Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MODALIDAD DE GRADUACIÓN
Proyecto de Grado
MODALIDAD DE GRADUACIÓN
Proyecto de Grado
AGRADECIMIENTOS
Muchas gracias a todos aquellos que de una u otra manera han hecho
posible este trabajo (ellos ya saben quiénes son y prefiero no tener que
nombrarlos para evitar el riesgo de olvidar a alguien).
ABSTRACT
ESTUDIO DE LA DISPERSIÓN DE CONTAMINANTES
TITULO ATMOSFÉRICOS EN LA CIUDAD DE SANTA CRUZ DE
LA SIERRA
AUTOR (ES) Fernando Chávez Gomes da Silva
La dispersión de los contaminantes está influenciada por
una gran diversidad de variables. Éstas están
relacionadas con los niveles de contaminantes
atmosféricos, los cuales influyen en la calidad del aire.
La importancia de la calidad del aire radica en los efectos
PROBLEMÁTICA que la contaminación atmosférica puede tener sobre la
salud y calidad de vida de las personas.
Entender mejor estos factores que afectan a los
contaminantes es un paso más para una gestión de la
Calidad del Aire.
Establecer la influencia de cada uno de los factores
OBJETIVO identificados como responsables de la dispersión de los
GENERAL contaminantes atmosféricos, en la calidad del aire de la
ciudad de Santa Cruz de la Sierra
Contaminantes Atmosféricos, sus efectos, ciclo de
dispersión, emisión, transporte, interacciones químicas y
deposición.
Factores que influyen en su dispersión: Emisiones,
Meteorología, Geografía
CONTENIDO
Trabajos Relacionados: Dispersión de contaminantes
Inmisiones: Monitoreo, Análisis de Datos
Modelo de Calidad del Aire: Diseño, Validación, Costos y
Beneficios
CARRERA Ingeniería Industrial y de Sistemas
GUIA Ing. Cynthia Bojanic
Medio ambiente, Contaminantes Atmosféricos,
DESCRIPTORES Emisiones, Inmisiones, Meteorología, Calidad del Aire
RESUMEN
La contaminación atmosférica es un problema que afecta a todas las
ciudades modernas. El desarrollo industrial, el tráfico vehicular y otras
actividades humanas, generan altos niveles de contaminación,
principalmente en las áreas más pobladas. La ciudad de Santa Cruz de la
Sierra presenta un problema de contaminación particular, debido a altos
niveles de Material Particulado en algunas épocas del año, lo cual ha sido
identificado por los resultados de la Red de Monitoreo de la Calidad del Aire
(Red MoniCA) y otros trabajos científicos realizados sobre el tema.
Como área de estudio está la ciudad de Santa Cruz y sus alrededores, los
cuales comprenden el área del departamento de Santa Cruz principalmente,
aunque se haya influencia sobre los niveles de contaminación de emisiones
de zonas como el departamento de Beni y del Oeste de Brasil. Los datos de
inmisiones utilizados corresponden a los de la Red MoniCA que cuenta con
11 estaciones de monitoreo pasivo (NO2 y O3), 4 de monitoreo activo (PM10)
y una de monitoreo automático (NO2, O3, PM10 y CO. También se utilizaron
datos meteorológicos de la estación Meteorológica de la Red MoniCA, del
Aeropuerto El Trompillo y Aeropuerto Viru Viru. También se obtuvo la
localización de fuentes puntuales (ubicación de las industrias), fuentes
móviles (distribución del tráfico en la ciudad de Santa Cruz) y fuentes de área
(distribución de la población y de algunas fuentes de área identificables).
ÍNDICE DE CONTENIDO
Introducción 1
Capítulo 1 Generalidades del trabajo de Investigación 3
Contenido del Capítulo 3
1.1 Antecedentes 4
1.2 Planteamiento del Problema 6
1.2.1 Definición 6
1.2.2 Descripción 6
1.2.3 Formulación 7
1.2.4 Supuestos 7
1.2.5 Preguntas de Investigación 8
1.3 Objetivos 9
1.3.1 Objetivo General 9
1.3.2 Objetivos Específicos 9
1.4 Metodología 10
1.5 Justificación 13
1.6 Límites 14
1.6.1 Espacial 14
1.6.2 Temporal 14
1.6.3 Sustantivo 14
1.7 Tipo de Investigación 15
1.8 Conclusiones 15
1.9 Referencias 16
Capítulo 2 Dispersión de Contaminantes Atmosféricos 18
Contenido del Capítulo 18
2.1 Atmósfera 19
2.1.1 Composición Atmosférica 19
2.1.2 Capas atmosféricas 20
2.1.3 Capa Límite atmosférica 20
2.1.4 Perfil de Temperatura de la Atmósfera Terrestre 21
2.2 Contaminación Atmosférica 21
2.2.1 Impacto de la contaminación atmosférica 22
2.2.2 Calidad del Aire 22
2.2.3 Contaminantes 22
2.2.4 Contaminantes Atmosféricos Criterios 23
2.2.5 Concentraciones Límites de Contaminantes Criterios 23
2.2.6 Efectos en la Salud 24
2.2.7 Índice de la Contaminación Atmosférica (ICA) 26
2.2.8 Contaminantes Monitoreados 26
2.3 Ciclo de los Contaminantes Atmosféricos 29
2.3.1 Emisión 29
2.3.2 Factores de emisión 30
2.3.3 Fuentes de emisiones 30
2.3.4 Dispersión 35
2.3.5 Interacciones Químicas 37
2.3.6 Salida de la Atmósfera 38
2.4 Meteorología 39
2.4.1 Factores Meteorológicos de Interés: 39
2.4.2 Viento 40
2.4.3 Estabilidad Atmosférica 40
2.4.4 Temperatura 41
2.4.5 Humedad 41
2.4.6 Radiación Solar 42
ÍNDICE DE GRÁFICOS
Gráfico 3.1 – Parque Automotor de Santa Cruz por Tipo de Vehículo 65
Gráfico 3.2 – Parque Automotor de Santa Cruz, por Uso del Vehículo 66
Gráfico 3.3 – Parque Automotor de Santa Cruz, por Combustible Utilizado 66
Gráfico 3.4 – Parque Automotor de Santa Cruz, por Antigüedad 67
Gráfico 3.5 – Evolución del Parque Automotor en Santa Cruz de la Sierra 68
Gráfico 3.6 – Vehículos por habitantes en Santa Cruz de la Sierra 68
Gráfico 3.7 – Clasificación de las industrias en Santa Cruz según rubro 73
Gráfico 3.8 – Focos de Incendio en Santa Cruz por mes y año 78
Gráfico 3.9 – Focos de Incendio en Santa Cruz por Provincias 79
Gráfico 3.10 – Tipo de Fuente para cada contaminante 92
Gráfico 3.11 – Dirección y Velocidad de los Vientos en Santa Cruz 97
Gráfico 3.12 – Temperaturas Media, Máxima y Mínima 98
Gráfico 3.13 – Humedad Relativa 98
Gráfico 3.14 – Precipitaciones Diarias 99
Gráfico 3.15 – Precipitaciones Mensuales 99
Gráfico 3.16 – Radiación Solar Promedio Diaria 100
Gráfico 3.17 – Datos del Monitoreo Pasivo de NO2 106
Gráfico 3.18 – Datos del Monitoreo Automático de NOx, NO y NO2 107
Gráfico 3.19 – Datos del Monitoreo Pasivo de Ozono 109
Gráfico 3.20 – Datos del Monitoreo Automático de O3 110
Gráfico 3.21 – Datos del Monitoreo Activo de Material Particulado PM10 111
Gráfico 3.22 – Datos del Monitoreo Automático de Material Particulado PM 112
Gráfico 3.23 – Datos del Monitoreo Automático de Monóxido de Carbono (CO) 113
Gráfico 3.24 – Correlación entre NO2 y O3 en los diferentes puntos de monitoreo 114
Gráfico 3.25 – Correlación entre NO2 y O3 en los diferentes periodos de exposición 115
Gráfico 3.26 – Correlación con PM10 en los diferentes puntos de monitoreo 116
Gráfico 3.27 – Correlación con PM10 en los diferentes periodos de exposición 117
Gráfico 3.28 – Correlación con PM10 considerando punto y periodo de monitoreo 117
Gráfico 3.29 – Relación entre Niveles de Contaminantes e Incendios Forestales. 119
Gráfico 3.30– Correlación entre NO2 con la Humedad y Precipitación 120
Gráfico 3.31 – Correlación entre O3 con la Humedad y Precipitación 121
Gráfico 3.32 – Correlación entre PM10 con la Humedad y Precipitación 121
Gráfico 3.33 – Relación entre niveles de contaminantes y Radiación Solar 123
Gráfico 3.34 – Variación mensual de la concentración de NO2 124
Gráfico 3.35 – Variación mensual de la concentración de O3 125
Gráfico 3.36 – Variación mensual de la concentración de PM10 125
Gráfico 3.37 – Variación mensual de la concentración de CO 126
Gráfico 3.38 – Variación Semanal de los Valores de Concentración de NO2 126
Gráfico 3.39 – Variación Semanal de los Valores de Concentración de O3 127
Gráfico 3.40 – Variación Semanal de los Valores de Concentración de PM10 127
Gráfico 3.41 – Variación Semanal de los Valores de Concentración de CO 128
Gráfico 3.42 – Variación diaria de la concentración de NO2 129
Gráfico 3.43 – Variación diaria de la concentración de O3 129
Gráfico 3.44 – Variación diaria de la concentración de PM10 130
Gráfico 3.45 – Variación diaria de la concentración de CO 130
Gráfico 3.46 – Histórico de Focos de Incendios Forestales 132
Gráfico 3.47 – Histórico de Valores de NO2 133
Gráfico 3.48 – Histórico de Valores de O3 133
Gráfico 3.49 – Histórico de Valores de PM10 134
Gráfico 3.50 – Histórico de Valores de CO 134
Gráfico 3.51 – Porcentaje de Correlación entre Valores de días consecutivos 135
Gráfico 4.1 – Tendencia del promedio móvil cada 24 horas 160
Gráfico 4.2 – Porcentaje de error acumulado en los periodos pronosticados. 171
Gráfico 4.3 – Resultados de la Validación del Modelo para pronóstico a 3 días 172
ÍNDICE DE ILUSTRACIONES
Ilustración 2.1 – Ciclo de los Contaminantes Atmosféricos 29
Ilustración 3.1 – Ciudad de Santa Cruz de la Sierra 60
Ilustración 3.2 – Vista aérea de la ciudad de Santa Cruz de la Sierra 61
Ilustración 3.3 – Relieve de los alrededores de la ciudad de Santa Cruz de la Sierra 62
Ilustración 3.4 – Principales Vías, según el número de vehículos 69
Ilustración 3.5 – Ubicación de las principales industrias en la ciudad de Santa Cruz 72
Ilustración 3.6 – Emisiones Industriales por Año (del 2004 al 2008) 74
Ilustración 3.7 – Focos de Incendios Forestales Año 2006, Mes de Agosto 77
Ilustración 3.8 – Imágenes Satelitales usadas para el monitoreo 82
Ilustración 3.9 – Modelación de transporte de CO del 7/03/2009 84
Ilustración 3.10 – Vientos zonales preponderantes en América del Sur 85
Ilustración 3.11 – Pluma de dispersión regional de CO 86
Ilustración 3.12 – Pluma de dispersión regional de PM2.5 87
Ilustración 3.13 – Área de Influencia de Incendios Forestales 88
Ilustración 3.14 – Distribución de COV 93
Ilustración 3.15 – Distribución de las emisiones de CO 94
Ilustración 3.16 – Distribución de las emisiones de NOx 95
Ilustración 3.17 – Distribución de las emisiones de PM10 95
Ilustración 3.18 – Distribución de las emisiones de CO2 96
Ilustración 3.19 – Ubicación de los puntos de Monitoreo en Santa Cruz 105
Ilustración 4.1 – Gestión de la Calidad del Aire 143
Ilustración 4.2 – Ejemplo de Índice de Contaminación Atmosférica (ICA) 149
Ilustración 4.3 – División en Zonas de la ciudad para el modelo 153
Ilustración 4.4 – Mapa del departamento con las zonas definidas 154
Ilustración 4.5 – Elementos del Modelo de caja 164
Ilustración 4.6 – Zonificación por Colores, para el mes de Septiembre 2007 169
ÍNDICE DE TABLAS
Tabla 1.1 – Metodología para la realización del trabajo 12
Tabla 2.1 – Composición Porcentual de la Atmósfera 19
Tabla 2.2 – Capas de la Atmósfera según la variación de temperatura 20
Tabla 2.3 – Límites máximos de contaminantes criterio (Utilizados para la determinación
del índice de contaminación atmosférica) 24
Tabla 2.4 – Trabajos Relacionados sobre los Efectos en la Salud de los Contaminantes
Atmosféricos en Bolivia 25
Tabla 2.5 – Contaminantes Monitoreados 26
Tabla 2.6 – Contaminantes vehiculares según el combustible 31
Tabla 2.7 – Categorías de Fuentes de Área 34
Tabla 2.8 – Interpretación de valores del Coeficiente de Correlación de Pearson 45
