Revista de la Facultad de Ciencias de la UNI - REVCIUNI

Publicada por el Instituto de Investigacin de la Facultad de Ciencias de la Universidad Nacional de Ingeniera

VOLUMEN 8

NMERO 1

FEBRERO 2004

Rector: Ing. Roberto Morales Morales Primer Vicerrector: Ing. Aurelio Padilla Ros Decano de la Facultad de Ciencias: Dr. Humberto Asmat Azahuanche Director del Instituto de Investigacin: Dr. Abel Gutarra Espinoza Editor: Dr. Rosendo Ochoa Jimnez Comit Revisor:

Revista de la Facultad de

CIENCIAS de la UNI

Domingo Aliaga William Echegaray Orlando Pereyra Holger Valqui Julio Salazar

Facultad de Ciencias - UNI Av. Tpac Amaru 210 - Rmac Telfono: (0051) (1) 381-3868 e-mail: rochoaj@uni.edu.pe

Ley del Depsito Legal N 15010199-3597

UNIVERSIDAD NACIONAL DE INGENIERA

Foto de cartula: Sistema de alto vaco para produccin de nuevos materiales

LIMA - PER

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

Modelo de Dispersin de Contaminantes Slidos Atmosfricos en la Ciudad de Lima

Edson Plasencia Snchez* Hctor Loro*

En este trabajo se han encontrado las ubicaciones y caractersticas de un nmero reducido de fuentes, de tal manera que reproducen la distribucin mensual promedio de los Contaminantes Slidos Sedimentables (CSS) presentes en la atmsfera de la ciudad de Lima. Con este modelo, se pretende avanzar en la comprensin de la problemtica ambiental de la ciudad de Lima, proporcionar una base cientfica para las cuantiosas observaciones que se hacen en este campo y dar un primer paso en la modelacin de un fenmeno tan complejo como es la distribucin de CSS.

ABSTRACT Along the whole City of Lima there is a great number of atmospheric pollutants emitters (sources) such as factories, motorized vehicles, tire burning and trash burning. The humidity, the mountains and the winds, among other factors, create places in Lima City where the accumulation of pollutants is smaller or bigger, in other words, they give the last way in which pollutants are distributed. In this paper, the best values for the locations and parameters of a few number of sources have been found in such a way that they reproduce the monthly average distribution of Solid Sedimentable Pollutants (CSS) present in the Lima Citys atmosphere. With this model we try to advance in the understanding of the Lima City Environmental Trouble, to give some formal knowledge to contrast experimental facts and to acquire some developmental skill to model this phenomenon as a whole.

RESUMEN Existe un gran nmero de emisores (fuentes) de contaminantes atmosfricos a lo largo de toda la ciudad de Lima, por ejemplo, las fbricas, los vehculos motorizados, la quema de llantas y la quema de basura. Entre otros factores, la humedad, las elevaciones montaosas y los vientos, originan en la ciudad de Lima zonas de menor o mayor acumulacin de contaminantes, es decir, determinan la forma en la que los contaminantes atmosfricos emitidos se distribuyen.

* Facultad de Ciencias - Universidad Nacional de Ingeniera, Lima - Per

12

13

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

I.

