Estrategia para el desarrollo de un modelo de predicción de la calidad del aire de Quito y resultados preliminares de la fase de diagnóstico
René Parra Narváez, Carlos Páez Pérez
Corporación para el Mejoramiento del Aire de Quito, CORPAIRE Av. Amazonas 29-25 e Inglaterra, Quito, Ecuador
e-mail: rparra@corpaire.org
El actual estado del arte en la simulación de la calidad del aire se basa en el uso de modelos de transporte químico eulerianos. Estas herramientas proporcionan mapas de la calidad del aire con alta resolución espacial y temporal. Permiten estimar el aporte contaminante de cada fuente de emisión, evaluar los efectos sobre los niveles de contaminación ante potenciales cambios de los escenarios de emisión y constituyen el elemento central para los sistemas de pronóstico de la contaminación del aire. La CORPAIRE, desarrolla un modelo de predicción de la calidad del aire de Quito, utilizando Weather Research and Forecasting Model with Chemistry (WRF-Chem), uno de los más recientes modelos numéricos que simulan al mismo tiempo la meteorología y los procesos de transporte químico (coupled model). Este enfoque le proporciona una ventaja conceptual y pragmática con relación a otros modelos explícitos de transporte químico (uncoupled model), que requieren la meteorología como información de entrada. Las fases previstas para el desarrollo del modelo de predicción incluyen: 1) desarrollo de un modelo integrado de emisiones bajo un sistema de información geográfica, que proporcione los archivos de emisión especiados que requiere el WRF-Chem; 2) simulación de eventos pasados de contaminación (diagnóstico) y calibración y verificación con datos de calidad del aire y meteorológicos; 3) dimensionamiento y requerimiento de hardware y comunicaciones; 4) desarrollo de la capacidad y pruebas en modo de pronóstico; y, 5) explotación, retroalimentación y difusión de resultados. El modelo de predicción prioriza al ozono y el material particulado, contaminantes que actualmente contribuyen en mayor grado al deterioro de la calidad del aire de Quito. Se presentan los primeros resultados de simulaciones de diagnóstico.
Palabras clave: Modelo euleriano, modelo de pronóstico, WRF-Chem, inventario de emisiones, diagnóstico, Quito, Ecuador.
1 Introducción
El actual estado del arte en la simulación de la calidad del aire se basa en el uso de modelos de transporte químico eulerianos. Estos modelos consideran la variación con el tiempo de la concentración de los contaminantes en cada uno de los volúmenes de control de un dominio tridimensional. Las variaciones de la concentración de los contaminantes se producen como consecuencia de varios procesos, entre los que se incluyen al transporte por el viento (movimiento advectivo), la difusión turbulenta (movimiento convectivo), las emisiones, los procesos de deposición seca y húmeda, los procesos de formación y destrucción química y los cambios de estado físico. Para zonas con topografía compleja suele ser necesario utilizar una alta resolución espacial (celdas de 1-2 km de lado) y temporal (1 hora) para obtener una adecuada descripción de los campos de viento [6][7].
La Figura 1 indica los elementos requeridos para la modelación de la calidad del aire mediante un enfoque euleriano, que incluye: 1) el modelo de emisiones; 2) el modelo meteorológico; y, 3) el modelo de transporte químico.
El modelo de emisiones proporciona el inventario de emisiones, que se define como la lista o colección de números que representan la cantidad de contaminantes emitidos hacia la atmósfera, desde diferentes fuentes, a causa de actividades socioeconómicas o naturales, dentro de una zona geográfica determinada y en un período de tiempo establecido (pasado, presente o futuro) [10].
]]> El modelo meteorológico proporciona los campos de vientos y otras variables relacionadas con la difusión turbulenta; en tanto que el modelo de transporte químico, con la información de las emisiones y la meteorología, simula los procesos de transporte, dispersión, transformaciones químicas y deposición de los contaminantes en el aire.Con los objetivos de extender las capacidades de monitoreo de la calidad del aire a niveles de mayor alcance y definición geográficos, de estudiar escenarios futuros de emisiones y calidad del aire y de pronosticar las concentraciones de los contaminantes en las siguientes horas o días antes de que produzcan los eventos críticos de contaminación, CORPAIRE está ejecutando el proyecto tendiente a desarrollar y poner en operación el Modelo de predicción de la Calidad del Aire en Quito.
