Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2-1
2-2
Puesto que el modelo ISC3 fue inicialmente concebido para estimar impactos de
grandes complejos industriales, cabe preguntarse por qu es vlido aplicarlo a zonas
urbanas como Lima-Callao. Al respecto se entrega la siguiente justificacin:
a) Normalmente cuando se hace modelacin de calidad del aire en zonas
urbanas se modelan las emisiones del transporte como fuentes de rea. Esto
se debe a que el inters de los reguladores es estimar el impacto que
producen las emisiones sobre toda un rea representativa de exposicin
potencial promedio de la poblacin. Es decir, no interesa representar con alta
resolucin espacial lo que pasa en la calle misma, sino estimar el impacto
promedio sobre toda un rea donde se va a estar moviendo la poblacin. Este
es, al fin y al cabo, el dato que se va a ligar a antecedentes de epidemiologa
ambiental para estimar el riesgo en salud pblica.
b) Las versiones antiguas de ISC3 hacan muy difcil poder simular zonas
urbanas, excepto si se incluyesen todos los arcos del transporte como fuentes
de emisin lineales. En tal caso la cantidad de informacin requerida por los
modelos es muy compleja, ya que equivale a establecer la geometra de cada
uno de los arcos en la ciudad (ancho de la calle, alturas representativas de
edificios vecinos, etc.). Dado que esto correspondera a tener un
levantamiento en tres dimensiones de la superficie de la ciudad con un
altsimo grado de detalle espacial, se opt por la alternativa a), la cual es la
que normalmente se usa en evaluacin de impactos por el transporte en
zonas urbanas.
c) Finalmente, cualquier otro modelo de dispersin que se desee implementar va
a requerir una preparacin de gran cantidad de archivos de meteorologa para
la zona de Lima Callao, puesto que los modelos ms avanzados de
dispersin de contaminantes utilizan informacin muy compleja de campos
tridimensionales de variables meteorolgicas (temperatura, vientos, etc.).
Dados los alcances y recursos involucrados en este Estudio, se tom la
decisin de utilizar ISC3 debido a que acepta informacin meteorolgica
relativamente simple, como se presentar a continuacin en esta Seccin.
d) No obstante lo expresado en el punto anterior, se procur utilizar informacin
caracterstica de Lima Callao, para lo cual se recurri a fuentes oficiales de
informacin meteorolgica para Lima (SENAMHI), como se presenta ms
adelante en esta Seccin.
A continuacin se detalla la preparacin de la informacin requerida por el modelo.
2.1.1 Dominio y geomorfologa
Con el objetivo de poder abarcar toda el rea de emisiones producidas por la red vial
y los impactos en sus alrededores, se escogi un dominio que incluyera toda la red
vial principal de Lima y los distritos de la ciudad. De esta manera se hace la
bsqueda del rea de influencia en toda la zona metropolitana de Lima Callao y no
solamente los distritos por donde pasa el COSAC I.
El dominio escogido tiene origen sur-oeste en la coordenada 260 km UTM Este y
8,620 km UTM Sur, con una extensin de 70 kilmetros en direccin Oeste-Este y
de 100 kilmetros en direccin Sur-Norte, siendo el punto opuesto de este
2-3
rectngulo el punto con coordenadas 330 km UTM Este y 8,720 km UTM Sur. El
dominio rectangular se dividi en celdas de 2x2 km que constituyen una grilla
superficial, sobre la cual se va a generar informacin de entrada al modelo
(emisiones, por ejemplo); tambin se va a usar para representar los resultados de la
modelacin de la dispersin de los distintos contaminantes considerados.
Las elevaciones de terreno fueron obtenidas de archivos tipo GTOPO30
provenientes del Servicio Geolgico de EEUU (U.S. Geological Survey,
http://edcdaac.usgs.gov/gtopo30/dem_img.asp). GTOPO30 es un formato de
almacenamiento digital de elevaciones (DEM) con espaciamiento horizontal de
grillas con resolucin de 30 segundos de arco, es decir, aproximadamente un
kilmetro.
2-4
2-5
Figura 2-5. Dominio de modelacin con despliegue de lmites geogrficos de los distritos de Lima.
Figura 2-6. Dominio de modelacin con despliegue de alturas de terreno y red vial.
Estas figuras nos permiten verificar que la informacin que le estamos entregando al
modelo de dispersin es la que corresponde a la topografa de la zona metropolitana
de Lima Callao; en particular, el dominio de modelacin incluye todos los distritos del
rea metropolitana, lo que garantiza poder estimar potenciales impactos en toda la
poblacin potencialmente afectada.
2-6
2-7
2-8
RAMMET-View (disponible dentro del software ISC3-View), junto con los mximos y
mnimos diarios de altura de mezclado que pide el programa PCRAMMET (y que
fueron previamente calculados con la informacin meteorolgica de altura, ver
seccin 2.1.2.2).
El programa PCRAMMET, desarrollado tambin por la EPA de EEUU, utiliza la
informacin de meteorologa superficial ms las caractersticas superficiales locales
del terreno (albedo, razn de Bowen, latitud, longitud, estacionalidad) para estimar el
balance de energa superficial y as estimar los flujos turbulentos de momentum y
calor (u* y H, respectivamente) que definen el estado local de la turbulencia,
mediante la aplicacin de ecuaciones de diagnstico. Posteriormente estos
resultados se utilizan para estimar la clase de estabilidad (A, B, C, D, E y F)
predominante en cada hora de simulacin. La clasificacin de estabilidad va desde
condiciones muy inestables (A) con alta insolacin pasando por condiciones
neutras (D) caractersticas de transiciones al amanecer y atardecer o en
presencia de nubosidad y condiciones estables (E,F) nocturnas con cielo
despejado y vientos dbiles o al amanecer. La siguiente Tabla entrega los criterios
para realizar la clasificacin de las condiciones de estabilidad atmosfrica que se
emplean en la modelacin de dispersin mediante la aproximacin Gaussiana en
modelos como ISC3.
Tabla 2-1. Clases de Estabilidad Atmosfrica.
2-9
2-10
Figura 2-7. Rosa de los vientos ao 2004, muestra el origen de los vientos.
Con respecto a la comparacin de los resultados de las figuras 2-7 y 2-8 con los
antecedentes del monitoreo meteorolgico realizado en el presente Estudio, se
corrobora que en las cuatro estaciones de monitoreo meteorolgico no se detectaron
calmas del viento. En efecto, las velocidades mnimas registradas en las estaciones
Pantanos, Miraflores, Centro Histrico y Norte fueron de 1.1, 0.5, 1.0 y 0.7 m/s,
respectivamente. Por otra parte, si se definen las calmas como las velocidades
menores a 1 m/s, entonces en las estaciones Pantanos, Miraflores, Centro Histrico
y Norte los porcentajes de calmas corresponden a 0, 15.6, 0 y 10.1 %,
respectivamente; en el caso del Aeropuerto Jorge Chvez (figuras 2-7 y 2-8) el
porcentaje estara por debajo del 2%.
2-11
Figura 2-8. Caracterizacin clases de estabilidad con direccin del viento ao 2004, muestra el origen
de los vientos.
