. Aplicando un modelo aditivo generalizado se encuentran las frecuencias para las mediciones realizadas.

Para nuestro estudio se empleo la librería Openair desarrollado por Carslaw et al., (2006) en software estadístico R y dentro de esta se encuentra la funcion polarplot el cual contiene todas las ecuaciones mencionadas para identificar las zonas de donde provienen los contaminantes.

2.6. Procesamiento de datos

Para el procesamiento de los datos de CN adquiridos con el etalometro se siguió el procedimiento establecido por Rizzo et al., (2011), donde plantea tres niveles. En este estudio se realizo solo el nivel 1, donde se reviso el flujo de la muestra, debiendo estar entre 1 LMP y 8 LMP, tambien se revisó las concentraciones de CN debiendo estar entre 0.1 μg/m3 y 100 μg/m3. Al realizar una serie de tiempo se observo que pocos valores de CN se encontraron por encima de 4.50 μg/m3. Estos valores fueron eliminados debido a que estos probablemente se debieron a fuentes muy cercana, tales como un vehıculo o un incendio cerca al OHY (Hansen, comunicacion personal).

El procesamiento de los datos de velocidad y direccion de viento adquiridos con el anemómetro sonico, consistió en revisar que no tuvieran valores anomalos y solo se utilizó el componente zonal (ux) del viento.

Terminado con el procesamiento de los datos, se construyo un fichero donde contenían los datos de velocidad y direccion de viento y concentración de CN por minuto en un archivo en formato comma-separated values (CSV por sus siglas en ingles) para su facil manejo en los softwares R y Matlab.

 

3. RESULTADOS Y DISCUSION

3.1. Variación horaria de CN y %qB

Con respecto a la variacion horaria de la concentracion de carbono negro (CN), este parámetro mostro variabilidad bien marcada a lo largo del día. Se observo dos picos máximos bien definidos para los seis meses representados en la figura 4. El primer pico se presento por la mañana de 06:00 a 09:00 y segundo pico por la tarde de 17:00 y 21:00 hora local (HL), entre estas horas el trafico vehicular es mayor, asociado a las emisiones por quema de biomasa por parte de las (pollerías a carbon, restaurant, entre otros). La variacion horaria encontrada en el OHY es similar a lo reportado en otros estudios realizados en Brasil (Krecl et al., 2016) y en la India (Reshma et al., 2015), donde senalaron que la variación horaria de la concentracion de CN presenta dos picos maximos: en Brasil en días laborables el primer pico se presenta por la manana de 07:00 a 08:00 y el segundo pico por la tarde de 18:00 a 19:00 HL, mientras en la India el primer pico durante la manana de 06:00 a 08:00 y segundo pico por la tarde 19:00 a 21:00 HL.

Con respecto a la variacion horaria de CN proveniente de la quema de biomasa (%qB), este parametro también mostró variabilidad a lo largo del día. Se observaron dos picos maximos bien definidos representado en la figura 5. El primer pico se presento por la tarde 13:00 a 17:00 HL y el segundo pico a de 00:00 a 05:00 HL.

3.2. Variación mensual del CN y %qB

Los promedios mensuales de CN medidos en los aerosoles colectados en el OHY se representan en la tabla 1. Se observo que la concentración promedio de CN durante el periodo estudiado fue 0.81 ± 0.22 μg/m3, que es similar a los valores reportados en otros estudios realizados como en la India (Panwar et al., 2013) y Boston (Allen, 2014), con promedios anuales de 0.85 ± 0.66 μg/m3 y 0.70 ± 0.21 μg/m3, respectivamente. Pero es menor cuando con estaciones urbanas como China (Feng et al., 2014) y tambien en la India (Reshma et al., 2015), con promedios anual 3.80 ± 0.89 μg/m3 y 2.20 ± 0.21 μg/m3, respectivamente. El valor maximo se obtuvo el 24 de junio a las 20:00 HL con 3.85 ± 0.58 μg/m3 y el valor mínimo fue el 13 de diciembre a la 01:00 HL con 0.11 ± 0.01 μg/m3. Hay que precisar que durante los meses estudiados hubo días donde no se realizaron mediciones. Esto debido a inconvenientes con la fuente energıa del sistema de monitoreo. Como es el caso del mes de agosto donde muestra el promedio mensual mas alto 1.23 ± 0.56 μg/m3 siendo una tendencia atípica, se cree que no es representativa para este mes, debido a que solo se contaron con 3 días de mediciones y es posible que en estos días la concentracion de CN fueron altas. Por otro lado, en el mes de septiembre al parecer si muestra una tendencia normal pese a haber solo 7 días de mediciones.

