La red de medición de calidad de aire del Valle de Aburrá tuvo 31 estaciones (entre fijas y móviles) a diciembre de 2017, distribuidas en los diferentes municipios que forman parte de la jurisdicción del Área Metropolitana del Valle de Aburrá (AMVA-EAFIT 2017). De éstas, 14 estuvieron ubicadas en la ciudad de Medellín y cinco midieron durante el 2015 por lo menos uno de los contaminantes primarios, excepto SO_x, los cuales no fueron evaluados en ninguna de las estaciones de la ciudad. La medición fue realizada con equipos de tipo automático, con análisis de la muestra de forma continua, utilizando principalmente métodos ópticos y electrónicos con transmisión de datos en tiempo real (MAVDT 2008), lo cual garantizó el acceso a valores de concentración horarios de cada contaminante. En el cuadro II se presenta la distribución de los contaminantes medidos en cada una de las estaciones y en la figura 1 el mapa (1:40 000) de su distribución espacial para el área urbana del municipio de Medellín.

CUADRO II

Nombre de la estación	Contaminantes
	PM10	PM2.5	NOx	CO
Universidad Nacional Núcleo el Volador		X	X
Museo de Antioquia	X	X	X
Politécnico Jaime Isaza Cadavid	X		X	X
Tanques LAYE		X
Éxito San Antonio	X

PM₁₀: partículas menores a 10 µm, PM_2.5: partículas menores a 2.5 µm, NO_x: óxidos de nitrógeno, CO: monóxido de carbono

Fig. 1

Una medición puntual se considera representativa del promedio de un área mayor si la probabilidad de que la diferencia al cuadrado entre la medición del punto y del área es menor que un criterio umbral en más del 90 % del tiempo (Nappo et al. 1982). Este método se basa en el análisis de series temporales de concentraciones modelizadas por cuadrículas, extraídas de estaciones de medición y de sus alrededores mediante una función de similitud de concentración (CSF, por sus siglas en inglés). Cabe resaltar que todas las celdas en que se verifica una función de frecuencia mayor a 0.9 forman parte del área de representatividad del sitio de interés (Piersanti et al. 2015).

En la aplicación de este método se conservó la resolución espacial de celdas de 1 km² definida en el modelo de emisiones atmosféricas del área metropolitana del Valle de Aburrá (MODEAM). Se identificaron las celdas en las que se encuentran ubicadas las estaciones de medición de calidad del aire ya definidas y se compararon, para cada contaminante, los datos de concentración del punto donde se encuentra ubicada la estación con el valor promedio de cada una de las celdas (tanto en la celda que se encontraba ubicada la estación como en las celdas contiguas).

Ya que sólo se dispuso de valores de concentración medidos en el punto donde se encuentra ubicada cada estación de medición de calidad del aire, los datos fueron obtenidos de los pronósticos por localización disponibles en el sistema de información metropolitano de la calidad del aire (SIMECA), permitiendo visualizar el valor de concentración de cada contaminante en cualquier punto del Valle de Aburrá (AMVA-UPB 2018a) a partir de simulaciones realizadas con el modelo de calidad del aire comprehensivo con extensiones (CAMx, por sus siglas en inglés). Éste es un modelo de dispersión fotoquímico eureliano en el que los valores de concentración de cada especie química son el resultado de la simulación de valores de emisiones, dispersión, reacción química y remoción de contaminantes (AMVA-UPB 2017b). El periodo de análisis comprendió del 1 al 31 de enero de 2018, garantizando la existencia de valores tanto en la estación de medición como en el modelo de pronóstico para evaluar el desempeño de los datos utilizados. El valor umbral empleado fue del 25 % en concordancia con el criterio de representatividad temporal definido en el Manual de Operación de Sistemas de Vigilancia de la Calidad del Aire (MAVDT 2008).

Se aplicó la función de similitud de concentración (CSF, por sus siglas en inglés) usando los datos promedio diarios de concentración en cada una de las estaciones de medición definidas y sus celdas contiguas. Se conservó la resolución espacial de celdas de 1 km² y fue posible definir las áreas de representatividad espacial de las estaciones de medición y contaminantes de la ciudad de Medellín: Politécnico Jaime Isaza Cadavid (MED-PJIC) (PM₁₀ y CO), y Universidad Nacional Núcleo el Volador (MED-UNNV) (PM_2.5 y NO_x). Además, se obtuvieron celdas contiguas con una CSF mayor a 0.9 (Fig. 2).

