Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FranciscoFernandoGarcaR.1
RubnAlbertoAgudeloG. 2
KarenMargaritaJimnezJ.3
RESUMEN
Con el objetivo de determinar los puntos ms representativos donde se pueda medir en
forma confiable la variacin de la concentracin de partculas suspendidas totales (PST) en la
ciudad de Santa Marta, se adelant un estudio que involucr mediciones de campo y el uso de
modelosdeemisinydispersindela concentracin de PST en elrea urbana de dichaciudad.
Utilizando el mtodo de la esfera de influencia, se determinaron las reas ms representativas
queexplican lavariacin delacalidaddel aireconrespectoalaconcentracindePST.Tantolos
datoscolectadosencampocomolassimulacionesefectuadasmuestrancuatrozonasperfectamente
diferencialesdondelasconcentracionesdePSTdeunaestacindadasonrepresentativosopueden
serextrapolados,conunnivelde confianza conocido.Para entenderymonitorearlavariacin de
la calidad del aire debe ubicarse una estacin de monitoreo en cada rea. Esta metodologa
adems de ser simple en su aplicacin produce resultados confiables que disminuyen la
incertidumbre enla localizacin de estaciones de monitoreo dela calidad del aire.
PALABRAS CLAVE:
ABSTRACT
In order to determine the most representative locations for measuring reliably varying
concentrations of Total Suspended Particulates (TSP) in Santa Marta city, a field study was
conducted.Emission anddispersion modelswereused in the urban area aswell.
Using the Sphere of Influence method, the most representative areas in terms of TSP
variation with relation to air quality were determined.The information collected inthe field as well
as the simulations do show clearly four different zones, where theTSP concentrations at a given
stationarerepresentative,orcanbeextrapolatedwithaknownconfidencelevel.Inordertomeasure
andunderstandthe variationinair quality,amonitoringstationmustbelocatedineacharea.This
methodologyissimple,producesreliableresultsthatreducetheuncertaintyconcerningthelocation
of air quality monitoring stations.
KEYWORDS:
1.M.Sc.Ing.Ambiental,Profesor
UniversidaddelMagdalena,Grupo
de Control de la Contaminacin
Ambiental
francisco.garcia@une.net.co
2. M. Sc. Ing. Ambiental, M.Sc
Planeacin UrbanoRegional,
ProfesorUniversidaddeAntioquia,
Grupo de Ingeniera y Gestin
Ambiental
3.Est.Ing.AmbientalUniversidad
delMagdalena,GrupodeControl
delaContaminacinAmbiental
Volumen9No.2Agostode2006
Gestin y
Ambiente
121
Investigacin
1.INTRODUCCIN
Elmonitoreoatmosfricoeselconjuntodemetodologasdiseadasparamuestrear,analizar
yprocesarenformacontinualasconcentracionesdesustanciasodecontaminantespresentesen
elaireenunlugar establecidoyduranteuntiempodeterminado.Suimportancia radicaenquees
necesario para: a) formular los estndares de calidad de aire. b) llevar a cabo estudios
epidemiolgicos que relacionen los efectos de las concentraciones de los contaminantes con los
daosenlasalud.c)especificartiposyfuentesemisoras.d)llevaracaboestrategiasdecontroly
polticasdedesarrolloacordesconlosecosistemaslocalesye)desarrollarprogramasracionales
para el manejo de la calidad del aire (Martnez y Romieu, 1997). Uno de los aspectos ms
importantes enla ejecucinde un programa demonitoreo atmosfrico esel diseode la red de
monitoreoquecomprende el conjuntodeestaciones demuestreo generalmentefijas y continuas
que se establecen para medir los parmetros ambientales de forma que cubran en forma
representativa toda la extensin de un rea determinada. En estas estaciones de muestreo se
midenycomparanregularmenteconcentracioneslocalesdeparmetrosambientalesconestndares
decalidaddelaire (Martnez yRomieu, 1997).
El diseo de redes de monitoreo ambiental ha sido estudiado en hidrologa (Andricevic,
1990KassimyKottegoda,1991WoldtyBogardi,1992Meyeretal..1994),meteorologa,(Gandia,
1970) y ciencias geolgicas (CamisaniCalzolari, 1984 De Marsily et al,. 1984 Russo, 1984).
