Por esta
razón, los estudios de predicción de dichos compuestos químicos han
sido numerosos, pero la mayoría no han tenido en cuenta las
dependencias espacio-temporales.
ECOticias.
La Organización Mundial de la Salud afirma que casi 2,5 millones
de personas mueren cada año por causas directamente atribuibles a la
contaminación del aire. A pesar del esfuerzo realizado en los
últimos años, los óxidos de nitrógeno tóxicos son uno de los
principales problemas de contaminación en las grandes urbes, donde
vive más de la mitad de la población mundial –3.300 millones de
personas–.
Por esta razón, los estudios de predicción de dichos compuestos
químicos han sido numerosos, pero la mayoría no han tenido en cuenta
las dependencias espacio-temporales. Investigadores de la Universidad
de Castilla-La Mancha (UCLM) han diseñado un método de medición
geoestadístico llamado kriging funcional, que tiene en cuenta estas dos variables para estimar la polución ambiental.
Modelizar en el espacio es muy complicado, porque existen infinitas
direcciones y todo depende de múltiples factores en cualquier
dirección. Nuestro sistema, que es un modelo geoestadístico aplicable a
otras cuestiones –como las subidas y bajadas de los precios de la
vivienda–, posibilita que predigamos, por ejemplo, la contaminación
que habrá mañana a las 8 horas en la glorieta de Cuatro Caminos de
Madrid”, asegura a SINC Jose María Montero Lorenzo, investigador
principal del estudio en la UCLM.
Los científicos decidieron probar este modelo estadístico en la
capital porque cuenta con 27 estaciones de seguimiento de polución, lo
que la convierte en una de las ciudades del mundo con mayor ratio de
estaciones de seguimiento por habitante y kilómetro cuadrado. “Para
hacerse una idea de esta magnitud, en el distrito medioambiental de
California se trabaja con doce estaciones de seguimiento”, apunta
Montero.
Fiabilidad del sistema
La polución tiene dependencias espaciales, como las corrientes de
aire, el diseño de las ciudades, etc. Además, también depende del
tiempo –lo que hoy es un pico en una zona, habrá cambiado en unas
horas–. “Incluso con un superordenador hay problemas para llevar a cabo
la modelización espacio-tiempo que tenga en cuenta todas esas
variables”, explica el investigador.
Por eso han propuesto la alternativa del kriging funcional.
Para explicarlo de alguna manera, si existen 27 estaciones de
monitorización y miles de instantes temporales que hacen que un
supercomputador no pueda con tantos datos, los investigadores los han
representado por una función y han modelizado las relaciones temporales
de esas funciones. “Funciona de maravilla”, añaden.
Una de las denuncias de los últimos años de los grupos ecologistas
es, precisamente, que estos aparatos que miden la polución en las
ciudades no están colocados en los lugares donde deberían para medir la
contaminación real.
Premio de Economía
Para el diseño óptimo de estas estaciones de seguimiento se elabora
una red de observación. Según explica Montero, “es posible que en el
lugar donde debería colocarse la estación, la instalación no esté
permitida . Con nuestro sistema, ese problema desaparece porque podemos
hacer un mapa para todo Madrid con datos reales. Es decir, si te
pones en un baldosín de la calle, nosotros te indicamos el nivel de
dióxido de nitrógeno en esa zona”.
El sistema kriging funcional está respaldado por una base
de datos masiva que ha medido cada hora de contaminación desde 2001
hasta 2010 en los distintos municipios de Madrid.
“La tesis doctoral a partir de la cual se desarrolló este estudio
fue Premio de Economía de la Comunidad de Madrid en 2010 y nos han
llamado de numerosos centros de investigación para interesarse por el
método desde diferentes partes del mundo. Sin embargo, nadie nos ha
vuelto a contactar para ponerlo en la práctica en España”, concluye
Montero.
No hay comentarios:
Publicar un comentario