2-12
La figura 2-9 nos entrega los histogramas de las velocidades del viento y de las
clases de estabilidad, respectivamente, observada en todos los datos del ao 2004
para todas las direcciones del viento. En el caso de la velocidad del viento, la
mayor frecuencia se da en el intervalo 3 4 m/s, con el 32.1% de las observaciones,
Estudio de Lnea Base Ambiental COSAC I
2-13
seguida por los intervalos 2 3 m/s y 4 5 m/s, con porcentajes del 26.4 y 20.5 %,
respectivamente. En el caso de las estabilidades, domina claramente la clase D, con
un 47.6% de las horas, seguida por las clases C y E, ambas con un 17%.
2-14
2-15
2-16
2-17
2.2
2-18
2-19
ug/m3
Sim2004
Obs2003
Obs2004
Este
Estudio
10
11
12
Mes
Figura 2-14. Comparacin de promedios mensuales de PM2.5 en la estacin Lima Centro Histrico.
ug/m3
50
Sim2004
40
30
Obs2003
20
Obs2004
10
0
1
10
11
12
Mes
Figura 2-15. Comparacin de promedios mensuales de PM2.5 en la estacin Callao.
ug/m3
80
Sim2004
60
Obs2003
40
Obs2004
20
Este Estudio
0
1
10
11
12
Mes
Figura 2-16. Comparacin de promedios mensuales de PM2.5 en la estacin Lima Norte.
Las mediciones hechas en este Estudio tienden avalar las simulaciones, ya que las
observaciones se encuentran por sobre las simulaciones, aunque no tan en exceso
Estudio de Lnea Base Ambiental COSAC I
2-20
como las mediciones de DIGESA, y las discrepancias que presentan con respecto a
las simulaciones se pueden atribuir a las fuentes y procesos no simulados y que se
han listado ms arriba, particularmente a la generacin de sulfato secundario a partir
de las emisiones de SO2 en la ciudad. Por lo tanto, se puede concluir que el modelo
es aceptable para fines de representar la dispersin de las emisiones de PM2.5 de las
fuentes mviles, en la escala de promedios mensuales analizada aqu.
ug/m3
80
Sim2004
60
Obs2003
40
20
Obs2004
0
1
10
11
12
Mes
Figura 2-17. Comparacin de promedios mensuales de PM2.5 en la estacin Lima Este.
ug/m3
Sim2004
Obs2003
Obs2004
Este Estudio
10
11
12
Mes
Figura 2-18. Comparacin de promedios mensuales de PM2.5 en la estacin Lima Sur. Para el caso
del monitoreo continuo realizado en este Estudio, Febrero y Marzo corresponden a mediciones en
Pantanos de Villa y Miraflores, respectivamente.
La situacin observada en Lima Centro, Lima Norte y Lima Sur tienden a corroborar
lo anteriormente expuesto, en el sentido que hay una componente relevante de
material particulado secundario, correspondiente a sulfato de amonio, el cual se
genera en el ambiente a partir de la oxidacin del SO2 emitido por el transporte, la
industria y fuentes residenciales en la ciudad. Cabe hacer notar que en la zona
metropolitana de Lima Callao se concentra aproximadamente el 65% de la actividad
2-21
industrial del pas, por lo que las emisiones de SO2 de la industria son tambin
relevantes al momento de analizar estas comparaciones grficas. El tema de
generacin de aerosoles secundarios (sulfatos) se va a volver a discutir cuando se
analicen los perfiles diarios de las simulaciones de calidad del aire y se comparen
con los valores obtenidos del monitoreo continuo efectuado en este Estudio.
2.2.1.2 Partculas totales en suspensin, PTS
En este caso se constata que hay buena concordancia entre las predicciones del
modelo y las observaciones hechas en el Centro Histrico, particularmente para los
aos 2003 y 2004, pero para el resto de las estaciones DIGESA se vuelve a apreciar
una subestimacin importante del modelo ISC3, situacin similar a la ya observada
en el caso del PM2.5. Sin embargo, en este caso las grandes diferencias entre las
concentraciones observadas y las simuladas no se pueden explicar por el aporte de
sulfatos secundarios al PTS, las que slo explican una pequea proporcin de
dichas diferencias.
300
ug/m3
250
200
150
100
50
0
1
10
11
12
Mes
Figura 2-19. Comparacin de promedios mensuales de PTS en la estacin Lima Centro Histrico.
PTS Callao
140
120
Sim2004
ug/m3
100
Obs2003
80
60
Obs2004
40
20
0
1
10
11
12
Mes
2-22
PTS Norte
250
Sim
ug/m3
200
150
Obs2003
100
Obs2004
50
0
1
10
11
12
Mes
PTS Este
400
350
Sim
ug/m3
300
250
Obs2003
200
150
Obs2004
100
50
0
1
10
11
12
Mes
PTS Sur
250
Sim
ug/m3
200
Obs2003
150
100
Obs2004
50
0
1
10
11
12
Mes
2-23
Una posible explicacin para las diferencias constatadas es que existen emisiones
importantes de polvo fugitivo que mantienen partculas slidas en suspensin. Es as
como los monitoreos de contaminantes slidos sedimentables (CSS) realizados por
SENAMHI en forma rutinaria indican que las zonas Norte, Este y Sur presentan
mayores valores de CSS que el resto de la ciudad. De aqu se puede concluir que
hay emisores importantes de PTS en dichos sectores, y esto explicara en parte la
discrepancia entre modelo y monitoreo de PTS, ya que el modelo solo est
considerando las emisiones del transporte, las que se tienden a concentrar en el
Centro Histrico de Lima y su entorno.
Aqu tambin podemos concluir que el modelo est estimando en forma
conservadora los impactos por PTS asociados al sector transporte, por lo que se
puede utilizar para describir los impactos de dichas emisiones sobre las
concentraciones de PTS en Lima Callao, tambin considerando promedios
mensuales.
2.2.1.3 Anhdrido sulfrico SO2
En el caso particular de este contaminante gaseoso, hay que considerar el aporte
del sector industrial a las emisiones de SO2 en la zona urbana de Lima Callao. Dado
que en el Plan Integral de Saneamiento Atmosfrico (PISA, 2004), desarrollado por
el CGIALLC no aparece en forma explcita el inventario de emisiones de SO2 para el
sector industrial y que no corresponde al alcance de este Estudio levantar ese tipo
de antecedentes, nos vamos a remitir a la estimacin de las emisiones de SO2 a
nivel nacional para el ao 2002, que de acuerdo a clculos del MINEM ascienden a
41,500 toneladas (citado en el PISA, 2004). Si consideramos que prcticamente el
70% de la actividad industrial se realiza en la zona metropolitana de Lima Callao,
entonces se esperara que las emisiones del sector industrial fuesen del orden de
30,000 toneladas anuales, es decir, muy superiores a las del sector transporte, que
se han estimado en este Estudio en el valor de 7,000 toneladas/ao, ver Captulo 8
de este Informe Final.
Adicionalmente, en el Estudio Caracterizacin del Sector Industrial de Lima
Metropolitana, realizado por GENIVAR/IMP/MML/ACDI (2002), se ha hecho un
catastro con la distribucin espacial de 18,914 industrias localizadas en la zona
metropolitana, con lo cual se ha obtenido la siguiente figura, donde se puede
apreciar que los distritos ms industrializados corresponden a Lima, La Victoria, Ate
y Callao, con el 19, 11.5, 11.2 y 5.2 % de las industrias, respectivamente.