Muy pocas de estas investigaciones han sido adaptadas a la calidad del aire. Algunos de los
trabajos ms recientes, realizados para el diseo de redes de monitoreo, se enfocan en
observaciones meteorolgicas (Gandia, 1970). Munn (1981) define dos mtodos bsicos para el
diseoderedesdemonitoreo,losmtodosestadsticosylosmtodosdemodelacin.Losmtodos
estadsticos asumen que existe datos disponibles para extractar informacin estadsticamente
significativa parael diseode lared monitoreo(EPA, 1997).
Lasaproximacionesestadsticasbasadasenladistribucinlognormalsonseguidasporla
mayoradedatosdecalidaddelaire (Larsen,1969Noll yMillar,197).Losmtodos estadsticos
tienenlaventajaquelamayorademedicionesdecalidaddelairepuedensercorrelacionadasen
eltiempoyelespacioconotrasredesdemonitoreo.Lalocalizacindelasestacionesdemuestreo
puedeseroptimizadamediantelaevaluacindelacorrelacindeseriesdetiemposdemediciones
enperodoslargosocorrelacionesespacialesentremedidasdemuchasestaciones(Munn,1975
Elsom, 1978 Handscombe y Elsom, 1982). Munn (1981) identific cuatro tipo de anlisis de
correlaciones: 1) correlacin de tiempo (autocorrelacin) en un sitio 2) correlacin cruzada de
algunas concentraciones de contaminantes en un sitio 3) correlacin espacial entre medidas
simultneas en diferentes sitios y 4) correlacin espacial entre diferentes sitios con mediciones
entiempos rezagados.
Las tcnicas estadsticas de localizacin de estaciones de monitoreo ms usadas son la
aleatoria,lademuestreossistemticos,lademuestreosestimadosylademuestreosheterogneos.
Enlatcnicaaleatoriaselocalizanlasestacionesdemonitoreosintenerencuentalasfuentesde
contaminantes (Nesbitt y Carter, 1996). Esta se realiza especificando una frontera de dominio
rectangulargenerandodosejesdecoordenadasXyY,paraunadistribucinaleatorianouniforme.
Borgman et al, (1996) encontraron que con esta tcnica se requiere un nmero muy alto de
muestreadoresparaunintervalodeconfianzadel95%,porlocualestatcnicasloesaconsejable
para reas urbanas grandes en intervalos de tiempo cortos. La tcnica de muestreo estimado
(Nesbitt y Carter, 1996) usa fuentes de emisin conocidas y la localizacin de los receptores
acopladosconmecanismosdetransportedecontaminantespara localizar los sitiosde medicin.
NollyMiller(1977)llamanaestatcnicamtododefuenteorientaday consideranstecomoel
ms apropiado para monitorear fuentes puntuales en terrenos complejos. En los muestreos
sistemticos los muestreadores son localizados en un sistemas de cuadrculas asignando un
muestreadoracadacelda.NollyMiller(1977)llaman aestetipodemuestreomtodode rea,
el cual se considera ms aplicable a terrenos planos con pocas fuentes puntuales. Los
muestreadoressonlocalizadosenloscentrosdelasceldas.NesbittyCarter(1996)combinanlos
muestreosestimadosysistemticosmediantelaaplicacindelossiguientespasos:1)identificacin
delasfuentespotencialesdecontaminacinusandomedicionesanterioresomodelos2)trazado
de un sistema de cuadrcula sobre estas reas 3) ejecucin de una serie de muestreos en los
puntosdelsistemadecoordenadasy4)determinacindelospuntosenloscualesseencontraron
122
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
concentracionesimportantesdecontaminantespara,alfinal,usarestoscomopuntosdemuestreos
sistemticos.
Otros mtodos hbridos para la localizacin de estaciones de muestreo de material
partculado se basan en la geoestadstica (Journel, 1980 Russo, 1984 Kassim and Kottegoda,
1991 TrujilloVentura, 1991 Rouhani et al, 1992 Borgman et al,. 1996). Kriging es el mtodo
ms comnmente usado en la interpolacin para predecir valores en la evaluacin de datos
espaciales (Volpi andGambolati, 1978 Lefohn et al, 1987 Venkatram, 1988). Kriging usa la
estructuradecorrelacin paraproducir unestimadorcon elerrorcuadrticomediomspequeo
posible,locualresultaenunadisminucindeltamaodelamuestracomparadoconotrosmtodos.
