Post on 02-Aug-2022
Documento de tesis para optar al título de Magister en Ingeniería Ambiental
Juan Manuel Rincón Riveros
Ingeniero Ambiental y Sanitario
jm.rincon952@uniandes.edu.co
Asesor:
Ricardo Morales Betancourt, PhD.
Jurado Interno:
Juan Pablo Ramos Bonilla, PhD.
Jurado Externo:
Jorge Eduardo Pachón Quinche, PhD.
Universidad de Los Andes
Departamento de Ingeniería Civil y Ambiental
Centro de Investigación en Ingeniería Ambiental
Bogotá, Colombia
Junio de 2019
Trazadores de Quema de Biomasa en el Cerro Monserrate: Asociación con el Número e Intensidad de Incendios y Potenciales Áreas
de Emisión en el Norte de Sudamérica.
1
1 Agradecimientos
A mi asesor Ricardo Morales, por la oportunidad de trabajar con el grupo de investigación,
por enseñarme y guiarme tanto en lo académico como en lo personal, por brindarme el
tiempo y la confianza para discutir temas relacionados a la calidad del aire y por haberme
dado excelentes experiencias en mi crecimiento profesional.
A mis padres y hermana, por su sacrificio y esfuerzo, por darme la oportunidad de estudiar
y capacitarme en el campo académico, por ser fuente de motivación y soporte en todo
momento, por brindarme el amor y cariño con el que crecí. Me enorgullece ser parte de esta
hermosa familia.
2
Índice 1 Agradecimientos ......................................................................................................... 1
2 Resumen .................................................................................................................... 5
3 Introducción ................................................................................................................ 8
4 Objetivos................................................................................................................... 13
4.1 General .............................................................................................................. 13
4.2 Específicos ........................................................................................................ 13
5 Metodología .............................................................................................................. 14
5.1 Punto de medición y muestreo........................................................................... 14
5.1.1 Determinación de eBC y BrC ...................................................................... 15
5.1.1 Recolección de Muestras de PM2.5 ............................................................. 18
5.1.2 Comportamiento de eBC en la ciudad ........................................................ 20
5.2 Análisis de incendios por medio de retrotrayectorias ......................................... 20
5.3 Asociación de Concentración de BrC y poder radiativo de incendios seleccionados
22
5.4 Identificación de áreas potenciales de emisiones de quema de biomasa .......... 22
6 Resultados y Discusión ............................................................................................. 24
6.1 Concentraciones de Black Carbon y Brown Carbon .......................................... 24
6.2 Influencia de la ciudad a la estación de monitoreo de Monserrate ..................... 27
6.3 Análisis de BrC y %BB con dirección y velocidad de viento ............................... 29
6.4 Asociación de FRP con trazadores de quema de biomasa ................................ 33
6.5 Identificación de áreas potenciales de emisiones de quema de biomasa .......... 44
7 Conclusiones ............................................................................................................ 47
8 Bibliografía ................................................................................................................ 49
3
Índice de figuras Figura 5.1. a). Rosa de vientos, estación de monitoreo Monserrate. b). Ubicación de la
cuenca de la Orinoquía Colombo-venezolana e incendios activos (2018) con respecto a la
ciudad de Bogotá. ............................................................................................................ 14 Figura 5.2. Ejemplo de la selección de incendios activos de manera espacio-temporal con
Retrotrayectorias finalizadas en la ciudad de Bogotá. Fecha:11/03/2018. ....................... 21 Figura 6.1. Rosa de vientos, estación de monitoreo Monserrate. Periodo: 09/16-04/19 ... 24 Figura 6.2. Concentraciones de eBC, %BB y BrC medidas en la estación de Monserrate,
concentraciones promedio horarias y diarias para el periodo de monitoreo (09/16-04/19).
Los periodos sombreados en rojo no se tiene información. ............................................. 25 Figura 6.3. Concentraciones de eBC, %BB y BrC medidas en la estación de Monserrate,
concentraciones promedio mensuales para el periodo de monitoreo (09/16-04/19). Las
líneas solidas representan el comportamiento suavizado de las variables y las áreas
sombreadas representan el intervalo de confianza del 95%. Los periodos sombreados en
rojo no se tiene información. ............................................................................................ 26 Figura 6.4. Comparación perfil diurno de eBC promedio de Bogotá y de la estación de
Monserrate. El área sombreada delimita el intervalo de confianza del 95%. Periodo:09/18-
05/19. .............................................................................................................................. 27 Figura 6.5. Comparación perfil diurno de eBC promedio de Bogotá y de la estación de
Monserrate para datos filtrados con proveniencia del viento desde el Oriente. El área
sombreada delimita el intervalo de confianza del 95%. Periodo:09/18-05/19. .................. 28 Figura 6.6. Comparación de concentraciones promedio mensuales de eBC y BrC para a)
datos 24 horas y b) datos nocturnos y del este. El área sombreada delimita el intervalo de
confianza del 95%. Periodo:09/16-05/19. ......................................................................... 29 Figura 6.7. Comparación de rosas de polución de BrC para el periodo de monitoreo sin
ninguna modificación (a) y con la selección del este y de noche (b). Periodo: 09/16-04/19
........................................................................................................................................ 30 Figura 6.8. Comparación de rosas de polución de BrC para el periodo de monitoreo sin
ninguna modificación (a) y con la selección del este y de noche (b). Periodo: 09/16-04/19
........................................................................................................................................ 31 Figura 6.9. Porcentaje de quema de biomasa promedio para cada dirección de viento en
tres periodos: anual, altas concentraciones y bajas concentraciones, representados por
colores azul, amarillo y verde, respectivamente. Las barras verticales indican la frecuencia
del viento en cada dirección. ............................................................................................ 32 Figura 6.10. Porcentaje de quema de biomasa promedio para cada dirección de viento en
tres periodos: anual, altas concentraciones y bajas concentraciones, representados por
colores azul, amarillo y verde, respectivamente. Las barras verticales indican la frecuencia
del viento en cada velocidad. ........................................................................................... 33 Figura 6.11. Serie temporal de concentraciones de BrC con Número de incendios y poder
radiativo de anomalías identificadas por MODIS en NSA. Periodo:09/16-04/19 ............... 34 Figura 6.12. Correlación de Numero de Incendios y poder radiativo en el NSA. Método:
Spearman. Periodo:05/16-05/19 ...................................................................................... 35 Figura 6.13. Correlación del poder radiativo en el NSA y concentraciones de BrC medidas
en el cerro Monserrate. Método: Spearman. Periodo:09/16-05/19 ................................... 35
4
Figura 6.14. Retrotrayectorias mensuales con punto final estación Monserrate con
presencia de incendios detectados por el programa MODIS para el año 2018. ............... 36 Figura 6.15. Serie temporal de concentraciones de BrC con Número de incendios y poder
radiativo de incendios seleccionados en NSA. Periodo:09/16-04/19 ................................ 37 Figura 6.16. Correlación del poder radiativo de incendios seleccionados y concentraciones
de BrC medidas en el cerro Monserrate. Método: Spearman. Periodo:01/18-01/19 ......... 38 Figura 6.17. Correlaciones de BrC y FRP en periodos seleccionados con mayores y
menores concentraciones de BrC y %BB. Método: Spearman. ....................................... 39 Figura 6.18. Correlación de Brown Carbon y concentraciones medidas en el cerro
Monserrate de a) Levoglucosano, b) Potasio soluble en agua y c) Carbono orgánico soluble
en agua. Método: Spearman. ........................................................................................... 41 Figura 6.19. Series Temporales para la primera campaña de campo de Incendios
seleccionados, BrC, levoglucosano, WSOC y WSK, representados por los colores: Rojo,
Café, Verde, Naranja y morado, respectivamente. ........................................................... 42 Figura 6.20 Series Temporales para la segunda campaña de campo de Incendios
seleccionados, BrC, levoglucosano, WSOC y WSK, representados por los colores: Rojo,
Café, Verde, Naranja y morado, respectivamente. ........................................................... 43 Figura 6.21. Concentraciones de BrC promedio espacialmente distribuidas mediante la
metodología CWT para el periodo de monitoreo (Sep./16-Ago/18). ................................. 44 Figura 6.22. Aporte anual de concentraciones de BrC espacialmente distribuidas mediante
la metodología propia para el periodo de monitoreo (01/18-12/18). ................................. 46
Índice de ecuaciones Ecuación 1. Definición de absorción a partir de longitud de onda y exponente angstrom. 16 Ecuación 2.Aanálisis de absorción de luz en diferentes intervalos de longitud de onda. .. 16 Ecuación 3. Cálculo del exponente de Angstrom (α), para un intervalo de longitud de onda.
........................................................................................................................................ 16 Ecuación 4. Determinación de porcentaje de quema de biomasa.(Sandradewi et al., 2008)
........................................................................................................................................ 17 Ecuación 5. Sistema de ecuaciones para el cálculo de la absorción, para un intervalo de
longitud de onda con diferentes exponentes Angstrom 𝛼𝐵𝐶 - 𝛼𝐵𝑟𝐶 (a) y 𝛼𝐹𝐹 - 𝛼𝑊𝐵 (b). 18
Ecuación 6. Concentración ponderada por el tiempo de residencia. ................................ 22 Ecuación 7. Concentración ponderada por el poder radiativo de los incendios y el tiempo de
trayecto. ........................................................................................................................... 23
Índice de Tablas Tabla 1. Estaciones de la RMCAB con equipos de medición de aerosoles absorbentes de
luz (eBC y UV-BC). Periodo (09/18-05/19). ...................................................................... 20 Tabla 2. Periodos seleccionados con mayores y menores concentraciones de BrC y %BB.