De acuerdo con el mapa de la distribucin espacial de estas industrias, entonces
resulta claro que es esperable que en las zonas de monitoreo de Callao, Centro
Histrico, Lima Norte y Lima Este, el aporte de las industrias a los impactos por SO2
sea relevante. La excepcin la constituye el sector de Pantanos de Villa, donde el
catastro arroja un nmero pequeo de actividades industriales.
A continuacin se presenta la discusin de los resultados para los monitoreos
realizados tanto por DIGESA como en este Estudio. En el caso del monitoreo
realizado con tubos pasivos stos fueron ubicados en postes de alumbrado pblico,
con lo cual quedaron directamente expuestos a las emisiones del transporte; esto
Estudio de Lnea Base Ambiental COSAC I
2-24
hace que esos monitores sean directamente impactados por la pluma de las
emisiones del transporte, sin que sean diluidas las emisiones en un rea ms
representativa de la exposicin de la poblacin, por lo cual tienden a medir impactos
altos y muy localizados. Los monitores continuos, por el contrario, fueron ubicados
en zonas ms protegidas del impacto directo de las emisiones del transporte, por lo
que se espera que tiendan a medir impactos ms representativos de toda una zona
alrededor del punto de monitoreo.
Figura 2-24 Distribucin espacial de fuentes industriales en la zona metropolitana de Lima Callao.
Fuente: Estudio Caracterizacin del Sector Industrial de Lima Metropolitana, desarrollado por
GENIVAR/IMP/MML/ACDI (2002).
2-25
ug/m3
Sim2004
200
180
160
140
120
100
80
60
40
20
0
Obs2003
Obs2004
Obs2000
Obs1999
Obs1998
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
10
11
12
Mes
2-26
ug/m3
SOx Callao
50
45
40
35
30
25
20
15
10
5
0
Sim2004
Obs2003
Obs2004
10
11
12
Mes
ug/m3
Sim
Obs2003
Obs2004
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
10
11
12
Mes
Sim2004
ug/m3
60
50
Obs2003
40
30
Obs2004
20
10
0
1
10
11
12
Mes
2-27
En el caso del sector Lima Este, hay menos claridad de que el modelo est
sobreestimando los aportes del sector transporte, aunque slo tenemos por
comparacin las mediciones de DIGESA; hay que tener presente que en esa zona
existe una alta concentracin de actividades industriales, las que se extienden a lo
largo de la microcuenca correspondiente (ver figura 2-24), por lo que es factible que,
aunque el modelo sobreestime emisiones, esto se ve enmascarado por el mayor
aporte del sector industrial a las emisiones de SO2 en esa zona.
Por otra parte, en la zona de Lima Sur, se aprecia nuevamente que el modelo
subestima los valores reportados por DIGESA; en esta caso el monitoreo realizado
en este Estudio por mtodos pasivos (promedio de los puntos Pantanos de Villa,
Jirn Karwarasu, Plaza Raimondi y Jirn Ayacucho) es muy inferior a lo modelado; lo
mismo se puede decir del monitoreo continuo realizado en Pantanos de Villa.
Nuevamente podemos concluir que el modelo est sobreestimando los aportes del
sector transporte en esa zona y que no se puede descartar que las observaciones
reportadas por la DIGESA all tambin incluyan impactos relevantes del sector
industrial.
SOx Lima Sur
30
Sim
ug/m3
25
Obs2003
20
Obs2004
15
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
10
5
0
1
10
11
12
Mes
2-28
2-29
Sim
Obs2003
300
Obs2004
250
Obs2001
ug/m3
200
Obs2000
150
Obs1999
100
Obs1998
50
Obs1997
0
1
10
11
12
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
Mes
Sim*
ug/m3
25
Obs2004
20
15
Obs2003
10
5
0
1
10
11
12
Mes
2-30
ug/m3
Sim
Obs2004
Obs2003
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
10
11
12
Mes
Sim*
ug/m3
50
Obs2004
40
30
Obs2003
20
10
0
1
10
11
12
Mes
2-31
es posible que parte de las discrepancias detectadas (entre Agosto y Diciembre del
2004) se puedan atribuir a la presencias de fuentes emisoras industriales.
NO2 Lima Sur
35
Sim**
30
Obs2004
25
ug/m3
Obs2003
20
Este Estudio
(Continuo)
Este Estudio
(Pasivo)
15
10
5
0
1
10
11
12
Mes
2-32
NIVEL
EPISODIO
101-200 Regular
100
150
201-300 Malo
200
195
Alerta
301-400 Crtico
300
240
Preemergencia
401-500 Peligroso
400
285
Preemergencia
> 501
500
330
Emergencia
ICAP
0-100
Bueno
Excede
2-33
43.5
43.6
37.5
35.8
34.1
34.6
35.3
50
43
N de Ep isodios
40
38 37
30
27
23
23
21
20
17
14
12
10
10
4
1
4
0
199 7(*)
199 8
Alerta
1999
20 00
200 1
2002
20 03
Em ergencia
Figura 2-35. Comparacin de los niveles anuales de PM2.5 (en rojo) y su correlacin con los eventos
de excedencias de concentraciones ambientales de PM10 (24 horas) en Santiago de Chile (nmeros
encima de las barras).
2-34
Figura 2-36. Ubicacin estaciones campaa de monitoreo continuo, ingresadas al sistema Airviro.
2-35
PM2.5 Centro
80
ug/m3
60
Observado
40
Simulado
20
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
3:
00
1:
00
0
Hora
2-36
PM2.5 Norte
100
ug/m3
80
60
Observado
40
Simulado
20
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
3:
00
1:
00
Hora
Figura 2-38 Comparacin de ciclos diarios de PM2.5 en la estacin Centro Norte.
PM2.5 Miraflores
50
ug/m3
40
30
observado
20
Simulado
10
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
3:
00
1:
00
Hora
Figura 2-39 Comparacin de ciclos diarios de PM2.5 en la estacin Miraflores.
2-37
PM2.5 Pantano
20
15
observado
10
simulado
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
2-38
PM10 Centro
ug/m3
200
150
Observado
100
Simulado
50
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
3:
00
1:
00
Hora
Figura 2-41 Comparacin de ciclos diarios de PM10 en la estacin Centro Histrico.
120
100
80
60
40
20
0
observado
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
5:
00
Simulado
3:
00
1:
00
ug/m3
PM10 Norte
Hora
Figura 2-42 Comparacin de ciclos diarios de PM10 en la estacin Norte.
100
80
60
40
20
0
observado
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
5:
00
simulado
3:
00
1:
00
ug/m3
PM10 Miraflores
Hora
Figura 2-43 Comparacin de ciclos diarios de PM10 en la estacin Miraflores.
2-39
60
50
40
30
20
10
0
Observado
Simulado
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
ug/m3
PM10 Pantanos
Hora
Figura 2-44 Comparacin de ciclos diarios de PM10 en la estacin Pantanos.
2-40
SO2 Centro
Observado
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
simulado
1:
00
ug/m3
120
100
80
60
40
20
0
Hora
SO2 Norte
Observado
simulado
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
1:
00
ug/m3
100
80
60
40
20
0
Hora
Figura 2-46 Comparacin de ciclos diarios de SO2 en la estacin Norte.