Otras herramientas estadsticas para disear redes de calidad del aire incluyen los coeficientes
geogrficos de variacin (Stalker and Dickerson, 1962 Stalker et al, 1962) funciones estructura
(Goldsteinetal,1974GoldsteinandLandovitz,1977)anlisisdegrupo(Sabaton,1976)anlisis
de componentes principales (Peterson, 1970 Sabaton, 1976) el principio variacional (Wilkins,
1971) y laprogramacin lineal (Darby et al,1974 Hougland, 1977).
Elotrogrupodetcnicasimportantesusadasparalalocalizacindeestacionesdemonitoreo
es la utilizacin de modelos analticos o numricos para estimar la concentracin de material
partculadoenelespacioyeltiempo.Usualmenteserequiereninventariosdeemisionesdetallados
o semidetallados en el dominio completo cuando se usan estos modelos. Los ltimos esfuerzos
en la utilizacin de modelos en la ubicacin de estaciones de monitoreo involucran el uso de
sistemas de informacin geogrfica. Los modelos numricos de fuentes se pueden agrupar en
cinemticos,deprimerysegundoorden(BowneandLundergan,1983).Losmodeloscinemticos
son una simple mezcla de modelos matemticos y conceptuales. Estos modelos simplifican
ecuaciones no lineales del movimiento turbulento generando aproximaciones analticas que
describenelcomportamientodeloscontaminantesenelaire(Greenetal,1980).Losmodelosde
primerordenasumenconcentracionesdecontaminantesisotrpicos.Enestacategora,seincluyen
modelos lagrangianos, eulerianos y de trayectoria de pluma. Los modelos de segundo orden
contienenunaseriedealgoritmosdetransformacindelaecuacindeestado,conservacindela
masa, momento y energa utilizando la aproximacin de Boussinesque y la teora de Reynold
(Holton, 1992)
Entremarzode2004yjuliode2005,elGrupodeInvestigacinControldelaContaminacin
Ambientalde laUniversidaddelMagdalenaencolaboracinconelGrupo deIngeniera yGestin
Ambiental de la Universidad deAntioquia, desarroll una investigacin dirigida a determinar los
nivelesdeconcentracindematerialpartculadoenlaciudaddeSantaMarta.Unadelasprimeras
actividades ejecutadas en esta investigacin fue el estudio de localizacin de las estaciones de
monitoreo, para lo cual se propuso una metodologa que combina mediciones preliminares de
campo,lautilizacindemodelosdedispersindecontaminantesyherramientas estadsticas. En
esteartculosepresentalametodologaseguidaparalaseleccindelossitiosdemuestreodela
mencionada investigacin.
2.MATERIALESYMETODOS
2.1.readeestudio
Laciudadde SantaMartabordeaelsectororiental de labahaquellevasu nombreen la
CostaAtlnticaColombiana.Estsituadaentrelos1114'50'deLatitudNorteylos 7412'06'
deLongitud Occidental, a unaalturapromedio de6 msnm.(ver Figura1).
2.2. Equipos
En esta investigacinse usaron muestreadores deAltos Volmenes(HiVol), que constan
de una bomba de vaco, marco de sujecin del filtro, empaques, un adaptador del marco, un
registradordelflujo(oundispositivodemedicindelflujoengeneral)yuncontroladordetiempo.
Todoestose encuentracubiertoconunacorazadeproteccincomose muestraenlaFigura 2.
Volumen9No.2Agostode2006
Gestin y
Ambiente
123
Investigacin
Figura1.
Localizacindelreadeestudio
Figura2.
Muestreadordealtovolumen
(HiVol)
2.3.Mtododemuestreo
ElmtododemuestreoseguidocorrespondealestndarEPA40CFRPt.50App.Bdonde
sehacepasarunacantidadmedidade aireatravsde un filtrode fibradevidriodurante241
horas,perodonominal de muestreo,aunavelocidadrelativamentealta (caudalde1.1a 1.7 m3/
124
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
min).Elcaudaldelequipodemuestreoylageometradelprotectorocubiertafavorecenlacoleccin
departculas,avelocidadesdelaireentre 1.3y4.5m/seg(3a10mph),condimetrosmximos
entre25y50m(dimetroaerodinmico),dependiendodeladireccindel viento.Losfiltrosson
especificadosparatenerunaeficienciadecoleccinmnimadel99%parapartculasde0.3m.