Los promedios porcentuales mensuales de CN proveniente de la quema de biomasa (%qB) en el OHY son representados en la tabla 1. Se observo para todo el periodo de estudio que una fuente importante de CN en el OHY es la quema de biomasa, contribuyendo con 41.27 ± 12.84 %, que es similar a los valores reportados en otros estudios realizados por Bond et al., (2013); Ramanathan y Carmichael (2008) donde senalaron que la quema de biomasa es un gran contribuyente a las emisiones globales de CN, llegando a aportar cerca del 40 % del total, en ambos trabajos, Sin embargo en el trabajo de San-dradewi et al, (2008a) reportaron que la quema de biomasa contribuye en 51 % siendo mayor a nuestro valor, esto podría estar sucediendo debido a que en el lugar de estudios de Sandradewi las personas utilizan estufas a lena.

3.3. Variación del CN y %qB en el periodo seco y lluvioso

Tambien se evaluó la variación de la concentración CN y %qB para el periodo seco y lluvioso, representados en la figura 6. Se aplico la prueba estadística U de Mann Whitney para evaluar si existen diferencias significativas en ambos parametros, al comprobar que nuestros datos no tienen distribucion normal. Se observo que en ambos parámetros existen diferencias significativas con p-valor de 9.62 x 10-10 y 4.29 x 10-10, respectivamente. En el periodo seco el promedio de la concentracion de CN fue 0.95 ± 0.21 μg/m3 y de %qB fue 51.11 ± 11.18 %. Mientras que en periodo lluvioso fue 0.65 ± 0.21 μg/m3 y 32.64 ± 15.74 %, respectivamente. En el trabajo de Tiwari et al., (2016) encontraron que las concentraciones del Material Particulado (PM) eran mas bajos durante días de lluvia. El lavado de lluvia y la deposicion humeda son los mecanismos más eficaces para la limpieza de contaminantes atmosfericos (Yamagata, 2009). Con lo que respecta al aporte de la quema de biomasa en el periodo lluvioso no solo el factor meteorologico influye en la disminución de %qB, si no tambien existe una disminución considerable de la quema de biomasa por parte de los agricultores en la region.

3.4. Identificación de las principales zonas contribuyentes de CN

Los diagramas polares de dos variables han demostrado ser extremadamente valiosas para identificar y comprender las fuentes de contaminacion del aire (Carslaw et al., 2006; Westmoreland et al., 2007). Estos graficos muestran como la concentracion de algún contaminante atmosférico varía segun la velocidad y dirección del viento. Para nuestro estudio se realizaron representaciones de diagramas polares mensuales (Figura 7). En la temporada seca (julio y agosto) se observo que altas concentraciones de CN provienen de todas partes, siendo mas relevante del ESTE con vientos débiles con velocidades que van de 0 a 4 m/s. Las fuentes principales en esta temporada son las quemas de biomasa por parte de los agricultores locales y las poblaciones urbanas (HYO, SYA, CCA) representadas en la figura 1b. En la temporada lluviosa (septiembre, octubre, noviembre y diciembre) se observa altas concentraciones de CN provienen del este asociado a vientos fuertes con velocidades que van de 5 a 7 m/s. La fuente importante en esta temporada podría ser el transporte transfronterizo de los contaminantes generados por la quema de biomasa que ocurren en la cuenca del Amazonas. Estudios como el de Andreae et al., (2012); Suarez, (2015) y Bourgeois et al., (2015) han observado que los contaminantes atmosfericos producto de la quema de biomasa (gases y partículas) son trasportados de este a oeste, de la cuenca del Amazonas a la Cordillera de los Andes. En general, altas concentraciones de CN en el OHY se generan bajo condiciones atmosfericas inestables cuando los vientos son fuertes y estables cuando los vientos son debiles. Para observar una relación directamente proporcional de la concentracion de CN y la velocidad del viento la fuente de emision deberá ser flotante, en estas fuentes se encuentra los incendios de gran magnitud. Mientras que bajo condiciones atmosfericas estable. Para observar una relación inversamente proporcional de la concentracion de CN y la velocidad del viento las fuentes deberan ser del nivel del suelo no flotante, en estas fuentes se encuentran el transporte por carretera y las poblaciones rurales y urbanas (Uria-Tellaetxe y Carslaw, 2014).