SO2 Miraflores
ug/m3
40
30
Observado
20
Simulado
10
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
3:
00
1:
00
Hora
2-41
3
2.5
2
1.5
1
0.5
0
Observado
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
Simulado
3:
00
1:
00
ug/m3
SO2 Pantano
Hora
Figura 2-48 Comparacin de ciclos diarios de SO2 en la estacin Pantano.
2-42
Observado
Simulado
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
ug/m3
120
100
80
60
40
20
0
Hora
NO2 Norte
100
ug/m3
80
60
Observado
40
Simulado
20
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
Hora
Figura 2-50 Comparacin de ciclos diarios de NO2 en la estacin Norte.
35
30
25
20
15
10
5
0
Observado
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
Simulado
3:
00
1:
00
ug/m3
NO2 Miraflores
Hora
Figura 2-51 Comparacin de ciclos diarios de NO2 en la estacin Miraflores.
2-43
12
10
8
6
4
2
0
Observado
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
Simulado
1:
00
ug/m3
NO2 Pantano
Hora
Figura 2-52 Comparacin de ciclos diarios de NO2 en la estacin Pantano.
5000
4000
3000
2000
1000
0
Observado
Simulado
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
ug/m3
CO Centro Histrico
Hora
Figura 2-53 Comparacin de ciclos diarios de CO en la estacin Centro Histrico.
2-44
CO Norte
ug/m3
4000
3000
Observado
2000
Simulado
1000
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
Hora
Figura 2-54 Comparacin de ciclos diarios de CO en la estacin Norte.
Dado que no se espera que haya otras fuentes relevantes de CO, los resultados
anteriores para el perfil diario nos llevan a pensar que se trata de una deficiencia de
las simulaciones de dispersin en esas horas en particular, aspecto que se discute
ms adelante en esta seccin. En efecto, todas las simulaciones presentadas en
esta seccin presentan esos mnimos a medioda, por lo cual esto se debe asociar a
un problema con la representacin de la meteorologa en el modelo de dispersin.
En el caso de la estacin Miraflores, el modelo claramente subestima las
concentraciones en todas las horas del da. Dado que no se espera que haya ms
fuentes relevantes de CO, la conclusin es que el modelo de dispersin no est
representando adecuadamente los impactos en ese sector.
La comparacin es ms complicada en el caso de la estacin Pantanos de Villa,
donde el monitoreo arroja un valor constante de CO, con valores medidos incluso
superiores a los medidos en otras estaciones como Miraflores y Lima Norte, lo cual
es poco consistente con lo que se sabe acerca de los flujos del transporte en esas
distintas zonas. Ese monitoreo debe ser revisado para hallar una explicacin de los
resultados all medidos.
CO Miraflores
2500
ug/m3
2000
1500
Observado
1000
Simulado
500
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
7:
00
5:
00
3:
00
1:
00
Hora
Figura 2-55 Comparacin de ciclos diarios de CO en la estacin Miraflores.
2-45
CO Pantanos
ug/m3
2500
2000
Observado
1500
1000
Simulado
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
500
0
Hora
Figura 2-57 Perfil diario de concentraciones de CO medidas en la estacin ubicada en la sede central
del SENAMHI, para el mes de Febrero del 2004.
2-46
2-47
2-48
Simulado+ Background PV
100
80
60
40
20
1:
00
3:
00
5:
00
7:
00
9:
00
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
Simulado+Background PV
50
40
30
20
10
11
:0
0
13
:0
0
15
:0
0
17
:0
0
19
:0
0
21
:0
0
23
:0
0
9:
00
7:
00
5:
00
3:
00
1:
00
Simulado+Background PV
80
60
40
20
21
:0
0
23
:0
0
17
:0
0
19
:0
0
13
:0
0
15
:0
0
9:
00
11
:0
0
7:
00
5:
00
3:
00
1:
00
Figura 2-58. Estimacin del impacto de PM2.5 combinando las predicciones del modelo ISC3 con
datos de background tomados de la estacin Pantanos de Villa (monitoreo continuo realizado en este
Estudio).
2-49
Simulado + Background PV
200
ug/m3
150
100
50
23
:0
0
21
:0
0
19
:0
0
17
:0
0
15
:0
0
13
:0
0
9:
00
11
:0
0
7:
00
5:
00
3:
00
1:
00
Hora
Simulado+Background PV
100
ug/m3
80
60
40
20
23
:0
0
21
:0
0
19
:0
0
17
:0
0
15
:0
0
13
:0
0
9:
00
11
:0
0
7:
00
5:
00
3:
00
1:
00
Hora
PM10 Norte + Background Pantanos
observado
Simulado+Background PV
120
ug/m3
100
80
60
40
20
23
:0
0
21
:0
0
19
:0
0
17
:0
0
15
:0
0
13
:0
0
9:
00
11
:0
0
7:
00
5:
00
3:
00
1:
00
Hora
Figura 2-59 Estimacin del impacto de PM10 combinando las predicciones del modelo ISC3 con datos
de background tomados de la estacin Pantanos de Villa (monitoreo continuo realizado en este
Estudio).
2-50
Luego, se puede concluir que el modelo ISC3 es apropiado para modelar impactos
de largo plazo (mensuales, estacionales y anuales) en las concentraciones de
contaminantes emitidos por el transporte, salvo el caso del SO2 puesto que el
modelo no considera la oxidacin del SO2 en la atmsfera. Para interpretar
adecuadamente los resultados que entrega el modelo ISC3 es necesario considerar
promedios provenientes de un nmero suficientemente largo de simulaciones
horarias (ejemplo: una semana, un mes, etc.), lo cual corresponde al enfoque
regulatorio utilizado histricamente por la EPA de EEUU en evaluaciones de imapcto
ambiental.
Por otra parte, no recomendamos utilizar el modelo para estimar los impactos que
ocurren hora a hora en un determinado punto en el espacio; para esto habra que
desarrollar modelos ms avanzados que el ISC3, lo cual escapa del alcance del
presente Estudio. Dichos modelos avanzados deben incorporan el campo de vientos
tridimensional, al igual que las dems variables meteorolgicas provenientes de
observaciones y de simulaciones de modelos meteorolgicos avanzados, con el
objetivo de predecir con ms detalle espacial y temporal la evolucin de las
concentraciones de contaminantes en la cuenca metropolitana de Lima Callao.
La seccin 2.2.1 ha mostrado como el enfoque de modelacin permite obtener
simulaciones mensuales consistentes con el monitoreo para esas mismas escalas
temporales. A partir de esas estimaciones de la dispersin de contaminantes se va a
poder estimar el rea de influencia asociada a la implementacin del COSAC I, tal
como se ver ms adelante en este Captulo.
2-51
2-52
Figura 2-60. Promedios mensuales de PM2.5 (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-53
Figura 2-61. Promedios mensuales de PM10 (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-54
Figura 2-62. Promedios mensuales de PTS (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-55
Para el caso de los impactos por gases, las siguientes figuras 2-63 a 2-65 presentan
los resultados para SO2, NO2 y CO, respectivamente. Aunque en el caso del SO2 se
trata de sobreestimaciones, se grafican de todas maneras para completar las
comparaciones hechas en esta seccin.