Fig. 2

El área de representatividad espacial para los contaminantes PM₁₀ y CO en la estación MED-PJIC correspondió a dos celdas en dirección suroriente de la ubicación de la estación de medición, con un área de 2.04 km². Para los contaminantes PM_2.5 y NO_x en la estación MED-UNNV, el área de representatividad espacial correspondió a tres celdas en dirección norte de la ubicación de la estación, con un área de 3.06 km².

Para las demás estaciones de medición y contaminantes, los valores de CSF fueron menores a 0.9, por lo que las áreas de representatividad en estos casos pudieron ser menores a 1 km² y/o no coincidir con la distribución espacial de las celdas del modelo de emisiones, ya que la mayoría quedaron ubicadas cerca de uno de los vértices de la celda (Fig. 3).

Fig. 3

Al realizar el análisis de representatividad espacial, sobresalieron los resultados de las estaciones de medición Museo de Antioquia (MED-MANT) y Éxito San Antonio (MED-EXSA) para el contaminante PM₁₀, puesto que los valores de CSF son iguales. Estas dos estaciones estuvieron ubicadas espacialmente en la misma celda, separadas entre sí por una distancia lineal de 370 m. Los valores de concentración pronosticados en el SIMECA para estas localizaciones fueron los mismos. Al comparar los datos de las mediciones de ambas estaciones se obtuvo una diferencia promedio del 23 %. En este orden de ideas sólo sería necesaria una de las dos estaciones de medición en esta área, ya que existió alta similitud entre los resultados obtenidos.

Otras áreas de representatividad espacial evaluadas con el mismo método de CSF en Italia, reportaron valores que inician con áreas de 0.067 km² para una estación de medición industrial de PM₁₀ (Vitali et al. 2016), hasta rangos de 220 a 4500 km² para estaciones de medición de fondo rural de PM_2.5 y O₃ (Piersanti et al. 2015). El análisis de áreas de representatividad para sitios urbanos de unos pocos kilómetros cuadrados obligó a contar con datos de emisión por cuadrículas de una resolución menor a 4 km² (Righini et al. 2014).

La Directiva 2008/50/CE (CE 2008) aplicable para los países de la Unión Europea recomienda la ubicación de puntos de medición que sean representativos de un segmento de calle no inferior a 100 m de longitud en los emplazamientos de tráfico y de al menos 250 × 250 m en los emplazamientos industriales.

Para Colombia, como parte de los parámetros de diseño de los sistemas de vigilancia de calidad del aire (SVCA), existen criterios de macro y micro localización de puntos de muestreo, que incluyen consideraciones según tipo de contaminante, objetivo de la medición, condiciones de seguridad y logística, exposición de los tomadores de muestras y sensores, aspectos visuales y arquitectónicos, así como distancias a fuentes menores y a vías (MAVDT 2010).

Los datos de concentración empleados para el cálculo de la CSF en la determinación de las áreas de representatividad espacial de las estaciones de medición fueron valores pronosticados a partir del CAMx. Al ser obtenidos por modelización, tuvieron asociada una incertidumbre según el ajuste entre la realidad y los resultados obtenidos como aplicación del modelo. La forma más utilizada para lograr una medida de simulación del mundo real por medio de un modelo de calidad del aire es comparando los resultados de salida del modelo con un conjunto de mediciones directas (IDEAM 2002).

De esta forma, para evaluar el desempeño del modelo empleado (incertidumbre) se compararon los promedios diarios de concentración de los datos de pronóstico obtenidos del SIMECA con los de las mediciones de las estaciones de calidad del aire. Se calculó entonces un porcentaje de desviación entre los datos medidos (reales) y los datos pronosticados (con el modelo CAMx). Se presenta la gráfica de nube de puntos con tres líneas auxiliares 1:1, 2:1 y 1:2, donde 1:1 representa una igualdad entre los datos medidos y pronosticados, 2:1 indica que los datos pronosticados por el modelo están sobreestimados y 1:2, que el modelo subestima los valores de concentración.

El CO evaluado en la estación MED-PJIC fue el contaminante con mejor desempeño (71.5 % de rendimiento). La mayoría de los puntos se ubicaron entre las líneas de tendencia auxiliares 2:1 y 1:2, quedando muy pocos puntos fuera de ellas (Fig. 4). Este contaminante y el ozono (O₃) son utilizados en el modelo CAMx como validadores, ya que permiten ajustar la dispersión vertical que en los modelos de calidad del aire tiene un impacto directo en las concentraciones superficiales simuladas (Foy et al. 2007, Jeričević y Večenaj 2009). Por esta razón, el CO fue uno de los contaminantes con los que se obtuvieron mejores resultados de rendimiento durante la aplicación del modelo.