Marco Terico

A continuacin se revisan algunos conceptos utilizados en el desarrollo del modelo. La Atmsfera: Es la masa gaseosa que rodea la superficie terrestre y clsicamente se encuentra dividida en tres capas, cada una con distinta composicin qumica y caractersticas fsicas propias. La capa ms cercana a la Tierra es la Tropsfera; aqu se encuentra una zona en la cual el flujo atmosfrico (de aire) se ve directamente influenciado por la corteza terrestre. Esta zona recibe el nombre de capa lmite atmosfrica, se encuentra a una altura que varia entre 200 m y 2 km sobre el nivel del suelo y constituye un limitante para la dispersin de contaminantes atmosfricos, pues a partir de ella prcticamente no existe movilidad vertical entre las masas de aire y predominan los fenmenos continentales. Contaminantes Atmosfricos: Son sustancias de probada o muy probable accin daina sobre la salud de los receptores (hombre, alguna especie animal, una especie vegetal en particular, etc.) cuando se encuentran permanentemente en altas concentraciones. Cada gobierno decide cuales sustancias considera contaminantes y fija las concentraciones aceptables de estas sustancias [ 4 ]. Contaminantes Slidos Sedimentables (CSS): Son todas aquellas partculas slidas presentes en la atmsfera que terminan depositndose en la superficie terrestre. El tiempo que permanecen suspendidas en la atmsfera depende de sus dimensiones, de su composicin qumica, de la humedad atmosfrica, as como de la turbulencia y velocidad del viento. Sus orgenes son diversos: los desiertos, el envejecimiento animal, las fabricas de cemento, el desgaste de los motores, la quema de basura, la quema de llantas, entre otros.

Escala de los Fenmenos Meteorolgicos: Los fenmenos meteorolgicos se agrupan en categoras, de acuerdo a la frecuencia con la que se presentan y al grado de influencia que ejercen sobre el medio (escala), as por ejemplo: la turbulencia es un fenmeno que produce un cambio en la direccin del viento y se manifiesta a pocos metros sobre la superficie terrestre, sin embargo, su influencia no se extiende a distancias superiores a los cientos de metros (microescala), por esto, deja de considerarse cuando se desea evaluar la direccin del desplazamiento de masas de aire a lo largo de kilmetros (mesoescala).
Tabla 1. Escala de los fenmenos meteorolgicos Fenmeno Tpico Turbulencia Brisa Marina Frentes Fros El Nio Efecto Estufa

Categora Micro Meso Sinptica Planetaria Climatolgica

Escala de Tiempo T < 1 hora 1 hora < T < 1 da 1 da < T < 5 da

Escala Espacial L < 2 km 2 km < L < 200 km 200 km < L < 3000 km

II.

Anlisis de los Datos Disponibles

El Servicio Nacional de Meteorologa e Hidrologa (SENAMHI) cuenta con una red de estaciones de monitoreo de CSS y edita el Boletn Mensual de Vigilancia de la Contaminacin Ambiental [1] en donde se da cuenta de las concentraciones mensuales de CSS registradas en cada una de sus estaciones. La Tabla 2 contiene los cdigos que se usarn para identificar a las estaciones, as como sus correspondientes valores mnimo, mximo y promedio mensual de CSS, para el periodo de tiempo comprendido entre julio de 1998 y junio del 2001.

14

15

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

Tabla 2. Estaciones de monitoreo de CSS en la ciudad de Lima

Cdigo E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20 E21 E22 E23 E24 E25 E26 E27 E28 Nombre estacin Ate-Vitarte Bellavista Brea Carmen de la Legua Cercado I Cercado II Cercado III Comas Chorrillos El Agustino Independencia Jess Mara La Molina I La Molina II Lince Los Olivos I Los Olivos II Magdalena Pueblo Libre Rmac San Juan de Lurigancho I San Juan de Lurigancho II San Juan de Miraflores I San Juan de Miraflores II San Luis San Martn de Porres Sant0iago de Surco Villa el Salvador Mnimo t/km2 6,4 1,6 2,3 3,3 3,6 12,5 11,3 18,0 2,1 19,2 7,1 2,9 1,5 2,4 1,1 5,8 5,5 1,9 2,7 3,6 5,9 8,8 3,6 3,4 9,9 7,0 2,6 4,2 Promedio Mximo t/km2 17,0 13,7 9,3 22,3 44,5 37,6 43,7 46,4 16,7 47,5 43,2 11,5 17,2 52,0 11,4 22,4 15,8 10,3 10,2 23,8 35,9 19,8 19,2 18,9 34,4 19,8 18,1 16,6 Promedio t/km2 10,9 5,1 6,8 7,2 9,8 24,2 14,9 33,4 7,1 29,8 13,1 5,8 11,6 9,3 3,8 14,7 9,9 3,9 4,7 7,9 14,9 13,3 6,9 10,2 16,4 12,2 7,5 9,2 11,6