Se aprecia que todos los gases presentan un comportamiento similar al compararse
el mes de febrero con el de agosto: en invierno aumenta la extensin de la zona
influenciada por las emisiones del transporte. Sin embargo, en la escala de
promedios mensuales, los mximos impactos que se presentan invariablemente en
la zona del Centro de Lima, no cambian mucho a lo largo del ao, tal como se ha
mostrado anteriormente en la seccin 2.2.1, con la excepcin de dos meses (marzo
y abril) que se alejan de la tendencia general presentada por todos los
contaminantes simulados en este Estudio.
Para todos los contaminantes modelados se aprecia que en el borde costero las
concentraciones son bajas, debido a que los vientos predominantes all traen masas
de aire limpio desde el mar hacia el continente. Adems, la orientacin preferencial
de los vientos en direccin sur en la cuenca Lima Callao hace que las emisiones se
dispersen preferentemente hacia el norte y este de las principales fuentes emisoras
modeladas (transporte), con lo cual los mapas presentan una asimetra este oeste,
con un penacho mucho ms alongado hacia el este (extendindose a lo largo de las
micro cuencas meteorolgicas) que hacia el interior del mar, lo cual era previsible
dado el rgimen de vientos imperante en la cuenca metropolitana. Las mximas
concentraciones de NOx y CO llegan a alcanzar hasta 100 y 300 g/m3 de promedio
mensual en la zona cntrica de Lima, respectivamente, siendo las reas de mximo
impacto de extensin similares en invierno y en verano.
En conjunto con los resultados de las secciones anteriores, concluimos que las
zonas de influencia del transporte son asimtricas, alongndose hacia el norte y este
debido a las caractersticas del viento en la zona metropolitana de Lima Callao.
Adems, no se aprecia mucha estacionalidad en los impactos simulados, lo que se
debe a que la meteorologa no cambia de manera significativa de un mes a otro, y
esto indica que los promedios mensuales presentados en esta Seccin del Estudio
son estimadores adecuados de los promedios anuales que se esperaran para cada
uno de los contaminantes analizados en este Captulo (con la excepcin del SO2).
2-56
Figura 2-63. Promedios mensuales de SO2 (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-57
Figura 2-64. Promedios mensuales de NOx (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-58
Figura 2-65. Promedios mensuales de CO (g/m ) para febrero (panel superior) y agosto (panel
inferior), caso lnea base, slo se modela sector transporte.
3
2-59
2-60
a)
b)
c)
d)
Figura 2-66 Concentraciones horarias de PM2.5 (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
Estudio de Lnea Base Ambiental COSAC I
2-61
a)
b)
c)
d)
Figura 2-67 Concentraciones horarias de PM10 (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
2-62
a)
b)
c)
d)
Figura 2-68 Concentraciones horarias de PTS (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
2-63
2-64
a)
b)
c)
d)
Figura 2-69 Concentraciones horarias de SO2 (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
2-65
a)
b)
c)
d)
Figura 2-70 Concentraciones horarias de NO2 (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
2-66
a)
b)
c)
d)
Figura 2-71 Concentraciones horarias de CO (g/m ) para las siguientes horas del da: a) 8 AM, b) 2 PM, c) 8 PM, d) medianoche. Datos promediados a
partir de un mes de simulacin (febrero). Emisiones de lnea base del transporte (sin COSAC).
2-67
2.3
Las secciones 2.2.1 y 2.2.2 han mostrado que las simulaciones de la lnea base de
emisiones del transporte (sin COSAC) son confiables para fines de estimar impactos
mensuales en la calidad del aire asociados al transporte, al igual que para estimar
los mximos impactos en horas de alto trfico vehicular (matinal y vespertino). Es
decir, hay una consistencia entre la modelacin y su informacin de entrada. En
particular el inventario del transporte para toda la zona metropolitana de Lima Callao,
el cual se presenta en detalle en el Captulo 8 de este Informe Final, se considera
confiable y consistente con las simulaciones de dispersin desarrolladas en este
Captulo.
Para estimar el rea de influencia se hizo el siguiente clculo:
a) Se estimaron las emisiones en los arcos del transporte ms intervenidos por
la implementacin del COSAC, a partir de informacin proporcionada por
Protransporte. El Captulo 9 entrega en detalle los supuestos realizados para
hacer dicho clculo.
b) Se combinaron dichas emisiones con el resto de los arcos del transporte para
obtener estimaciones de emisiones para toda la ciudad (es decir,
establecindose la situacin con COSAC).
c) Se modelaron promedios mensuales de estos nuevos impactos, empleando
dos meses del ao (febrero y agosto) para fines de verificar la mayor o menor
relevancia de la estacionalidad meteorolgica en la zona metropolitana. La
metodologa ya se ha mostrado en la seccin 2.2.2 para describir la lnea
base sin COSAC.
d) Se calcularon los mapas de dispersin de contaminantes y se hizo la
diferencia: concentracin lnea base concentracin con COSAC para cada
celda del dominio modelado, producindose mapas de las diferencias de
concentracin esperadas para cada contaminante modelado. La manera en
que se definen dichas diferencias permite apreciar directamente los beneficios
en calidad del aire asociados a la implementacin del COSAC I.
A continuacin se entregan los resultados en forma de mapas con los lmites de
distritos y el retculo (grilla) empleada en la modelacin de dispersin, para facilitar la
visualizacin de resultados y delimitar claramente cul es el rea de influencia del
COSAC I; en los mapas se ha aadido el trazado del COSAC I para facilitar la
interpretacin de los resultados. Adems se ha trazado en color rojo una poligonal
que incluye toda el rea impactada por el COSAC I, para cada contaminante
analizado. Se presentan los resultados para contaminantes gaseosos y material
particulado por separado.
2-68
2-69
Figura 2-72. rea de influencia del COSAC I para impactos por monxido de carbono (CO, en g/m ).
Panel superior: febrero, panel inferior: agosto.
3
2-70
En la figura 2-74 se presentan los resultados para las estimaciones del rea de
influencia asociada a cambios en concentraciones de SO2. Dado que este
contaminante no est siendo adecuadamente simulado por el modelo ISC3, no
vamos a discutir en forma cuantitativa en los resultados de este caso, slo
mencionamos que la forma de la zona de influencia es semejante a la determinada
para el caso de los xidos de nitrgeno.
2-71
Figura 2-73 rea de influencia del COSAC I para impactos por xidos de nitrgeno (NOx, en g/m ).
Panel superior: febrero, panel inferior: agosto.
3
2-72
Figura 2-74 Area de influencia del COSAC I para impactos por dixido de azufre
(SO2, en g/m3). Panel superior: febrero, panel inferior: agosto.
2-73
2-74
Figura 2-75 Area de influencia del COSAC I para impactos por partculas totales en
suspensin (PTS, en g/m3). Panel superior: febrero, panel inferior: agosto.
2-75
En este caso los resultados de la figura 2-76 muestran que en gran parte del rea de
influencia hay mejoras (reducciones) en las concentraciones ambientales de PM10.
Esto se debe esencialmente a la mejora en la racionalizacin de rutas as como en
la introduccin de estndares de emisin ms exigentes que los de la lnea base. No
hay semejanza con los resultados ya discutidos del PTS, ya que la mayora de las
emisiones de polvo de calles (que dominan las emisiones de PTS) corresponden a
partculas mayores a 10 micras de tamao, y esto explica la diferencia notoria de
patrones de dispersin entre el PM10 y el PTS.