Tabla 2.9 – Clases de Modelos de Dispersión 47
Tabla 2.10 – Cuadro Resumen de Trabajos Relacionados 50
Tabla 3.1 – Cantidad de Habitantes en la ciudad de Santa Cruz 62
Tabla 3.2 – Población de la ciudad de Santa Cruz de la Sierra según distritos 63
Tabla 3.3 – Factores de Emisión de Fuentes Móviles 71
Tabla 3.4 – Emisiones del Parque Vehicular de Santa Cruz 71
Tabla 3.5 - Cantidad de Industrias según rubro 73
Tabla 3.6 – Factores de Emisión de Industrias por Rubro 74
Tabla 3.7 – Emisiones Anuales Totales en Industrias por Rubro (Año 2008) 74
Tabla 3.8 – Factores de Emisión Para Incendios Forestales 80
Tabla 3.9 – Emisiones Anuales, Incendios Forestales del Departamento de Santa Cruz 81
Tabla 3.10 – Emisiones por fuentes de área en la ciudad de Santa Cruz 91
Tabla 3.11 – Emisiones Totales de la ciudad de Santa Cruz de la Sierra, Año 2008 91
Tabla 3.12 – Emisiones Totales de la ciudad de Santa Cruz por Año 92
Tabla 3.13 – Metodologías de Monitoreo 102
Tabla 3.14 – Puntos de monitoreo de Material Particulado 104
Tabla 3.15 – Resumen de los Coeficientes de Correlación con Humedad y Precipitación 122
Tabla 3.16 – Cuadro Resumen de las Correlaciones entre variables 136
Tabla 4.1 – Evaluación de Modelos de Dispersión 144
Tabla 4.2 – Zonas de la ciudad de Santa Cruz de la Sierra para el modelo 152
Tabla 4.3 – Áreas de los Alrededores de la Ciudad de Santa Cruz 154
Tabla 4.4 – Tabla de Contaminante por Área y Periodo 159
Tabla 4.5 – Tabla de Condiciones Meteorológicas para Modelo 161
Tabla 4.6 – Variación en el Transporte de contaminantes entre áreas 166
Tabla 4.7 – Variación en la Deposición de acuerdo a las Condiciones Atmosféricas 168
Tabla 4.8 – Porcentaje de error obtenido en 10 pronósticos a 3 días 170
Tabla 4.9 – Calidad del pronóstico realizado a diferentes días. 171
Tabla 4.10 – Resultados de la predicción de periodos mensuales 173
Tabla 4.11 – Calidad de la predicción realizada a 1 mes 174
Tabla 4.12 – Especificaciones del Equipo de Computación 178
Tabla 4.13 – Especificaciones del Software 179
Tabla 4.14 – Costos Anuales de la Obtención de los Datos 179
Tabla 4.15 – Costos de Funcionamiento del Modelo 180
Tabla 4.16 – Costos de Mantenimiento del Modelo 180
Tabla 5.1 - Características de Contaminantes Estudiados 186
INTRODUCCIÓN
La contaminación atmosférica en la ciudad de Santa Cruz de la Sierra es un
problema que afecta al más del millón y medio de habitantes que tiene. Esta
alta concentración de habitantes ha creado problemas de alto tráfico
vehicular, un parque automotor que genera importantes cantidades de
contaminación atmosférica. Además la ciudad sufre anualmente durante la
época seca por la quema en áreas rurales que tradicionalmente se realiza
para limpieza del suelo. Igualmente en el interior de la ciudad existen
quemas de desechos y otros, que agravan la situación. Además los vientos
elevan gran cantidad de polvo del importante número de calles sin
pavimentar y de zonas sin cobertura vegetal. Todos estos aspectos
contribuyen al problema ambiental y el deterioro de la calidad de vida de sus
habitantes.
Uno de los mayores problemas que enfrenta la ciudad de Santa Cruz debido
al arrastre del viento son las partículas de materia sólida o líquida finamente
fragmentado y cuyo tamaño es menor que 10 micrómetros de diámetro que
se le conoce como partículas respirables (PM10).
1.2.1 DEFINICIÓN
Desconocimiento de los fenómenos que determinan la dispersión de los
contaminantes atmosféricos en la ciudad de Santa Cruz.
1.2.2 DESCRIPCIÓN
La dispersión de los contaminantes está influenciada por una gran diversidad
de variables, las cuales interactúan en la atmósfera14. La emisión de
contaminantes atmosféricos por las actividades humanas produce los gases
y partículas que llegan a la atmósfera y a continuación pueden: permanecer
en ella, se transformarse, se dispersarse, ser absorbidos o depositarse en
tierra, dependiendo de las propiedades físicas y químicas del contaminante,
la meteorología, la morfología del terreno y otros. De acuerdo a la cantidad
de contaminante presente en la atmósfera, en un volumen dado, se obtiene
un valor de concentración del contaminante, punto de partida para
determinar la calidad del aire.
1.2.3 FORMULACIÓN
Desconocimiento del grado de aporte de cada uno los factores (emisiones,
densidad poblacional, climatológicos, geográficos) que influyen en la
dispersión de los contaminantes del aire que determinan la calidad del aire
en la ciudad de Santa Cruz
1.2.4 SUPUESTOS
(1) Los contaminantes muestreados por la red MoniCA (NOx, O3, CO,
Material Particulado PM10), son los principales indicadores del nivel de
calidad del aire para Santa Cruz, y no serán considerados otros
posibles contaminantes.
(4.3) Calcular las emisiones por área de acuerdo a las Fuentes distribuidas
geográficamente mediante estimaciones a partir de la observación y el
análisis de datos del inventario de emisiones nacional de los datos para
Santa Cruz de la Sierra y sus alrededores.
Desde el 2004,
Establecer la metodología
Modelo de dispersión Análisis del para el área de
(8.1) para procesar los datos y
de contaminantes modelo Santa Cruz de la
obtener resultados
Sierra
(8)
Desde el 2004,
Diseñar un sistema para Modelo de dispersión Análisis del para el área de
(8.2)
actualizar y validar el modelo. de contaminantes modelo Santa Cruz de la
Sierra
Fuente: Elaboración Propia Tabla 1.1
1.5 JUSTIFICACIÓN
En la actualidad, el trabajo desarrollado por la Red de Monitoreo de la
Calidad del Aire (Red MoniCA) está limitado a generar datos de
contaminación de días y semanas pasadas.
1.6 LÍMITES
Se definen como límites de este trabajo un límite espacial, un límite temporal
y un límite sustantivo.
1.6.1 ESPACIAL
La ciudad de Santa Cruz de la Sierra y sus alrededores, los cuales están
definidos de acuerdo la influencia que éstos tienen con los contaminantes en
la ciudad.
1.6.2 TEMPORAL
El trabajo se realizará entre agosto del 2008 y mayo del 2009 con datos
históricos desde el año 2004. Se espera generar un modelo actualizable,
inicialmente válido por un año.
1.6.3 SUSTANTIVO
Los contaminantes que serán parte de este estudio son aquellos
considerados como los indicadores de la calidad del aire y son medidos por
la Red MoniCA, los cuales son el PM10 (y los otros materiales particulados),
el CO, el NO2 (también NOx) y el O3.
1.8 CONCLUSIONES
Este trabajo busca desarrollar la problemática de la dispersión de
contaminantes atmosféricos; este tema es bastante interesante, por los
posibles beneficios e implicaciones públicas que tiene para el desarrollo de la
Gestión Ambiental de la Calidad del Aire. Es además complejo por el gran
número de variables y factores que influyen en su comportamiento, pero a
través de este documento se buscará identificar cada uno de ellos,
reduciendo las incógnitas acerca de sus interrelaciones.
1
Proyecto AIRE LIMPIO. Boletín AIRE LIMPIO Bolivia nº1. Boletín. La Paz, Bolivia:
Swisscontact, (2007), [Acceso: 14-11-2008].
2
Swisscontact. “Proyecto Aire Limpio” (2006),
[http://www.swisscontact.bo/swisscontact.php] [Acceso: 19-10-2008].
3
Según entrevista con Edgar Arteaga, Jefe de la Unidad Técnica Científica de la Dirección
de Medio Ambiente del Gobierno Municipal [Entrevista] 18-08-2008
4
Arnold Mauricio Vaca Álvarez. “Diseño de una Red de Monitoreo y Control de la Calidad del
Aire para la Ciudad de Santa Cruz de la Sierra.” UPSA, (2005), 41.
5
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.”
Tesis para optar al título de Magister Cientiarium, Universidad Autónoma Gabriel René
Moreno, (2004), [Acceso: 13-11-2008].
6
Proyecto AIRE LIMPIO. Evaluación del efecto de Dióxido de Nitrógeno y Ozono en la salud
de la población del Municipio Cercado - Cochabamba. Cochabamba, Bolivia: Swisscontact,
(2006).
7
Proyecto AIRE LIMPIO. Efectos de la Exposición Prolongada al Monóxido de Carbono
Ambiental en Población Urbana de Riesgo. Cochabamba, Bolivia: Swisscontact, (2007),
[http://www.swisscontact.bo/sw_files/mflkapozbyl.pdf] [Acceso: 15-11-2008].
8
Centro de Investigaciones del Oriente, Universidad Nacional del Oriente. “Factores
Influyentes en los Niveles de COHB, MetaHB y desencadenamiento de los Síntomas de
Parámetros de Riesgo en Sujetos Expuestos a Medios con Alto Flujo Vehicular en Santa
Cruz.” Santa Cruz, Bolivia, (2008).
9
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.”
10
Nidia Katiuska Manzoni Rivarola. “Análisis del Impacto Ambiental del Material Particulado
(PM10) en la ciudad de Santa Cruz de la Sierra.” UPSA, (2007).
11
GMLP. “Inventario de Emisiones de la Ciudad de La Paz Año 2007” (2008).
12
Proyecto AIRE LIMPIO. “Semanas de Aire Limpio en Bolivia.” Swisscontact, (06-2008), 5.
13
IBNORCA. “NB62011 Calidad del aire - Contaminantes criterio exterior - Límites máximos
permisibles,” [Acceso: 4-10-2008].
14
Autor Bernard J. Nebel and Richard T. Wright. Ciencias ambientales. trans. Francisco
Javier Dávila, Primera Edición. Pearson Educación, (1999), 377, [Acceso: 15-11-2008].
15
IBNORCA. “NB62018 Calidad del aire - Índice de la contaminación atmosférica,” [Acceso:
6-10-2008].
16
Red MoniCA. “Informe técnico Red MoniCA.” Swisscontact, (2008), 12,
[http://redmonica.com/publicaciones/informe_tecnico_red_monica.pdf] [Acceso: 17-08-2008].
17
C. M. Vélez. Apuntes de Metodología de la Investigación. Medellín, Colombia, (2005); C.
M. Tinoco. Manual de Clase Trabajo Final de Grado I IN519. Santa Cruz, Bolivia, (2008), 4.
2.1 ATMÓSFERA
La atmósfera terrestre es la capa gaseosa que rodea a la Tierra. El 75% de
la masa total de la atmósfera se encuentra en los primeros 11 km de altura
desde la superficie planetaria.
2.2.3 CONTAMINANTES
Son las sustancias cuya presencia constituye una alteración de la
composición natural de la atmósfera terrestre.25
Los valores límites establecidos según Normas son definidos como resultado
de un gran número de trabajos de investigación sobre los efectos producidos
sobre la salud humana. La OMS a través de sus Guías para la Calidad del
Aire, determina los valores que deberían tomarse, basado en estudios
epidemiológicos, principalmente aquellos que describen exposición a niveles
de concentración de contaminantes en espacios exteriores.35
Tabla 2.4 – Trabajos Relacionados sobre los Efectos en la Salud de los Contaminantes
Atmosféricos en Bolivia
Autor y Título del Trabajo Conclusiones
Proyecto AIRE LIMPIO. Determinación de los efectos de Existe relación de causa efecto entre la exposición
contaminantes atmosféricos NO2 y O3 sobre la prolongada a contaminantes, con mayores efectos en la
población urbana de mayor riesgo. Santa Cruz de la población que trabaja como ambulantes en las vías más
Sierra, Bolivia. Swisscontact, 2008 congestionadas de la ciudad. Todavía no se ha
publicado.