En la Figura 1 se observa como evoluciona la concentracin mensual promedio, mxima y mnima de CSS en la ciudad de Lima entre los aos 1998 y 2001. Las concentraciones mensuales promedio de CSS son las que menos variaciones sufren respecto a su valor promedio histrico: 11,6 t / km2.
Figura 1 Variacin temporal de las concentraciones de CSS registradas en la ciudad de Lima
60.0

- PROMEDIO
50.0

MXIMOS

MNIMOS

40.0

t/km2 mes

30.0

20.0
VALOR PROMEDIO HISTRICO

10.0 . . 0.0 Jul. 1998 . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . Ene. 2000 Ene. 2001

. .

Ene. 1999

Meses

De la Figura 2 se observa que las zonas con mayores desviaciones respecto al promedio histrico son: - Comas (E8) - El Agustino (E10 ) y - Magdalena (E18) - Bellavista (E2) : : : : +21,6 t/km2 +18,0 t/km2 - 7,5 t/km2 - 6,3 t/km2 ( +189% ) ( +157% ) ( ( -67% ) -56% )

16

17

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

Figura 2 Desviaciones al promedio histrico mensual de CSS en la ciudad de Lima

250%

R = Cantidad de CSS depositados hasta el periodo anterior que han sido re-inyectados a la atmsfera = Pequeas Contribuciones (positivas o negativas) debidas al estado de la estacin (inclinada, etc) fi, g, h = Factores numricos con valores entre 0 y 1 Para reproducir las concentraciones de las estaciones se pueden seguir dos caminos : a. Hacer un Inventario de fuentes reales, donde se registre por lo menos su ubicacin y la cantidad de CSS emitidos. Luego, conociendo la interaccin de los CSS con la atmsfera, sus dimensiones, la velocidad del viento, la humedad, la morfologa del terreno, entre otros factores; tratar de encontrar los sumandos en la ecuacin anterior. b. Asumir la existencia de una(s) fuente(s) y variar su(s) ubicacin(ciones) y/o ajustar su(s) caractersticas hasta obtener el grado de aproximacin deseado. Se desarrollar en adelante el segundo camino.

200%

150%

Desviacin

100%

50%

0%

-50%

-100%
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E11 E13 E14 E15 E16 E17 E18 E19 E20 E21 E22 E23 E24 E25 E26 E27 E28

Estaciones

III.

Modelo de Dispersin de CSS para Lima

Una vez emitidos los CSS pueden quedar en suspensin, ser absorbidos, transportados, depositados en la superficie, re-inyectados a la atmsfera, etc. Por esto, la distribucin de CSS es compleja e irreversible, sin embargo, puede afirmarse que la cantidad de CSS depositada en las estaciones queda representada por:

El rea geogrfica comprendida entre los 7712 y 7648 de longitud Oeste y los 1152 y 12118 de latitud Sur, se denominar : Ciudad de Lima. En esta rea existen aproximadamente 1590 km2 de superficie terrestre, por lo cual, de acuerdo al valor histrico promedio CSS de las estaciones, se deben depositar unas 18408 toneladas de CSS al mes en la Ciudad de Lima.

Concentracin Estacin k =

i=1

fi Ei + gS + hR +

Donde, en el periodo de tiempo entre registros (un mes): Ei = Cantidad de CSS emitido por la fuente i S = Cantidad de CSS en suspensin al inicio del periodo de registro