Fig. 4

En el caso del PM_2.5, el modelo tendió a subestimar sus concentraciones en todas las estaciones evaluadas (Fig. 5). Los pronósticos más ajustados correspondieron a la estación MED-UNNV (52.5 %). Para la estación MED-MANT el desempeño del modelo fue del 26.5 %, debiendo ajustarse los factores de emisión para mejorar el inventario por fuentes móviles en esta área (tipo de fuente más significativa). En la estación Tanques LAYE (MED-LAYE) se dispuso de poca información sobre el inventario de emisiones de esta zona, por lo que el desempeño del modelo fue del 22.8 %.

Fig. 5

Las concentraciones de PM₁₀ fueron subestimadas en todos los casos por el modelo (Fig. 6). Este contaminante pertenece al tipo de partículas gruesas que se asocian en el modelo CAMx con las especies de material particulado primario de corteza gruesa (CCRS, por sus siglas en inglés) y otros primarios gruesos (CPRM, por sus siglas en inglés). El rendimiento del modelo fue bajo, ya que el proceso químico en aerosoles está enfocado a partículas finas (RE 2016). El mejor de los resultados fue del 10.6 % para la estación MED-PJIC, seguido de 3 % y 2.8 % para las estaciones MED-EXSA y MED-MANT, respectivamente.

Fig. 6

Respecto del contaminante NO_x, en la estación MED-MANT el modelo presentó un buen desempeño (41 %) con algunos de los valores subestimados. Para las estaciones MED-UNNV y MED-PJIC el modelo tendió a sobreestimar los valores de concentración, manifestando un mejor desempeño en la estación MED-UNNV con un 17.7 % (Fig. 7). En el modelo CAMx, el NO_x es altamente reactivo e incluye las especies primarias de óxido nítrico (NO) y dióxido de nitrógeno (NO₂).

Fig. 7

En la estación MED-PJIC, el área de representatividad espacial se ubicó en la comuna de El Poblado, que posee un área de 14.74 km², una población total de 128 839 habitantes y una densidad poblacional de 8741 personas/km². La tasa de respiración ponderada global de acuerdo con los grupos de edad por género fue de 16.40 m³/día.

Para el caso de la estación MED-UNNV, el área de representatividad espacial se distribuyó en cinco comunas: Castilla (74.5 %), Aranjuez (12.1 %), Robledo (10.2 %), 12 de Octubre (2.5 %) y La Candelaria (0.8 %). Se calculó una densidad poblacional ponderada de 25 158 personas/km² acorde con el porcentaje de participación en el área de representatividad espacial, el área total y la población de cada comuna. De igual forma, considerando el porcentaje de participación en el área de representatividad espacial y los grupos de edad por género de cada comuna, la tasa de respiración ponderada fue de 16.27 m³/día.

En el cuadro III se presentan, para cada estación, los datos del área de las comunas que conforman el área de representatividad espacial, su porcentaje de participación, la población total y la densidad poblacional ponderada.

CUADRO III

Estación MED-PJIC	Comuna	Poblado
	Área total de la comuna (km2)	14.74
	Participación en área de representatividad espacial (%)	100
	Población total (personas)	128839
	Densidad poblacional ponderada (personas/km2)	8742
Estación MED-UNNV	Comuna	Castilla
	Área total de la comuna (km2)	6.18
	Participación en área de representatividad espacial (%)	74.5
	Población total (personas)	149751
	Comuna	Aranjuez
	Área total de la comuna (km2)	4.97
	Participación en área de representatividad espacial (%)	12.1
	Población total (personas)	162252
	Comuna	Robledo
	Área total de la comuna (km2)	9.46
	Participación en área de representatividad espacial (%)	10.2
	Población total (personas)	171660
	Comuna	Doce Octubre
	Área total de la comuna (km2)	3.99
	Participación en área de representatividad espacial (%)	2.5
	Población total (personas)	193657
	Comuna	La Candelaria
	Área total de la comuna (km2)	7.49
	Participación en área de representatividad espacial (%)	0.8
	Población total (personas)	85505
	Densidad poblacional ponderada (personas/km2)	25158

MED-PJIC: Politécnico Jaime Isaza Cadavid, MED-UNNV: Universidad Nacional Núcleo el Volador

Aunque la densidad poblacional de ambas estaciones fue significativamente diferente, ya que en la estación MED-UNNV es casi tres veces mayor que en la estación MED-PJIC, la tasa de respiración ponderada de ambas áreas fue similar, por lo que se deduce que la distribución de grupos de edades por género de las comunas que conforman cada área fue porcentualmente similar.