El filtro es pesado (despus de equilibrar la humedad por desecacin) antes y despus de la
coleccindematerialpartculado,cuyamasaseobtienepordiferencia.Elvolumendeairerecogido
esdeterminadoatravsde lamedicindelcaudalyeltiempode tomademuestra,corrigindolo
paralascondicionesestndarde25Cy101.3kPa.
Elintervalode aplicacindelmtodoesde2a750g/m3 normal. Ellmite superiorest
determinado por el puntoal cualel equipode muestreo no puedemantener elcaudal especfico
debido al aumento de la cada de presin del filtro cargado. El lmite inferior est dado por la
sensibilidad de la balanza.
Figura3.
Codificacin de sitios en la
prelocalizacin de estaciones de
monitoreo.
Volumen9No.2Agostode2006
Gestin y
Ambiente
125
Investigacin
Figura4.
Modelodigitaldeterrenoenel
readeestudioenSantaMarta
126
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
Elmodelodedispersinayudaproveerinformacinestimadasobrelacalidaddelaireen
elreadeestudio.ElmodeloISCST3esunmodelogausianoquepuedesimularlaconcentracin
de una variedad de fuentes. Para ello fue alimentado con datos meteorolgicos. Se levant
informacin pertinente a la localizacin de las fuentes, se construy una base de datos con la
informacinobtenidaenelinventarioprevio,destacandolatasadeemisin,alturaydimetrosde
chimeneas,velocidady temperaturadesalidaparalas fuentesestacionariasubicadasenelrea
de inters. Las fuentes mviles se modelaron como fuentes de volumen, dividiendo las vas en
segmentos con una relacin 4 a 1 respecto a la longitud y el ancho. La informacin sobre el
promediodetrficovehculardiariofuemedidaensietepuntosenlasprincipalesvasdelreade
estudio. Los factoresdeemisin vehcular fueron obtenidos del protocoloAP42de laEPA.
2.7.Esfera deinfluencia
Paradeterminarlarepresentatividaddelosdatosdecalidaddelairemedidosy/osimulados,
se empleel mtodode esfera de influencia, SOIpor sus siglas en ingls, conel quese puede
determinarelreaenlacuallosdatosdecalidaddelairedeunaestacindadasonrepresentativos
opueden serextrapolados,conunniveldeconfianzaconocido.ParadeterminarelSOI,seutiliz
elmodelodeestructuradecovarianzadelaconcentracin.SecalculelcoeficientedePearson,
r, entre la concentracin de contaminantes en un sitio dado y el correspondiente valor de sus
vecinos. Para un sitio codificado como A y comparado con un receptor localizado en un sitio
codificadocomo Bpara nmediciones,el clculoseobtiene porlaexpresin:
n
r =
(CAi - CA )(CBi - CB )
i
=1
(CAi - CA )2 (CBi - CB )2
i=1
i=1
CA
CB
3.Resultados
3.1.Muestreosdecampo
EnlaTabla1semuestranlosresultadosdelosmuestreosdecampodelasmedicionesde
PST en cada una de las prelocalizaciones de las estaciones de monitoreo. Las determinaciones
decampomostraronqueenningunodelossitiosdemedicin,sesobrepasaellmitedelanorma
diariaestablecidoporlanormatividadaplicable(400g/m3)elvalormsaltodelasconcentraciones
encontradasseubicaenlaceldacuyocentrotienecoordenadas(985582UTME,1736023UTMN),
lacualestmuycercanaavariasfuentesdeemisinidentificadaseinventariadas,comoelTerminal
Martimo deSanta Martadonde se almacenay exporta carbnmineral, lo cual presumiblemente
puede estar contribuyendo al aumento de los niveles de PST en este sitio. En esta estacin de
prelocalizacin,lamediageomtricadelosdatosencontradosessuperioralos100g/m3,enlas
restantesestacionesla media geomtricaesinferior aeste valor.
LaFigura5muestralasmediasgeomtricasregistradasdurantelasmedicionesdecampo.
Segn estos datos, los valores ms altos de la concentracin de PST en Santa Marta coinciden
con la presencia de algunas fuentes como el puerto de Santa Marta y las principales vas de la
ciudad,alascualesseatribuyeuna altainfluenciaenlosvalores nivelesdePSTen elreaurbana.
Volumen9No.2Agostode2006
Gestin y
Ambiente
127
Investigacin
Tabla1.
