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.
Diseño
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, sobre el papel, debería colocarse la estación, no esté permitida la instalación.
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 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.
Referencia bibliográfica:
José-María Montero-Lorenzo, Gema Fernández-Avilés, José Mondéjar-Jiménez, Manuel Vargas-Vargas. A spatio-temporal geostatistical approach to predicting pollution levels: The case of mono-nitrogen oxides in Madrid. Computers, Environment and Urban Systems (2013). DOI: http://dx.doi.org/10.1016/j.compenvurbsys.2012.06.005.