18

19

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

Figura 3 rea geogrfica de la Ciudad de Lima

Debido a que las emisiones de CSS duran minutos u horas y las estaciones de monitoreo registran concentraciones mensuales, se pueden considerar las emisiones de CSS como instantneas. Las dimensiones del rea de estudio (kilmetros) y la frecuencia de registro (mensual) permiten pasar por alto fenmenos de microescala como las turbulencias del viento cercana a la superficie terrestre. Dejando de lado las elevaciones de terreno dentro de la Ciudad de Lima, se propone que la distribucin mensual promedio de CSS quede representada, en una primera aproximacin, como la distribucin producida por una nica fuente puntual de emisin instantnea. A una fuente como sta en un medio donde la cantidad de masa se conserva, le corresponde una distribucin gaussiana [2] .
( x X0 ) --------------------4D x t
2

Ro Rmac

Leyenda 400 m.s.n.m 600 m.s.n.m 1000 m.s.n.m

R o

Concentracin

C0 e e C ( x, y, t ) = -------------------------------------------------------------4 t Dx Dy

Lu r

( y Y0 ) --------------------4D y t

Caso: Fuente Puntual, Emisin Instantnea BiDimensional Se puede confiar en que prcticamente los CSS emitidos en la Ciudad de Lima no logran salir de ella debido a las siguientes consideraciones: Como se observa de la Figura 3, la Ciudad de Lima se encuentra limitada casi en su totalidad por el Ocano Pacifico o por elevaciones montaosas superiores a los 600 m.s.n.m. Las poblaciones urbanas de la Ciudad de Lima estn asentadas casi ininterrumpidamente desde unos pocos metros sobre el nivel del mar hasta los 400 m.s.n.m. La capa lmite atmosfrica de la Ciudad de Lima se encuentra entre los 600 y 900 m.s.n.m. Donde: X0 , Y0 = Posicin de la Fuente (kilmetros) Dx , Dy = Constantes de Dispersin (km2/mes) C0 = Cantidad Emitida (toneladas) Se toma : C0 = 18408 t , Dx = Dy = D y para simplificar la solucin analtica, se ubica la fuente y el Origen de Coordenadas en el centro de la Ciudad de Lima, adems, dado que las concentraciones disminuyen cuanto ms distante se est del origen, se toma 2t/km2 como valor representativo para la frontera, pues es del orden de magnitud de los mnimos en las estaciones, y evaluamos, luego:

20

21

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

2 ( 4 Dt ) = C 0

x1 --------4Dt

y1 --------4Dt

Con: x1 = 43,5

y y1 = 47,8

Sin embargo, como se ve en la figura 5, la simetra casi circular de la distribucin impide aceptarla como vlida.
Figura 5

Finalmente se tiene una ecuacin trascendente, as que haciendo t = 1 se encuentra el valor: D = 205 grficamente [3]. (Figura 4, f1 es la parte derecha y f2 la parte izquierda de la ecuacin anterior)
Figura 4 Obtencin de la constante de difusin de CSS en LIMA f2 f1
0.29

Mejor posicin fuente nica

Ro Rmac

Valor

0.28

0.27 Concentracin de CSS en t/km2 0.26

0 3 5 7 9 12 20 30

195

200

205

210

215

Se estudian entonces, diversos casos para dos fuentes; as por ejemplo para el caso dos fuentes con: C1 = 18408 y constantes de dispersin : D1 = 205 y D2 = D1/2 = 102,5 se encuentra que : X10 = 8,0 km , Y10 = 0,0 km y C2 = 2C1 = 36816

Conocida D, se vari la posicin de la fuente: (X0, Y0) con el fin de encontrar su mejor posicin, es decir, aquella posicin donde la sumatoria de las desviaciones cuadrticas entre las concentraciones calculadas y las registradas en cada una de las estaciones es mnima (Ajuste mnimo cuadrtico). As se encontr: X 0 = 2, 5 km, Y 0 = 4, 0 km

X20 = 0,0 km , Y20 = 20,0 km son las mejores posiciones para estas dos fuentes (RMS = 6,79).

como la mejor posicin de la fuente nica (RMS = 8,65).