 

4. CONCLUSIONES

Las mediciones de carbono negro realizadas en el Observatorio de Huancayo muestran variabilidad a lo largo del día adoptando dos picos maximos bien marcados, el primero se presenta por la manana de 05:00 a 09:00 y el segundo por la tarde de 17:00 a 21:00 HL. El aporte de la quema de biomasa a la concentracion de carbono negro (%qB) también presenta variabilidad a lo largo del dıa adoptando dos picos maximos bien marcados, el primero se presenta de13:00 a 17:00 y el segundo de 00:00 y 05:00 HL. Ambos parametros muestran diferencias significativas tanto en el periodo seco y lluvioso. Tambien se identifico que la quema de biomasa aporta en 41.27 % a la concentracion de carbono negro siendo un valor importante.

Altas concentraciones de carbono negro provienen de todas partes, siendo mas dominante las provenientes de la direccion este con vientos que llegan hasta 4 m/s, en esta direccion se encuentran las poblaciones urbanas de la region como Sicaya, Huancayo y Chupaca. Todas las emisiones de carbono negro generadas en estos ambientes urbanos son transportadas al Observatorio de Huancayo. Tambien se observaron altas concentraciones de carbono negro provenientes del sector este con vientos fuertes que van de 5 a 7 m/s. La quema de biomasa en la cuenca Amazonica (Brasil, Bolivia y Perú) y el transporte transfronterizo de los contaminantes atmosfericos explicarıan dichas observaciones.

Conflicto de intereses

Los autores declaran que no hay conflicto de intereses con respecto a la publicacion de éste documento.

 

REFERENCIAS

Allen, G. 2014, Analysis of Spatial and Temporal Trends of Black Carbon (http://www.nescaum.org/documents/analysis-of-spatial-and-temporal-trends-of-black-carbon-in-boston/)        [ Links ]

Andreae, M., Artaxo, P., Beck, V., Bela, M., Freitas, S., Gerbig, C. Longo, K., Munger, J., Wiedemann, K., & Wofsy, S. 2012, Atmos. Chem. Phys, 12, 6041        [ Links ]

Bond, C. T., Doherty, S. J., Fahey, D. W., Forster, P. M., Berntsen, T., DeAngelo, B. J., Flanner, M. G., Ghan, S., Karcher, B., Koch, D., Kinne, S., Kondo, Y., Quinn, P. K., Sarofim, M. C., Schultz, M. G., & Schultz, M. 2013, J. Geophys. Res., 118, 5380

Bourgeois, Q., Ekman, A., & Krejci, R. 2015, J. Geophysical Res., 120,8411         [ Links ]

Carslaw, D., Beevers, S., Ropkins, K., & Bell, M. 2006, Atm. Environ., 40, 5424         [ Links ]

C.C.O.H.S. 2006, Black Carbon-Effects in the Health (Canadian National Resource for Occupational Safety and Health.(https://www.ccohs.ca/headlines/text186.html))         [ Links ]

Chen, Y., Schleicher, N., Fricker, M., Cen, K., Lui, X., Kaminski, U., Yu, Y., Wu, X., & Norra, S. 2016, Env. Pol, 212, 269         [ Links ]

Drinovec, L., Mocnik, G., Zotter, P., Prevot, A. S. H., Ruckstuhl, C. Coz, E., Rupakheti, M., Sciare, J., Mu ller, T., Wiedensohler, A., & Hansen, A. D. A. 2015, Atmos. Meas. Tech., 8, 1965         [ Links ]