Como base se utiliza el Weather Research and Forecasting Model with Chemistry (WRF-Chem) [11], uno de los más recientes modelos numéricos que simulan al mismo tiempo la meteorología y los procesos de transporte químico (coupled model) [4].
El desarrollo del modelo de predicción se enmarca dentro del programa de mejoramiento de la vigilancia de la calidad del aire (Programa VCA01) contemplado en el Plan de Manejo de la Calidad del Aire del Distrito Metropolitano de Quito (DMQ) 2005 - 2010 [3] y constituirá un elemento clave para la adopción de políticas claras, efectivas, eficientes y oportunas para la gestión de la calidad del aire [4].
En términos concretos, considerando la situación actual y las tendencias de la gestión de la calidad del aire en Quito, contar con el modelo posibilitará una variedad de aplicaciones, entre las que se incluyen:
• Definición de la distribución espacial y temporal de los principales contaminantes, en la perspectiva de identificar zonas de mayor riesgo y, consecuentemente, las acciones para prevenir los potenciales impactos, minimizando los efectos negativos sobre la salud de la población.
• Análisis y predicción de las características de potenciales eventos críticos generados por la erupción de alguno de los volcanes activos que rodean la ciudad de Quito, con la finalidad de alertar tempranamente a la población y sobre todo a los organismos de defensa civil sobre las medidas preventivas correspondientes.
• Influencia sobre la calidad del aire debido a nuevas fuentes de emisión de contaminantes del aire, que potencialmente se puedan instalar a futuro (estudios de impacto ambiental), rebasando el uso de los modelos Gaussianos de dispersión y sus limitaciones.
• Estudio en detalle de la influencia en la contaminación por ozono y material particulado, debido al tráfico vehicular, la fuente antropogénica más importante de contaminantes primarios. Específicamente se podrá determinar la influencia en los niveles de contaminación del aire en caso de un incremento o decremento de la intensidad de tráfico o analizar escenarios futuros de contaminación, en respuesta a políticas de renovación que cambien la composición del parque vehicular, o el mejoramiento de la calidad de los combustibles.
]]> 2 Marco conceptual y metodológico
El modelo de predicción se construye sobre los siguientes elementos clave: (a) el inventario de emisiones del DMQ y (b) el modelo meteorológico y de transporte químico WRF-Chem.
• El modelo de emisiones constituye uno de los insumos más importantes para el uso de un modelo euleriano. CORPAIRE dispone del primer inventario detallado de emisiones del DMQ para el año 2003 [1] y viene desarrollando el Sistema de Gestión del Inventario de Emisiones Atmosféricas del Distrito Metropolitano de Quito, SIGIEQ. Dicho sistema permitirá obtener de manera automatizada y eficiente el inventario de emisiones; que entre otros usos, proporcionará la información requerida por el modelo numérico.
• El WRF-Chem es uno de los más recientes modelos numéricos que simulan al mismo tiempo la meteorología y los procesos de transporte químico de los contaminantes en la atmósfera. Este enfoque le proporciona una ventaja conceptual y pragmática con relación a otros enfoques que tratan con modelos separados tanto la meteorología como el transporte químico. Actualmente, el WRF-Chem incorpora el mecanismo químico de especiación RADM [8], y a futuro implementará otros mecanismos, como el Carbon Bond IV.
El modelo de predicción se focaliza principalmente en el ozono y el material particulado, actualmente los problemas de contaminación del aire más importantes en el DMQ, según los datos registrados desde junio del 2003 por la red de monitoreo de Quito [3].
3 Estrategia
Se establecen las siguientes etapas como hitos importantes, focalizando en una primera etapa la simulación de la contaminación por ozono troposférico:
Afinamiento de las emisiones del DMQ, para estructurar los archivos típicos de emisiones de los precursores de ozono y desarrollo del modelo integrado de emisiones SIGIEQ que proporcione los archivos en el formato requerido por el WRF-Chem.