22

23

R o

Lu r

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

En el Figura 6 se aprecia cmo el modelo ya da cuenta de aquellas zonas irregulares en Lima, es decir, de las bajas concentraciones en la costa cercana al Callao y de las altas concentraciones en Comas; adems, los distritos de Carabayllo y San Juan de Lurigancho ntegramente presentan la misma concentracin, pero en la realidad, posiblemente no sea as debido a las considerables elevaciones de terreno en el Lmite Distrital de San Juan de Lurigancho-Comas-Carabayllo. Para que el modelo refleje en cierta forma lo difcil que es para los CSS desplazarse por dicho Lmite Distrital, se han supuesto las Estaciones 29 y 30 de concentraciones mensuales promedio nulas (0) y la Estacin 31 de concentracin mensual promedio 5 t/km2.
Figura 6 Dos fuentes, C2 = 2C1 y D2 = D1/2

D1 = 205 se encuentra que:

D2 = D1/2 = 102,5

X10 = 10,0 km , Y10 = -9,0 km X20 = -4,0 km , Y20 = 16,0 km

son las mejores posiciones de estas dos fuentes con una resolucin de 1 km en Y y 2 km en X ( RMS = 5,84 )
Figura 7 Dos fuentes con 3 estaciones ficticias

Ro Rmac Ro Rmac

Lu rn

Concentracin de CSS en t/km2

0 3 5 7 9 12 20 30

Concentracin de CSS en t/km2

0 3 5 7 9 12 20 30

R o

Luego, con dos fuentes de igual emisin (C1 = C2 = 18408), pero con constantes de dispersin:

Es notoria la mejora obtenida cerca a la frontera superior del rea de estudio, sin embargo, ni an con la alta resolucin con la que se trabaj el caso anterior, se logra separar la zona Comas-Carabayllo-San Juan de Lurigancho, por ello se tomaron cuatro fuentes con:

24

25

Ro Lu rn

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

D1 = 205 , D2 = D1/2 = 102,5 , C1 = C2 = 18408/2 , obtenindose:

D3 = D4 = D1/12 = 17,08 C3 = C4 = 18408/4

Tabla 3. Comparacin de concentraciones mensuales promedio con las concentraciones calculadas mediante el modelo propuesto
Concentracin (t/km2) Cd. Nombre estacin Ate-Vitarte Bellavista Brea Carmen de la Legua Cercado I Cercado II Cercado III Comas Chorrillos El Agustino Independencia Jess Mara La Molina I La Molina II Lince Los Olivos I Los Olivos II Magdalena Pueblo Libre Rmac San Juan de Lurigancho I San Juan de Lurigancho II San Juan de Miraflores I San Juan de Miraflores II San Luis San Martn de Porres Santiago de Surco Villa el Salvador Ficticia Ficticia Ficticia

X10 = 10,0 km 1 km, X20 = - 4,0 km 1 km, X30 = 4,0 km 1 km, X40 = -8,0 km 1 km,

Y10 = -9,0 km 0,5 km Y20 = 16,0 km 0,5 km Y30 = 7,5 km 1,25 km Y40 = 20,0 km 1,25 km

Prom. Mensual 10,9 5,1 6,8 7,2 9,8 24,2 14,9 33,4 7,1 29,8 13,1 5,8 11,6 9,3 3,8 14,7 9,9 3,9 4,7 7,9 14,9 13,3 6,9 10,2 16,4 12,2 7,5 9,2 0,0 0,0 5,0

Figura 5 7,0 6,8 7,1 7,1 7,2 7,2 7,1 6,2 4,4 7,1 7,1 7,1 6,8 5,6 7,1 6,6 7,1 7,1 7,1 7,1 7,1 6,0 6,7 5,9 7,1 7,1 7,1 2,6 -------

Figura 6 10,7 4,1 9,7 8,2 10,6 14,5 12,1 32,2 6,1 18,4 28,1 6,5 9,1 7,7 6,8 23,5 21,7 5,5 6,5 18,4 22,3 30,5 7,1 6,8 9,0 18,4 7,5 4,9 -------

