Estimación de la distribución de fuentes de emisión de dióxido de azufre en la ciudad de Bahía Blanca

Abstract

Una adecuada gestión del medio ambiente requiere de la complementación de metodologías que permitan no sólo caracterizar la calidad del aire y conocer sus efectos en la salud, sino también reconocer las principales fuentes de emisión de los contaminantes de interés y sus contribuciones, de manera de poder definir una estrategia que permita conciliar los procesos productivos con la salud de la población. En este trabajo se implementa el modelo NTA (Nonparametric Trajectory Analysis) en el software libre Python, para estimar la distribución de fuentes de emisión y la concentración promedio del dióxido de azufre en la ciudad de Bahía Blanca (Provincia de Buenos Aires, Argentina). La herramienta es considerada un híbrido de los modelos receptores, dado que utiliza mediciones tomadas en el centro de monitoreo y datos meteorológicos locales. Para tal objetivo, se hace uso de la información de calidad de aire de dióxido de azufre, de acceso libre y gratuito en el sitio web del municipio, junto con datos del Servicio Meteorológico Nacional (SMN), descritos en el mismo período temporal. En función de la información recopilada, se aplica la herramienta a distintos períodos temporales, complementando el estudio con la elaboración de la rosa de los vientos para el mismo periodo de interés. Esta herramienta permitió conocer con más detalle el comportamiento previsto del patrón direccional del contaminante, a partir de la estimación de la zona de mayor de distribución de fuentes. Particularmente, se evidenciaron altas concentraciones al noroeste de la estación de monitoreo, en mayor medida para los meses fríos del año. Si bien Petrobras Argentina S.A. representa solo el 17.2% anual de las emisiones de SO2, es destacable la relevancia que tienen los vientos predominantes en la dispersión de los contaminantes, y consecuente en la definición de las áreas de impacto. Como fortaleza de la herramienta, se destaca la posibilidad de proyectar zonas de mayor amenaza en función de la meteorología local, de modo de optimizar los recursos disponibles aplicados a campañas de monitoreo, al acotar la potencial región de emisión.