Manzoni R., N. K. Análisis del Impacto Ambiental del La concentración de Material Particulado PM10 tiene
Material Particulado (PM10) en la ciudad de Santa Cruz efectos sobre la incidencia en la población de
de la Sierra. Santa Cruz de la Sierra, Bolivia UPSA 2007 enfermedades respiratorias como la bronquitis,
38
conjuntivitis y otros
Proyecto AIRE LIMPIO. Evaluación del efecto de La exposición diaria prolongada al CO, se relaciona al
Dióxido de Nitrógeno y Ozono en la salud de la nivel de Carboxihemoglobina. A mayor tiempo de
población del Municipio Cercado – Cochabamba. exposición por día, mayores niveles. Las personas
Cochabamba, Bolivia: Swisscontact, 2006. expuestas sufrían cefalea, dificultades de concentración
39
y sensación de fatiga.
Proyecto AIRE LIMPIO. Efectos de la Exposición Las concentraciones de ozono demuestran tener una
Prolongada al Monóxido de Carbono Ambiental en influencia directa en el asma crónico, en la enfermedad
Población Urbana de Riesgo. Cochabamba, Bolivia: pulmonar obstructiva crónica (EPOC) y en la rinitis
Swisscontact, 2007.
El dióxido de nitrógeno influye en el asma crónico, asma
agudo (ataque de asma), bronquitis aguda, infecciones
40
respiratorias agudas, rinitis y conjuntivitis
Cynthia Bojanic. Caracterización de los contaminantes Descripción de los principales problemas de salud
atmosféricos por fuentes emisoras y métodos para causados por los contaminantes.
reducir impactos sobre la salud en la ciudad de Santa
Estrategias para reducir los contaminantes atmosféricos
Cruz de la Sierra. Tesis para optar al título de Magister
en la ciudad, para disminuir los niveles de
Cientiarium, Santa Cruz de la Sierra, Bolivia.
contaminantes al que están expuestas las personas que
Universidad Autónoma Gabriel René Moreno, 2004. 41
habitan en la ciudad.
Factores Influyentes en los Niveles de COHB, MetaHB y El nivel de COHb y Meta Hb depende del tipo de
desencadenamiento de los Síntomas de Parámetros de Exposición, Tipo de Población, Tipo de Ocupación, en
Riesgo en Sujetos Expuestos a Medios con Alto Flujo medios de alto tráfico vehicular. A
Vehicular en Santa Cruz. Orlando Vásquez
Niveles altos de COHb y Meta Hb producen alteraciones
(Swisscontact), Centro de Investigaciones del Oriente
en los parámetros sanguíneos, desencadenan síntomas
Boliviano (Universidad Nacional del Oriente), 2008.
y exacerban factores de riesgo cardiaco, renal y
eritrocitosis.
Impide la eficiencia pulmonar del hombre y de los animales. Sobre las hojas,
perjudican la fotosíntesis. Algunas partículas contienen metales pesados y
son tóxicas.44
D. OZONO (O3)
El ozono se asocia con la niebla urbana. Los óxidos de nitrógeno y varios
hidrocarburos en presencia de la radiación solar llevan a cabo un conjunto de
reacciones complejas que producen contaminantes secundarios u oxidantes
fotoquímicos. 46
E. OTROS
Los hidrocarburos, son parte de las emisiones de COV. Contienen
únicamente Carbono (C) e Hidrógeno (H). El metano (CH4) no es muy
reactivo, pero es un gas de efecto invernadero.
Los alquenos son altamente reactivos, por ej. Etileno y NOx, producen NPA y
O 3.
Dispersión
2.3.1 EMISIÓN
Es la liberación del contaminante hacia la atmósfera. 49
݇݃ ݀݁ ݏ݀݅ݐ݅݉ܧ ݁ݐ݊ܽ݊݅݉ܽݐ݊ܥ
݅ݏ݅݉ܧ ݁݀ ݎݐܿܽܨó݊ =
ܷ݊݅݀ܽ݀ ݀݁ ܽ݀ܽݖ݈ܴ݅ܽ݁ ݀ܽ݀݅ݒ݅ݐܿܣ
A. EMISIONES VEHICULARES
Los vehículos impulsados por la combustión de Gasolina, Diesel, Gas Natural
y otros, generan gases de escape como subproductos de este proceso.
Entre los procesos que generan este tipo de emisión están: Emisiones
Evaporativas del Motor Caliente, Emisiones Evaporativas de Operación,
Emisiones Evaporativas durante la Carga de Combustible, Emisiones
Diurnas (del tanque de combustible del vehículo debido a una mayor
temperatura), Emisiones Evaporativas en Reposo (fugas de combustible).58
En un conteo de doce horas de las 6am a las 6pm no se registra la mitad del
volumen diario del tráfico, sino que 65% y entre las 6am y las 8pm,
aproximadamente el 78% del volumen diario del tráfico pasa en este período.
Para un cálculo sencillo del actual y del futuro volumen del tráfico
motorizado, se tendría que considerar el crecimiento anual de la flota
vehicular en porcentaje.
B. EMISIONES INDUSTRIALES
Una fuente fija, con un nivel importante de emisión de un contaminante es
considerada fuente puntual. Pero si son numerosas y el nivel de emisión de
contaminante está por debajo de un nivel determinado, se la clasifica como
fuente de área, por ser más práctico y permite reducir la cantidad de datos a
relevar.61
Para la emisión por combustión, los datos que se deben recabar son el tipo y
capacidad del tipo de combustión, el consumo anual y tipo de combustible, el
horario de operación y si cuenta con un tipo de tratamiento de los gases de
combustión, que contaminante es controlado y la eficiencia de este
tratamiento.66
2.3.4 DISPERSIÓN
Los contaminantes producidos por las fuentes de emisión al ingresar a la
atmósfera se dispersan, es decir se mezclan en ella, diluyéndose y
alejándose de la fuente.
Éste es el caso de las interacciones de los NOx con los COV en presencia de
radiación ultravioleta, que producen O3 y contaminantes secundarios.80
(்வଵଶ°)
ܰଶ + ܱଶ ሱۛۛۛۛۛۛۛሮ 2ܱܰ
ܱܰ + ܱଷ → ܱܰଶ + ܱଶ
௩
ܱܰଶ ሱሮ ܱܰ + ܱ∗
Radical O y O2 forman O3
ܱଶ + ܱ∗ → ܱଷ
Las lluvias pueden tener un efecto beneficioso porque lava las partículas
contaminantes del aire y ayuda a minimizar las partículas provenientes de
actividades como la construcción y algunos procesos extractivos
industriales.86
Temperatura y Humedad
Turbulencia
Estabilidad Atmosférica
A. CAPAS ATMOSFÉRICAS
El fenómeno de transporte con focos de industrias, los datos de interés se
obtienen dentro de la capa límite atmosférica, la capa más baja de la
atmósfera terrestre.
2.4.2 VIENTO
En la capa cercana a la superficie, existen variaciones de la velocidad y
dirección del viento debido a la influencia del relieve. Es por eso que se
considera una componente media y una componente variable.
2.4.4 TEMPERATURA
Las emisiones producen penachos que varían con la clase de estabilidad
atmosférica. La temperatura del ambiente, puede ser un factor que determina
si las condiciones atmosféricas son de estabilidad o producir grandes
remolinos de turbulencia.
2.4.5 HUMEDAD
El contenido de humedad del aire puede modificar las propiedades caloríficas
del aire. Además, una atmósfera cargada de humedad produce mayores
interacciones entre los NOx y SOx que producen partículas.
2.5 RELIEVE
El relieve afecta a la dispersión de los contaminantes, al ejercer una
importante influencia sobre el movimiento de las masas de atmosféricas.
Pero a mayores alturas, superiores a los 2000 m sobre el nivel del suelo, los
patrones de circulación son bastante uniformes.97
Mantener el análisis lo más sencillo posible es una cualidad que tiene una
preparación objetiva de los datos y que permitirá establecer conclusiones
iniciales y futuras etapas para el estudio.100
r=0 Sin relación lineal. No implica independencia total, sino que puede haber relaciones no lineales.
Hay correlación positiva perfecta, una dependencia total entre variables, una relación directa en
r=1
idéntica proporción
0<r<1 Hay correlación positiva
Hay correlación negativa perfecta, una dependencia total entre variables, una relación inversa en
r = -1
idéntica proporción
1<r<0 Hay correlación negativa
2.7.2 TRANSMISIÓN
La transmisión describe la distribución y las posibles transformaciones
químicas (formación de los llamados contaminantes secundarios) del
contaminante en la atmósfera. En los modelos de dispersión, esta fase es
representada por distintos factores, coeficientes, que afectan cómo se
transportan los contaminantes.
2.7.3 INMISIONES
Bajo el término inmisión se entiende la cantidad o concentración del
contaminante que es recibido por un receptor y por ende es registrado
también por cualquier equipo de medición de contaminación atmosférica.
Receptores son los seres humanos, las plantas, los animales. En los
modelos de dispersión, las inmisiones son el resultado obtenido de
concentración de los contaminantes sobre un receptor en un área
determinada.
2.10 REFERENCIAS
18
“Meteorology - Wikipedia, the free encyclopedia,” [http://en.wikipedia.org/wiki/Meteorology]
[Acceso: 22-09-2008].
19
“Química Atmosférica, CCA, UNAM,”
[http://www.atmosfera.unam.mx/quimicatmos/index.html] [Acceso: 22-09-2008].
20
“Contaminación atmosférica - Wikipedia, la enciclopedia libre,”
[http://es.wikipedia.org/wiki/Contaminaci%C3%B3n_atmosf%C3%A9rica] [Acceso: 22-09-
2008].
21
Jürgen Scheer and Esteban R. Reisin. “Perfil de Temperatura.” Grupo de Aeronomía,
Instituto de Astronomía y Física del Espacio (6-10-2008),
[http://www.iafe.uba.ar/aeronomia/perfil.html] [Acceso: 13-10-2008].
22
“Contaminación atmosférica - Wikipedia, la enciclopedia libre.”
23
“Química Atmosférica, CCA, UNAM.”
24
Ley 1333 Reglamento en materia de contaminación atmosférica. Decreto Supremo (1995),
2, [Acceso: 15-11-2008].
25
Gerard Kiely. Ingeniería Ambiental, vol. 1, 138.
26
CEPIS and OPS. “Transporte y dispersión de contaminantes en el aire ambiental.” Curso
de Autoinstrucción Orientación para el Control de la Calidad del Aire (2002),
[http://www.cepis.org.pe/bvsci/E/fulltext/orienta/cap6c.pdf] [Acceso: 20-10-2008].
27
Gerard Kiely. Ingeniería Ambiental. 458.
28
Ibid.
29
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 16.
30
IBNORCA. “NB62011 Calidad del aire - Contaminantes criterio exterior - Límites máximos
permisibles.” 2.
31
Ibid. 4.
32
IBNORCA. “NB62018 Calidad del aire - Índice de la contaminación atmosférica.” 1.
33
“Contaminación atmosférica - Wikipedia, la enciclopedia libre.”
34
Ibid.
35
Organización Mundial de la Salud (WHO). “WHO Air Quality Guidelines 2005.” WHO, (10-
2005), 1-6, [Acceso: 15-11-2008].
36
Manzoni Rivarola. “Análisis del Impacto Ambiental del Material Particulado (PM10) en la
ciudad de Santa Cruz de la Sierra.” 21.
37
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 16.
38
Manzoni Rivarola. “Análisis del Impacto Ambiental del Material Particulado (PM10) en la
ciudad de Santa Cruz de la Sierra.”
39
Proyecto AIRE LIMPIO. Efectos de la Exposición Prolongada al Monóxido de Carbono
Ambiental en Población Urbana de Riesgo.
40
Proyecto AIRE LIMPIO. Evaluación del efecto de Dióxido de Nitrógeno y Ozono en la
salud de la población del Municipio Cercado - Cochabamba.
41
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 16.
42
IBNORCA. “NB62018 Calidad del aire - Índice de la contaminación atmosférica.”
43
Gerard Kiely. Ingeniería Ambiental. 439.
44
Ibid. 443.
45
Ibid. 438.
46
Ibid.
47
Nebel and Wright. Ciencias ambientales. 495.
48
Gerard Kiely. Ingeniería Ambiental. 448.