........................................................................................................................................ 39 Tabla 3. Parámetros de correlaciones de BrC y FRP en periodos seleccionados con
mayores y menores concentraciones de BrC y %BB. Método: Spearman. ...................... 40
5
2 Resumen
El comportamiento estacional de las concentraciones de PM2.5 y PM10 en Bogotá exhibe un
patrón bimodal, con un máximo en los meses de febrero y marzo, y otro en el mes de
noviembre. Sin embargo, los procesos que controlan dicha estacionalidad no están todavía
claramente identificados. Estudios previos han sugerido varias hipótesis para explicar dicha
estacionalidad. (Gaitan & Behrentz, 2009) demostraron una anti-correlación entre
promedios mensuales de velocidad del viento y PM10, sugiriendo que la mejor ventilación
durante los meses de junio, julio y agosto conducen a menores concentraciones. También
se han considerado factores locales como la altura de la capa de mezcla y su posible
impacto sobre las concentraciones demostrando que estas condiciones juegan un papel
importante en la estacionalidad (Mendez-Espinosa, Belalcazar, & Morales-Betancourt,
2018). Otros estudios, sin embargo, han sugerido que puede haber fuentes regionales que
impactan dicha estacionalidad pues existe una asociación estadística entre el
comportamiento estacional de las concentraciones de PM2.5 en Bogotá con la ocurrencia de
incendios forestales detectados con el sensor remoto satelital MODIS de la NASA en la
zona norte de Suramérica (NSA) específicamente en la Orinoquía colombo-venezolana
(Chacon & Belalcázar, 2015). A través de análisis de retrotrayectorias, la factibilidad de
que las masas de aire afectadas por incendios forestales en dicha zona sean transportadas
desde el oriente del país hacia la ciudad de Bogotá (Mendez-Espinosa et al., 2018).
El presente estudio se enfoca en la detección y cuantificación experimental de trazadores
de quema de biomasa en la ciudad de Bogotá, en conjunto con el análisis de proveniencia
masas de aire. Con esta finalidad se realizaron mediciones continuas de Black Carbon
(eBC) y Brown Carbon (BrC) en una estación ubicada en el cerro de Monserrate en el
margen oriental de la ciudad de Bogotá entre mayo de 2016 a mayo de 2019. El BrC es un
indicador de la presencia de compuestos orgánicos condensados sobre el material
6
particulado, y es típicamente indicativo de que el material recolectado proviene de la quema
de biomasa (Andreae & Gelencs, 2006). Estas mediciones se han realizado con la finalidad
de detectar la presencia de BrC en las masas de aire que llegan a la ciudad, determinar los
patrones temporales, y así, incrementar nuestra comprensión sobre la contribución local y
regional de quema de biomasa a las concentraciones en la ciudad de Bogotá.
Las mediciones de eBC y BrC se llevaron a cabo con el método de absorción de luz en
siete longitudes de onda con un Etalómetro. Se aplicaron dos metodologías para la
determinación de la contribución de la quema de biomasa: un modelo de 2 longitudes de
onda (Sandradewi et al., 2008) y un modelo de 5 longitudes de onda (Massabò et al., 2015).
Durante el periodo de medición se instaló también una estación meteorológica obteniendo
datos in-situ de velocidad y dirección del viento. Estos datos se utilizaron para evaluar la
idoneidad del sitio de medición y los momentos aptos para la identificación de la quema de
biomasa regional, se han explorado mediante el estudio de concentraciones de BrC como
función de la dirección prevalente del viento. Debido a las emisiones de fuentes asociadas
al transporte de carga y al transporte público se espera que cuando la estación se encuentra
viento abajo de la ciudad (i.e., el viento proviene del oeste) las observaciones en la estación
estén marcadas por concentraciones altas y con mayor presencia de eBC.
Adicionalmente a las mediciones continuas de BC y BrC, se realizaron tres campañas de
toma de muestras de PM2.5 para especiación química en el mismo punto de monitoreo con
un énfasis especial en levoglucosano, ion Potasio soluble en agua (WSK) y carbono
orgánico soluble en agua (WSOC), compuestos que han sido utilizados como trazadores
de quema de biomasa (Laskin, Laskin, & Nizkorodov, 2015; Martinsson et al., 2017; Pachon
et al., 2013; Shen et al., 2017). Dos de estas campañas se desarrollaron en un periodo de
alto número de incendios (25/01/2018-7/04/2018 y 18/12/2018-7/4/2019) y la otra en un
periodo de baja presencia de incendios (25/07/2018-28/09/2018). Con el objeto de
7
determinar la posible procedencia de las masas de aire en momentos de altas
concentraciones de trazadores de quema de biomasa, se realizó un análisis sistemático de
retrotrayectorias utilizando el modelo lagrangiano HYSPLIT en conjunto con hot-spots
detectados remotamente por el sensor MODIS siguiendo la metodología de Mendez-
Espinosa et al., 2018, la cual selecciona los incendios durante el paso de las masas de aire
que llegan a la ciudad; considerando un buffer de 150 kilómetros.
Este estudio, el primero de este tipo que se realiza en Bogotá, permitió determinar los
patrones temporales de eBC y BrC en la ciudad por un periodo continuo de tres años. Para
el eBC se observó un comportamiento anual bimodal similar al del PM2.5 en la ciudad con
los en los meses de febrero y noviembre y mínimos en junio y julio. Las concentraciones
máximas mensuales observadas fueron de aproximadamente 3 µg/m3 y concentraciones
mínimas mensuales de 0.4 µg/m3 presentes en julio. Sin embargo, se demostró que el
comportamiento temporal del BrC exhibe un patrón monomodal, marcadamente diferente
al del eBC, con las máximas concentraciones mensuales, de 0.15 µg/m3, en marzo y las
mínimas entre junio y julio con un valor de 0.02 µg/m3. Esto corresponde a un rango de
contribución de 4% a 10% del BrC a los aerosoles absorbentes de luz. La diferente
estacionalidad del BrC y eBC sugiere que fuentes diferentes con patrones anuales de
actividad diferentes. El mismo comportamiento anual del BrC se presenta en los incendios
con potencial impacto a la capital, sugiriendo un aporte en los primeros meses del año. Por
otra parte, se determinó la buena asociación del BrC con los trazadores químicos
identificados en las campañas de campo, obteniendo mayor correlación con el
levoglucosano. Finalmente, se identificaron las áreas potenciales de emisiones de quema
de biomasa utilizando las concentraciones de BrC de la estación de monitoreo Monserrate
y retrotrayectorias, atribuyendo concentraciones de hasta 800 ng/m^3 promedio anual en
celdas de 0.25°x0.25°.
8
3 Introducción
El material particulado PM2.5 y PM10 son los contaminantes más importantes en la ciudad
Bogotá, ya que, según la red de monitoreo de calidad del aire, este reporta el mayor número
de excedencias diarias, comparadas con la resolución 2254 del 01 de noviembre de 2017,
que establece los niveles máximos permitidos para los contaminantes criterio. Además, la
distribución espacial del material particulado en la ciudad no es homogénea, con los niveles
más altos en el suroccidente de la capital y los más bajos en el margen oriental de la ciudad.
Las concentraciones también presentan un marcado ciclo anual, con periodos de altas
concentraciones entre diciembre y marzo y bajas desde junio hasta agosto (Ambiente,
2017). Las concentraciones de material particulado son continuamente monitoreadas
debido a sus repercusiones en la salud. Se ha demostrado en numerosos estudios una
asociación causal entre la exposición a material particulado y mortalidad (Kappos et al.,
2004; Pope III, Dockery, Spengler, & Raizenne, 1991; Reid et al., 2019; WHO, 2013). La
exposición a este contaminante resulta en diferentes enfermedades como asma, neumonía,
bronquitis e infecciones respiratorias agudas (Reid et al., 2019; WHO, 2013). Además, se
encontró que hay una asociación más fuerte con el PM2.5 que con el PM10 y no se encontró
un umbral en el cual la dosis de este contaminante no produzca una respuesta (Kappos et
al., 2004).
Debido a su complejidad, y a que sus características se pueden ver afectadas por su
tamaño, su composición química, por las transformaciones que puede sufrir en la
atmósfera, y por su interacción con especies gaseosas, no basta únicamente con realizar
mediciones de su concentración másica. Estudios fisicoquímicos que permitan determinar
la composición, y con esto, el origen del material, son un paso clave para implementar
medidas de mitigación en el origen de la contaminación (Rojas Y., 2009). En Bogotá,
algunos estudios han analizado la composición química del material particulado, mostrando
9
un aporte significativo de material orgánico, material mineral y carbono elemental (EC), con
una porción promedio de 77% en la totalidad de la masa analizada (Vargas & Rojas, 2010;
Ramírez, Sánchez de la Campa, et al., 2018; Ramírez, Sanchez, & De la Rosa, 2018;
Pachon, 2017).
Los procesos de combustión son importantes emisores de material particulado, en especial
en ambientes urbanos. En el caso de Bogotá, los inventarios de emisiones sugieren que las
emisiones vehiculares y de industria como las principales fuentes de emisión de este
contaminante (Ambiente, 2017). Estudios recientes han identificado los incendios forestales
como una potencial fuente de aporte a las concentraciones de este contaminante en la
ciudad (Chacon & Belalcázar, 2015; Mendez-Espinosa et al., 2018). Los eventos de quema
de biomasa ya sean incendios forestales o quemas agrícolas, se caracterizan por emitir
grandes cantidades de partículas y gases, dentro de los que se destacan material
particulado menor a 2.5 micrómetros (PM2.5), dióxido de carbono, monóxido de carbono y
óxidos de nitrógeno, entre otros (Leenhouts, 1998). Una fracción del material particulado
emitido por estos procesos tiene la propiedad de absorber muy eficientemente la luz visible.
Esta fracción, comúnmente conocida como hollín, está constituida principalmente por Black
Carbon (eBC). Este material tiene una alta absorbancia de luz visible y se compone
principalmente de carbono. El eBC está constituido principalmente por aerosoles de
combustión con una estructura similar al grafito (Andreae & Gelencs, 2006). Este término
se usa de forma intercambiable con el de Carbono Elemental (EC) pero son identificados
por diferentes metodologías (Petzold et al., 2013). El eBC se identifica mediante un método
netamente óptico, el cual determina la cantidad de luz absorbida por el material, pero para
el caso del EC, este se determina mediante un método termo-óptico, cuantificando la
cantidad de carbono remanente al umbral de oxidación por temperatura (Jeong, Hopke,
Kim, & Lee, 2004).