ResultadosmedicionesdePST
C d ig o
A1
B2
A
B
C3
D4
C
D
A
B
A
B
C
D
C
D
Co o r d en ad as
C o n c en tr ac i n d ePST Mx im o
X
Y
( g /m3)
(g /m3)
(UT ME) (UTM N)
985582 1736023 130.33 123.20 101.00 130.33
986592 1736023 104.00 94.12
87.34
104.00
987587 1736023 58.00
66.2
47.30
66.20
988582 1736023 55.33
55.12
58.30
58.30
985582 1735014 64.33
51.12
48.56
64.33
986582 1735014 86.67
78.78
91.12
91.12
987582 1735014 74.00
67.34
76.23
76.23
988582 1735014 61.00
62.10
56.13
62.10
985582 1734020 72.00
83.23
62.34
83.23
986582 1734020 55.67
46.35
56.45
56.45
987582 1734020 73.33
82.10
77.87
82.10
988582 1734020 47.67
56.23
52.11
56.23
985582 1733026 69.00
69.12
71.00
71.00
986582 1733026 51.33
52.34
60.10
60.10
987582 1733026 61.33
67.23
56.67
67.23
988582 1733026 53.67
61.20
66.34
66.34
Med ia
G eo m .
( g /m3)
117.48
94.90
56.63
56.23
54.25
85.37
72.42
59.69
72.02
52.61
77.68
51.88
69.70
54.45
61.59
60.17
Figura5.
Mediasgeomtricasdela
concentracindePST(g/m3)en
SantaMarta.Feb.15al22de2004
El anlisis SOI entrega cuatro grupos de esfera de influencias (ver Figura 7): el primer
grupo est conformado por las estaciones identificadas con los nmeros 1, 4 y 6 en el ranking
establecidoporlosresultadosdelosmuestreosencampo.Enelsegundogrupoestnlasestaciones
128
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
2y3mientrasqueeltercergrupodeesferadeinfluencialointegranlasestaciones11,12,5y10.
Enel grupofinalestnlas estaciones14, 16, 7, 13, 8y9. De acuerdo a esteanlisis el nmero
ptimo de estacionespara colectar la informacin dela calidad del aire referida alos niveles de
PST en el rea urbanade Santa Marta en la escala de 0.5 a 4Km (Neighborhood scale) es de
cuatro (4).
Figura6.
ARSdelosvaloresdecampo(feb.,
1024de2004)
Figura7.
reasdeinfluenciadelanlisisSOI
conmedicionesdecampo.
Volumen9No.2Agostode2006
Gestin y
Ambiente
129
Investigacin
Figura8.
Distribucinespacialdelamedia
geomtricadelas
concentracionesarrojadasporel
modeloISCST3
ElanlisisSOIparalosdatossimuladosconelmodelodedispersinconfirmalapresencia
decuatro(4)zonas de influencia en laconcentracin dePST (verFigura 9).Laconformacin de
laszonasqueresultandelanlisisdelosdatossimuladosesunpocodiferentealaencontradaen
elanlisisSOIparalosdatosmedidos.Laprimerazona,dondesepresentanlasconcentraciones
msfuertes,estaconformadaporlasestacionesdeprelocalizacin1y4segnelrankingestablecido
conlosdatosmedidos.Lazonanmerodosestconformadaporlaestaciones2,3y6enlazona
tresselocalizanlasestacionesdeprelocalizacin11,12,7,15y5las restantesestacionesestn
en la zona 4. El anlisis SOI para los datos simulados muestra que el nmero de estaciones
necesarias para medir la calidad del aire respecto a las concentraciones de PST en el rea de
estudioesdecuatroestaciones.
130
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
Figura9.
reasdeinfluenciadelanlisisSOI
para datos simulados con el
ISCST3.
Figura10.
ARM de los valores simulados
medianteelmodeloISCST3(feb.,
1024de2004)
Volumen9No.2Agostode2006
Gestin y
Ambiente
131
Investigacin
Figura11.
Nomogramaparalaubicacinde
lasestacionesdemonitoreo
Segnesteprocedimiento,paramedirlacalidaddelaireenelreaurbanadeSantaMarta
bajounaescalade0,5a4,0Km,seubicancuatro(4)estacionesdemonitoreo,cuyascoordenadas
semuestranenlaTabla 2.
Tabla2.
Localizacinfinalestacionesde
monitoreodelacalidaddelaire
enSantaMartaenlaescala0,5
4,0Km.