49
“Emisiones - Wikipedia, la enciclopedia libre,” [http://es.wikipedia.org/wiki/Emisiones]
[Acceso: 20-10-2008].
50
“Air pollution - Wikipedia, the free encyclopedia,” [http://en.wikipedia.org/wiki/Air_pollution]
[Acceso: 19-10-2008].
51
US EPA. “Emissions Factors & AP 42 | Clearinghouse for Emission Inventories and
Emissions Factors,” [http://www.epa.gov/ttn/chief/ap42/index.html] [Acceso: 20-10-2008].
52
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 7-8.
53
“La Contaminación Atmosférica IV,”
[http://www.jmarcano.com/recursos/contamin/catmosf4.html] [Acceso: 20-10-2008].
54
“Emission factor - Wikipedia, the free encyclopedia,”
[http://en.wikipedia.org/wiki/Emission_factor] [Acceso: 20-10-2008].
55
Proyecto AIRE LIMPIO. Boletín AIRE LIMPIO Bolivia nº1. 2.
56
US EPA. “Emissions Factors & AP 42 | Clearinghouse for Emission Inventories and
Emissions Factors.”
57
Gerard Kiely. Ingeniería Ambiental. 473.
58
“Manual para la Elaboración de un Inventario de Emisiones en Bolivia” (2007), 51.
59
Ibid. 51-55.
60
Martín Blaser. Dispersión de la contaminación atmosférica causada por el tráfico vehicular,
Swisscontact. (2000), 17, [http://bvsde.per.paho.org/bvsci/e/fulltext/dispers/dispers.pdf]
[Acceso: 6-10-2008].
61
“Manual para la Elaboración de un Inventario de Emisiones en Bolivia.” 13.
62
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 13-
14.
63
“Manual para la Elaboración de un Inventario de Emisiones en Bolivia.” 13.
64
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.” 13-
14.
65
C. David Cooper and F. C. Alley. Air Pollution Control, Tercera Edición. Estados Unidos:
Waveland Press, (2002), 123.
66
“Manual para la Elaboración de un Inventario de Emisiones en Bolivia.” 21.
67
Ibid. 94.
68
Ibid. 95-96.
69
{Citation}
70
Cynthia Bojanic. “Caracterización de los contaminantes atmosféricos por fuentes emisoras
y métodos para reducir impactos sobre la salud en la ciudad de Santa Cruz de la Sierra.”
71
Manzoni Rivarola. “Análisis del Impacto Ambiental del Material Particulado (PM10) en la
ciudad de Santa Cruz de la Sierra.”
72
Dimarena. “PROGRAMA DE INCENDIOS 2006 - 2010” (2006).
73
A. M. Ramos. “SIMULAÇÃO NUMÉRICA DA DISPERSÃO DE POLUENTES
EMITIDOS POR INCÊNDIOS NO VERÃO DE 2003 NA
PENINSULA IBÉRICA.” in . PAMPLONA, (2006), [http://www.ame-
web.org/JORNADAS/Co2-trabajo%20Ramos%20et%20al.pdf] [Acceso: 30-09-2008].
74
A. Retalis et al. Air quality study over Cyprus: The AERAS project (2005),
[http://www.cosis.net/abstracts/EGU2007/01582/EGU2007-J-01582.pdf] [Acceso: 6-10-2008].
75
Departamento de Geofísica - Facultad de Ciencias Físicas y Matemáticas - Universidad de
Chile. “Dispersión de Contaminantes.” Atmósfera.cl,
[http://www.atmosfera.cl/HTML/temas/contaminacion/conta3.html] [Acceso: 20-10-2008]
76
CEPIS and OPS. “Transporte y dispersión de contaminantes en el aire ambiental.”
77
Departamento de Geofísica - Facultad de Ciencias Físicas y Matemáticas - Universidad de
Chile. “Dispersión de Contaminantes.”
78
Freitas S. R. et al. “Modelo CATT-BRAMS / Qualidade do Ar,” 3,
[http://meioambiente.cptec.inpe.br/modelo_cattbrams.html] [Acceso: 9-03-2009].
79
Gerard Kiely. Ingeniería Ambiental. 1268.
80
“Air pollution - Wikipedia, the free encyclopedia.”
81
Gerard Kiely. Ingeniería Ambiental. 464.
82
Ibid. 466.
83
David Cooper and Alley. Air Pollution Control. 607.
84
Nebel and Wright. Ciencias ambientales. 420.
85
Ibid. 410.
86
“Air pollution - Wikipedia, the free encyclopedia.”
87
Departamento de Geofísica - Facultad de Ciencias Físicas y Matemáticas - Universidad de
Chile. “Dispersión de Contaminantes.”
88
Gerard Kiely. Ingeniería Ambiental. 494.
89
Ibid.
90
Ibid. 499.
91
Ibid.
92
Ibid.
93
Ibid.
94
Ibid. 484.
95
David Cooper and Alley. Air Pollution Control. 588-590.
96
Gerard Kiely. Ingeniería Ambiental. 504-505.
97
David Cooper and Alley. Air Pollution Control. 570-572.
98
Douglas Montgomery. Diseño y Análisis de Experimentos. Mexico: Grupo Editorial
Iberoamérica, 1.
99
Ibid. 9.
100
Ibid. 6-9.
101
“Coeficiente de correlación de Pearson - Wikipedia, la enciclopedia libre,”
[http://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson] [Acceso: 27-
02-2009].
Proyecto de Grado - Dispersión de Contaminantes Atmosféricos en SCZ 57
Dispersión de Contaminantes Atmosféricos - Referencias
102
Douglas Montgomery. Diseño y Análisis de Experimentos. 49.
103
Ibid. 175.
104
Ibid. 217.
105
Gerard Kiely. Ingeniería Ambiental, vol. 3, 3 vols. Madrid: McGraw-Hill, (1999).
106
Manzoni Rivarola. “Análisis del Impacto Ambiental del Material Particulado (PM10) en la
ciudad de Santa Cruz de la Sierra.” 2.
107
Departamento de Geofísica - Facultad de Ciencias Físicas y Matemáticas - Universidad
de Chile. “Dispersión de Contaminantes.”
El área ocupada por la ciudad es de 388 km², tiene un perímetro de 84,2 km.
3.1.1 RELIEVE
Santa Cruz de la Sierra se encuentra en una llanura, en medio de 2 ríos, el
río Piraí y el Río Grande, distanciados entre sí de aproximadamente 35 km.
3.2 DEMOGRAFÍA
Como en cualquier ciudad, la población de la ciudad de Santa Cruz de la
Sierra es un factor que debe tomarse en cuenta. Debido a que las
actividades humanas están relacionadas con la emisión de contaminantes, el
número de habitantes guarda una estrecha relación con
con la cantidad de
contaminantes generados.
En el parque automotor de Santa Cruz, los vehículos tienen una edad media
de 10 años, agravando el problema, ya que son modelos obsoletos, con
emisiones mayores que los modelos más actuales, no contando con
sistemas de control de emisiones, como el catalizador. Además muestran
desgaste debido al uso y varios reciben mantenimiento deficiente,
produciendo una combustión incompleta. Esto produce emisiones con
exceso de HC no quemados, NOx y CO, lo cual se debe tomar en cuenta
para adaptar los factores de emisión a la realidad de Santa Cruz.
Oficial
Particular
Público
89%
Fuente: INE Gráfico: Elaboración Propia
Los vehículos registrados como de uso particular son casi el 90% del total,
quedando un porcentaje pequeño para los vehículos públicos y de uso oficial.
Diesel
Convertidos
a GNC
26%
59% Gas Natural
Otros
1991-2000
1981-1990
6%
8% 1971-1980
1961-1970
10% 1%
51% 0% 1961 o más antiguos
Fuente: INE Gráfico: Elaboración Propia
197.325
250.000
162.047
200.000
133.721
125.181
115.573
102.265
Unidades
95.210
150.000
91.830
86.419
47.613
100.000
12.342
50.000
0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Año
Fuente: INE Gráfico: Elaboración Propia
110
94
100
91
88
90
81
79
79
78
80
70
2000 2001 2002 2003 2004 2005 2006 2007 2008
Año
Fuente: INE Gráfico: Elaboración Propia
A. TRÁFICO EN LA CIUDAD.
La gran cantidad de motorizados existentes en la ciudad, produce un colapso
de la actual infraestructura urbana. Según autoridades del propio Gobierno
Municipal, el descontrol
descontrol en el número de vehículos genera diariamente
congestionamientos en las principales vías de circulación de la ciudad.
Alimentos
129 145
22% 25% Textiles
Madera
44
8%
Papel
64
11%
Química
56 124 No Metálica
10% 21%
19
Metalica
3%
Tabla 3.7 – Emisiones Anuales Totales en Industrias por Rubro (Año 2008)
COV CO NO X PM 10 CO 2
tn/año tn/año tn/año tn/año tn/año
Alimentos 35,303 9,465 24,751 1143,083 28021
Textiles 338,338 8,972 12,714 0,972 14263
Madera 93,207 0,069 0,344 0,138 407
Papel 40,451 0,003 0,006 0,028 6,62
Química 159,483 0,070 0,245 0,117 257
No Metálica 145,713 158,327 30,800 33,807 8294
Metalica 29,670 0,315 0,724 0,063 922
TOTAL 842 177 70 1178 52171
Fuente: Elaboración Propia
Utilizando los datos del INE123 del volumen de producción por rubro para los
años entre el 2004 y el 2008, se estimaron las emisiones totales para cada
uno de los años en ese periodo.
A. INCENDIOS FORESTALES
Durante varios años, la época de sequía ha sido caracterizada por valores
elevados de contaminantes en el aire de la ciudad. A pesar de que la gran
mayoría de las quemas ocurren fuera del radio urbano, la dispersión se
encarga de transportarlos por toda el área del departamento, afectando
también al área de Santa Cruz de la Sierra.
Los datos recabados con el fin de determinar la relación entre los episodios
de alta contaminación en la ciudad y las quemas son la fecha y ubicación de
los focos de incendio, de manera que se pueda establecer la influencia
geográfica de los focos de incendio ubicados en diferentes áreas del
departamento.
Fuente: SATIF
Zona II. San Ignacio, San Miguel y San Rafael en la provincia Velasco;
Concepción y San Javier en Ñuflo de Chávez.
Los datos recabados abarcan el periodo desde el año 2005 hasta el mes de
octubre del 2008.
Focos de Incendio en el
Departamento de Santa Cruz
9000
8000
7000
6000
5000 2008
4000
3000 2007
2000
1000 2006
0
2005
Focos de Incendio en el
Departamento de Santa Cruz
(desde el año 2005 hasta el año 2008)
Velasco 10515
Ñuflo de Chavez 8635
Chiquitos 8450
Angel Sandoval 5126
Guarayos 4285
German Busch 3454
Cordillera 3013
Ichilo 2292
Sara 1896
Obispo Santisteban 966
Andres Ibañez 952
Warnes 584
Vallegrande 272
Florida 219
Manuel Maria Caballero 23
Las provincias con más quemas son Velasco, Ñuflo de Chávez y Chiquitos,
las cuales quedan al Noreste de la ciudad de Santa Cruz. Combinadas,
forman más del 60% de los focos de incendio del departamento. Las
provincias hacia el Norte y Noroeste de la ciudad tienen un número mucho
menor de focos de incendio, al igual que provincia Andrés Ibáñez.
FORESTALES.
Tabla 3.9 – Emisiones Anuales, Incendios Forestales del Departamento de Santa Cruz
Focos de Superficie
Año tn de NO 2 tn de CO tn de PM 10
Incendio Quemada
2005 8769 798000 132.468 3.718.680 258.552
2006 9841 984100 163.361 4.585.906 318.848
2007 18622 1489800 247.307 6.942.468 482.695
2008 13559 813400 135.024 3.790.444 263.542
Fuente: SATIF Tabla: Elaboración Propia
Esto significa que el año 2008 por ejemplo, se han emitido aproximadamente
135 gigagramos (Gg) de NO2, 3 790 Gg de CO y 263 542 Gg de PM10.
Im
Imágenes de espectro visible del satélite GOES-8
GOES 8 permiten observar áreas
cubiertas con humo de aproximadamente 5 millones de km2 130
Ilustración 3.8
3 – Imágenes Satelitales usadas para el monitoreo
Fuente: INPE131
Fuente: CATT-BRAMS
CATT - CPTEC/INPE132
Ilust
Ilustración 3.11
3 – Pluma de dispersión regional de CO
Concentración de CO en ´ppb
Fuente: INPE134
Fuente: INPE137
D. USO DE SOLVENTES
Entre estas actividades, la emisión de contaminantes se relaciona al uso de
Pintura, como barnices y otros. También la limpieza, que emite sustancias
volátiles y al uso de productos para el Lavado en seco.