10
Otro componente del material particulado proveniente de la quema de biomasa es el Brown
Carbon, BrC. Este tipo de material también absorbe luz visible de forma muy eficiente, tiene
además la particularidad de tener una abosrbancia mayor en el UV. Esta propiedad se debe
a que su composición, mayoritariamente orgánica, generalmente originado por combustión
de biomasa con mayor relación a la combustión lenta (brasas); este material se compone
de un carbono combinado con compuestos orgánicos que le dan su característico color café
(Wang et al., 2018); Andreae et al., 2006).
Estos aerosoles (eBC y BrC) absorben y dispersan la radiación, lo que produce alteraciones
en la dinámica de la atmósfera. Además, incrementan la concentración de núcleos de
condensación, lo que altera la formación y el tiempo de vida de las nubes; por otro lado,
reduce la radiación que llega a la superficie, ya que es interceptada (absorbida o
dispersada) por el material que está suspendido en el aire (Janh, Andreae, & Poschl, 2010).
Otra característica de estos contaminantes es que alteran el albedo de las superficies,
contribuyendo a la aceleración de la fusión de la nieve y el hielo. Estos contaminantes de
vida corta son los segundos precursores del calentamiento global, por lo cual acciones
efectivas de mitigación de las emisiones de BC y BrC tendrían un efecto rápido en la
disminución del forzamiento radiativo antropogénico (Stohl et al., 2015).
Como respuesta a las alteraciones observadas en la atmósfera, múltiples estudios se han
enfocado en determinar la procedencia de los aerosoles absorbentes de luz en diversos
ambientes. Un estudio realizado en Londres en 2009, utilizó las concentraciones de
levoglucosano y de BrC como trazadores de quema de biomasa, para determinar el origen
de la contaminación en invierno, en el que se concluyó que se debía a las emisiones dentro
de la ciudad por la quema de madera como fuente para generar calor en los hogares (Fuller,
Tremper, Baker, Yttri, & Butterfield, 2014). Por otro lado, mediciones de BC y BrC realizadas
en Monte Espejo, en Venezuela (Hamburger et al., 2013) encontró que la carga de
11
aerosoles de quema de biomasa proviene de los incendios de la sabana venezolana y no
de los incendios de la región de la Amazonía o África como se pensó en el inicio; además
de esto, se observó una fuerte relación según la temporada seca (altas concentraciones) y
húmeda (bajas concentraciones). Además, al sur de Europa en el año 2005, se realizó un
estudio para determinar el porcentaje de aerosoles que eran producidos por la quema de
biomasa y encontraron que en invierno, este porcentaje aumenta hasta un 47%, esto por
medio de mediciones in-situ y determinando las concentraciones de levoglucosano,
seleccionando la parte rural de Granada como la región que más aporta y la región urbana,
la receptora de la pluma de quema de biomasa (Titos et al., 2017).
Otros estudios se han enfocado en el análisis mediante modelación atmosférica del
transporte de plumas de quema de biomasa asociados a eventos específicos. Un estudio
en Santiago de Chile, identificó los incendios que se presentaron Melipilla en el 2014,
direccionados al occidente de la capital, los cuales generaron un evento de contaminación
en la región central y por medio de la modelación en WRF-Chem, se determinó el impacto
de la pluma de contaminación que se transportó a la ciudad, deteriorando la calidad del
aire, concluyendo que la clasificación de uso de suelo, el tipo y densidad de vegetación,
juegan un rol importante en el cálculo de la emisión (Cuchiara et al., 2017).
En Colombia, (Chacon & Belalcázar, 2015), encontraron que existe una asociación entre el
número de incendios en la zona del norte de Suramérica (NSA) y el deterioro de la calidad
del aire de la ciudad. Para concluir eso, realizaron un seguimiento a las masas de aire que
llegaban a Bogotá en el periodo de estudio (2002-2013), y seleccionaron los días con mayor
concentración para corroborar que su procedencia coincidiera con la localización de los
incendios, lo cual justificaba la relación de los incendios ubicados en la Orinoquía Colombo-
venezolana y el transporte de material a la capital. Posterior a esto, (Mendez-Espinosa et
al., 2018) realizó un análisis estadístico asociando las concentraciones de PM10 y PM2.5
12
de tres principales ciudades de Colombia a incendios con potencial impacto según el
recorrido de las trayectorias entre el 2006 y 2016, encontrando una asociación entre los
eventos de alta contaminación con periodos de alto número de incendios.
Los estudios anteriores (Chacon & Belalcázar, 2015; Mendez-Espinosa et al., 2018) han
utilizado información secundaria (sensores remotos, y modelos de retro-trayectorias) así
como mediciones de PM2.5 de la red de monitoreo en la ciudad como evidencia estadística
para sugerir que dicho impacto es plausible. Sin embargo, no se ha realizado un estudio
experimental que permita probar la hipótesis de que en efecto existe un impacto sobre las
concentraciones de contaminantes del aire en la ciudad, proveniente de quemas e
incendios a escala regional. Este estudio espera aportar evidencia que permita probar la
validez de esta hipótesis, mediante mediciones de trazadores de quema de biomasa de
forma continua medidos en la estación de monitoreo de Monserrate. Se propone también
la identificación y cuantificación del potencial aporte regional de contaminación causada por
la quema de biomasa. Adicionalmente, las mediciones únicas realizadas en este estudio
constituirán un aporte al entendimiento de la contribución de fuentes locales y regionales
de quema de biomasa a la ciudad de Bogotá, resaltando que, debido a la alta resolución
temporal en el extenso periodo de medición, se pueda determinar la naturaleza, la
frecuencia, y las épocas del año en que la quema de biomasa contribuye más a las
concentraciones de material particulado.
De esta manera, los resultados del estudio establecerán una base para que la ciudad
avance en la planificación y diseño de estrategias que permitan alcanzar metas de
emisiones que tengan en cuenta las posibles contribuciones regionales.
13
4 Objetivos
4.1 General
Determinar de forma experimental la contribución de aerosoles provenientes de quema de
biomasa sobre el material particulado en la ciudad de Bogotá, aplicando una metodología
para establecer la contribución local y la contribución atribuible a incendios y quemas
regionales en el Norte de Sudamérica.
4.2 Específicos
• Determinar mediante mediciones continuas de eBC y BrC la contribución atribuible
a quema de biomasa en los aerosoles atmosféricos en la ciudad de Bogotá.
• Establecer el grado de asociación del BrC con otros trazadores de quema de
biomasa determinados mediante análisis químico de muestras de PM2.5
• Desarrollar metodologías para estudiar la asociación entre concentraciones de
trazadores de quema de biomasa medidos en Bogotá y variables asociadas a
incendios y quemas a escala regional en el Norte de Sudamérica.
• Identificar, mediante análisis espaciotemporal, las zonas que pueden actuar como
fuentes regionales de aporte a la contaminación del aire en Bogotá.
14
5 Metodología
5.1 Punto de medición y muestreo
Se realizaron mediciones con instrumentos del Centro de Investigación en Ingeniería
Ambiental (CIIA) de la Universidad de Los Andes. Los equipos se instalaron en el cerro
Monserrate (4°36′21″N 74°03′23″O), ubicado al oriente de Bogotá a 3.152 m.s.n.m.,
aproximadamente 600 metros de altura de diferencia con respecto a la capital. Esta
localización fue escogida teniendo en cuenta que los vientos prevalentes típicamente
vienen del este, de forma que las masas de aire entran a la ciudad por la zona este.
Adicionalmente las zonas donde se presentan los mayores eventos de quema de biomasa
también se encuentran localizadas al este de la ciudad en la cuenca de la Orinoquía
Colombo-venezolana; la ubicación de dicha cuenca se puede observar en la Figura 5.1.
Figura 5.1. a). Rosa de vientos, estación de monitoreo Monserrate. b). Ubicación de la cuenca de la Orinoquía Colombo-venezolana e incendios activos (2018) con respecto a la ciudad de Bogotá.
Se llevaron a cabo mediciones continuas de eBC y BrC con un Etalómetro AE-33 (Magge
Scientific, CA, USA) desde mayo de 2016 hasta mayo de 2019, con una resolución de 60
segundos y un flujo volumétrico de muestreo fue de 2 litros por minuto (LPM). Para la
operación del equipo se tuvo en cuenta que el polvo mineral es uno de los pocos
a).
b).
15
compuestos del aerosol atmosférico con una absorción UV-VIS (Petzold et al., 2013). El
equipo se operó con un ciclón de 1µm para excluir las partículas de polvo mineral que
puedan influir en las mediciones de partículas carbonáceas absorbentes de luz. Esta
medida de selección de tamaño no afecta las mediciones de eBC y BrC debido a que estas
se producen por combustión y se encuentran en un rango de tamaño de 10-470nm (Petzold
et al., 2013), pues se ha observado que las partículas producidas por incendios forestales
tienen un diámetro geométrico de 120-230nm. Partículas más grandes de este rango son
asociadas a eventos de quema de biomasa vieja (días), y las partículas pequeñas atribuidas
a eventos nuevos (horas) (Janh et al., 2010; Hamburger et al., 2013). El monitoreo se
complementó con una estación Davis Vantage pro2 a partir del 13 de septiembre de 2016
hasta mayo de 2019, con una resolución de 10 minutos. Este equipo permite medir
velocidad y dirección del viento, precipitación, humedad relativa, entre otros parámetros
meteorológicos.
Adicionalmente se realizó un análisis de especiación química del material particulado PM2.5
determinando compuestos traza de quema de biomasa durante tres campañas de
monitoreo. Dos campañas se llevaron a cabo a principio de año (Ene-Abr 2018 y Dic-Abr
2019) y una a mitad de año (Jul-Sep2018). La selección de las fechas está relacionada con
la estacionalidad conocida de los incendios forestales y quemas en NSA (Chacon &
Belalcázar, 2015; Hamburger et al., 2013; Mendez-Espinosa et al., 2018; Morales,
Hermoso, Serrano, & Sanhuezat, 1990).
