Este documento describe cómo los modelos atmosféricos pueden apoyar las políticas públicas y la gestión de la calidad del aire. Se resumen los resultados de escenarios analizados usando modelos que muestran las reducciones potenciales de contaminantes como PM2.5 al cambiar a combustibles más limpios en transporte y calefacción. Los modelos también ayudaron a predecir y manejar episodios críticos, lo que mejoró el desempeño en PM2.5. Finalmente, se destaca la importancia de comunicar los resultados a los medios para cre
Marcelo mena modelos atmosféricos en apoyo de las políticas públicas y gestión de calidad de aire
1. Modelos atmosféricos en apoyo de las políticas
públicas y gestión de calidad de aire.
Marcelo Mena-Carrasco, PhD
Director
Centro de Investigación para la Sustentabilidad UNAB
5. Modelo
-70°
-70°
Landscan
population
High res street
distribution
Legend
Point Sources
SO2 (tons/year)
100-500
500-1000
1000-1500
1500-2000
2000-5000
5000-10000
10000-20000
20000-50000
50000-100000
100000-440000
Smelter
SmelterSmelter
Smelter
Smelter
Smelter
Smelter
Volcano
Volcano
Corpesca
Power plant
Power plant
Power plant
Power plant
Ilo Smelter
Other boilers
Coal Power Plant
Industrial Boiler
Industrial Boiler
Generation Processes
Generation ProcessesGeneration Processes
Norgener Power Plant
Chuquicamata Smelter
Huachipato Steel Mill
Electroandina Power Plan
Power plant and smlelter
-60°
-60°
-70°
-70°
-80°
-80°
-20°
-20°
-30°
-30°
Legend
Point Sources
SO2 (tons/year)
100-500
500-1000
1000-1500
1500-2000
2000-5000
5000-10000
10000-20000
20000-50000
50000-100000
100000-440000
∗ Modelo WRF-Chem 3.1,
meterología química,
formación secundaria de PM
for SOx (GOCART)
∗ Dominio Chile 12km, Zona
Central: 4km.
∗ Se estima efecto modelando
año base 2008, con todas las
emisiones, menos todas las
emisiones excepto
∗ Modalidad pronóstico en
ambiental.unab.cl
6. Modelos se usaron para poder alterar las
emisiones de Santiago.
Level ICAP
number
PM10
(µg/m3
),
24h mean
Restrictions
Good 0-100 0-150 40% non
catalytic cars
Regular 100-200 150-195 40% non
catalytic cars
Alert 200-300 195-240 Chimneys are
banned
Preemergency
(Critical)
300-400 240-285 60% non
catalytic cars,
20% of
catalytic cars,
100% of
domestic
chimneys, and
the 798
largest point
sources of
particulate
matterPreemergency
(Dangerous)
400-500 285-330
Emergency 500- 330- 80% of non
catalytic cars,
40% catalytic
cars, bans on
domestic
chimneys, and
2603 point
sources
Results: cars are 80% catalytic. Industry
works at 30mg/m3 of PM emission
standard, lower wood burning use (5% of
homes)
7. 96% del PM de autos viene del
diesel (17% de vehículos)
8. Inventarios de emisiones
Actualización de
inventario vehículos
livianos por Sistemas
Sustentables (Modelo
MODEM para año 2010)
Se distribuyen emisiones
temporalmente basados
en 9 perfiles diurnos de
flujo, y densidad
poblacional.
9. Cómo representar emisiones estacionales de
calefacción?
∗ Se añade estacionalidad a
emisiones residenciales,
usando demanda de
calefacción como proxy.
Episodios críticos en función de mes
PM2.5 mensual vs grados días
calefacción
Emisiones residenciales en
función de mes.
10. Escenarios analizados
Year PM2.5 CO NOX VOC´s SOx
Base Scenario 2,857 547,787 65,049 63,781 5,694
Reducciones
CNG transportation 229 203 4,763 728 25
Cleaner heating 671 8,223 44 7,461 1
∗ GNC emite a estándar EEV
(enhanced environmentally
friendly). 99% menos PM
que Euro I, II, y III. 75%
menos NOx.
∗ Similar reducción a Euro III
y Euro IV con filtro.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36. Reducciones de PM2.5 anual debido a recambio buses urbanos SCL por GNC.
0.33ug/m3 anual para la RM, con peaks zonales de 2ug/m3 (zona
central, invierno)
38. Estimación de beneficios
∗ ΔEpj= efecto j para
contaminante p.
∗ βpj= coeficente de dosis
respuesta efecto j, para
contaminante p
∗ ΔCpi=cambio de concentración
de contaminante p, para grilla i
∗ Pijp=población de grilla i que
puede sufrir efecto j por
contaminate p, por ejemplo
adultos mayores de 65 años
afectos a efectos agudos por
PM2.5.
∗ BRj=tasa base de efecto j
43. Análisis de rendimiento en PM2.5
(días malos)
2011 2012
Estado CN Pud CN Pud
Alerta 26 13 19 19
Pre-em 9 6 3 2
Regular 45 42 49 36
Críticos 35 19 22 21
Total superaciones 80 61 71 57
Superaciones no bajaron mucho, pero episodios
críticos bajaron en 38%. Pre-emergencias en 66%.
Condiciones meteorológicas similares 2011 y 2012 (en
términos de HDD. Enfoque preventivo redujo episodios
duros en forma significativa.
Año 2013. 0 preemergencias en PM2.5 y PM10.
44.
45. Campaña de medición de PUF en ciclovías
de Santiago
Alameda
Alameda
Curicó y SantaCuricó y Santa
IsabelIsabel
Antonio
Antonio
Varas
Varas
P. Forestal
P. Forestal
y
Andrés
y
Andrés
Bello
Bello Pocuro
Pocuro
A.A.
Vespucio
Vespucio