Feng, J., Zhong, M., Xu, B., Du, Y., Wu, M., Wang, H., & Chen, C. 2014, Atmos. Res., 147, 1        [ Links ]

Fialho, P., Hansen, A., & Honrath, R. 2005, J. Aerosol Sci, 36, 267 Gundel,         [ Links ] L. A., Dod, R. L., Rosen, H., & Novakov, T. 1984, Sci. Total Environ., 36, 197         [ Links ]

Jacobi, H., Lim, S., Ménégoz, M., Ginot, P., Laj, P., Bonasoni, P., Stocchi, P., Marinoni, A., & Arnaud, Y. 2015, The Cryosphere, 9,1685         [ Links ]

Janssen, N., Gerlofs, M., Lanki, E., Cassee, F., Hoek, G., Fisher, R, Brunekreef, B., & Krzyzanowshi, M. 2012, Health Effects of Black Carbon (World Health Organization Regional Office for Europe)         [ Links ]

Krecl, P., Creso, A., Wiese, L., Ketzel, M., & Paula, M. 2016, Atm.Pollut. Res., 7, 1022         [ Links ]

Panwar, T., Hooda, R. K., Lihavainen, H., Hyvarinen, A. P., a. V. P., & Viisanen, Y. 2013, Environ. Monit. Assess., 185, 4753        [ Links ]

Ramanathan, V. & Carmichael, G. 2008, The Nature, 1, 221         [ Links ]

Reshma, G., Viswanath, C., Nazeer, Y., Raghavendra, K., Suresh, S., & Reddy, R. 2015, Atm. Res., 171, 77         [ Links ]

Rizzo, L. V., Correia, A. L., Artaxo, P., Procopio, A. S., & Andreae, M. O. 2011, Atmos. Chem. Phys., 11, 8899         [ Links ]

Sandradewi, J., Prevot, A., Szidat, S., Perron, N., Alfarra, M. R., Lanz, V. A., Weingartner, E., & Baltensperger, U. 2008a, Environ. Sci. Technol., 42, 3316         [ Links ]

Sandradewi, J., Prevot, A., Weingartner, E., Schmidhauser, R., Gysel, M., & Baltensperger, U. 2008b, Atmos. Environ., 42, 101         [ Links ]

Silva, Y., Takahashi, K., & Chavez, R. 2008, Adv. Geosci., 14, 261         [ Links ]

Suarez, L. 2015, Transboundary air pollution in Southern Amazon of Peru (Unpublished.https://doi.org/10.13140/rg.2.1.1453.6161)         [ Links ]

Tiwari, S., Kumar, R., Tunved, P., Singh, S., & Panicker, A. S. 2016, Sci. Total Environ., 15, 504         [ Links ]

Uria-Tellaetxea, I. & Carslaw, D. 2014, Environmental Modelling & Software, 59, 1         [ Links ]

Virkkula, A., Mákelá, T., Hillamo, R., Yli-Tuomi, T., Hirsikko, A., a. H. K., & Koponen, I. 2007, J. Air Waste Manage. Assoc., 57, 1214         [ Links ]

Weingartner, E., Saathoff, H., Schnaiter, M., Streit, N., Bitnar, B., & Baltensperger, U. 2003, J. Aerosol Sci., 34, 1445         [ Links ]

Westmoreland, E., Carslaw, N., Carslaw, D., Gillah, A., & Bates, E. 2007, Atm. Environ., 41, 9195         [ Links ]

Yamagata, S., Kobayashi, D., Ohta, S., Murao, N., Shiobara, M., Wada, M., Yabuki, M., Konishi, H., & Yamanouchi, T. 2009, Atmos. Chem. Phys., 9, 261         [ Links ]

Yasunari, T. J., Bonasoni, P., Laj, P., Fujita, K., Vuillermoz, E., Marinoni, A., Cristofanelli, P., Duchi, R., Tartari, G., & Lau, K. M. 2010, Atmos. Chem. Phys, 10, 6603        [ Links ]

 

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License