5.1.1 Determinación de eBC y BrC
La absorción de luz atribuida al material particulado fue medida en 7 longitudes de onda
(370, 470, 520, 590, 660, 880, 950 nm) simultáneamente, abarcando desde el ultravioleta
(UV) hasta el infrarrojo (IR). En este trabajo, se aplicó la metodología de (Sandradewi et al.,
2008), en la cual se utiliza el exponente Angstrom para describir la dependencia espectral
16
de la absorción de luz por la partícula. El coeficiente de absorción (babs) depende de la
longitud de onda, λ, y su relación está descrita por el exponente de absorción de Angstrom,
𝛼, como se muestra en Ecuación 1.
𝑏𝑎𝑏𝑠(λ1)~λ1−𝛼
Ecuación 1. Definición de absorción a partir de longitud de onda y exponente angstrom.
Por lo tanto, cuando se puede medir el coeficiente de absorción para dos longitudes de
onda conocidas, es posible inferir el valor del coeficiente Angstrom.
𝑏𝑎𝑏𝑠(λ1)
𝑏𝑎𝑏𝑠(λ2)= (
λ1λ2)−𝛼
Ecuación 2.Aanálisis de absorción de luz en diferentes intervalos de longitud de onda.
A partir de la Ecuación 2, se despeja el exponente Angstrom (Ecuación 3),
𝛼 =−log(𝑏𝑎𝑏𝑠(λ1)/𝑏𝑎𝑏𝑠(λ2))
log(λ1/λ2)
Ecuación 3. Cálculo del exponente de Angstrom (α), para un intervalo de longitud de onda.
Según (Sandradewi et al., 2008), el exponente de absorción depende significativamente del
combustible utilizado, y para quema de biomasa éste tiene un rango de 1 a 7. Por otro lado,
para combustible diésel, 𝛼 presenta un rango de 0.8 a 1 (y se le denota 𝛼𝐹𝐹). Estas
diferencias permiten, mediante el análisis de absorción de luz en diferentes longitudes de
onda, la identificación operacional de las concentraciones de eBC y BrC en función del
exponente de Angstrom. El hollín, por ejemplo, se caracteriza por tener valores bajos de
exponente Angstrom, entre 1 y 1.5 (Petzold et al., 2013). A partir de observaciones hechas
en el AE-33, se ha visualizado que, para partículas provenientes de diésel, la absorción se
da principalmente en las longitudes de onda de 880 y 950 nm, mientras que la quema de
biomasa se expresa con mayor evidencia en las longitudes de onda de 370 y 470 nm
(debido a su gran contenido de OC). Por otro lado, para ambientes en los que exista mezcla
17
de emisiones de quema de biomasa y de combustible fósil, las partículas provenientes de
quema de biomasa tendrán valores de α > 1 [0.9,2.2] (y se le denota 𝛼𝐵𝐵 ), mientras que
ambientes con mayor presencia de fuentes de diésel (como vías con alto tráfico vehicular)
reportarán α en un rango ente 0.8 y 1.1 (Harrison et al., 2013).
Sandradewi et al., 2008, demostró que a partir de descomponer el coeficiente de absorción
medido 𝑏𝑎𝑏𝑠(λ1) en la contribución de combustibles fósiles, 𝑏𝐹𝐹(λ1), y la contribución de
quema de biomasa, 𝑏𝐵𝐵(λ1), para dos longitudes de onda diferentes, demostró que es
posible estimar el porcentaje atribuible a quema de biomasa, 𝐵𝐵, en función de 𝛼 (Ecuación
4)
𝐵𝐵 = (λ1λ2)1−𝛼𝑓𝑓
∗(λ1λ2)𝛼𝑏𝑏−𝛼
− 1
(λ1λ2)𝛼𝑏𝑏−𝛼𝑓𝑓
− 1
Ecuación 4. Determinación de porcentaje de quema de biomasa.(Sandradewi et al., 2008)
En este trabajo, siguiendo los valores típicamente usados en la literatura, usamos los
valores 𝛼𝐹𝐹 = 1.0 y 𝛼𝐵𝐵 = 2.0.
Adicionalmente, en este trabajo se exploró una segunda metodología (Massabò et al.,
2015), en la cual se hace una descomposición diferente del coeficiente de abosrción,
identificando la cantidad de eBC emitido por quema de biomasa (EBCWB) y combustible fósil
(EBCFF), además de BrC. Para identificar la contribución de cada variable (eBCWB, eBCFF y
BrC), (Massabò et al., 2015) desarrollaron su metodología bajo diferentes suposiciones,
entre las cuales se encuentran que la quema de biomasa es la única fuente de BrC y que
el eBC puede ser generado tanto por combustible fósil como por quema de biomasa (mismo
exponente de absorción), por lo cual la absorción de luz total se representa con las
siguientes ecuaciones:
18
a) 𝑏𝑎𝑏𝑠(λ) = [(BCff + 𝐵𝐶𝑊𝐵) ∗ 𝜎0𝐵𝐶]λ−αBC + [𝐵𝑟𝐶 ∗ 𝜎0
𝐵𝑟𝐶]λ−αBrC
b) 𝑏𝑎𝑏𝑠(λ) = [BCff ∗ 𝜎0𝐵𝐶]λ−αFF + [𝐵𝐶𝑊𝐵 ∗ 𝜎0
𝐵𝐶 + 𝐵𝑟𝐶 ∗ 𝜎0𝐵𝑟𝐶]λ−αWB
Ecuación 5. Sistema de ecuaciones para el cálculo de la absorción, para un intervalo de longitud de onda con diferentes exponentes Angstrom 𝛼𝐵𝐶 - 𝛼𝐵𝑟𝐶 (a) y 𝛼𝐹𝐹 - 𝛼𝑊𝐵 (b).
La Ecuación 5 se aplicó para los valores de coeficiente de absorción medidos en las 7
longitudes de onda permitidas por el AE-33. cada uno de ellos. Posterior a ello, se realizó
una minimización para hallar cada variable que propone este método (eBCWB, eBCFF y BrC).
5.1.1 Recolección de Muestras de PM2.5
Durante tres periodos (enero-abril de 2018, julio-septiembre 2018, y enero-abril de 2019)
se llevaron a cabo campañas de recolección de muestras de PM2.5 simultáneamente y en
el mismo sitio con las mediciones continuas de BC y BrC. Las muestras de PM2.5 fueron
recogidas usando un impactador Harvard, que consiste en una etapa de impactación
inercial a un flujo de 10 LPM. Como medio de recolección, se usaron filtros de cuarzo
(WHATMAN) de 37 mm, y tiempos de muestreo de 24 horas. Los filtros utilizados tuvieron
un pretratamiento para el monitoreo, que consistió en llevarlos a 500°C por 12 horas en una
mufla antes del monitoreo para eliminar cualquier traza de compuestos orgánicos que
pudiera dar lugar a falsos positivos en el análisis químico. Durante cada campaña, se
recolectaron muestras día de por medio durante los dos meses y medio de duración,
totalizando 30 muestras en cada una, aproximadamente. Asimismo, el pesaje de los filtros
se realizó en un cuarto con condiciones controladas y una balanza analítica de 6 cifras
decimales; la precisión del equipo no representó inconveniente en el estudio, debido a la
cantidad de masa recolectada, típicamente superior a 40 µg.
En el punto de monitoreo de Monserrate, el BrC ha sido medido con una resolución temporal
cada minuto, y con un cubrimiento a lo largo de los 3 años de investigación. Como soporte
de la medición de esta variable, se optó por comparar con diferentes trazadores
19
cuantificados por especiación química como el Levoglucosano, ion Potasio soluble en agua
(WSK) y el Carbono Orgánico Soluble en Agua (WSOC). Dichos compuestos se han
identificado como trazadores por medio de una fuerte asociación entre las series temporales
de las concentraciones de cada uno, lo cual se llevó a cabo por distintas investigaciones
realizadas a nivel mundial (Shen et al., 2017; Laskin et al., 2015; Martinsson et al., 2017;
Pachon et al., 2013).
Posterior a la recolección, las muestras fueron enviadas con cadena de frio a Colorado
State University, en esta universidad el proceso del análisis químico estuvo bajo la
supervisión de Amy P. Sullivan, Ph.D. en química atmosférica. Se realizó una extracción
con agua desionizada para una fracción de filtro con el material particulado. La fase acuosa
es filtrada con poros de 0.2µm para retener impurezas. Posterior a esto, parte de la solución
acuosa se utiliza para determinar WSOC por medio de un Total Organic Carbon (TOC),
este equipo convierte el carbono orgánico de la solución en CO2 con ayuda de persulfato
amónico y luz ultravioleta, y se cuantifica la conductividad de la muestra liquida, la cual es
directamente proporcional al contenido de CO2. Por otra parte, para el análisis de
levoglucosano se toma una alícuota de la misma solución y se analiza mediante
cromatografía de alto desempeño con cambio de aniones con detección amperométrica
pulsada (HPAEC-PAD). Para el ion Potasio se analiza mediante cromatografía de iones.
(Sullivan et al., 2008). El proceso aquí descrito se realizó para cada uno de los filtros de 24
horas, y para filtros blancos, los cuales tuvieron el mismo proceso de cocción y análisis de
laboratorio. El análisis de blancos se realizó para descartar contaminación en el proceso de
análisis. Cada filtro blanco se relacionó con 10 o 15 filtros de muestreo para su respectivo
análisis.
20
5.1.2 Comportamiento de eBC en la ciudad
Como una fuente de datos adicional, y con el fin de observar el comportamiento
característico de eBC en la ciudad se tomaron todos los datos asociados a estos aerosoles
reportados por la red de monitoreo de calidad del aire de Bogotá (RMCAB), la cual realiza
estas mediciones desde el mes de septiembre de 2018. Para este análisis se tomaron los
nueve meses disponibles de información de este contaminante. En la Tabla 1 se relacionan
las estaciones dotadas con equipos enfocados en la medición de aerosoles absorbentes de
luz.
