Predecir la contaminación, un problema vital para las ciudades

La contaminación atmosférica es uno de los problemas ambientales más importantes. Las enfermedades respiratorias y cardiovasculares son las principales afectaciones en la población, además del deterioro causado en el medio ambiente. Mientras que los modelos de previsión del tiempo son algo cotidiano, no sucede lo mismo con la contaminación atmosférica, debido a los diferentes factores que intervienen en ella.

Los modelos matemáticos y la tecnología afrontan el reto de realizar la previsión de la contaminación atmosférica y en este contexto, Diego Andina de la Universidad Politécnica de Madrid, en colaboración con Antonio Vega Corona, de la Universidad de Guanajuato (México), y con Michael Packianather del MEC, Universidad de Cardiff (Reino Unido), han desarrollando un sistema innovador que analiza en tiempo real las concentraciones de los contaminantes nocivos en relación con las variables meteorológicas locales, para producir de manera automática un índice de contingencia ambiental de acuerdo a la normativa local y así predecir, con la mayor anticipación posible, contingencias ambientales y poder tomar medidas correctoras.

La ciudad de Salamanca (Guanajuato, México) se encuentra catalogada como una de las más contaminadas del país. Las principales causas de la contaminación son unas fuentes fijas de emisión existentes en la zona: las industrias químicas y las de generación eléctrica. En los últimos años ha aparecido en Salamanca un foco rojo de contaminación, sobrepasándose en varias ocasiones la norma oficial mejicana.

La calidad del aire de un territorio depende de su situación geográfica, de las fuentes de emisión de contaminación ubicadas en él y de la climatología y la orografía que condicionan los procesos de dispersión y transporte. Los efectos ambientales en el aire de Salamanca son graves y se han hecho esfuerzos por medir las concentraciones de los contaminantes más importantes para tratar de mitigar este problema.

Por ello se ha instalado una red de supervisión de la calidad del aire con tres estaciones de toma de datos donde se miden, en tiempo real y mediante sensores, las concentraciones de los contaminantes más importantes, además de las variables meteorológicas.

En el desarrollo del sistema se contempla dos contaminantes: el dióxido de azufre (SO₂) y las partículas de tamaño menor a 10 micras (PM₁₀), contaminantes que han registrado niveles más altos en la zona.

A continuación se aplican técnicas de fusión de datos, de reconocimiento de patrones y unos decisores inteligentes, los cuales se encargan de relacionar las variables meteorológicas con los contaminantes. Por otro lado, las optimizaciones del sistema garantizan un máximo de probabilidades de detección, controlando la probabilidad de las falsas alarmas.

Estos experimentos con decisores inteligentes han demostrado que es posible la fusión de la información obtenida de los sensores de las estaciones de supervisión, para calcular el Índice de la Calidad del Aire^[1], así como la predicción de la contaminación en dicha zona. La predicción de la contaminación atmosférica permitirá a las autoridades ambientales locales tomar medidas que protejan a la población, además de gestionar acuerdos para la reducción de emisiones por parte de las industrias implicadas.

[1] Nature Inspired Problem-Solving Methods in Knowledge Engineering, Proceedings (4528): 599 - 607, Junio 2007. “Air Pollutant Level Estimation Applying a Self-organizing Neural Network”. J. M. Barron Adame, J. A. Herrera-Delgado. G. Cortina-Januchs, D. Andina, A. Vega-Corona.