Tabla 3.11 – Emisiones Totales de la ciudad de Santa Cruz de la Sierra, Año 2008
Año 2008
COV CO NO X PM 10 CO 2
Fuentes Fijas
842 177 70 1.178 52.171
(Industrias)
Fuentes Móviles
3.931 39.634 4.288 154 969.960
(Automotores)
Fuentes de Área
2.948 346 295 17.197 319.295
(Otras)
Total Ciudad de
7.721 40.158 4.653 18.530 1.341.426
Santa Cruz
Fuente: Elaboración Propia
80%
60%
40%
20%
0%
COV CO NOX PM10 CO2
Fuentes Fijas (Industrias) Fuentes Móviles (Automotores) Fuentes de Área (Otras)
A. COV
La siguiente ilustración muestra dónde se generan las emisiones de
compuestos orgánicos volátiles (COV) en Santa Cruz de la Sierra.
kg año / km2
1000-1500
500-1000
0-500
B. CO
La siguiente ilustración muestra la distribución de las emisiones de monóxido
de Carbono (CO) en la ciudad de Santa Cruz de la Sierra.
kg año / km2
4000-5000
3000-4000
2000-3000
1000-2000
0-1000
Las zonas con mayores emisiones de CO son aquellas donde hay mayor
tráfico vehicular, destacándose principalmente las zonas del norte y oeste,
además del centro de la ciudad.
C. NOX
La siguiente ilustración muestra la distribución de las emisiones de óxidos de
Nitrógeno (NOx) en la ciudad de Santa Cruz de la Sierra.
kg año / km2
3000-4000
2000-3000
1000-2000
0-1000
D. PM10
La siguiente ilustración muestra la distribución de las emisiones de óxidos
Material Particulado menor a 10 micras (PM10) en la ciudad de Santa Cruz de
la Sierra.
kg año / km2
2000-3000
1000-2000
0-1000
E. CO2
La siguiente ilustración muestra la distribución de las emisiones de óxidos
Dióxido de Carbono (CO2) en la ciudad de Santa Cruz de la Sierra.
kg año / km2
150000-200000
100000-150000
50000-100000
0-50000
El centro de la ciudad y la zona del parque industrial son las que tienen
mayores emisiones de este gas, debido a que éste está asociado a todos los
procesos de combustión.
NO NE
10%
6%
O E
4%
SOO SEE
2%
SO SE 0%
SSO SSE 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10
S Velocidad del viento en m/s
Sus vientos son principalmente del Norte (N) y del Noroeste (NO), con una
velocidad de viento de unos 3 m/s (10,6 km/h) como promedio, pero con
ráfagas que suelen llegar a los 8 a 10 m/s (entre 30 y 40 km/h)
Los meses con mayores velocidades de viento coinciden con los meses de
Agosto y Septiembre, meses que corresponden a la época seca del año.
Estación Meteorológica de ET
Datos entre 01/01/2008 a 31/12/2008
40
35
Temperatura (°C)
30
25
20
15
10
5
0
2008/01/01
2008/01/17
2008/02/02
2008/02/18
2008/03/05
2008/03/21
2008/04/06
2008/04/22
2008/05/08
2008/05/24
2008/06/09
2008/06/25
2008/07/11
2008/07/27
2008/08/12
2008/08/28
2008/09/13
2008/09/29
2008/10/15
2008/10/31
2008/11/16
2008/12/02
2008/12/18
Temperatura Promedio Temperatura Mínima Temperatura Máxima
Estación Meteorológica de ET
Datos entre 01/01/2008 a 31/12/2008
100,00
% Humedad Relativa
80,00
60,00
40,00
20,00
0,00
2008/01/01
2008/01/19
2008/02/06
2008/02/24
2008/03/13
2008/03/31
2008/04/18
2008/05/06
2008/05/24
2008/06/11
2008/06/29
2008/07/17
2008/08/04
2008/08/22
2008/09/09
2008/09/27
2008/10/15
2008/11/02
2008/11/20
2008/12/08
2008/12/26
100
80
60
40
20
0
2008/01/01
2008/01/20
2008/02/08
2008/02/27
2008/03/17
2008/04/05
2008/04/24
2008/05/13
2008/06/01
2008/06/20
2008/07/09
2008/07/28
2008/08/16
2008/09/04
2008/09/23
2008/10/12
2008/10/31
2008/11/19
2008/12/08
2008/12/27
Fuente: Estación Meteorológica Red MoniCA Gráfico: Elaboración Propia
Estación Meteorológica de ET
Datos entre 01/11/2007 a 31/12/2008
400
350
300
mm de Lluvia
250
200
150
100
50
Estación Meteorológica de ET
Datos entre 01/01/2008 a 31/12/2008
1400
1200
1000
KWh/m2
800
600
400
200
0
2008/01/01
2008/01/18
2008/02/04
2008/02/21
2008/03/09
2008/03/26
2008/04/12
2008/04/29
2008/05/16
2008/06/02
2008/06/19
2008/07/06
2008/07/23
2008/08/09
2008/08/26
2008/09/12
2008/09/29
2008/10/16
2008/11/02
2008/11/19
2008/12/06
2008/12/23
NO2 (pasivo y
automático), O3
(pasivo y automático),
ET Ex – Terminal Av. Irala y 1er. Anillo alto trafico vehicular PM10 (activo y
automático), CO
(automático) y
meteorología
a) MÉTODO PASIVO
Los datos obtenidos en el monitoreo pasivo de NO2 comprenden el periodo
de mayo del 2004 a diciembre del 2008, son 11 puntos de monitoreo, con
datos que representan periodos de exposición de 2 semanas.
70 CN 70 CN
CU CU
60 60
EC EC
Concentración (μgNO2/m3)
50
Concentración (μgNO2/m3)
50
ET ET
40 40
LP LP
30 PA 30 PA
PC PC
20 20
PI PI
10 10
SP SP
0 UP 0 UP
VM VM
Mes Mes
Monitoreo de dióxido de nitrógeno por tubos pasivos Monitoreo de dióxido de nitrógeno por tubos pasivos
Santa Cruz de la Sierra Año 2006 Santa Cruz de la Sierra Año 2007
80 CN 90 CN
70 CU 80 CU
EC 70 EC
60
Concentración (μgNO2/m3)
Concentración (μgNO2/m3)
ET 60 ET
50
LP 50 LP
40
PA 40 PA
30
PC 30 PC
20
PI 20 PI
10 10
SP SP
0 UP 0 UP
VM VM
Mes Mes
80 CN
70 CU
EC
60
Concentración (μgNO2/m3)
ET
50
LP
40
PA
30
PC
20
PI
10
SP
0 UP
VM
Mes
b) MÉTODO AUTOMÁTICO
Los datos obtenidos para el monitoreo de NO2 mediante este método
corresponden a la estación de monitoreo automático de Ex Terminal (ET)
100,0
80,0
60,0
40,0
20,0
0,0
Día
NOx (ppb) NO (ppb) NO2 (ppb)
a) MÉTODO PASIVO
Los datos obtenidos mediante el monitoreo pasivo de O3 abarcan el periodo
desde mayo de 2004 hasta diciembre de 2008
30 CN 40 CN
CU 35 CU
25
EC EC
30
Concentración (μgNO2/m3)
Concentración (μgNO2/m3)
20 ET ET
25
LP LP
15 20
PA PA
15
10
PC PC
10
PI PI
5
5
SP SP
0 0
UP UP
VM VM
Mes Mes
Monitoreo de ozono por tubos pasivos Monitoreo de ozono por tubos pasivos
Santa Cruz de la Sierra Año 2006 Santa Cruz de la Sierra Año 2007
35 CN 30 CN
CU CU
30
25
EC EC
Concentración (μgNO2/m3)
25
Concentración (μgNO2/m3)
ET 20 ET
20
LP LP
15
15 PA PA
10
PC PC
10
PI PI
5
5
SP SP
0 0
UP UP
VM VM
Mes Mes
60 CN
CU
50
EC
Concentración (μgNO2/m3)
40 ET
LP
30
PA
20
PC
PI
10
SP
0
UP
VM
Mes
b) MÉTODO AUTOMÁTICO
Los datos obtenidos para el monitoreo de O3 mediante este método
corresponden a la estación de monitoreo automático de Ex Terminal (ET)
60,0
Concentración (ppb)
50,0
40,0
30,0
20,0
10,0
0,0
Día
O3 (ppb)
Fuente: Red MoniCA
a) MÉTODO ACTIVO
Los datos obtenidos mediante el monitoreo activo de PM10 abarcan el
periodo desde agosto de 2004 hasta diciembre de 2008
Concentración (μgPM10/m3)
350
300 200
ET ET
250
150
200
150 100
100
LP LP
50
50
0 0
UP UP
Mes Mes
Monitoreo de Material Particulado PM10 por Monitoreo de Material Particulado PM10 por
Método Activo Método Activo
180
Santa Cruz de la Sierra Año 2006 180
Santa Cruz de la Sierra Año 2007
CU CU
160 160
Concentración (μgPM10/m3)
Concentración (μgPM10/m3)
140 140
120 120
ET ET
100 100
80 80
60 60
40
LP 40
LP
20 20
0 0
UP UP
Mes Mes
100
Concentración (μgPM10/m3)
80
ET
60
40
LP
20
UP
Mes
b) MÉTODO AUTOMÁTICO
Los datos de PM que se tienen corresponden a PST (Partículas totales),
PM10 (Partículas menores a 10 micras) PM2.5 (Partículas menores a 2,5
micras) y PM1 (Partículas menores a 1 micra). Los datos están disponibles
desde febrero del 2008 a diciembre del 2008, a excepción de parte de los
meses de octubre y noviembre.
250
200
150
100
50
Día
PST (ug/m3) PM10 (ug/m3) PM2.5 (ug/m3) PM1 (ug/m3)
Fuente: Red MoniCA
a) MÉTODO AUTOMÁTICO
La Red MoniCA cuenta con 1 medidor de concentración de CO en la
estación de monitoreo automática de ET. Los datos obtenidos abarcan el
periodo desde octubre de 2006 hasta diciembre de 2008.
1,2
Concentración (ppm)
1,0
0,8
0,6
0,4
0,2
0,0
Día
CO (ppm)
Fuente: Red MoniCA
Los niveles medidos de Monóxido de Carbono son bastante bajos, por lo que
no es un contaminante problema para la ciudad de Santa Cruz. Los datos no
disponibles se deben a un problema con el equipo.