Estaciones de Monitoreo Parámetro de medición
eBC UV-BC*
Usaquén X
Las Ferias X X
Kennedy X
Carvajal-Sevillana X X
Tunal X X
San Cristóbal X
Tabla 1. Estaciones de la RMCAB con equipos de medición de aerosoles absorbentes de luz (eBC y UV-BC). Periodo (09/18-05/19).
(*): Material particulado absorbente de luz ultravioleta
5.2 Análisis de incendios por medio de retrotrayectorias
Se realizaron simulaciones de la procedencia de masas de aire por medio del modelo
HYSPLIT (Stein et al., 2015). Cada retrotrayectoria está caracterizada por su tiempo de
llegada al punto receptor, así como la latitud, longitud y altura de la posición de la masa de
aire para las 96 horas anteriores a su llegada al receptor. Se construyeron 8 retro-
trayectorias por día, con tiempos de llegada separados cada 3 horas. Este análisis permite
21
identificar si las mediciones para días específicos pueden estar afectadas por fuentes
regionales (Mendez-Espinosa et al., 2018).
Se utilizaron datos del sensor MODIS para identificar los incendios en la zona norte de
Sudamérica por medio de un sensor infrarrojo que detecta anomalías térmicas en la zona
(Justice et al., 2002). Con el fin de identificar los incendios que posiblemente influyan a la
calidad del aire de Bogotá, se realizó una selección de estos de manera espaciotemporal
teniendo en cuenta la fecha en la que estaba activo y si la ubicación coincidía con el paso
de las retrotrayectorias. En la Figura 5.2 se ejemplifica la selección de incendios activos por
la ubicación de estos con respecto a las trayectorias, este proceso se realizó con área de
influencia de 150 kilómetros.
Figura 5.2. Ejemplo de la selección de incendios activos de manera espacio-temporal con Retrotrayectorias
finalizadas en la ciudad de Bogotá. Fecha:11/03/2018.
22
5.3 Asociación de Concentración de BrC y poder radiativo de incendios
seleccionados
Se realizó un análisis de correlaciones entre BrC, WSK, WSOC, Levoglucosano y el poder
radiativo de incendios, con la finalidad de determinar el nivel de asociación estadístico entre
las quemas e incendios en NSA y las mediciones de la estación del cerro Monserrate. Se
utilizo el método de Spearman, debido a que ninguna distribución de las variables se
ajustaba a una normal.
Se realizo el análisis de correlación para todo el periodo de medición y así como también
para periodos específicos caracterizados por altas concentraciones de BrC, definidas como
superiores al percentil 95. Por otro lado, se tomaron periodos de mínimas concentraciones
para observar el cambio en la asociación de las concentraciones con el FRP de los
incendios seleccionados.
5.4 Identificación de áreas potenciales de emisiones de quema de biomasa
Con el objetivo de identificar las potenciales áreas de emisión de quema de biomasa, se
realizó un promedio logarítmico mediante la metodología concentración ponderada de la
trayectoria, CWT, (Ecuación 6), utilizando el software R con la herramienta de geo análisis.
Con esta metodología, se quiere establecer una atribución espacial del posible origen que
explica las concentraciones medidas de BrC en la estación de Monserrate. Para ello el
dominio se dividió en una grilla con celdas de 1°x1° para su representación espacial.
ln(𝐶�̅�𝑗) =∑ ln(𝐶𝑘) 𝜏𝑖𝑗𝑘𝑁𝑘=1
∑ 𝜏𝑖𝑗𝑘𝑁𝑘=1
Ecuación 6. Concentración ponderada por el tiempo de residencia.
Donde los índices i y j son las posiciones de la grilla, k el índice de la trayectoria, N el
número total de trayectorias, Ck la concentración de contaminante medida a la llegada de
23
la trayectoria k, y 𝜏jk el tiempo de residencia de la trayectoria k en la celda de la grilla. Un
valor alto de Cij significa que las masas de aire que pasan sobre la celda (i, j) causarán, en
promedio, altas concentraciones en el sitio del receptor.
Por otra parte, se desarrolló una metodología propia, en la cual se relacionan los incendios
seleccionados por medio de la metodología descrita por (Méndez-Espinosa, Belalcazar, &
Morales-Betancourt, 2018) y las concentraciones en el punto de monitoreo. Por medio de
esta información se analiza la coincidencia del trayecto de las masas de aire con los eventos
de concentraciones medidas por la estación de monitoreo ubicada en el cerro Monserrate,
teniendo en cuenta el tiempo transcurrido de la ocurrencia del evento y su impacto a la
ciudad.
A partir de los datos mencionados anteriormente se desarrolla la Ecuación 7, la cual
relaciona la ubicación de los incendios directamente con el área de emisión de la quema de
biomasa.
𝐶�̅�𝑗 =∑ 𝐶𝑑 ∗ 𝐹𝑅𝑃𝑖𝑗𝑑 ∗ 𝑒
−𝑡𝜏𝑁
𝑑=1
∑ 𝐹𝑅𝑃𝑖𝑗𝑑 ∗ 𝑒−𝑡𝜏𝑁
𝑑=1
Ecuación 7. Concentración ponderada por el poder radiativo de los incendios y el tiempo de trayecto.
Donde los índices i y j son las posiciones de la grilla, d el índice del día de medición, N el
número total de datos diarios obtenidos en la estación de monitoreo, Ck la concentración de
BrC medida el día 𝑑, el tiempo de viaje, t, que se demora en impactar la emisión de cada
incendio y 𝜏la escala de tiempo de dilución de las plumas de quema de biomasa, que se
fijó en 5 días siguiendo la metodología de (Mendez-Espinosa et al., 2018). Un valor alto de
Cij significa que la celda es un área de emisión de quema de biomasa considerable que
contribuye a el material particulado de la ciudad.
24
6 Resultados y Discusión
Los parámetros meteorológicos recolectados durante la duración de la campaña fueron
utilizados para caracterizar las condiciones en el punto de muestreo. Se observó que
durante el 60% del tiempo, los vientos provienen del Este (Figura 6.1), El porcentaje de
tiempo con vientos del Este excluyendo las calmas se incrementa hasta un 75%
aproximadamente. Estos resultados sugieren que la ubicación del punto de monitoreo es
idónea para captar las señales regionales.
Figura 6.1. Rosa de vientos, estación de monitoreo Monserrate. Periodo: 09/16-04/19
6.1 Concentraciones de Black Carbon y Brown Carbon
Para la estación de calidad del aire ubicada en el cerro Monserrate, se obtuvo
aproximadamente el 80% de los datos del periodo de tres años de medición. Durante las
temporadas de alto número de incendios en 2018 y 2019 el equipo presentó fallas técnicas
que obligaron a retirarlo para mantenimiento. Por esta razón no se tienen datos completos
en estos años. Los datos fueron utilizados para determinar el porcentaje de quema de
25
biomasa (%BB) y así mismo las concentraciones de eBC y BrC, esto aplicando la
descomposición de Sandradewi et al., 2008. La serie temporal de promedios horarios y
promedios diarios de las para eBC, %BB, y BrC con esta metodología en la estación de
Monserrate se representa en la Figura 6.2. Las áreas en rojo muestran los periodos donde
hay una interrupción de datos por mantenimiento y calibración.
Figura 6.2. Concentraciones de eBC, %BB y BrC medidas en la estación de Monserrate, concentraciones promedio horarias y diarias para el periodo de monitoreo (09/16-04/19). Los periodos sombreados en rojo no
se tiene información.
Se calculó la concentración promedio mensual (Figura 6.3), la cual evidencia que los meses
con más alta concentración se encuentran entre noviembre y marzo, con concentraciones
26
máximas de 2 µg/m3 y 0.15 µg/m3 para eBC y BrC, respectivamente. En cuento al porcentaje
de quema de biomasa, se puede observar que tiene una tendencia a aumentar y que el
último periodo de noviembre a marzo de 2019, posiblemente, fue el de mayor aporte de
quema de biomasa al punto de monitoreo, teniendo en cuenta que hay dos meses sin datos
ya que en este periodo el equipo estuvo en mantenimiento.
Figura 6.3. Concentraciones de eBC, %BB y BrC medidas en la estación de Monserrate, concentraciones promedio mensuales para el periodo de monitoreo (09/16-04/19). Las líneas solidas representan el
comportamiento suavizado de las variables y las áreas sombreadas representan el intervalo de confianza del 95%. Los periodos sombreados en rojo no se tiene información.
27
6.2 Influencia de la ciudad a la estación de monitoreo de Monserrate
Por otro lado, se realizó un análisis sobre la influencia de las emisiones de la ciudad, sobre
las mediciones de la estación de monitoreo de Monserrate, teniendo en cuenta que en el
cerro Monserrate no hay ninguna fuente considerable de eBC. Para ello se compararon las
concentraciones de eBC de Monserrate con las de la ciudad durante el periodo de
coincidencia de datos. La comparación se realizó con las estaciones relacionadas en la
Tabla 1, en el periodo limitado por septiembre 2018 y mayo 2019. En la Figura 6.4, se puede
observar el perfil diario promedio de las concentraciones de eBC en Monserrate y Bogotá,
estos contaminantes presentan un comportamiento similar, lo que indica que la estación de
monitoreo de Monserrate se ve influenciada por las concentraciones de la ciudad. La
estación de Monserrate alcanza entre 5% a 20% del eBC de la ciudad, alcanzando su
máximo a las 9:00 de la mañana aproximadamente. Esto se debe posiblemente al momento
en el cual la capa limite supera la diferencia de 550 metros verticales entre Bogotá y el cerro
Monserrate.
Figura 6.4. Comparación perfil diurno de eBC promedio de Bogotá y de la estación de Monserrate. El área sombreada delimita el intervalo de confianza del 95%. Periodo:09/18-05/19.