El valor promedio anual de fracción inhalada (eliminando los datos atípicos) fue de 475 ppm para PM₁₀ y 29 ppm para CO en la estación MED-PJIC, y de 151 ppm para PM_2.5 y 64 ppm para NOx en la estación MED-UNNV (Fig. 8). Otra forma de entender esta relación es que la población expuesta inhala anualmente, en promedio, 29, 64, 151 y 475 mg por cada kg emitido de CO, NO_x, y partículas PM_2.5 y PM₁₀, respectivamente.

Fig. 8

Los datos atípicos (o valores extremos) que correspondieron a los valores que se aislaron y que presentaron inconsistencias con el grupo principal de datos, fueron identificados aplicando la prueba de Tukey a partir de la distribución de los datos en cuartiles y tomando como valores extremos aquellos que se encontraron a 1.5 veces de distancia del valor intercuartil (Amón 2010).

Al comparar estos resultados con los valores de la fracción inhalada para contaminantes de tipo primario de áreas urbanas obtenidos en otros estudios (Cuadro I), se encontró que la fracción inhalada de CO obtenida (29 ppm) es inferior a los valores obtenidos por Marshall et al. (2003) para California (promedio anual de 32-46 ppm) y por Holnicki et al. (2018)) para Varsovia (promedio anual de 36 ppm). Valores más altos de la fracción inhalada para este contaminante fueron reportados por Stevens et al. (2007) para Ciudad de México (promedio mensual de 61-120 ppm) y por Luo et al. (2010) para Hong Kong (promedio anual de 200-300 ppm).

Para el caso del NO_x, el valor de la fracción inhalada obtenido (64 ppm) fue cercano al reportado por Du et al. (2012) para la ciudad de Beijing (70 ± 32 ppm promedio diario de 24 h), pero superior al de Varsovia, donde Tainio et al. (2013) y Holnicki et al. (2018) obtuvieron valores de 13 y 24 ppm como promedio anual, respectivamente.

En cuanto a las partículas PM_2.5, hubo similitudes entre el valor de la fracción inhalada obtenido (151 ppm) y el de Beijing (promedio diario de 24 h de 153 ± 97 ppm) reportado por Du et al. (2012). Resultados inferiores fueron reportados para Ciudad de México (promedio anual de 26-120 ppm) según Stevens et al. (2007) y para Varsovia, donde Tainio et al. (2014) y Holnicki et al. (2018) encontraron promedios anuales de 50 y 39 ppm, respectivamente. Estos autores reportaron también para la ciudad de Varsovia valores de la fracción inhalada de partículas PM₁₀ de 51 y 37 ppm (promedio anual), los cuales son inferiores al valor de fracción inhalada obtenido en este estudio (475 ppm).

Al calcular el valor promedio de los cuatro contaminantes (PM₁₀, PM_2.5, NO_x y CO) combinados, se obtuvo una fracción inhalada de 180 ppm, cifra superior al valor reportado para contaminantes primarios por Stevens et al. (2007) para Ciudad de México (promedio anual de 40-120 ppm), pero inferior a la fracción inhalada de 220 ppm (promedio anual) reportada por Apte et al. (2012) para la ciudad de Medellín.

Acorde con el inventario de emisiones, la contribución por tipo de fuentes correspondió en su mayoría a fuentes de tipo móviles. Los valores de fracción inhalada para los contaminantes PM₁₀, PM_2.5 y CO no tuvieron aporte de fuentes fijas, mientras que en los NO_x, el 7 % correspondió a este tipo de fuente (Fig. 9). Esta distribución está en concordancia con el último inventario de emisiones atmosféricas del Valle de Aburrá en el que se reporta que la mayor parte de las emisiones de todos los contaminantes CO, NO_x, VOC y PM_2.5 son generadas por fuentes móviles.