Simular eventos de contaminación históricos (diagnóstico), para probar el inventario de emisiones, calibrar y verificar los resultados del modelo, en base a la información histórica registrada de la red de monitoreo de la calidad del aire y por las estaciones meteorológicas de la CORPAIRE. Esta etapa permitirá definir los parámetros más adecuados del modelo numérico para las condiciones de Quito.
]]> Dimensionamiento, adquisición de hardware (cluster con procesadores en paralelo), e instalación de medios de comunicación necesarios. En esta etapa se incluye la instalación del código del WRF-Chem.Desarrollo de la capacidad y pruebas en tiempo de pronóstico.
Explotación del modelo, retroalimentación y difusión de resultados en la página Web de la CORPAIRE.
La Figura 2 presenta la programación de actividades. Se espera que las simulaciones de diagnóstico se extiendan hasta mediados del 2007, y que el modelo de predicción opere a partir del segundo semestre de 2009.
4 Simulación de diagnóstico
La CORPAIRE desarrolla las primeras simulaciones de diagnóstico de la calidad del aire de Quito. Para ello, se utiliza el dominio indicado en la Figura 3. Las simulaciones se desarrollan mediante las siguientes etapas:
Obtención de archivos de simulación de diagnóstico meteorológico global, que proporciona la US NCAR [5].
Simulación meteorológica de un dominio 1 con celdas de 27 km de lado, que incluye a todo el territorio ecuatoriano (Ver Figura 4)
]]> Simulación meteorológica anidada (one-way approach) de un subdominio 2, con celdas de 9 km de lado, que cubre la franja norte del Ecuador (Ver Figura 4)Simulación anidada meteorológica y de transporte químico (one way approach and chemistry), para un subdominio 3, que cubre la zona del DMQ, con celdas de 3 km de lado (Ver Figura 4).
Postprocesamiento gráfico de los resultados.
Para la simulación del subdominio 3 (meteorología + transporte químico) se utiliza el inventario de emisiones DMQ 2003 [2] de los precursores de ozono troposférico (compuestos orgánicos volátiles + óxidos de nitrógeno), más el monóxido de carbono y el dióxido de azufre. Las fuentes consideradas incluyen: tráfico vehicular, industrias, vegetación, uso de solventes y estaciones de servicio. Las emisiones horarias previamente se procesan para obtener las especies del mecanismo químico RADM.
Para la primera etapa se considera solamente la química atmosférica de la fase gaseosa. La Tabla 1 indica las especies del mecanismo RADM cuyas emisiones se requieren en esta fase.
Quito presenta características particulares: es una ciudad de altura (cota promedio de 2 800 msnm), ubicada prácticamente en la mitad del mundo (latitud media de 0.2 °S), con topografía muy compleja (zonas con cotas de 1 000 msnm en la esquina superior izquierda de la malla, y zonas con cotas mayores a 4 000 msnm) y variada clasificación de los usos del suelo (Figura 5).
Las emisiones del DMQ se desarrollan con resolución espacial de 15’’ (458 m) de lado. Estas emisiones luego son procesadas con un Sistema de Información Geográfico para obtener los archivos de emisiones para el subdominio 3 (d03), el cual se estructura con celdas de 3 km de lado. La Figura 6 presenta los mapas de emisión especiados (expresados en mol h-1) de monóxido de carbono (CO) y de la categoría KET (cetonas) para las 12h00 de un día típico laborable. En el mapa de CO se aprecia claramente el aporte del tráfico vehicular, ya que las celdas con mayores emisiones corresponden a la zona urbana y a los ejes de las principales vías. Para la especie KET hay un aporte principalmente de la vegetación y del uso de solventes a nivel industrial y doméstico.
]]>
Como ejemplo, se presentan los resultados del postprocesamiento gráfico de la simulación numérica para el 14 de octubre de 2004. La Tabla 2 lista parte de los parámetros utilizados con el WRF-Chem.
La Figura 7 presenta los mapas de temperatura en superficie para el 14 de octubre de 2004, obtenida para la malla d03.