28
Para eliminar la influencia de la ciudad al punto de monitoreo se realizó una selección de
datos que provinieran del este (45° a 135°), lo anterior, a partir de los datos recolectados
por la estación meteorológica instalada en la estación de calidad de aire de Monserrate. El
resultado de esta selección se refleja en la Figura 6.5, de igual manera las concentraciones
de eBC observadas en el cerro Monserrate se ven influenciadas por las emisiones de la
capital, por tal razón es necesario evitar los datos provenientes de 6:00 am hasta las 6:00
pm, de esta manera se tiene certeza que las concentraciones que lleguen al punto de
monitoreo sean de transporte regional.
Figura 6.5. Comparación perfil diurno de eBC promedio de Bogotá y de la estación de Monserrate para datos filtrados con proveniencia del viento desde el Oriente. El área sombreada delimita el intervalo de confianza del
95%. Periodo:09/18-05/19.
De esta manera, se optó por seleccionar los datos con proveniencia del este y nocturnos
para omitir la influencia de la ciudad y así mismo observar de una mejor manera la señal
regional de la pluma por la quema de biomasa. De igual manera se analizó el
comportamiento del eBC y BrC después de su filtración y se observa una pequeña
disminución en las concentraciones, pero continua con el mismo ciclo temporal, como se
evidencia en la Figura 6.6.
29
Figura 6.6. Comparación de concentraciones promedio mensuales de eBC y BrC para a) datos 24 horas y b) datos nocturnos y del este. El área sombreada delimita el intervalo de confianza del 95%. Periodo:09/16-
05/19.
6.3 Análisis de BrC y %BB con dirección y velocidad de viento
Se realizó un análisis de la concentración de BrC con la dirección y velocidad del viento,
para ello se realizaron rosas de polución en las cuales se pueden integrar estas tres
variables. A continuación, en la Figura 6.7 se compararon los datos para el periodo de
monitoreo sin ningún tipo de modificación y filtrado para el este y la noche, se puede
evidenciar la disminución en las concentraciones de BrC que descienden hasta los 0.05
(µg/m3), pero se detecta de una mejor manera la señal regional; en cuanto a la velocidad
a) b)
a) b)
30
del viento, se encuentra la presencia de material carbonáceo en todas las velocidades del
periodo de monitoreo con una proveniencia preferencial del este.
Figura 6.7. Comparación de rosas de polución de BrC para el periodo de monitoreo sin ninguna modificación
(a) y con la selección del este y de noche (b). Periodo: 09/16-04/19
Para soportar el análisis de dirección y velocidad de viento con las concentraciones de BrC,
se realizó el mismo proceso para el porcentaje de quema de biomasa, en la Figura 6.8 se
observa la comparación de los datos para el periodo de monitoreo sin ningún tipo de
modificación y filtrado para el este y la noche. Como resultado de esta selección, se refleja
un aumento en la señal regional captada por el equipo, con mayores porcentajes de quema
de biomasa probablemente de incendios forestales.
b) a)
31
Figura 6.8. Comparación de rosas de polución de BrC para el periodo de monitoreo sin ninguna modificación
(a) y con la selección del este y de noche (b). Periodo: 09/16-04/19
Como se pudo observar en la Figura 6.6, el BrC tiene un comportamiento temporal anual,
con base a esto, se realizó una selección de dos periodos, de diciembre a marzo como
temporada de altas concentraciones y un periodo de bajas concentraciones delimitado entre
junio y agosto. La selección de los periodos permite observar el cambio de las variables con
respecto al promedio anual. Se identifico el comportamiento del porcentaje de quema de
biomasa con las distintas direcciones de viento, para un periodo anual, de altas
concentraciones y de bajas concentraciones. Como se muestra en la Figura 6.9, el
porcentaje de quema de biomasa aumenta en direcciones de viento provenientes del este,
con porcentajes mayores en el periodo de altas concentraciones (diciembre-marzo)
llegando hasta valores de 12% promedio. En el periodo de bajas concentraciones (junio-
agosto) es posible que se encuentren valores altos debido a los pocos datos que se
encuentran en los rangos de dirección de viento.
b) a)
32
Figura 6.9. Porcentaje de quema de biomasa promedio para cada dirección de viento en tres periodos: anual, altas concentraciones y bajas concentraciones, representados por colores azul, amarillo y verde,
respectivamente. Las barras verticales indican la frecuencia del viento en cada dirección.
De igual manera, en la Figura 6.10 se muestra el análisis del porcentaje de quema de
biomasa para distintas velocidades de viento, resaltando que a medida que aumenta la
velocidad de viento así mismo lo hace el porcentaje detectado por el equipo, característica
que se propaga hasta los 8 m/s.
33
Figura 6.10. Porcentaje de quema de biomasa promedio para cada dirección de viento en tres periodos: anual, altas concentraciones y bajas concentraciones, representados por colores azul, amarillo y verde,
respectivamente. Las barras verticales indican la frecuencia del viento en cada velocidad.
6.4 Asociación de FRP con trazadores de quema de biomasa
Con el fin de establecer si hay una asociación entre las concentraciones de BrC medidas
en la estación de calidad de aire de Monserrate con incendios que posiblemente puedan
impactar la calidad del aire de la ciudad, se utilizaron datos de monitoreo remoto del sensor
MODIS de la NASA, para la zona norte de Suramérica. Esto permitió identificar las
anomalías térmicas, o hot-spots, asociados a incendios y quemas. En este estudio se
tomaron incendios identificados por el sensor con un porcentaje de confianza igual o mayor
a 75%. En la Figura 6.11 se muestra la serie temporal de número de incendios diario y el
poder radiativo (FRP) que estos generan para el periodo de estudio junto con las
concentraciones de BrC. Se pudo identificar la fuerte asociación entre estas dos variables,
lo cual permite trabajar con cualquiera de las dos para observar eventos de quema de
biomasa en el NSA potenciales a impactar la calidad del aire de la capital.
34
Figura 6.11. Serie temporal de concentraciones de BrC con Número de incendios y poder radiativo de anomalías identificadas por MODIS en NSA. Periodo:09/16-04/19
Las señales de número de incendios y FRP están muy fuertemente asociadas, (Figura 6.12)
y como lo demuestra el coeficiente de correlación de Spearman de 0.95.
35
Figura 6.12. Correlación de Numero de Incendios y poder radiativo en el NSA. Método: Spearman. Periodo:05/16-05/19
En la Figura 6.11 no se observa una clara asociación entre las variables identificadas por
MODIS y el BrC medido en Monserrate; De igual manera, se determinó la correlación
mediante el método de Spearman involucrando el BrC y FRP, como resultado se observó
que no hay asociación estadística entre las variables, lo anterior reflejado en la Figura 6.13.
Figura 6.13. Correlación del poder radiativo en el NSA y concentraciones de BrC medidas en el cerro Monserrate. Método: Spearman. Periodo:09/16-05/19
36
Como siguiente paso de este análisis, se utilizó el modelo HYSPLIT con el objeto de
determinar la procedencia de las masas de aire, este modelo proporciona 8 retrotrayectorias
por día, cada una con una resolución horaria y una longitud de 96 horas (4 días atrás). A
partir del uso de esta herramienta se seleccionaron los incendios potenciales por medio de
un análisis espaciotemporal, este análisis consistió en seleccionar los incendios que estén
encendidos dentro de un buffer de 150 km y en la misma fecha de la trayectoria de la masa
de aire. De esta manera se tienen en cuenta los incendios que pueden estar en contacto
con las masas de aire que arriban a Bogotá. En la Figura 6.14 se puede observar el
resultado de la selección de los incendios y las trayectorias promedio mensual para el año
2018.
Figura 6.14. Retrotrayectorias mensuales con punto final estación Monserrate con presencia de incendios
detectados por el programa MODIS para el año 2018.
37
Posterior al análisis espaciotemporal, se realizó una nueva serie temporal incluyendo el
FRP de incendios seleccionados con las concentraciones de BrC medidas localmente para
el año 2018, como se puede ver en la Figura 6.15.
Figura 6.15. Serie temporal de concentraciones de BrC con Número de incendios y poder radiativo de incendios seleccionados en NSA. Periodo:09/16-04/19
El comportamiento temporal de los incendios cambia con la metodología de selección, por
lo cual se realizó una nueva correlación entre la serie temporal de estas dos variables para
el periodo de medición. En la Figura 6.16 se refleja un aumento en la asociación entre estas
dos variables alcanzando un coeficiente de correlación de 0.31, valor alto considerando que
se están relacionando eventos a cientos de kilómetros.
38
Figura 6.16. Correlación del poder radiativo de incendios seleccionados y concentraciones de BrC medidas en el cerro Monserrate. Método: Spearman. Periodo:01/18-01/19
Con el objetivo de estudiar el comportamiento de periodos de altas y bajas concentraciones,
se analizaron a detalle las concentraciones de BrC y porcentajes de quema de biomasa
que estuvieran por encima del percentil 95 en todo el periodo de medición, de esta manera
se seleccionaron tres periodos con altas concentraciones de BrC y alto %BB, en los cuales
se espera un aporte de quema de biomasa por incendios seleccionados por el sensor
MODIS. A modo de comparación, se seleccionaron dos periodos de bajos incendios para
determinar una posible diferencia en el aporte entre periodos, en la Tabla 2 se muestran los
periodos seleccionados.
Periodo Característica Fecha de inicio
Fecha de finalización
1 Altas Concentraciones
1/1/2017 6/4/2017
2 Bajas Concentraciones
25/6/2017 29/8/2017
3 Altas Concentraciones
19/9/2017 31/12/2017
4 Altas Concentraciones
1/1/2018 16/2/2018
5 Bajas Concentraciones
25/6/2018 29/8/2018
6 Altas Concentraciones
19/9/2018 31/12/2018
39
Tabla 2. Periodos seleccionados con mayores y menores concentraciones de BrC y %BB.