18 CN 39,8 9,1
16
14 CU 3,7 16,7
12 EC 27,1 8,8
10
8 ET 34,1 6,4
6
LP 13,8 11,6
4
2 PA 8,7 13,3
0
PC 43,2 5,7
0 10 20 30 40 50
PI 27,1 9,7
Concentración NO2 (µg/m3)
SP 25,7 10,5
y = -3,946ln(x) + 21,89 UP 19,7 9,8
R² = 0,8861
VM 16,8 10,0
Coeficiente de Correlación entre ambas series de datos: –0,8939
35,0
30,0
25,0
20,0
15,0
10,0
5,0
0,0
0,0 10,0 20,0 30,0 40,0 50,0
Concentración NO2 (µg/m3)
y = 0,4922x - 1,5235
R² = 0,3043
Coeficiente de Correlación =0,5515
Fuente: Red MoniCA Gráfico: Elaboración Propia
Concentración O3 (µg/m3)
40 18
35 16
30 14
25 12
10
20
8
15 6
10 4
5 2
0 0
0 20 40 60 80 100 120 0 20 40 60 80 100 120
Concentración O3 (µg/m3)
50 40
45 35
40
30
35
30 25
25 20
20 15
15
10
10
5 5
0 0
0 50 100 150 200 250 0 50 100 150 200 250
450,0 450,0
400,0 400,0
350,0 350,0
300,0 300,0
250,0 250,0
200,0 200,0
150,0 150,0
100,0 100,0
50,0
50,0
0,0
0,0
0,0 10,0 20,0 30,0 40,0 50,0 60,0
0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0
Concentración NO2 (µg/m3) Concentración O3 (µg/m3)
160 45
35
140 40
Concentración PM10 (µg/m3)
30
Concentración O3 (µg/m3)
35
120
30 25
100
25 20
80
20
15
60
15
40 10
10
20 5
5
0 0 0
0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000
Focos de Incendios Registrados Focos de Incendios Registrados Focos de Incendios Registrados
y = 49,291x0,0891 y = 7,6204x0,178 y = 2,8691x0,2014
R² = 0,1071 R² = 0,5416 R² = 0,3352
Fuente: Red MoniCA Gráfico: Elaboración Propia
45 45
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 20 40 60 80 100 0 100 200 300 400
Concentración O3 (µg/m3)
Concentración O3 (µg/m3)
45 45
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 20 40 60 80 100 0 100 200 300 400
Humedad Relativa (%) mm de Lluvia
y = -0,721x + 60,83 y = -0,0342x + 15,01
R² = 0,3313 R² = 0,0533
140,0 140,0
120,0 120,0
100,0 100,0
80,0 80,0
60,0 60,0
40,0 40,0
20,0 20,0
0,0 0,0
0 20 40 60 80 100 0 5 10 15 20 25
Humedad Relativa (%) Días sin lluvia
y = 0,6575x + 57,235
y = -0,89x + 113,34
R² = 0,0119
R² = 0,2227
Concentración O3 (µg/m3)
Concentración NO2 (µg/m3)
45 45
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 5000 10000 15000 20000 0 5000 10000 15000 20000
Radiación Solar (kwh/m2) Radiación Solar (kwh/m2)
y = 0,0005x + 20,729 y = 0,0004x + 8,3719
R² = 0,0161 R² = 0,0048
A. CICLOS ANUALES
Cada uno de los contaminantes presenta un comportamiento anual
estacional, con periodos claramente definidos. A continuación se presentan
gráficas de promedios mensuales. Para evitar los problemas de escala, año
tras año, se ha procesado los datos de la siguiente manera:
50%
40%
30%
20%
10%
0%
-10%
-20%
-30%
-40%
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
80%
60%
40%
20%
0%
-20%
-40%
-60%
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
50%
40%
30%
20%
10%
0%
-10%
-20%
-30%
-40%
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
B. CICLOS SEMANALES
A lo largo de la semana, las variaciones en las actividades humanas
producen variación en la concentración de los contaminantes. Para cada día
de la semana, se calculó la concentración promedio de cada contaminante y
se graficó el porcentaje de variación porcentual respecto a la media semanal.
6%
4%
2%
0%
-2%
-4%
-6%
-8%
-10%
-12%
Día de la Semana
Fuente: Red MoniCA Gráfico: Elaboración Propia
20%
15%
10%
5%
0%
-5%
-10%
-15%
Día de la Semana
Fuente: Red MoniCA Gráfico: Elaboración Propia
El caso del O3 es bastante curioso, con valores elevados los días domingo,
lunes y viernes. Se puede asociar a la menor emisión de NO2 durante estos
días y al tiempo que tarda en formarse el ozono, que después de los días
laborables comienza a formarse y después del lunes recién comienza a
dispersarse.
6%
4%
2%
0%
-2%
-4%
-6%
-8%
-10%
-12%
-14%
Día de la Semana
Fuente: Red MoniCA Gráfico: Elaboración Propia
10%
5%
0%
-5%
-10%
-15%
-20%
Día de la Semana
Fuente: Red MoniCA Gráfico: Elaboración Propia
C. CICLOS DIARIOS
Las concentraciones de los contaminantes urbanos están directamente
relacionadas con las actividades humanas. A lo largo del día éstas varían de
acuerdo a la hora. Utilizando equipos de monitoreo automático, cuyos
valores representan la concentración de contaminantes cada 15 minutos, es
posible trazar gráficos con la variación del contaminante a lo largo del día.
80%
60%
40%
20%
0%
-20%
-40%
-60%
El comportamiento del O3 está muy ligado al del NO2. Su pico coincide con la
disminución al medio día de los niveles de NO2 y en la madrugada los niveles
80%
60%
40%
20%
0%
-20%
-40%
-60%
50%
40%
30%
20%
10%
0%
-10%
-20%
-30%
-40%
A. EMISIONES
Entre las tendencias futuras evaluadas, están las emisiones producidas por
los incendios forestales.
8000
7000
6000
5000
4000
3000
2000
1000
30
25
20
15
10
5
0
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
35
30
25
20
15
10
5
0
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
200
150
100
50
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
1,2
0,8
0,6
0,4
0,2
Mes
Fuente: Red MoniCA Gráfico: Elaboración Propia
Este análisis comprueba que tan relevantes para las concentraciones de los
días siguientes son las concentraciones medidas en los periodos anteriores.
Para realizar esto, se tomaron periodos durante los cuales las otras variables
meteorológicas y de emisiones se mantuvieron relativamente constantes
(dirección de vientos similares, humedad relativa constante, precipitaciones,
etc).
70%
A 1 día
60% A 2 días
% de Correlación
50% A 3 días
40% A 4 días
30% A 5 días
20% A 6 días
A 7 días
10%
0%
Precipitación 7% 6% 5% 5% 6%
Humedad Relativa 22% 51% 33% 20% 26%
Temperatura 18% 25% 19% 16% 18%
Radiación Solar 1% 1% 1% 1% 1%
Estabilidad Atmosferica 29% 24% 31% 30% 25%
Nubosidad 2% 41% 51% 13% 11%
Distancia 4% 5% 4% 4%
Geografía
Las emisiones producidas por los incendios forestales son un factor que
influye bastante en la calidad del aire. Otros trabajos han demostrado los
fenómenos de dispersión y transporte que sufren los contaminantes emitidos
en lugares como el norte de Bolivia y el oeste de Brasil, que finalmente llegan
hasta el sur de Continente, como Argentina, Paraguay, Uruguay y el sur de
Brasil.
Analizando los ciclos semanales, los días con mayor contaminación son los
días laborables (de lunes a viernes), a excepción del O3, que presenta
mayores concentraciones los fines de semana, al estar correlacionado
negativamente con los NO2 y por ser un contaminante secundario que
demora en su transformación y transporte. El CO tiene su máximo a final de
la semana laboral (jueves y viernes), lo cual indica que se va acumulando a
lo largo de la semana, produciéndose más que la cantidad que se dispersa o
destruye y el fin de semana vuelven a bajar los valores gracias a la
disminución de las emisiones.
3.9 REFERENCIAS
Datos de la Red MoniCA Santa Cruz.
108
Instituto Nacional de Estadística de Bolivia. “Santa Cruz: Proyecciones de Población,
Según Municipio, 2000 - 2010,”
[http://www.ine.gov.bo/indice/visualizador.aspx?ah=PC20407.HTM] [Acceso: 7-06-2009].
109
Gobierno Municipal de Santa Cruz de la Sierra. “Portal del Municipio Autónomo de Santa
Cruz de la Sierra,” [http://www.gmsantacruz.gov.bo/] [Acceso: 7-06-2009].
110
Sonia Alvarado, Marcos Luján, and Christian Bomblat. “Modelación de las emisiones del
parque automotor en la ciudad de Cochabamba - Bolivia” (2004),
[http://www.ucbcba.edu.bo/Publicaciones/revistas/actanova/documentos/v2n4/v2.n4.alvarado
.PDF] [Acceso: 28-02-2009].
111
Proyecto AIRE LIMPIO. “Semanas de Aire Limpio en Bolivia.” 5.
112
Servolab. “Estudio Diesel Servolab.” Aire Limpio, (02-2008),
[http://www.swisscontact.bo/sw_files/meazlciswym.pdf] [Acceso: 11-02-2009].
113
El Deber. “Parque automotor se duplicó en 4 años,”
[http://www.eldeber.com.bo/2008/2008-06-09/vernotaahora.php?id=080608195526] [Acceso:
17-11-2008].
114
Proyecto AIRE LIMPIO. Boletín AIRE LIMPIO Bolivia nº1.
115
Proyecto AIRE LIMPIO. “Semanas de Aire Limpio en Bolivia.” 27-29.
116
Marcelo Gorritty. “Modelos de estimación de emisiones de fuentes móviles.” Taller
presented at the Taller de Inventario de Emisiones, Santa Cruz, Bolivia (04-2009).
117
International Sustainable Systems Research Center. “International Vehicle Emissions
Model.” Welcome to International Sustainable Systems Research Center,
[http://www.issrc.org/] [Acceso: 4-06-2009].
118
CNI - Cámara Nacional de Industrias. “Guía Directorio de la Industria Boliviana,”
[http://www.bolivia-industry.com/guiadirectorio/Sistema/Busquedas/rubro.php#] [Acceso: 10-
11-2008].
119
“Manual para la Elaboración de un Inventario de Emisiones en Bolivia.”
120
Dirección de Medio Ambiente. Lista de Industrias Categorizadas según RAI. Lista de
Industrias Categorizadas. Santa Cruz, Bolivia: Gobierno Municipal de Santa Cruz de la
Sierra, (3-04-2009).
121
Ibid.
122
GMLP. “Inventario de Emisiones de la Ciudad de La Paz Año 2007.”
123
Instituto Nacional de Estadística de Bolivia. “Santa Cruz. Valor Bruto de Producción de la
Industria Manufacturera,”
[http://www.ine.gov.bo/indice/visualizador.aspx?ah=PC027003.HTM] [Acceso: 7-06-2009].
124
Dimarena. “PROGRAMA DE INCENDIOS 2006 - 2010.”
125
S. R. Freitas et al. “Monitoring the Transport of Biomass Burning Emissions in South
America.” in Environmental Fluid Mechanics. Springer, (2005), 138,
[http://meioambiente.cptec.inpe.br/pdf/EnvFluidMech_SFreitas_etal.pdf] [Acceso: 17-03-
2009].
126
Ibid.
127
“Emission Factors Database,” [http://www.naei.org.uk/emissions/] [Acceso: 27-02-2009].
128
“Dirección de Manejo de Recursos Naturales (DIMARENA) - Prefectura de Santa Cruz,
Bolivia - Reportes diarios de focos de calor,”
[http://servicios.santacruz.gov.bo/forestal/index.php?option=com_content&task=category&se
ctionid=4&id=13&Itemid=32#] [Acceso: 10-11-2008].
129
S. R. Freitas et al. “Monitoring the Transport of Biomass Burning Emissions in South
America.” 136.
130
Ibid.
131
INPE. “Divisão de Satélite e Sistemas Ambientais,” [http://satelite.cptec.inpe.br/home/]
[Acceso: 17-03-2009].
132
INPE. “Qualidade do Ar.” Centro de Previsao do Tempo e Estudios Climáticos (7-03-
2009), [http://meioambiente.cptec.inpe.br/] [Acceso: 17-03-2009].
133
K. M. Longo et al. “Transport of Biomass Burning Products in Southeastern South
America and its relationship with the South American Low Level Jet East of the Andes.” in .
Foz de Iguacu, Brasil: INPE, (2006), 123-124,
[http://meioambiente.cptec.inpe.br/pdf/longo_LLJ.pdf] [Acceso: 17-03-2009].
134
Ibid.
135
Ibid.
136
Ibid.
137
Ibid.
138
Pablo Ortiz. “La DGAC no vigila todos los aviones que despegan.” El Deber (27-07-2008),
sec. Nacional, [http://www.eldeber.com.bo/2008/2008-07-
27/vernotanacional.php?id=080726210119] [Acceso: 4-06-2009].
139
GMLP. “Inventario de Emisiones de la Ciudad de La Paz Año 2007.”
140
“Superintendencia de Hidrocarburos,” [http://www.superhid.gov.bo/] [Acceso: 9-10-2008].
141
Proyecto AIRE LIMPIO. Boletín AIRE LIMPIO Bolivia nº1.
142
M. Hangartner. “Evaluation of project MONICA
AIRE Limpio Bolivia.” Passam AG, (28-10-2008).
contaminación costos
Evaluar posibles
medidas de acción
Implementar el Elaborar un
plan de acción Plan de Acción
Fuente: Korc, citado en Alvarado S. et al145
Por estas razones, el siguiente paso para la Gestión de la Calidad del Aire en
Santa Cruz es estimar los niveles de emisión de la región, al identificar y
cuantificar las fuentes de emisión.
De ese modo, las emisiones se agrupan por caja del modelo, considerando
la ubicación de las fuentes fijas; el tráfico y las vías de circulación para
fuentes móviles y la distribución geográfica de las fuentes de área.
Proyecto de Grado - Dispersión de Contaminantes Atmosféricos en SCZ 144
Propuesta de Modelación de Dispersión - Gestión de la Calidad del Aire
Las inmisiones al interior se encuentran de acuerdo a las estaciones de
monitoreo en el área. Las variables meteorológicas se consideran como
definidas para cada caja.