132
Zo n a
1
2
3
4
Gestin y
Ambiente
Co o rd en ad as
X(UTME)
985582
986582
987582
986582
Y(UTMN)
1736023
1735014
1735014
1733026
ARS
ARM
1
3
5
13
1
5
4
12
Volumen9No.2Agostode2006
Investigacin
4. DISCUSIN
La tcnica estudio de saturacin empleada en la localizacin de estaciones de monitoreo
de calidad del aire combina la utilizacin de datos simulados y datos medidos, lo cual reduce la
incertidumbre para la localizacin final las estaciones. En este estudio se utilizaron datos
meteorolgicos horarios, lo cual aumenta el rango de incertidumbre frente a la probabilidad de
ocurrencia de otras condiciones meteorolgicas diferentes a las ocurridas en el perodo de
observacin.Paraestudiosmsdetalladossepodrautilizardatospromediosomediasmultianuales
de datos climatolgicos, que promedien las condiciones atmosfricas durante el ao, lo cual se
harprximamente,conelfindeencontrarladispersinfrentealosdatossimuladosenestosdos
escenarios.Dadoel buenacercamiento obtenidoentre losdatossimulados ylosdatosmedidos,
seconsiderquelautilizacindedatoshorariosproduceunaconfiabilidadaceptableparaencontrar
elARM.
La metodologa para la localizacin de estaciones de monitoreo empleada en esta
investigacin es muy simple de aplicar y aunque requiere algunas inversiones iniciales para la
realizacin de las mediciones de campo, el inventario de emisiones y la calibracin y validacin
delmodelodedispersin,produceresultadosconfiablesquedisminuyenlaincertidumbreenesta
compleja tarea.
La metodologa utilizada es recomendable solo en la escala de 0,5 a 4,0 Km o escalas
inferiores ya que al aumentar la escala del rea de estudio habra que efectuar muchas ms
medicionesotenerunsistemadeceldasmsgruesas,locualaumentaralaincertidumbreenlos
resultados obtenidos.
5.BIBLIOGRAFA
Andricevic, R., 1990. Costeffective network design for groundwater flow monitoring, Stochastic
Hydrol. Hydraul, pp 2741.
Baldauf, R. W., Wiener R.W. y Heist, D.K., 2002. Methodology for siting ambient air monitors at
theneigborhood scale, J.Air yWastedManage,Assoc.,52,pp143342.
Borgman, L.E., Gerow,K.yFlatman, G.T., 1996.Costeffectivesamplingforspatiallydistributed
phenomena,principlesofenvironmentalsampling,2ndEd.,L.H.Keith,Ed.LewisPublishers.
Washington. D. C.
Bowne, N. E., Lundergan, R. J., 1983. Overview, results, and conclusions for the EPRI Plume
modelvalidationanddevelopmentproject:plainssite.EPRIReportNo.EA3074,Project
16161, Final Report. Electric Power Research Institute, PaloAlto, CA.
CamisaniCalzolari,M.,1984.GeostatisticalappraisalofatabularuraniumdepositinSouthAfrica.
Eds. D. Reidel Publishing Co. Washington. D. C.
Darby, W. P., Ossenbruggen, P. J. y Gregory, C.J., 1974. Optimization of urban air monitoring
networks,J. Environ.Eng. Div.Proc.Amer. Soc.Civil Eng., 100,pp 577591.
Elsom, D. M., 1978. Spatial correlation analysis of air pollution data in an urban area,Atmos.
Environ., 12, pp 11031107.
EPA,1997.GuidancefornetworkdesignandoptimumsiteexposureforPM2.5 AndPM10.Office of
AirQualityPlanningandStandardsU.S.EnvironmentalProtectionAgencyResearchTriangle
Park,NC27711.109P.
Gandin, L. S., 1970. The planning of meteorological station networks, WMO No. 265, TP149.
World Meteorological Organization, Geneva.
Goldstein, I. F. y Landovitz, L., 1977.Analysis of air pollution patterns in New Cork City, II. Can
OneAerometricStationRepresenttheAreaSurroundingIt?,Atmos.Environ.,11,pp5357.
Goldstein,I.F.,Landovitz,L.yBlock,G.,1974.AirpollutionpatternsinNewYorkCity,J.AirPollut.
ControlAssoc., 24,pp 148152.