Los beneficios en calidad del aire comienzan en todo el distrito de Puente Piedra y el
sector sur-este de Carabayllo (valores entre 0.5 y 1.5 g/m3). Luego hay una zona
que incluye Comas, Independencia, Los Olivos y San Martn de Porres (valores
entre 1 y 5 g/m3). Luego hay un sector con mximos beneficios en el sur-este de
San Martn de Porres, sur de Independencia y Rmac (valores entre 3 y 5 g/m3).
Luego hay una zona de menores beneficios en Lima y La Victoria (valores entre 0.5
y 3 g/m3). Luego hay una zona sin cambios netos o con leve incremento de
concentraciones en los distritos Lince, San Isidro, San Borja, Surquillo y Miraflores
(valores entre 0 y 1 g/m3). Posteriormente hay una zona que comprende el sur de
Miraflores y Santiago de Surco, Barranco y el norte de Chorrillos con beneficios
modestos en calidad del aire (valores entre 0.5 y 1.5 g/m3). Finalmente en el
extremo sur del corredor (alimentadores), sector sur de Chorrilos se aprecian leves
aumentos de concentraciones (valores entre 0 y 1 g/m3).
El sector de mayores cambios (beneficios en este caso) est entre las coordenadas
275 y 279 km UTM Este y las coordenadas 8669 y 8675 km UTM Norte, con valores
entre 4 y 6 g/m3.
2.3.2.3 Caso del material particulado fino (PM2.5).
Aqu los patrones de dispersin son similares a los del PM10, puesto que la mayor
parte del rea de influencia muestra beneficios en calidad del aire. Sin embargo, los
valores de las reducciones de concentraciones son inferiores a los encontrados para
el PM10.
Hay beneficios en todo el distrito de Puente Piedra y el sector sur-este de Carabayllo
(valores entre 0.2 y 0.6 g/m3). Luego hay una zona que incluye Comas, norte de
Independencia y Los Olivos (valores entre 0.6 y 1.2 g/m3). Luego hay un sector
con mximos beneficios en el sur-este de San Martn de Porres, sur de
Independencia y Rmac (valores entre 1.2 y 2 g/m3). Luego hay una zona de
menores beneficios en Lima este y La Victoria (valores entre 0.2 y 0.6 g/m3). Luego
hay una zona sin cambios netos o con leve incremento de concentraciones en los
distritos Lince, San Isidro, y norte de Miraflores (valores entre -0.6 y 0 g/m3).
Posteriormente hay una zona que comprende el sur de Miraflores y Santiago de
Surco, Barranco y el norte de Chorrillos con beneficios modestos en calidad del aire
(valores entre 0.2 y 0.8 g/m3). Finalmente en el extremo sur del corredor
(alimentadores), sector sur de Chorrilos no se aprecian cambios significativos de las
concentraciones (ver figura 2-77).
Estudio de Lnea Base Ambiental COSAC I
2-76
Figura 2-76 Area de influencia del COSAC I para impactos por partculas menores a
10 micras (PM10, en g/m3). Panel superior: febrero, panel inferior: agosto.
Estudio de Lnea Base Ambiental COSAC I
2-77
Figura 2-77 rea de influencia del COSAC I para impactos por partculas menores a
2.5 micras (PM2.5, en g/m3). Panel superior: febrero, panel inferior: agosto.
Estudio de Lnea Base Ambiental COSAC I
2-78
Los resultados presentados en esta seccin han permitido delinear con mayor
precisin espacial la zona ms impactada por las emisiones atmosfricas asociadas
al COSAC I, zona que corresponde a la definicin de rea de influencia. Para
cumplir con este objetivo se ha utilizado la herramienta de modelacin ISC3, la cual
ha permitido simular la dispersin de las emisiones del transporte en dos escenarios
diferentes: sin COSAC I (lnea base ambiental) y con COSAC I. Para el segundo
escenario se han considerado todos los arcos de trfico que seran impactados por
la implementacin del COSAC I, por lo cual la estimacin desarrollada en este
Captulo ha considerado tanto el rea de influencia directa (por cambio de nivel de
actividad y emisiones de los buses) como el rea de influencia indirecta (asociada a
redistribucin de flujos del transporte privado y de carga), es decir, se construye una
envolvente del proyecto que describe la extensin espacial que tendrn los
impactos causados en calidad del aire debido a la implementacin del COSAC I.
Hay que tener presente que, dadas las restricciones asociadas a las hiptesis
implcitas en los modelos Gaussianos como el ISC3, las estimaciones de reas de
influencia se han realizado para los promedios mensuales de concentraciones
simuladas por el modelo de dispersin ISC3. Se comprob adems que las
predicciones mensuales hechas por este modelo son consistentes con el monitoreo
ambiental existente en Lima Callao, particularmente para los contaminantes PM2.5 y
PM10, los que estn asociados a los mayores daos a la salud pblica. Por ejemplo,
ver las figuras 2-58 y 2-59 que muestran la consistencia de la modelacin de
dispersin, los inventarios de emisiones y el monitoreo de calidad del aire hechos en
este estudio.
Es decir, el modelo sirve para representar los cambios en concentraciones
ambientales causados por cambios en emisiones de contaminantes atmosfricos
emitidos por el transporte en la zona metropolitana de Lima Callao. Adems se ha
constatado que hay poca variabilidad a lo largo del ao en las concentraciones
simuladas por el modelo, lo cual indica que los resultados obtenidos en esta seccin
2.3 son representativos de los promedios anuales o de largo plazo. Es decir, los
resultados ac obtenidos representan estimaciones de los cambios permanentes en
la calidad del aire que se harn efectivos una vez implementado el COSAC I. Estos
valores son relevantes ya que permiten estimar beneficios en salud pblica.
A continuacin se enumeran los principales resultados obtenidos:
a) En primer lugar, est claro que hay poca estacionalidad en los resultados, es
decir, dicha rea de influencia no cambia mucho con la poca del ao,
excepto en su extensin ms all del extremo norte del corredor, la cual es
ms marcada en verano que en invierno (10 y 5 km al norte,
respectivamente). El rea de influencia es asimtrica, extendindose ms
hacia el norte del COSAC I que hacia el sur, debido a las caractersticas de
los vientos predominantes en la zona urbana. Los principales beneficios para
el caso del material particulado se constatan para la zona del Corredor Norte,
seguido en importancia por el Corredor Centro Histrico.