A. DATOS DE EMISIONES
Con un inventario de emisiones actualizado sobre las fuentes fijas de la
ciudad y departamento de Santa Cruz, es posible realizar las ecuaciones de
balance de materia que determinen la cantidad de contaminante que se
libera a la atmósfera por las industrias y otras fuentes puntuales, y distribuir
sus plumas de contaminación geográficamente.
D. MEDICIONES DE INMISIONES
Datos históricos, con información sobre la concentración, periodo de
exposición, punto de monitoreo. Además información georeferenciada del
punto de monitoreo y la incertidumbre de la medida de cada método:
A. EMISIONES
Los datos de emisiones consisten en las coordenadas de la localización de la
fuente y los valores de contaminación generados. Estas coordenadas
permiten distribuir las emisiones en cada una de las zonas establecidas de la
simulación y calcular la masa de contaminante que se genera en cada zona
por unidad de tiempo.
B. INMISIONES
Los datos utilizados de inmisiones para verificar el modelo y como entrada
para determinar la contaminación actual existente deberán ingresarse en
caso de los métodos automáticos con 15 minutos de periodo de muestra. Los
datos de los métodos activo y pasivo, al requerir la preparación, exposición y
análisis de las muestras solamente podrán ser utilizados para las previsiones
a largo plazo. Estos datos deberán contar con información sobre el punto de
monitoreo, la hora y fecha de la medición y la incertidumbre de la medida.
C. METEOROLOGÍA
Los parámetros meteorológicos para periodos horarios son las velocidades
del viento promedio, la dirección del viento, la altura de mezcla y la clase de
estabilidad atmosférica existentes en el lugar. Por la disponibilidad de datos,
se generalizará a la zona urbana, considerando los datos obtenidos en las
estaciones meteorológicas cercanas a la ciudad, como la de la Exterminal,
Aeropuerto El Trompillo y Aeropuerto Viru Viru.
D. PRONÓSTICOS METEOROLÓGICOS
Para realizar el cálculo de los valores de concentración de contaminantes en
los próximos días, es necesario contar con las condiciones meteorológicas
para las fechas siguientes. Debido a la naturaleza de este trabajo, el modelo
de dispersión de contaminantes utilizará como datos las predicciones
meteorológicas de otros sistemas como ingreso de datos climatológicos para
el pronóstico de la calidad del aire para los días siguientes.
A. VARIABLES DE EMISIONES
Para cada caja del modelo se calcula las emisiones generadas por periodo
de tiempo. Para esto se utiliza la información recopilada en el diagnóstico
referente a las emisiones generadas en la ciudad y distribuidas
geográficamente.
Las emisiones fijas son las más fáciles de distribuir al contarse con la
ubicación exacta de cada uno de los puntos de emisión.
Se elabora una tabla por contaminante con las emisiones por cada área del
modelo de multicaja, por cada periodo de tiempo a modelar. A continuación
se muestra un ejemplo de la tabla siguiente:
250
200
150
100
50
0
05/09/2008 01:00
05/09/2008 03:00
05/09/2008 05:00
05/09/2008 07:00
05/09/2008 09:00
05/09/2008 11:00
05/09/2008 13:00
05/09/2008 15:00
05/09/2008 17:00
05/09/2008 19:00
05/09/2008 21:00
05/09/2008 23:00
06/09/2008 01:00
06/09/2008 03:00
06/09/2008 05:00
06/09/2008 07:00
06/09/2008 09:00
06/09/2008 11:00
06/09/2008 13:00
06/09/2008 15:00
06/09/2008 17:00
06/09/2008 19:00
06/09/2008 21:00
06/09/2008 23:00
07/09/2008 01:00
07/09/2008 03:00
07/09/2008 05:00
07/09/2008 07:00
07/09/2008 09:00
07/09/2008 11:00
07/09/2008 13:00
07/09/2008 15:00
07/09/2008 17:00
07/09/2008 19:00
07/09/2008 21:00
07/09/2008 23:00
Para los pronósticos diarios, se utilizan los datos históricos para mejorar la
precisión de la proyección de datos de inmisión y los datos meteorológicos
pronosticados para establecer los coeficientes de dispersión y las tasas de
eliminación de contaminantes de la atmósfera.
D. INTERPOLACIÓN DE DATOS
Para determinar las concentraciones previstas en puntos intermedios
(modelo de interpolación), donde no hay una estación de monitoreo se
utilizarán los datos de dispersión de las inmisiones de las estaciones más
cercanas.
݀ ଶ di Distancia entre A y la estación de medición i
153
Fuente: Inverse Distance Weighting
Además, existen datos que son difíciles de medir, como lo son la masa de
contaminante transportado hacia y desde la caja, la cantidad de
contaminante creado o destruido mediante transformaciones químicas y la
cantidad de contaminante depuesta.
Tq
Ta Th
In
Em Dp
(4) (5)
Ta(4,5)
Th(4,5)
A. TRANSPORTE DE CONTAMINANTES
El transporte de contaminantes hacia y desde el área de la caja en la
realidad está determinado por el movimiento de masas de aire que contienen
los contaminantes. Estas masas de aire ingresan y salen de la caja, incluidos
sus contaminantes. Es por esto que los flujos de transporte están definidos
junto al movimiento de masas de aire y al de los contaminantes en su interior.
Para simplificar los modelos, los flujos de transporte se simplifican al del aire
que se mueve entre caja y su entorno, con una carga de contaminantes igual
al volumen del aire y la concentración de los mismos.
ܶܽ[4,5] = [݊ܫ4] × ݇ܶ
ܶℎ[4,5] = [݊ܫ5] × ݇ܶ
]ܽ[݉ܧ ]ܾ[݉ܧ
∆= ݉ܧ −
]ܾ[ܽ݁ݎܣ ]ܽ[ܽ݁ݎܣ
Luego se comparan las inmisiones entre ambas áreas, las cuales están
influenciadas por la diferencia de emisiones y la pluma de emisiones
contaminantes.
]ܾ[݊ܫ
ܶܽ[ܾ] =
∆ܽ[݉ܧ, ܾ]
B. DEPOSICIÓN DE CONTAMINANTES
El cálculo de la deposición de los contaminantes (Dp) en el modelo se realiza
considerando principalmente la humedad relativa y las precipitaciones que se
encuentran en el periodo.
La duración del periodo estaba en función a los datos utilizados. Para datos
de los métodos automáticos, el periodo fue de 24 horas, para los datos de los
métodos activo y pasivo, el periodo fue de 1 mes.
Precipitaciones
Ninguna -15% -12% -2%
Promedio 0% 0% 13%
C. TRANSFORMACIONES QUÍMICAS
Aunque las fuentes de información consultada asocian al Ozono y a la
radiación solar como factor que influye en su formación, no se encontró
correlación alguna entre altos niveles de ozono y alta radiación solar.
Lo que sí se encontró fue una fuerte asociación entre lugares con altos
niveles de NO2 y bajos niveles de O3. Por esta razón, para el término de
transformaciones químicas del modelo se utilizarán los niveles altos de
inmisiones de NO2 en la zona como indicador de concentraciones bajas de
O3. La relación viene dada por la función:
ܱ[݊ܫ3]
ܱܶܰ[ݍ2 ܽ ܱ3] =
ܱܰ[݊ܫ2]
10,0%
0,0%
1 2 3 4 5 6 7 8 9 10
Periodo de Exposición
Fuente: Elaboración Propia
En relación a valores por día, las pronósticos al 1er día fueron acertadas
(menos de 10% de error) en un 90% (9 de 10) al 2do día fueron 60% y al 3er
día 20%. El promedio de error de pronóstico de 1 día fue de 6,6%, a 2 días
fue de 13,6% y a 3 días fue de 23,4%.
20,0%
15,0%
10,0%
5,0%
0,0%
a 1 día a 2 días a 3 días
50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
25,0%
20,0%
15,0%
10,0%
5,0%
0,0%
NO2 (ug/m3) O3 (ug/m3) CO (ug/m3) PM10 (ug/m3)
A pesar de que los errores parecen muy elevados, las predicciones se las
puede tomar como referencia. Se puede afirmar que en un 95% de los casos,
el error promedio no sobrepasará el 48%
Cabe notarse que para estas predicciones se usaron los valores promedio de
parámetros meteorológicos para ese mes, tomando como base 5 años
distintos. Tal vez si se utiliza como entrada al modelo las condiciones
meteorológicas pronosticadas para ese mes, es posible que el error en la
predicción disminuya.
Para los datos de emisiones, la base de datos debe contar con información
referenciada con sus coordenadas geográficas (georeferenciada) que
mantenga un inventario de las emisiones generadas en la ciudad y sus
alrededores. Este inventario además de las cantidades emitidas debe
permitir pronosticar las emisiones para realizar proyecciones del modelo.
Nuevos análisis de las series de tiempo, anual, semanal, diario, de cada una
de las variables medidas, como niveles de emisión, inmisión, variables
meteorológicas y otras.
E. COSTOS DE MANTENIMIENTO
Actualización del método para el cálculo del modelo de dispersión propuesto,
de realizarse una vez al año. Consiste en revisar la metodología de
implementación del modelo y adaptarlo de acuerdo a los cambios y
optimizarlo, de acuerdo a la experiencia obtenida en los años anteriores.
F. COSTOS TOTALES
Para la implementación, funcionamiento y mantenimiento del modelo
propuesto, de acuerdo a los costos presentados, se tiene como costo total:
Cabe destacar que una buena parte de los costos anuales (12200 US$) ya
son asumidos por instituciones que participan del Proyecto Aire Limpio y la
Red MoniCA, como lo son el Gobierno Municipal de Santa Cruz,
Swisscontact y la Universidad Privada de Santa Cruz de la Sierra.
El modelo permitirá hacer pronósticos de calidad del aire para los próximos
días, predicciones anuales de las tendencias de contaminación, predicciones
del impacto de posibles medidas y escenarios de contaminación y la
interpolación de valores de contaminación, en especial, en aquellas áreas en
las que no hay una estación de monitoreo cercana.
Se realizó la validación del modelo, el cual muestra que éste es confiable (un
70% de las veces con más de 80% de acierto) en pronósticos a 3 días. Y en
El costo del proyecto justifica los grandes beneficios para la comunidad que
tendría un modelo de las características mencionadas.
4.9 REFERENCIAS
143
Sonia Alvarado, Marcos Luján, and Christian Bomblat. “Modelación de las emisiones del
parque automotor en la ciudad de Cochabamba - Bolivia.”
144
Ibid. 478.
145
Ibid. fig. 3.
146
O. R. Sanchez-Ccoyllo et al. “Determination of O3-, CO- and PM10-transport in the
metropolitan area of Sao Paulo, Brazil through synoptic-scale analysis of back trajectories.” in
Meteorology Atmospheric Physics (2006), 86,
[http://meioambiente.cptec.inpe.br/pdf/MAPtrajectory.pdf] [Acceso: 16-03-2009].
147
“A review of the molecular diffusivities of H2O, CO2, CH4, CO, O3, SO2, NH3, N2O, NO,
and NO2 in air, O2 and N2 near STP,”
[http://cat.inist.fr/?aModele=afficheN&cpsidt=2272030] [Acceso: 21-05-2009].
148
Ángel Franco. “Difusión. Ley de Fick.” Difusión. Ley de Fick,
[http://www.sc.ehu.es/sbweb/fisica/transporte/difusion/difusion.htm] [Acceso: 21-05-2009].
149
Guadalupe Cisniega. “Contaminación del Aire Urbano: Efectos de la Radiación Solar.” in .
Cancún, México, (2002).
150
Martín Blaser. Dispersión de la contaminación atmosférica causada por el tráfico
vehicular. 34.
151
Turner D. Bruce. Workbook of Atmospheric Dispersion Estimates, 2º ed. USA: Lewis
Publishers, (1994), 5-1, [Acceso: 10-02-2009].
152
Secretaría de Medio Ambiente y Recursos Naturales and Instituto Nacional de Ecología.
Guía de elaboración y usos de inventarios de emisiones. Mexico, 258, [Acceso: 11-05-
2009].
153
Wikipedia. “Inverse distance weighting” (9-05-2009),
[http://en.wikipedia.org/wiki/Inverse_distance_weighting] [Acceso: 11-05-2009].
154
“Estimación de Emisiones Mediante Modelos de Emisión de Contaminantes,”
[http://www.ine.gob.mx/publicaciones/libros/457/estimacion2.pdf] [Acceso: 20-10-2008].
155
S. G. Cardenas et al. “Modelo de Simulación de Dispersión de Contaminantes.” in . Santa
Cruz, Bolivia, (2007).