En el mapa de las 04h00-05h00, las temperaturas más bajas se localizan en la zona inferior derecha de la malla (cotas sobre los 4 000 msnm), con valores de hasta -4°C . Las temperaturas más altas se presentan en la zona superior izquierda (cotas alrededor de 1 000 msnm) con valores medios entre 14 y 18°C. En la zona del emplazamiento de Quito la temperatura varía entre 6 y 12°C
]]> El mapa también incluye los vectores del viento a 10 m del suelo. Su configuración es compleja y se aprecia claramente los vientos catabáticos que descienden desde las zonas con cotas más altas, debido al enfriamiento y consecuente descenso de las masas de aire en las zonas más elevadas, que ocurre durante la noche [9].En el mapa de las 12h00 - 13h00, la temperatura de la zona inferior derecha de la malla sube hasta valores de 2 a 8°C, en tanto que en la zona superior izquierda se obtienen valores de 20 a 26°C. En la zona del emplazamiento del Quito la temperatura varía entre 14 y 20°C; y el viento en superficie viene predominantemente desde el norte. Se aprecia el movimiento de los vientos anabáticos que ascienden por las pendientes de montaña como consecuencia del calentamiento en el día de las masas de aire que suben siguiendo el perfil topográfico. Es bastante clara la influencia de los valles topográficos en la canalización de los flujos del viento.
En el mapa de las 20h00 - 21h00, el campo de vientos en la zona de emplazamiento de Quito no presenta una configuración clara, como consecuencia del cambio de régimen en la dirección del viento.
La Figura 8 presenta los mapas de emisión de SO2. Además del tráfico vehicular, las fuentes que destacan son las centrales térmicas de Guangopolo y Gualberto Hernández (ubicadas en el valle de Los Chillos, SE de Quito), la central térmica de Santa Rosa que se localiza al sur de Quito; y la cementera Selva Alegre, localizada al norte de Quito. En la evolución temporal de las emisiones se aprecia la influencia del tráfico vehicular, ya que las mayores tasas de emisión de esta fuente ocurren en las horas de mayor tráfico.
La Figura 9 presenta los mapas de concentración de CO en superficie. Las mayores concentraciones (> 2 mg m-3), se presentan en los mapas de 08h00 - 09h00 y de 19h00 - 20h00 (no incluido en la Figura 9), en respuesta al perfil diario del tráfico vehicular. Si bien las emisiones también son importantes durante el día, las menores concentraciones en este período de tiempo se explican por la mayor altura de la capa de mezcla, que favorece la dispersión y por la tanto la reducción de los niveles de inmisión.
La Figura 10 presenta los mapas de concentración de O3 en superficie. Las mayores concentraciones sobre la zona del emplazamiento de Quito alcanzan valores de 100 μg m-3; después de medio día. Las menores concentraciones de O3 en el emplazamiento de Quito se explica por la falta de actividad fotoquímica, a más de la reducción producida por la emisión de NO, que reacciona con el O3 para producir NO2.
En los bordes de la malla se presentan concentraciones de O3 relativamente altas, que en principio se explican por las concentraciones por defecto asumidas por el WRF-Chem para los bordes del dominio. Posiblemente estos valores funcionan de manera adecuada para los Estados Unidos (en donde se desarrolla el WRF-Chem) pero deben ser evaluados para hacer la mejor selección para Quito.
]]> La Figura 11 presenta las series temporales de temperatura y O3, de los registros de las estaciones Belisario y Los Chillos de la Red Metropolitana de Monitoreo Atmosférico de Quito (REMMAQ) en relación con los valores obtenidos por simulación. Hay una tendencia bastante aceptable de los perfiles de temperatura, durante las 24 horas. Aunque los perfiles de O3 presentan similitudes razonables hasta las 13h00, por la tarde los valores obtenidos por modelación son mayores a los monitoreados. Este comportamiento también se observa en otras estaciones.Para el CO (no se presentan las series temporales), aunque las tendencias son parecidas, los valores obtenidos por simulación son menores que los registrados por la red de monitoreo.
Durante la noche, las velocidades del viento que proporciona el modelo son mayores a las velocidades registradas en las estaciones meteorológicas. Este comportamiento, que ha sido observado en varios estudios de simulación para diferentes regiones, se explica en principio por la dificultad de simular durante la noche, el movimiento de las masas de aire frías adyacentes a la superficie, que se desacoplan de las masas de aire caliente de las capas superiores. Se espera que a futuro los resultados del modelo mejoren al trabajar con mayor resolución espacial y establecer los parámetros más adecuados para Quito.