2-79
2-80
INDICE
2
2.1.3
Incorporacin de las emisiones del transporte .......................................................................... 2-15
2.2
RESULTADOS DE LA MODELACIN DE LA DISPERSIN DE EMISIONES DEL TRANSPORTE................... 2-18
2.2.1
Lnea base del transporte: comparacin de promedios mensuales............................................ 2-18
2.2.1.1
2.2.1.2
2.2.1.3
2.2.1.4
2.2.1.5
2.2.1.6
2.2.2
2.2.2.1
2.2.2.2
2.2.2.3
2.2.2.4
2.2.2.5
2.2.2.6
2.2.3
Lnea base del transporte: dispersin espacial de los contaminantes. ...................................... 2-52
2.2.3.1
2.2.3.2
2.3
ESTIMACIN DEL REA DE INFLUENCIA DEL COSAC I. .................................................................. 2-68
2.3.1
Caso de los gases: CO, NOx y SO2. ........................................................................................... 2-69
2.3.1.1
2.3.1.2
2.3.1.3
2.3.2
2.3.2.1
2.3.2.2
2.3.2.3
2.3.3
INDICE DE TABLAS
TABLA 2-1. CLASES DE ESTABILIDAD ATMOSFRICA. .......................................................................................... 2-9
TABLA 2-2 NIVELES DE PM10 DE 24 HORAS ASOCIADOS A DIFERENTES CONTINGENCIAS EN SANTIAGO, CHILE.2-33
2-81
INDICE DE FIGURAS
FIGURA 2-1. ENFOQUE METODOLGICO PARA LA MODELACIN DE LA DISPERSIN ............................................ 2-1
FIGURA 2-2. PROCESAMIENTO INFORMACIN GEOGRFICA.................................................................................. 2-4
FIGURA 2-3. DOMINIO DE MODELACIN CON DESPLIEGUE DE DISTRITOS Y RED VIAL ........................................... 2-5
FIGURA 2-4. DOMINIO DE MODELACIN CON DESPLIEGUE DE ALTURAS DE TERRENO. .......................................... 2-5
FIGURA 2-5. DOMINIO DE MODELACIN CON DESPLIEGUE DE LMITES GEOGRFICOS DE LOS DISTRITOS DE LIMA. 26
FIGURA 2-6. DOMINIO DE MODELACIN CON DESPLIEGUE DE ALTURAS DE TERRENO Y RED VIAL. ....................... 2-6
FIGURA 2-7. ROSA DE LOS VIENTOS AO 2004, MUESTRA EL ORIGEN DE LOS VIENTOS. ...................................... 2-11
FIGURA 2-8. CARACTERIZACIN CLASES DE ESTABILIDAD CON DIRECCIN DEL VIENTO AO 2004, MUESTRA EL
ORIGEN DE LOS VIENTOS............................................................................................................................ 2-12
FIGURA 2-9. CLASES DE VIENTOS Y ESTABILIDADES A LO LARGO DEL AO 2004................................................ 2-13
FIGURA 2-10. CLASES DE VIENTOS Y ESTABILIDADES VERANO DEL AO 2004.................................................... 2-14
FIGURA 2-11. CLASES DE VIENTOS Y ESTABILIDADES INVIERNO DEL AO 2004 ................................................. 2-15
FIGURA 2-12. IMPORTACIN DE EMISIONES A ISC3 CON ISCVIEW ..................................................................... 2-17
FIGURA 2-13 UBICACIN CELDAS DE EMISIN EN EL DOMINIO DE MODELACIN ................................................ 2-17
FIGURA 2-14. COMPARACIN DE PROMEDIOS MENSUALES DE PM2.5 EN LA ESTACIN LIMA CENTRO HISTRICO. 220
FIGURA 2-15. COMPARACIN DE PROMEDIOS MENSUALES DE PM2.5 EN LA ESTACIN CALLAO. ....................... 2-20
FIGURA 2-16. COMPARACIN DE PROMEDIOS MENSUALES DE PM2.5 EN LA ESTACIN LIMA NORTE................. 2-20
FIGURA 2-17. COMPARACIN DE PROMEDIOS MENSUALES DE PM2.5 EN LA ESTACIN LIMA ESTE. ................... 2-21
FIGURA 2-18. COMPARACIN DE PROMEDIOS MENSUALES DE PM2.5 EN LA ESTACIN LIMA SUR. PARA EL CASO
DEL MONITOREO CONTINUO REALIZADO EN ESTE ESTUDIO, FEBRERO Y MARZO CORRESPONDEN A
MEDICIONES EN PANTANOS DE VILLA Y MIRAFLORES, RESPECTIVAMENTE............................................... 2-21
FIGURA 2-19. COMPARACIN DE PROMEDIOS MENSUALES DE PTS EN LA ESTACIN LIMA CENTRO HISTRICO. 2-22
FIGURA 2-20. COMPARACIN DE PROMEDIOS MENSUALES DE PTS EN LA ESTACIN CALLAO............................ 2-22
FIGURA 2-21. COMPARACIN DE PROMEDIOS MENSUALES DE PTS EN LA ESTACIN LIMA NORTE.................... 2-23
FIGURA 2-22. COMPARACIN DE PROMEDIOS MENSUALES DE PTS EN LA ESTACIN LIMA ESTE........................ 2-23
FIGURA 2-23. COMPARACIN DE PROMEDIOS MENSUALES DE PTS EN LA ESTACIN SUR................................... 2-23
FIGURA 2-24 DISTRIBUCIN ESPACIAL DE FUENTES INDUSTRIALES EN LA ZONA METROPOLITANA DE LIMA
CALLAO. FUENTE: ESTUDIO CARACTERIZACIN DEL SECTOR INDUSTRIAL DE LIMA METROPOLITANA,
DESARROLLADO POR GENIVAR/IMP/MML/ACDI (2002). ...................................................................... 2-25
FIGURA 2-25. COMPARACIN DE PROMEDIOS MENSUALES DE SO2 EN LA ESTACIN CENTRO HISTRICO. ......... 2-26
FIGURA 2-26. COMPARACIN DE PROMEDIOS MENSUALES DE SO2 EN LA ESTACIN CALLAO. ........................... 2-27
FIGURA 2-27. COMPARACIN DE PROMEDIOS MENSUALES DE SO2 EN LA ESTACIN LIMA NORTE. .................... 2-27
FIGURA 2-28. COMPARACIN DE PROMEDIOS MENSUALES DE SO2 EN LA ESTACIN LIMA ESTE. ....................... 2-27
FIGURA 2-29. COMPARACIN DE PROMEDIOS MENSUALES DE SO2 EN LA ESTACIN LIMA SUR.......................... 2-28
FIGURA 2-30. COMPARACIN DE PROMEDIOS MENSUALES DE NO2 EN LA ESTACIN LIMA CENTRO. ................. 2-30
FIGURA 2-31. COMPARACIN DE PROMEDIOS MENSUALES DE NO2 EN LA ESTACIN CALLAO........................... 2-30
FIGURA 2-32. COMPARACIN DE PROMEDIOS MENSUALES DE NO2 EN LA ESTACIN LIMA NORTE..................... 2-31
FIGURA 2-33. COMPARACIN DE PROMEDIOS MENSUALES DE NO2 EN LA ESTACIN LIMA ESTE........................ 2-31
FIGURA 2-34 COMPARACIN DE PROMEDIOS MENSUALES DE NO2 EN LA ESTACIN LIMA SUR. ......................... 2-32
FIGURA 2-35. COMPARACIN DE LOS NIVELES ANUALES DE PM2.5 (EN ROJO) Y SU CORRELACIN CON LOS EVENTOS
DE EXCEDENCIAS DE CONCENTRACIONES AMBIENTALES DE PM10 (24 HORAS) EN SANTIAGO DE CHILE
(NMEROS ENCIMA DE LAS BARRAS). ........................................................................................................ 2-34
FIGURA 2-36. UBICACIN ESTACIONES CAMPAA DE MONITOREO CONTINUO, INGRESADAS AL SISTEMA AIRVIRO.235
FIGURA 2-37 COMPARACIN DE CICLOS DIARIOS DE PM2.5 EN LA ESTACIN CENTRO HISTRICO...................... 2-36
FIGURA 2-38 COMPARACIN DE CICLOS DIARIOS DE PM2.5 EN LA ESTACIN CENTRO NORTE. ........................... 2-37
