| Journal: | Revista internacional de contaminación ambiental |
| Database: | PERIÓDICA |
| System number: | 000451641 |
| ISSN: | 0188-4999 |
| Authors: | Ruiz Villavicencio, Ernesto1 López López, Miguel Ángel1 Cetina Alcalá, Víctor Manuel1 Ramírez Guzmán, Martha Elva1 |
| Institutions: | 1Colegio de Postgraduados, Texcoco, Estado de México. México |
| Year: | 2020 |
| Volumen: | 36 |
| Number: | 3 |
| Pages: | 747-754 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Analítico, descriptivo |
| Spanish abstract | Los bosques circundantes del Valle de México son afectados por la contaminación del aire producida en el valle; sin embargo, en el bosque son escasas las estaciones de monitoreo ambiental. Esto dificulta el estudio de los impactos de la contaminación en esa área. El presente estudio pretendió investigar la factibilidad técnica del uso de modelos matemáticos para estimar la presencia de O3 y NO2 en puntos rurales y suburbanos del Valle de México. Se desarrollaron modelos de estimación de O3 y NO2 en áreas rurales y suburbanas del Valle de México, usando registros de las estaciones de la Red Automática de Monitoreo Atmosférico (RAMA) y de variables meteorológicas de la Red de Meteorología y Radiación Solar (REDMET) del Valle de México. Se elaboraron 12 modelos de regresión lineal múltiple para las estaciones de monitoreo Ajusco Medio, Cuajimalpa, Cuautitlán y Montecillo. Las estimaciones de O3 están en función de las concentraciones de dicha sustancia, o bien a partir de concentraciones de NO2, O3 y variables meteorológicas registradas por la RAMA y la REDMET. Los modelos para NO2 estiman el contaminante en función de concentraciones de NO2 y variables meteorológicas. Los mejores modelos de estimación de O3 son aquellos que dependen de sus concentraciones registradas en otras estaciones, mientras que las variables meteorológicas con mayor impacto sobre el O3 son temperatura, humedad relativa y velocidad del viento. Los modelos para el NO2 presentaron buen comportamiento excepto en la estación Cuautitlán. Las variables con mayor impacto sobre el NO2 son temperatura y dirección de vientos |
| English abstract | Forests surrounding the Valley of Mexico are affected by air pollution produced within the valley; however, air pollution monitoring stations are scarce within the forest areas. This condition prevents the impacts of air pollution on forests from being studied. The aim of this study was to investigate the technical feasibility of using mathematical models to estimate O3 and NO2 concentrations in rural and suburban sites around the Valley of Mexico. Models for estimation of O3 and NO2 from data collected from the stations of the Red Automática de Monitoreo Atmosférico (automatic air quality monitoring network, RAMA) and climatological variables from the Red de Meteorología y Radiación Solar (meteorology and solar radiation network, REDMET) of the Valley of Mexico were developed. We made 12 lineal multiple regression models for estimating air pollutants for stations Ajusco Medio, Cuajimalpa, Cuautitlán, and Montecillo. Estimations of O3 are a function of O3 concentrations and/or concentrations of NO2, O3, and meteorological variables from RAMA and REDMET. Models for NO2 estimate this pollutant as a function of concentrations of NO2 and meteorological variables. The best models for estimating O3 are those that depend on O3 concentrations from other stations, being temperature, relative humidity, and wind velocity the meteorological variables that impacted O3 estimations the most. Models for NO2 concentrations behaved correctly, except that of Cuautitlán. Temperature and wind direction are the variables that impacted NO2 concentrations the most |
| Disciplines: | Biología |
| Keyword: | Ecología, Dióxido de nitrógeno, Ozono, Valle de México, Zonas rurales, Variables meteorológicas, Métodos de estimación, Regresión lineal múltiple, Contaminación atmosférica |
| Keyword: | Ecology, Nitrogen dioxide, Ozone, Valley of Mexico, Rural zones, Meteorological variables, Estimation methods, Multiple linear regression, Atmospheric pollution |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