Fig. 9

La problemática de emisión de este tipo de contaminantes por fuentes móviles en la región se asocia principalmente con la calidad de los combustibles diésel y gasolina disponibles (debido a su contenido de azufre), la tecnología del parque automotor que determina la posibilidad de cumplimiento de estándares de emisión menos contaminantes como Euro 4 y 5, el crecimiento del parque automotor (principalmente de motocicletas y automóviles), así como la antigüedad de los vehículos tipo camiones y volquetas, que a pesar de ser un número reducido en comparación con las otras categorías, son responsables de la mayoría de las emisiones de CO, NO_x y PM_2.5 (AMVA-UPB 2017a).

Al realizar los cálculos de los valores de la fracción inhalada utilizando las tasas de respiración ponderadas por grupos de edad (entre los 0 y 4, 5 a 14, 15 a 59 y 60 o más años), se identificó que para aquellos grupos en los cuales la tasa de respiración fue mayor, la fracción inhalada también lo fue (Cuadro IV).

CUADRO IV

Grupo de edad (años)	Estación MED-PJIC				Estación MED-UNNV
	Tasa de respiración (m3/día)	Fracción inhalada (promedio en ppm)			Tasa de respiración (m3/día)	Fracción inhalada (promedio en ppm)
		PM10	CO		PM2.5	NOx
0-4	11.68	337.99	20.45	11.68	108.28	46.02
5-14	13.57	392.67	23.76	13.54	125.58	53.37
15-59	17.60	509.26	30.81	17.51	162.32	68.98
60 y más	14.46	418.64	25.33	14.50	134.44	57.13

MED-PJIC: Politécnico Jaime Isaza Cadavid, MED-UNNV: Universidad Nacional Núcleo el Volador

Se utilizaron los valores promedio horarios de manera diaria, según día de la semana y por mes, a partir de las cifras de concentración y emisión de contaminantes, con el fin de evaluar el comportamiento de los valores de la fracción inhalada. En este caso no se eliminaron los datos atípicos que se encuentran de color rojo en las gráficas. Además, se presenta el valor promedio calculado sin atípicos en forma de línea punteada de color azul.

En el análisis de los valores horarios de la fracción inhalada (Fig. 10) se presentan paralelamente los valores de emisión y concentración (también horarios) para entender mejor la relación entre estas dos variables. Los máximos valores de la fracción inhalada ocurren cuando la emisión de contaminantes es significativamente inferior a la concentración. Esto ocurre en las horas del día donde hay menos emisiones (de 01:00 a 06:00 y de 21:00 a 24:00 horas), las cuales son liberadas mayoritariamente por las fuentes móviles, de acuerdo con los volúmenes vehiculares típicos de la ciudad (Posada et al. 2011). Por otro lado, la ausencia de radiación solar dificultó la dispersión de contaminantes con un consecuente aumento en los valores de concentración.

Fig. 10

Las variaciones en los estimados diarios de la fracción inhalada (Fig. 11) se relacionan de forma directa con los promedios diarios de concentración, dado que el valor de emisión diario es constante. Los valores pico (identificados como datos atípicos) de PM_2.5 y PM₁₀ se presentan finalizando febrero y durante marzo, lo cual corresponde a una época de transición entre la temporada seca y la húmeda. Ésta genera condiciones meteorológicas poco favorables para la dispersión de los contaminantes con el respectivo aumento de los valores de concentración, ocasionando los episodios de contaminación ambiental atmosférica declarados en la región (AMVA 2016, IDEAM 2017b, AMVA 2018).

Fig. 11

Para el caso del NO_x y el CO, los valores pico se presentaron mayoritariamente entre los meses de septiembre y noviembre. El aumento de los valores de concentración en este período se asocia con una condición de lluvia escasa que ocurrió durante el segundo semestre del año, presentándose reducciones de hasta el 50 % de la lluvia esperada en los meses que son típicamente lluviosos (IDEAM 2015).

Los valores de la fracción inhalada por mes (Fig. 12) concuerdan con el comportamiento de los valores diarios de la fracción inhalada. Las mayores cifras se presentaron en los meses en que ocurren valores pico de concentración, siendo éstos marzo para las partículas PM₁₀ y PM_2.5, el periodo octubre-diciembre para el NO_x y octubre para el CO.

Fig. 12

En la distribución de los valores de fracción inhalada por día de la semana (Fig. 13), el domingo reporta un menor valor para todos los contaminantes asociado con una menor cantidad de emisiones, siguiendo el mismo patrón descrito en la variación por horas del día.

Fig. 13