En la Figura 6.17 se observan las correlaciones de Spearman de BrC y poder radiativo de
los incendios seleccionados en los diferentes periodos de la Tabla 2. En la primera columna
se observa el periodo 1 y 4, los cuales representan los primeros 3 meses del año y donde
se encuentra el máximo valor mensual tanto para FRP como BrC (marzo). El periodo de
bajo número de incendios y bajas concentraciones de BrC, se presenta en la segunda
columna de la Figura 6.17 reflejado en las correlaciones de los periodos 2 y 5, en donde el
poder radiativo disminuye a menos de un 6% del máximo diario. Por último, el periodo 3 y
6 representan los últimos meses del año en donde se obtuvieron algunos días con valores
de BrC por encima del percentil 95 y bajo poder radiativo diario producido por los incendios
seleccionados.
Figura 6.17. Correlaciones de BrC y FRP en periodos seleccionados con mayores y menores concentraciones
de BrC y %BB. Método: Spearman.
40
La Tabla 3 resume el análisis de correlación de las dos variables por cada periodo
seleccionado, en donde se encuentran los parámetros resultantes como el coeficiente de
correlación y el valor P. Este análisis sugiere que en los meses de julio y agosto no se tiene
una asociación entre FRP y BrC; caso contrario, sucede en los primeros meses del año
2018, donde se encuentra la mayor correlación de los periodos seleccionados y es
estadísticamente significativo. Los periodos restantes tienen un valor p mayor a 0.05,
concluyendo que los coeficientes no son significativamente diferentes de cero.
Periodo Fecha de inicio
Fecha de finalización
Coeficiente Correlacion
Valor P
1 1/1/2017 6/4/2017 0.2 0.068
2 25/6/2017 29/8/2017 0.26 0.034
3 19/9/2017 31/12/2017 0.027 0.79
4 1/1/2018 16/2/2018 0.37 0.0088
5 25/6/2018 29/8/2018 0.39 0.0016
6 19/9/2017 31/12/2017 -0.028 0.76 Tabla 3. Parámetros de correlaciones de BrC y FRP en periodos seleccionados con mayores y menores
concentraciones de BrC y %BB. Método: Spearman.
Como soporte de las mediciones continuas de BrC, se realizaron comparaciones con
Levoglucosano, WSK, y WSOC. Estos trazadores fueron identificados mediante la
recolección de PM2.5 en dos campañas de monitoreo diferentes. Una campaña se desarrolló
en periodo de alto número de incendios (25/01/2018-7/04/2018) y otra en un periodo de
baja presencia de incendios (25/07/2018-28/09/2018). Se determino la correlación de los
trazadores identificados en el PM2.5 con el BrC por medio del método de Spearman, en la
Figura 6.18 se muestra cada regresión lineal con el coeficiente de correlación y el valor P.
41
Figura 6.18. Correlación de Brown Carbon y concentraciones medidas en el cerro Monserrate de a) Levoglucosano, b) Potasio soluble en agua y c) Carbono orgánico soluble en agua. Método: Spearman.
En la Figura 6.19, se presenta la serie temporal de incendios seleccionados y
concentraciones de BrC en el primer panel, destacando la ausencia de datos de BrC, debido
a un periodo de mantenimiento forzado por el largo trabajo de campo. En el segundo panel
se presentan las concentraciones de los trazadores de quema de biomasa identificados en
el PM2.5, como el levoglucosano, WSOC y WSK. En la serie temporal se destacan dos
periodos que se relacionan con la presencia de incendios, el primero con un máximo en los
trazadores WSK, WSOC y BrC. En el segundo periodo a pesar de no contar con las
concentraciones de BrC, se ve un aumento en el levoglucosano y el WSOC, de la misma
manera que los incendios.
a) b)
c)
42
Figura 6.19. Series Temporales para la primera campaña de campo de Incendios seleccionados, BrC, levoglucosano, WSOC y WSK, representados por los colores: Rojo, Café, Verde, Naranja y morado,
respectivamente.
En la segunda campaña de monitoreo, realizada en un periodo de bajo número de
incendios, se identificaron los trazadores de quema de biomasa con el fin de cuantificar el
aumento de estas variables en periodos de alto número de incendios. Se observa
claramente en la Figura 6.20, que las variables medidas tienen cambios leves en su
temporalidad, a excepción del BrC que alcanza valores de 0.2 µg/m3.
43
Figura 6.20 Series Temporales para la segunda campaña de campo de Incendios seleccionados, BrC, levoglucosano, WSOC y WSK, representados por los colores: Rojo, Café, Verde, Naranja y morado,
respectivamente.
44
6.5 Identificación de áreas potenciales de emisiones de quema de biomasa
Con el fin de identificar las ubicaciones de las fuentes de quema de biomasa que impactan
a la ciudad, se calculó la CWT (Ecuación 6), en la cual se establece una sumatoria de la
ponderación de la concentración medida por el tiempo de residencia en cada celda por la
que transita. El resultado de este proceso se muestra en la Figura 6.21, en donde se puede
observar una distribución de las concentraciones con dirección predominante al Nororiente
Colombiano, resaltando la cercanía que se presenta a la cuenca de la Orinoquia y
reforzando lo afirmado por (Chacon & Belalcázar, 2015). Por otro lado, se identifican zonas
al occidente de la ciudad con las concentraciones más altas, esto se presenta debido a que
en los meses de mayo a julio los vientos cambian su procedencia.
Figura 6.21. Concentraciones de BrC promedio espacialmente distribuidas mediante la metodología CWT para el periodo de monitoreo (Sep./16-Ago/18).
45
Una desventaja que se identificó al aplicar el método CWT, fue que la distribución espacial
no discrimina la superficie continental de la superficie oceánica, lo que implica catalogar
diferentes áreas como falsos positivos, debido a que la superficie del océano no puede ser
fuente de trazadores de quema de biomasa. Por esta razón, se desarrolló una nueva
metodología para identificar las áreas potenciales de emisión de trazadores de quema de
biomasa, la cual se describe en la sección 5.4.
A partir de estos resultados se desarrolló una metodología propia para identificar
potenciales áreas de emisión de quema de biomasa, para el desarrollo de esta metodología
se realizaron suposiciones como que el BrC se atribuye únicamente a incendios forestales
y que el poder radiativo de cada incendio es una variable proporcional a la emisión de
material particulado generado por la quema de biomasa. Además, se mejoró la resolución
espacial comparado con la anterior metodología, teniendo en cuenta que esta tiene una
resolución de celdas de 1° x 1° y la nueva metodología celdas más pequeñas de 0.25° x
0.25°. Por otra parte, se tuvo en cuenta que el impacto de la pluma de contaminante sería
distinto si la emisión se genera uno o cuatro días antes del arribo a la ciudad; para ello, el
algoritmo cuenta con un término que reduce el impacto a medida que la pluma envejece,
teniendo en cuenta que el BrC es un contaminante de vida corta.
A continuación, en la Figura 6.22 se observa la distribución espacial de las áreas emisoras
de quema de biomasa, los colores representan el aporte total durante el periodo de
medición que tuvo cada una de estas celdas a las concentraciones medidas en la estación
de monitoreo en el cerro Monserrate.
46
Figura 6.22. Aporte anual de concentraciones de BrC espacialmente distribuidas mediante la metodología
propia para el periodo de monitoreo (01/18-12/18).
El resultado de la distribución espacial reflejada en la Figura 6.22, muestra que la mayoría
de las concentraciones de BrC surgen de la cuenca de la Orinoquia colombo venezolana,
aportando valores máximos de hasta 1600ng/m3 por celda. Por otra parte, se observa la
gran contribución de áreas ubicadas a menos de 400 kilómetros de Bogotá, aportando en
su gran mayoría entre 80 y 800 ng/m3 y representado en color naranja.
47
7 Conclusiones
En este trabajo se determinó, mediante mediciones directas durante tres años, la
concentración de aerosoles absorbentes de luz, Black Carbon y Brown Carbon, aplicando
la metodología de atribución de Sandradewi et al., 2008. El principal aporte a la estación de
Monserrate fue de Black Carbon generado por la combustión de combustible fósil en la
capital; para observar la señal regional se evitó la influencia de la ciudad, seleccionando los
datos nocturnos con proveniencia del este, lo que causo un fortalecimiento en la señal
regional.
Se considero el análisis de las concentraciones de BrC con el comportamiento del viento
medido localmente en la estación de Monserrate, en donde se identificó altas
concentraciones de BrC con vientos de diferentes velocidades provenientes del este, entre
45° y 135°.
Se realizo un análisis temporal de las concentraciones de eBC, BrC y %BB, obteniendo una
señal con una temporalidad anual, regido por meses de altas concentraciones como el
periodo de febrero a marzo y de bajas concentraciones entre junio y septiembre. Se
determinó, además, un aporte promedio del 4% anual del BrC a los aerosoles absorbentes
de luz. Este porcentaje aumenta en los meses de marzo con un valor de 10% promedio
mensual. Sin embargo, en la campaña de medición se observó que la ocurrencia de eventos
de quema de biomasa puede llegar a contribuir hasta el 50% en periodos de tiempo de una
hora o el 30% en un periodo de 24 horas.
Por otra parte, los incendios del sensor MODIS fueron seleccionados con retrotrayectorias
representadas por Hysplit y siguiendo la metodología establecida por (Mendez-Espinosa et
al., 2018). El resultado de este análisis sugiere que los eventos de mayor presencia de
48
quema de biomasa pueden deberse a masas de aire transportadas desde el oriente del
país.
Se analizaron las asociaciones del poder radiativo de los incendios seleccionados con las
concentraciones de BrC obtenidas en la estación de monitoreo de Monserrate, se obtuvo
que para los primeros 3 meses del año 2018, resulto una correlación de 0.37
estadísticamente significativa, sugiriendo una relación de estas dos variables en ese
periodo de tiempo.
Se identificaron zonas de emisión potencial en la zona nororiente de la ciudad, resaltando
la cuenca de la Orinoquia como una potencial fuente de emisiones de quema de biomasa.
Adicionalmente, se identifico un aporte mas cercano de los incendios que se sitúan a un
buffer de 400 kilómetros de la ciudad y que se ubican igualmente al oriente de la capital.