FIGURA 2-39 COMPARACIN DE CICLOS DIARIOS DE PM2.5 EN LA ESTACIN MIRAFLORES................................. 2-37
FIGURA 2-40 COMPARACIN DE CICLOS DIARIOS DE PM2.5 EN LA ESTACIN PANTANO. ................................... 2-38
FIGURA 2-41 COMPARACIN DE CICLOS DIARIOS DE PM10 EN LA ESTACIN CENTRO HISTRICO....................... 2-39
FIGURA 2-42 COMPARACIN DE CICLOS DIARIOS DE PM10 EN LA ESTACIN NORTE........................................... 2-39
FIGURA 2-43 COMPARACIN DE CICLOS DIARIOS DE PM10 EN LA ESTACIN MIRAFLORES. ................................ 2-39
FIGURA 2-44 COMPARACIN DE CICLOS DIARIOS DE PM10 EN LA ESTACIN PANTANOS. ................................... 2-40
FIGURA 2-45 COMPARACIN DE CICLOS DIARIOS DE SO2 EN LA ESTACIN CENTRO HISTRICO. ....................... 2-41
FIGURA 2-46 COMPARACIN DE CICLOS DIARIOS DE SO2 EN LA ESTACIN NORTE............................................. 2-41
FIGURA 2-47 COMPARACIN DE CICLOS DIARIOS DE SO2 EN LA ESTACIN MIRAFLORES. .................................. 2-41
FIGURA 2-48 COMPARACIN DE CICLOS DIARIOS DE SO2 EN LA ESTACIN PANTANO. ....................................... 2-42
Estudio de Lnea Base Ambiental COSAC I
2-82
FIGURA 2-49 COMPARACIN DE CICLOS DIARIOS DE NO2 EN LA ESTACIN CENTRO HISTRICO........................ 2-43
FIGURA 2-50 COMPARACIN DE CICLOS DIARIOS DE NO2 EN LA ESTACIN NORTE. ........................................... 2-43
FIGURA 2-51 COMPARACIN DE CICLOS DIARIOS DE NO2 EN LA ESTACIN MIRAFLORES. ................................. 2-43
FIGURA 2-52 COMPARACIN DE CICLOS DIARIOS DE NO2 EN LA ESTACIN PANTANO........................................ 2-44
FIGURA 2-53 COMPARACIN DE CICLOS DIARIOS DE CO EN LA ESTACIN CENTRO HISTRICO. ........................ 2-44
FIGURA 2-54 COMPARACIN DE CICLOS DIARIOS DE CO EN LA ESTACIN NORTE.............................................. 2-45
FIGURA 2-55 COMPARACIN DE CICLOS DIARIOS DE CO EN LA ESTACIN MIRAFLORES. ................................... 2-45
FIGURA 2-56 COMPARACIN DE CICLOS DIARIOS DE CO EN LA ESTACIN PANTANOS. ...................................... 2-46
FIGURA 2-57 PERFIL DIARIO DE CONCENTRACIONES DE CO MEDIDAS EN LA ESTACIN UBICADA EN LA SEDE
CENTRAL DEL SENAMHI, PARA EL MES DE FEBRERO DEL 2004............................................................... 2-46
FIGURA 2-58. ESTIMACIN DEL IMPACTO DE PM2.5 COMBINANDO LAS PREDICCIONES DEL MODELO ISC3 CON
DATOS DE BACKGROUND TOMADOS DE LA ESTACIN PANTANOS DE VILLA (MONITOREO CONTINUO
REALIZADO EN ESTE ESTUDIO). ................................................................................................................. 2-49
FIGURA 2-59 ESTIMACIN DEL IMPACTO DE PM10 COMBINANDO LAS PREDICCIONES DEL MODELO ISC3 CON DATOS
DE BACKGROUND TOMADOS DE LA ESTACIN PANTANOS DE VILLA (MONITOREO CONTINUO REALIZADO EN
ESTE ESTUDIO). ......................................................................................................................................... 2-50
FIGURA 2-60. PROMEDIOS MENSUALES DE PM2.5 (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-53
FIGURA 2-61. PROMEDIOS MENSUALES DE PM10 (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-54
FIGURA 2-62. PROMEDIOS MENSUALES DE PTS (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-55
FIGURA 2-63. PROMEDIOS MENSUALES DE SO2 (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-57
FIGURA 2-64. PROMEDIOS MENSUALES DE NOX (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-58
FIGURA 2-65. PROMEDIOS MENSUALES DE CO (G/M3) PARA FEBRERO (PANEL SUPERIOR) Y AGOSTO (PANEL
INFERIOR), CASO LNEA BASE, SLO SE MODELA SECTOR TRANSPORTE. .................................................... 2-59
FIGURA 2-66 CONCENTRACIONES HORARIAS DE PM2.5 (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B)
2 PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-61
FIGURA 2-67 CONCENTRACIONES HORARIAS DE PM10 (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B)
2 PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-62
FIGURA 2-68 CONCENTRACIONES HORARIAS DE PTS (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B) 2
PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-63
FIGURA 2-69 CONCENTRACIONES HORARIAS DE SO2 (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B) 2
PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-65
FIGURA 2-70 CONCENTRACIONES HORARIAS DE NO2 (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B) 2
PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-66
FIGURA 2-71 CONCENTRACIONES HORARIAS DE CO (G/M3) PARA LAS SIGUIENTES HORAS DEL DA: A) 8 AM, B) 2
PM, C) 8 PM, D) MEDIANOCHE. DATOS PROMEDIADOS A PARTIR DE UN MES DE SIMULACIN (FEBRERO).
EMISIONES DE LNEA BASE DEL TRANSPORTE (SIN COSAC). .................................................................... 2-67
FIGURA 2-72. REA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR MONXIDO DE CARBONO (CO, EN G/M3).
PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO............................................................................. 2-70
FIGURA 2-73 REA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR XIDOS DE NITRGENO (NOX, EN G/M3).
PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO............................................................................. 2-72
3
FIGURA 2-74 AREA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR DIXIDO DE AZUFRE (SO2, EN G/M ).
PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO. ....................................................................... 2-73
FIGURA 2-75 AREA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR PARTCULAS TOTALES EN SUSPENSIN
3
(PTS, EN G/M ). PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO. ......................................... 2-75
FIGURA 2-76 AREA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR PARTCULAS MENORES A 10 MICRAS
3
(PM10, EN G/M ). PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO. ........................................ 2-77
FIGURA 2-77 REA DE INFLUENCIA DEL COSAC I PARA IMPACTOS POR PARTCULAS MENORES A 2.5 MICRAS
3
(PM2.5, EN G/M ). PANEL SUPERIOR: FEBRERO, PANEL INFERIOR: AGOSTO......................................... 2-78
Estudio de Lnea Base Ambiental COSAC I
2-83
2-84