5 Conclusiones
Con la interpretación de los primeros resultados de la simulación numérica de la calidad del aire de Quito, se empieza a tener un mejor conocimiento del comportamiento de los campos del viento y de su rol en la dispersión y transporte de los precursores de ozono y otros contaminantes atmosféricos. Aunque los resultados presentados son preliminares y es necesario realizar paulatinamente evaluaciones exhaustivas de las concentraciones de inmisión registradas por la red de monitoreo en relación con los valores obtenidos por nuevas simulaciones, es evidente el aporte y el grado del detalle espacial y temporal que proporciona un modelo euleriano de transporte químico.
La CORPAIRE ha dado el primer paso en su objetivo de operar a futuro el modelo de predicción de la calidad del Quito, mediante un enfoque considerado como lo último en estado del arte en la modelación de la calidad del aire.
La alta resolución espacial y temporal de los mapas de calidad del aire y de otros parámetros meteorológicos, permitirá una difusión comprensible de la información para el público. Aunque la implementación y uso de un modelo euleriano de transporte químico modelo es costoso, tanto por el tiempo de cálculo (considérese que para pronóstico es imprescindible contar un equipo informático muy potente), así como por el desarrollo del inventario de emisiones, la calidad de la información, la variedad de los potenciales usos y beneficios para la gestión de la calidad del aire y de la salud pública, justifican plenamente la inversión de recursos.
El desarrollo del modelo de pronóstico marcará una pauta muy importante en el ámbito de la investigación nacional sobre la gestión de la calidad del aire y aspira a ser un referente para futuras iniciativas similares en otras regiones ecuatorianas, así como una herramienta relevante en el ámbito latinoamericano, así como un caso de interés científico para la comunidad internacional.
]]>6 Agradecimientos
Los autores expresan su agradecimiento al Dr. Rainer Schmitz de la Universidad de Chile, por su colaboración para que en la CORP AIRE se desarrollen íntegramente las simulaciones de diagnóstico de la calidad del aire de Quito, utilizando el modelo WRF-Chem
Referencias
[1] CORPAIRE. 2006. Inventario de Emisiones del Distrito Metropolitano de Quito 2003. Quito-Ecuador, 65 p. [ Links ]
[2] Ibarra, B., Parra, R., Díaz, V., Troya, X. y Páez, C. 2006. Inventario de Emisiones Atmosféricas de Quito año 2003 y su Distribución Espacial y Temporal. 1er Congreso Boliviano sobre gestión de la Calidad del Aire Urbano. Cochabamba - Bolivia.
[3] MDMQ-CORPAIRE. 2005. Plan de Manejo de la Calidad del Aire del Distrito Metropolitano de Quito. Período 2005 – 2010. Quito-Ecuador, 154 p.
[4] Molina, L. and Molina, M. 2004. Megacities and Atmospheric Pollution. Journal of the Air & Waste Management Association, 54:644 – 680.
[5] NCAR. 2006. National Center for Atmospheric Research, (http://www.mmm.ucar.edu, enero) [ Links ]
[6] Salvador, R., Calbó, J. and Millán, M. 1999. Horizontal grid size selection and its influence on mesoscale model simulation. Journal of Applied Meteorology, 38, 9: 1311 – 1329
[7] Seaman, N. 2000. Meteorological modeling for air-quality assessments. Atmospheric Environment, 34, 2231 - 2259. [ Links ]
[8] Stockwell, W., Middleton, Chang, J. and Tang, X. 1990. The Second Generation Regional Acid Depoition Model Chemical Mechanism for Regional Air Quality Modeling. Journal of Geophisycal Research, 95 (D10), 16343 – 16367.
[9] Stull, R. 2002. Meteorology for Scientist and Engineers. Second Edition. Estados Unidos, 502 p.
[10] Van Aardenne, J.A. 2002. Uncertainty in emission inventories. PhD thesis. Wageningen University, 143 p. [ Links ]
[11] WRF. 2006. The Weather Research and Forecasting Model, (http://wrf-model.org, enero) [ Links ]
]]>