Finalmente se puede concluir que el aporte de la quema de biomasa se produce por eventos
que pueden ser atribuidos a incendios forestales, que en promedio ocurren en el mes de
marzo y se ubican a cientos de kilómetros, con un aporte del 10% al material absorbente
de luz y un 1% al PM2.5 de Bogotá.
49
8 Bibliografía Ambiente, S. D. (2017). Informe anual de calidad del aire de Bogota. RMCAB.
Andreae, M. O., & Gelencs, A. (2006). Black carbon or brown carbon ? The nature of light-
absorbing carbonaceous aerosols. Atmospheric Chemistry and Physics, 3131–3148.
Chacon, L., & Belalcázar, L. C. (2015). EFECTO DE LOS INCENDIOS FORESTALES
SOBRE LA CALIDAD DEL AIRE EN DOS CIUDADES COLOMBIANAS. Universidad
Nacional de Colombia.
Cuchiara, G. C., Rappenglück, B., Rubio, M. A., Lissi, E., Gramsch, E., & Garreaud, R. D.
(2017). Modeling study of biomass burning plumes and their impact on urban air
quality ; a case study of Santiago de Chile. Atmospheric Environment, 166, 79–91.
Fuller, G. W., Tremper, A. H., Baker, T. D., Yttri, K. E., & Butterfield, D. (2014). Contribution
of wood burning to PM10in London. Atmospheric Environment, 87, 87–94.
https://doi.org/10.1016/j.atmosenv.2013.12.037
Gaitan, M., & Behrentz, E. (2009). Evaluacion Del Estado De Calidad Del Aire Desde
Bogotá.
Hamburger, T., Matisans, M., Tunved, P., Ström, J., Calderon, S., Hoffmann, P., … Krejci,
R. (2013). Long-term in situ observations of biomass burning aerosol at a high altitude
station in Venezuela – Sources, impacts and interannual variability.
Atmospheric Chemistry and Physics, 13(19), 9837–9853. https://doi.org/10.5194/acp-
13-9837-2013
Harrison, R. M., Beddows, D. C. S., Jones, A. M., Calvo, A., Alves, C., & Pio, C. (2013). An
evaluation of some issues regarding the use of aethalometers to measure woodsmoke
concentrations. Atmospheric Environment, 80, 540–548.
https://doi.org/10.1016/j.atmosenv.2013.08.026
50
Janh, S., Andreae, M. ., & Poschl, U. (2010). Biomass burning aerosol emissions from
vegetation fires. Atmospheric Chemistry and Physics, 10, 1427–1439.
Jeong, C., Hopke, P. K., Kim, E., & Lee, D. (2004). The comparison between thermal-optical
transmittance elemental carbon and Aethalometer black carbon measured at multiple
monitoring sites. Atmospheric Environment, 38, 5193–5204.
https://doi.org/10.1016/j.atmosenv.2004.02.065
Justice, C. O., Giglio, L., Korontzi, S., Owens, J., Morisette, J. T., & Roy, D. (2002). The
MODIS fire products. Remote Sensing of Environment, 83, 244–262.
Kappos, A. D., Bruckmann, P., Eikmann, T., Englert, N., Heinrich, U., & Hˆppe, P. (2004).
Report The German view Health effects of particles in ambient air, 207.
Laskin, A., Laskin, J., & Nizkorodov, S. A. (2015). Chemistry of Atmospheric Brown Carbon.
Chemical Reviews, 115(10), 4335–4382. https://doi.org/10.1021/cr5006167
Leenhouts, B. (1998). Assessment of Biomass Burning in the Conterminous United States.
Ecology and Society, 2(1), 1–21.
Martinsson, J., Azeem, H. A., Sporre, M. K., Bergström, R., Ahlberg, E., & Öström, E. (2017).
Carbonaceous aerosol source apportionment using the Aethalometer model –
evaluation by radiocarbon and levoglucosan analysis at a rural background site in
southern Sweden. Atmospheric Chemistry and Physics, 17(March), 4265–4281.
Massabò, D., Caponi, L., Bernardoni, V., Bove, M. C., Brotto, P., Calzolai, G., … Prati, P.
(2015). Multi-wavelength optical determination of black and brown carbon in
atmospheric aerosols. Atmospheric Environment, 108, 1–12.
https://doi.org/10.1016/j.atmosenv.2015.02.058
Méndez-Espinosa, J., Belalcazar, L., & Morales-Betancourt, R. (2018). Regional Air Quality
51
Impact of Northern South America Biomass Burning Emissions. Atmospheric
Environment (Revision Stage), 203(January), 131–140.
https://doi.org/10.1016/j.atmosenv.2019.01.042
Morales, J. A., Hermoso, M., Serrano, J., & Sanhuezat, E. (1990). TRACE ELEMENTS IN
THE VENEZUELAN SAVANNAH ATMOSPHERE DURING DRY AND WET PERIODS
, WITH AND WITHOUT VEGETATION BURNING. Atmospheric Environment, 24(2),
407–414.
Pachon, J. E. (2017). Medición y predicción de emisiones de especies contaminantes y sus
impactos en la atmósfera. Medellin: Escuela Internacional de Desarrollo Sostenible.
Pachon, J. E., Weber, R. J., Zhang, X., Mulholland, J. A., Russell, A. G., & Pachon, J. E.
(2013). Revising the use of potassium (K) in the source apportionment of PM2.5.
Atmospheric Pollution Research, 4(1), 14–21. https://doi.org/10.5094/APR.2013.002
Petzold, A., Ogren, J. A., Fiebig, M., Laj, P., Li, S. M., Baltensperger, U., … Zhang, X. Y.
(2013). Recommendations for reporting black carbon measurements. Atmospheric
Chemistry and Physics, 13(16), 8365–8379. https://doi.org/10.5194/acp-13-8365-2013
Pope III, A., Dockery, D. W., Spengler, J. D., & Raizenne, M. E. (1991). Respiratory Health
and PM 10 Pollution: a daily time series analysis.
Ramírez, O., Sanchez, A. M., & De la Rosa, J. (2018). Characteristics and temporal
variations of organic and elemental carbon aerosols in a high – altitude , tropical Latin
American megacity. Atmospheric Research, 210(April), 110–122.
https://doi.org/10.1016/j.atmosres.2018.04.006
Ramírez, O., Sánchez de la Campa, A. M., Amato, F., Catacolí, R. A., Rojas, N. Y., & de la
Rosa, J. (2018). Chemical composition and source apportionment of PM10at an urban
52
background site in a high–altitude Latin American megacity (Bogota, Colombia).
Environmental Pollution, 233, 142–155. https://doi.org/10.1016/j.envpol.2017.10.045
Reid, C. E., Considine, E. M., Watson, G. L., Telesca, D., Gabriele, G. P., & Jerrett, M.
(2019). Associations between respiratory health and ozone and fi ne particulate matter
during a wildfire event. Environment International, 129(April), 291–298.
https://doi.org/10.1016/j.envint.2019.04.033
Rojas Y., N. (2009). Aire y problemas ambientales de Bogotá. Foro Nacional Ambiental,
Documento de Políticas Públicas, 18(Problemas ambientales de Bogotá), 12.
Sandradewi, J., Prévôt, A. S. H., Szidat, S., Perron, N., Alfarra, M. R., Lanz, V. A., …
Baltensperger, U. R. S. (2008). Using aerosol light abosrption measurements for the
quantitative determination of wood burning and traffic emission contribution to
particulate matter. Environmental Science and Technology, 42(9), 3316–3323.
https://doi.org/10.1021/es702253m
Shen, Z., Zhang, Q., Cao, J., Zhang, L., Lei, Y., Huang, Y., … Liu, S. (2017). Optical
properties and possible sources of brown carbon in PM2 .5 over Xian, China.
Atmospheric Environment, 150, 322–330.
https://doi.org/10.1016/j.atmosenv.2016.11.024
Stein, A. F., Draxler, R. R., Rolph, G. D., Stunder, B. J. B., Cohen, M. D., & Ngan, F. (2015).
Noaa’s hysplit atmospheric transport and dispersion modeling system. Bulletin of the
American Meteorological Society, 96(12), 2059–2077. https://doi.org/10.1175/BAMS-
D-14-00110.1
Stohl, A., Aamaas, B., Amann, M., Baker, L. H., Bellouin, N., Berntsen, T. K., … Zhu, T.
(2015). Evaluating the climate and air quality impacts of short-lived pollutants.
Atmospheric Chemistry and Physics, 15(September), 10529–10566.
53
https://doi.org/10.5194/acp-15-10529-2015
Sullivan, A. P., Holden, A. S., Patterson, L. A., Mcmeeking, G. R., Kreidenweis, S. M., Malm,
W. C., … Jr, J. L. C. (2008). A method for smoke marker measurements and its
potential application for determining the contribution of biomass burning from wildfires
and prescribed fires to ambient PM 2 . 5 organic carbon, 113.
https://doi.org/10.1029/2008JD010216
Titos, G., del Águila, A., Cazorla, A., Lyamani, H., Casquero-Vera, J. A., Colombi, C., …
Alados-Arboledas, L. (2017). Spatial and temporal variability of carbonaceous
aerosols: Assessing the impact of biomass burning in the urban environment. Science
of the Total Environment, 578, 613–625.
https://doi.org/10.1016/j.scitotenv.2016.11.007
Vargas, F. A., & Rojas, N. Y. (2010). Chemical composition and mass closure for airborne
particulate matter in Bogotá. Ingenieria e Investigacion, 30(2), 105–115.
https://doi.org/10.1586/1744666X.5.1.45
Wang, J., Nie, W., Cheng, Y., Shen, Y., Chi, X., Wang, J., … Ding, A. (2018). Light
absorption of brown carbon in eastern China based on 3-year multi-wavelength aerosol
optical property observations and an improved absorption Ångström exponent
segregation method. Atmospheric Chemistry and Physics, 18(12), 9061–9074.
https://doi.org/10.5194/acp-18-9061-2018
WHO. (2013). Health effects of particulate matter. Regional office for Europe.