Figura 7 11,5 6,1 11,6 10,1 12,8 14,8 13,0 14,9 6,4 13,2 16,4 7,7 9,7 7,0 8,0 14,6 15,4 5,5 7,9 15,7 16,7 14,4 7,2 7,1 11,3 15,0 8,7 7,0 2,4 0,0 15,2

Figura 8 15,4 2,7 4,8 4,1 14,4 20,0 5,3 2,3 4,7 24,2 7,8 3,2 15,3 6,5 3,7 16,5 6,8 1,7 2,9 9,5 18,9 7,1 7,1 6,9 14,1 6,3 7,5 6,8 2,8 0,0 11,0

E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20 E21 E22 E23 E24 E25 E26 E27 E28 E29 E30 E31

Como las mejores posiciones de las cuatro fuentes ( RMS = 4,36 )

Figura 8 Mejor posicin cuatro fuentes

Concentracin de CSS en t/km 2

9 12 20 30

26

27

REVISTA DE LA FACULTAD DE CIENCIAS-UNI

IV.

Conclusiones

El modelo propuesto hace posible reproducir aproximadamente la dispersin mensual promedio de CSS en Lima con slo un nmero finito de fuentes. La influencia de las elevaciones de terreno en la dispersin de CSS queda confirmada con el buen ajuste obtenido al incluir estaciones ficticias de concentraciones nulas en puntos elevados (Figura 7). La resolucin espacial con la cual se trabaj el caso de dos fuentes del Grfico 7 y la disminucin del RMS en ms del 20% al considerar cuatro fuentes, sugiere que la Figura 8 est cerca de representar la distribucin promedio de CSS para la Ciudad de Lima. Con el grado de precisin alcanzado, es posible incorporar al modelo propuesto los estudios de impacto ambiental que se pudieran realizar sobre nuevas chimeneas industriales en la Ciudad de Lima y determinar en cunto cambiaran las condiciones actuales.

CONTINUIDAD DE LA FUNCIN VALOR PTIMO EN PROGRAMACIN DE DOS NIVELES

Pedro Canales Garca UNI-Facultad de Ciencias-Postgrado en Matemtica Aplicada RESUMEN Variados problemas de la vida real pueden modelarse como problemas de programacin matemtica de dos niveles (PDN). Resolver estos problemas no es tarea fcil, es frecuente utilizar mtodos conocidos de la programacin no lineal. Para esto, es necesario reformular el problema de dos niveles como de un solo nivel. Una manera de lograrlo es a travs de la denominada funcin valor ptimo (o funcin marginal), por esta razn es conveniente conocer algunas de sus propiedades mas importantes. En este trabajo estudiamos la continuidad por ser de inters en la solucin de problemas de programacin matemtica de dos niveles. Al final presentamos ejemplos de problemas de programacin matemtica de dos niveles e ilustramos algunos conceptos.

Bibliografa
[1] Servicio Nacional de Meteorologa e Hidrologa (DGM, DGH, DGA, DGIA) Vigilancia de la Contaminacin Ambiental, Boletn Mensual, 1999 Boletn Meteorolgico e Hidrolgico del Per, Boletn Mensual, 2000 Boletn Meteorolgico e Hidrolgico del Per, Boletn Mensual, 2001 Eugene Butkov, Mathematical Physics , Addison-Wesley (1968) Dimitri Vvedensky, Partial Differential Equations , Addison-Wesley (1993). Edson Jess Plasencia Snchez, Informe Final del Curso CF-581: Proyecto de Tesis. Modelo de Dispersin de CSS para la Ciudad de Lima, FC - UNI, 2002. Decreto Supremo N 074-2001 PCM del 26 de Junio del 2001 Reglamento de Estndares Nacionales de Calidad Ambiental del Aire
Modelos de Dispersin de Contaminantes Atmosfricos, Monografa

[2]

[3]

[4]
[5]

Edson Jess Plasencia Snchez Practicante SENAMHI 2001.

28

29