Volumen9No.2Agostode2006
Gestin y
Ambiente
133
Investigacin
Green,A. S., Singhai, R. P. y Venkateswar, R., 1980. Analytic extensions to the gaussian Plume
model, J.Air Poll. ControlAssoc., 30(7),pp 773776.
Handscombe, C. M., Elsom, D. M., 1982. Rationalization of the national survey of air pollution
monitoring network of the United Kingdom using spatial correlation analysis:A CaseStudy
ofthegreaterLondonarea,Atmos.Environ.,16,pp10611070.
Holton, J. R.,1992.An introduction to dynamic meteorology.International Geophysics Series. 3rd.
Academiced.NewYork.120P.
Hougland, E. S., 1977. Air pollution monitor network design using mathematical programming.
Virginia Polytechnic Institute and State University, Ph.D. Dissertation in Environmental
Sciences. Xerox University Microfilms,Ann Arbor, MI.
Journel,A. G., 1980. The lognormal approach to predicting local distributions of selective mining
unitgrades, J. Math. Geol.,12(4), pp285303.
Kassim, M., Kottegoda, N., 1991. Rainfall network design through comparative kriging methods,
Hydrological Sciences Journal, 36, pp 2632.
Larsen, I., 1969. A new mathematical model of air pollutant concentration averaging time and
frequency, J.Air Poll. ControlAssoc., pp 19, 2430.
Lefohn,A.S.,Knudsen,H.P.,Logan,J.A.,Simpson,J. yBhumralkan,C.,1987.Anevaluationof
thekriging methodtopredict 7h seasonalmean ozone concentrationsfor estimatingcrop
losses,J.Air Poll.ControlAssoc., 37(5),pp595602.
Liu, M.K.,Avrin, J.,Pollack, R.I., Behar,J.V. y McElroy, J.L. 1986.Methodology for designing air
qualitymonitoring networks:Theoreticalaspects, Environmental monitoringasses,6, pp 1
11.
Marsily, G.,Lavedan,G., Boucher,M.,yFasanino,G.,1984. InterpretationofInterferencetests in
a well field using geostatistical techniques to fit the permeability distribution in a reservoir
model.Geostatisticsfor naturalresources characterization,Part2,G.Verlyetal.,Eds. D.
Reidel Publishing Co., pp 831849.
Martnez,A. P. y Romieu,I., 1997.Introduccinalmonitoreo atmosfrico. ECO Metepec.Mexico.
130P.
Meyer,M.,Lijek,J.yOno,D.,1992.ContinuousPM10 measurementsinawoodsmokeenvironment.
Eds.AiryWaste ManagementAssoc.,Pittsburgh, pp 2439.
Munn,R.E.,1975.Suspendedparticulateconcentrations:SpatialcorrelationsintheDetroitWindsor
Area,Tellus, 27,pp 397405.
Munn, R.E., 1981.Thedesignofairqualitymonitoringnetworks. MacmillanLtd.London.213 P.
Nesbitt, K. J. y Carter, R. K., 1996. Immunoassay field analytical techniques. In principles of
environmental sampling, 2 Ed., L.H. Keith, Ed. Lewis Publishers, 735 P.
Noll, E. y Miller L., 1977.Air monitoring survey design.AnnArbor. Washington, DC, 114 P.
Peterson, J. T., 1970. Distribution of SO2 over metropolitan St. Louis as described by empirical
eigenvectors and its relation to meteorological Parameters,Atmos. Environ., 4, pp 501
518.
Rouhani, S., Ebrahimpour M. R., Yaqub, I. y Gianella, E., 1992. Multivariate geostatistical trend
detectionandnetworkevaluationofspacetimeaciddepositiondataI.Methodology,Atmos.
Environ., 26A(14), pp 26032614.
Russo, D., 1984. Design of an optimal sampling network for estimating the variogram, Soil Sci.
Soc.Am.J.,48,pp708716.
Sabaton,C.,1976.Etudedoptimisisationdunreseaudesurveillancedelapollutionatmospherique
dans la region parissienne atmospheric pollution. Elsevier,Amsterdam. 171 P.
Stalker, W. W., y Dickerson, R. C., 1962. Sampling station and time requirements for urban air
134
Gestin y
Ambiente
Volumen9No.2Agostode2006
Investigacin
Volumen9No.2Agostode2006
Gestin y
Ambiente
135
Investigacin
136
Gestin y
Ambiente
Volumen9No.2Agostode2006