Analizando los ciclos semanales, los días con mayor contaminación son los
días laborables (de lunes a viernes), a excepción del O3, que presenta
mayores concentraciones los fines de semana, al estar correlacionado
negativamente con los NO2 y por ser un contaminante secundario que
demora en su transformación y transporte. El CO tiene su máximo a final de
la semana laboral (jueves y viernes), lo cual indica que se va acumulando a
lo largo de la semana, produciéndose más que la cantidad que se dispersa o
destruye y el fin de semana vuelven a bajar los valores gracias a la
disminución de las emisiones.
A largo plazo, las tendencias muestran que hay contaminantes que están
disminuyendo (PM10), otros se incrementan muy lentamente (NO2) y otros
tienen comportamiento algo irregular, pero el último año han subido bastante
(O3 y CO).
Las zonas con mayor tráfico vehicular registran mayores valores, lo que se
corresponde con la idea de que los vehículos son los principales emisores de
contaminantes.
Las emisiones producidas por los incendios forestales son un factor que
influye bastante en la calidad del aire. Otros trabajos han demostrado los
fenómenos de dispersión y transporte que sufren los contaminantes emitidos
en lugares como el norte de Bolivia y el oeste de Brasil, que finalmente llegan
hasta el sur de Continente, como Argentina, Paraguay, Uruguay y el sur de
Brasil.
El modelo permitirá hacer pronósticos de calidad del aire para los próximos
días, predicciones anuales de las tendencias de contaminación, predicciones
del impacto de posibles medidas y escenarios de contaminación y la
interpolación de valores de contaminación, en especial en aquellas áreas en
las que no hay una estación de monitoreo cercana.
El costo del proyecto justifica los grandes beneficios para la comunidad que
tendría un modelo de las características mencionadas.
BIBLIOGRAFÍA
“A review of the molecular diffusivities of H2O, CO2, CH4, CO, O3, SO2,
NH3, N2O, NO, and NO2 in air, O2 and N2 near STP.”
[http://cat.inist.fr/?aModele=afficheN&cpsidt=2272030] [Acceso: 21-05-
2009].
David Cooper, C., and F. C. Alley. Air Pollution Control. Tercera Edición.
Estados Unidos: Waveland Press, (2002).
Freitas S. R., Longo K. M., Silva Dias M. A. F., Chatfield R., Silva Dias P.,
Artaxo P., Andreae M. O., et al. “Modelo CATT-BRAMS / Qualidade do
Ar.” [http://meioambiente.cptec.inpe.br/modelo_cattbrams.html]
[Acceso: 9-03-2009].
Pablo Ortiz. “La DGAC no vigila todos los aviones que despegan.” El Deber
(27-07-2008), sec. Nacional. [http://www.eldeber.com.bo/2008/2008-
07-27/vernotanacional.php?id=080726210119] [Acceso: 4-06-2009].
Proyecto AIRE LIMPIO. Boletín AIRE LIMPIO Bolivia nº1. Boletín. La Paz,
Bolivia: Swisscontact, (2007). [Acceso: 14-11-2008].
ANEXOS
ÍNDICE DE ANEXOS
ANEXO I - Focos de Incendio en el Departamento de Santa Cruz ii
ANEXO II - Emisiones Vehiculares iii
ANEXO III - Promedios Mensuales NO2 v
ANEXO IV - Promedios Mensuales O3 vi
ANEXO V - Promedios Mensuales Activo PM10 y Automáticos CO, NO2, O3 y
PM10 vii
ANEXO VI - Datos Mensuales Meteorología viii
ANEXO VII - Correlaciones: Ciclo Anual viii
ANEXO VIII - Correlaciones Ciclo Semanal ix
ANEXO IX - Correlaciones Ciclo Diario ix
ANEXO X - Datos de la Validación A 3 días x
ANEXO XI - Datos de la Validación a 1 Mes x
ANEXO XII - Presupuesto xi
ANEXO XIII - Curriculum Vitae xii
ANEXO XIV - CD con el documento completo en PDF, base de datos con los
datos recopilados durante el trabajo, archivos Excel con los cálculos y mapas
y otros archivos digitales relacionados al trabajo.
2005-02 0
2005-03 0
2005-04 9800 1626,8 45668 3175,2
2005-05 10500 1743 48930 3402
2005-06 9000 1494 41940 2916
2005-07 28800 4780,8 134208 9331,2
2005-08 228500 37931 1064810 74034
2005-09 369800 61386,8 1723268 119815,2
2005-10 124300 20633,8 579238 40273,2
2005-11 17300 2871,8 80618 5605,2
2005-12 0 0 0 0
2006-01 0 0 0 0
2006-02 0 0 0 0
2006-03 0 0 0 0
2006-04 3800 630,8 17708 1231,2
2006-05 15400 2556,4 71764 4989,6
2006-06 5000 830 23300 1620
2006-07 65200 10823,2 303832 21124,8
2006-08 413400 68624,4 1926444 133941,6
2006-09 369400 61320,4 1721404 119685,6
2006-10 71500 11869 333190 23166
2006-11 40400 6706,4 188264 13089,6
2006-12 0 0 0 0
2007-01 0 0 0 0
2007-02 0 0 0 0
2007-03 0 0 0 0
2007-04 4600 763,6 21436 1490,4
2007-05 9500 1577 44270 3078
2007-06 33300 5527,8 155178 10789,2
2007-07 64200 10657,2 299172 20800,8
2007-08 357500 59345 1665950 115830
2007-09 650200 107933,2 3029932 210664,8
2007-10 321100 53302,6 1496326 104036,4
2007-11 49400 8200,4 230204 16005,6
2007-12 0 0 0 0
2008-01 0 0 0 0
2008-02 0 0 0 0
2008-03 0 0 0 0
2008-04 4100 680,6 19106 1328,4
2008-05 9200 1527,2 42872 2980,8
2008-06 19700 3270,2 91802 6382,8
2008-07 61000 10126 284260 19764
2008-08 115900 19239,4 540094 37551,6
2008-09 366400 60822,4 1707424 118713,6
2008-10 237100 39358,6 1104886 76820,4
2008-11 0 0 0 0
2008-12 0 0 0 0
Factor de
Emisiones en parada 2004 2005 2006 2007 2008
Emisión
2,6618054 4,011E+08 4,399E+08 4,807E+08 6,160E+08 6,293E+08
VOC 0,8530148 6,850E+07 7,247E+07 7,385E+07 7,746E+07 8,779E+07
1,13222699 1,535E+05 1,738E+05 3,030E+05 2,129E+06 6,262E+07
28,9421545 4,362E+09 4,783E+09 5,227E+09 6,698E+09 6,843E+09
CO 3,99131405 3,205E+08 3,391E+08 3,455E+08 3,624E+08 4,108E+08
23,2913746 3,157E+06 3,576E+06 6,233E+06 4,380E+07 1,288E+09
1,17982497 1,778E+08 1,950E+08 2,131E+08 2,730E+08 2,789E+08
NOx 0,10290321 8,264E+06 8,743E+06 8,908E+06 9,344E+06 1,059E+07
1,05085207 1,424E+05 1,614E+05 2,812E+05 1,976E+06 5,812E+07
0,05419259 8,167E+06 8,955E+06 9,787E+06 1,254E+07 1,281E+07
PM 0,26460784 2,125E+07 2,248E+07 2,291E+07 2,403E+07 2,723E+07
0,01991781 2,700E+03 3,058E+03 5,330E+03 3,746E+04 1,102E+06
35,8269651 5,399E+09 5,920E+09 6,471E+09 8,291E+09 8,470E+09
CO2 57,6126107 4,627E+09 4,895E+09 4,988E+09 5,231E+09 5,930E+09
32,2288013 4,369E+06 4,948E+06 8,624E+06 6,061E+07 1,782E+09
NO2 O3 PM10 CO
Lunes 5% 14% 3% 0%
Martes -1% -11% 1% -2%
Miércoles 1% -13% 4% 3%
Jueves 4% -4% 2% 9%
Viernes 4% 13% 4% 7%
Sábado -2% -7% -2% -2%
Domingo -11% 9% -12% -15%
Hoja de Vida
(Al 7 de agosto de 2009)
.I Datos Personales
Nombre y Apellidos : Fernando Chávez Gomes da Silva
Fecha de nacimiento : 10 de octubre de 1986
Lugar de nacimiento : Santa Cruz de la Sierra
Nacionalidad : Boliviana
Cédula de Identidad : 5347501 SC.
Estado Civil : Soltero
Idiomas : Español, Portugués e Inglés
Domicilio : Av. La Salle esq. Calle Franz Tamayo # 6
Teléfono : 3431926 / 72669555
E-mail : fernandochavezgomesdasilva@gmail.com
Universidad
Beca a la Excelencia, Universidad Privada de Santa Cruz de la Sierra,
2do Lugar, Carrera Ing. Industrial y de Sistemas, 1er Semestre 2005
1er Lugar, Carrera Ing. Industrial y de Sistemas, 2do Semestre 2005
1er Lugar, Carrera Ing. Industrial y de Sistemas, 1er Semestre 2006
1er Lugar, Carrera Ing. Industrial y de Sistemas, 2do Semestre 2006
3er Lugar, Carrera Ing. Industrial y de Sistemas, 1er Semestre 2007
1er Lugar, Carrera Ing. Industrial y de Sistemas, 2do Semestre 2007
1er Lugar, Carrera Ing. Industrial y de Sistemas, 1er Semestre 2008
Participación en la Reunión de Técnicos de la Red MoniCA (Red de Monitoreo de la Calidad
del Aire). Cochabamba del 12 de septiembre del 2006.
Participación en la Reunión de Técnicos de la Red MoniCA (Red de Monitoreo de la Calidad
del Aire). Cochabamba del 30 de octubre del 2007.
Participante 3er Feria de Emprendimiento, Facultad de Ciencias Empresariales UPSA, con el
proyecto “Análisis de Factibilidad para la Implementación de una Fábrica de Ácido Sulfúrico en el
departamento de Santa Cruz”, en noviembre 2007
1er Lugar de la Feria TECNOUPSA 2007, con el proyecto “Simulación de la dispersión de los
contaminantes del aire (NO2, O3, PM10) de la ciudad de Santa Cruz de la Sierra”, en noviembre
2007
Expositor de Ponencia Estudiantil del Congreso Latinoamericano de Estudiantes de
Ingeniería Industrial y Afines - CLEIN 2007, con el tema “Importancia del Uso de Técnicas de
Inteligencia Artificial aplicadas a la Simulación”, del 29 de octubre al 3 de noviembre del 2007.
1er Lugar de la Feria TECNOUPSA 2008, con el proyecto “Análisis y control del proceso de
secado de madera”, en noviembre 2008
.I Experiencia Laboral
Asistente de Laboratorio de Química, Universidad Privada de Santa Cruz de la Sierra,
2º Semestre (agosto a diciembre) del 2006.
Asistente de Cátedra de la materia de Física III, Universidad Privada de Santa Cruz de
la Sierra, 1º Semestre (febrero a junio) del 2007.
Expositor en la Expocruz 2007 y Expocruz 2008 en el Stand de la Dirección de
Medio Ambiente, del 21/09/2007 al 30/09/2007 y del 19/09/2008 al 28/09/2008
Expositor en la Expoforest 2008 y Expoforest 2009 en el Stand de la Dirección de
Medio Ambiente, del 26/03/2008 al 29/03/2008 y del 25/03/2009 al 28/03/2009
Prácticas Profesionales, Empresa “CIAGRO S.A.”, en el área de Repuestos para
Maquinaria Agrícola, 124 horas desde febrero hasta abril del 2008
Prácticas Profesionales, Dirección de Medio Ambiente del Gobierno Municipal de
Santa Cruz, en la Unidad Técnico Científica, desde mayo hasta noviembre del 2008
Técnico del trabajo de campo y laboratorio para el estudio de monitoreo de la
calidad del aire para el estudio de línea base para la explotación de hierro del
Mutún, junio y julio del 2008
Técnico de la Red MoniCA Santa Cruz (Red de monitoreo de calidad del aire), UPSA
– Swisscontact – Gobierno Municipal Autónomo de Santa Cruz de la Sierra, desde marzo
2006 a mayo 2009
Asistente en Consultoría, Reporte de emisiones en estaciones de bombeo de la red
de gasoductos de Transredes YPFB Transporte, Santa Cruz, abril 2009
Ingeniero de Planta, Industrias Cerámicas INCERCRUZ, desde mayo 2009 a agosto
2009.
Especialista en Monitoreo Ambiental, YPFB Transporte, desde agosto 2009 a la fecha