FACULTAD DE CIENCIAS AMBIENTALES CARRERA PROFESIONAL DE INGENIERÍA AMBIENTAL “EVALUACIÓN DE LA INFLUENCIA DEL TRÁNSITO VEHICULAR Y LAS VARIABLES METEOROLÓGICAS EN LA CONCENTRACIÓN DEL PM10 Y PM1.0 EN EL DISTRITO DE COMAS” Tesis para optar el título profesional de: INGENIERA AMBIENTAL Presentado por: Kyara Mariel Díaz Carrasco (0000-0002-8780-0793) Andrea Silvana Pérez Quispe (0000-0002-8126-6702) Asesor: Sergio Artemio Pacsi Valdivia (0000-0003-4262-0593) Lima – Perú 2022 DEDICATORIA A mi madre y padre, Ana e Iván, por su cariño, su compañía y motivación en crecer profesionalmente y como persona. A mi hermano, André, por alegrar mis días e inspirarme a ser mejor. A mis personas favoritas que me brindaron su soporte durante esta etapa. Silvana A mi mamá y papá, Aurora y Edwin, por su esfuerzo y empuje durante toda mi vida y por siempre apoyarme en cada meta que me propongo. A mis hermanos, Cristell y Jersson, por motivarme a siempre ser una mejor persona y por inspirarme día a día. A mis abuelitas Yoli y Elvia, por los engreimientos y palabras de cariño. A George por ser mi compañero y equipo en todo, gracias por tanto. Kyara Al Ph.D. Sergio Pacsi Valdivia, cuyo apoyo y conocimientos fueron indispensables en la presente investigación. A los miembros del jurado, cuyos valiosos aportes enriquecieron el desarrollo de la presente tesis A la División de Calidad del Aire de la Municipalidad Metropolitana de Lima por el apoyo y por brindarnos los datos para el desarrollo de la presente tesis. EVALUACIÓN DE LA INFLUENCIA DEL TRÁNSITO VEHICULAR Y LAS VARIABLES METEOROLÓGICAS EN LA CONCENTRACIÓN DEL PM10 Y PM1.0 EN EL DISTRITO DE COMAS” RESUMEN En la presente investigación se analizó la variación temporal y la relación del material particulado (PM10 y PM1.0), variables meteorológicas (temperatura del aire y radiación solar) y el tránsito vehicular en la zona norte de Lima. Los datos fueron proporcionados por la Municipalidad Metropolitana de Lima y el monitoreo se realizó durante el 2017, a través de un muestreador continuo de partículas Thermo Scientific y un contador de tráfico de cuarta generación K4. Los resultados muestran que los niveles de PM10 (35.83 ± 7.89 μg /m3) cumplen la normativa nacional (ECA aire), pero sobrepasan lo establecido por la guía de la Organización Mundial de la Salud (OMS); mientras que los niveles de PM1.0 se encuentra en el rango de 16.94 ± 3.56 μg /m 3 y no existe normativa de comparación. Se obtuvo una correlación positiva media para PM1.0 y baja para PM10 vinculada al flujo vehicular; asimismo, se obtuvo una correlación positiva baja del PM10 y el PM1.0 con las variables meteorológicas para verano; y una correlación media para invierno, a excepción del PM1.0 con la temperatura del aire que obtuvo una correlación positiva baja. La relación PM1.0/PM10 es de 0.48 en promedio, con una correlación significativa. Palabras clave: PM10; PM1.0; flujo vehicular; variables meteorológicas; análisis temporal; correlación. ABSTRACT In the present investigation, the temporal variation and the relationship of particulate matter (PM10 and PM1.0), meteorological variables (air temperature and solar radiation) and vehicular traffic in the northern area of Lima, were analyzed. The data was provided by the Municipality of Lima and the monitoring was carried out during 2017, through a Thermo Scientific continuous particle sampler and a fourth generation K4 traffic counter. The results show that the levels of PM10 (35.83 ± 7.89 μg /m 3) accomplish with the national regulations (ECA air), but exceed those established by the WHO guidelines; while the levels of PM1.0 are in the range of 16.94 ± 3.56 μg /m 3 and there are no standards for comparison. A mean positive correlation was obtained for PM1.0 and a low one for PM10 in relation to vehicular flow; likewise, a low positive correlation of PM10 and PM1.0 was obtained with the meteorological variables for summer; and a mean correlation for winter, with the exception of PM1.0 with air temperature, which obtained a low positive correlation. The PM1.0/PM10 ratio is 0.48 on average, with a significant correlation. Key words: PM10; PM1.0; vehicular flow; meteorological variables; temporal analysis; correlation. INTRODUCCIÓN Lima metropolitana es considerada como una zona de atención prioritaria desde el 2001, debido a que presenta impactos negativos sobre la calidad del aire causado por la densidad poblacional, actividad vehicular y la intensidad de las actividades socioeconómicas1; asimismo, se encuentra entre las ciudades capitales de Latinoamérica con mayor nivel de contaminación atmosférica por material particulado fino2. Las emisiones de material particulado provienen principalmente del tránsito vehicular; contribuyendo al PM10 en un 54% (7254 ton/año) del total de generado 1. Ello responde principalmente a una flota vehicular antigua, al tipo de combustible y a la tecnología vehicular que utilizan las unidades de transporte. Las emisiones del material particulado fino se asocian a la combustión incompleta de los vehículos a diésel, de las categorías ómnibus, remolcador y camión, con una antigüedad mayor a 14 años las cuales cuentan con tecnologías Pre Euro1; por lo cual el sector transporte representa un factor esencial por su impacto en el ambiente. Investigaciones internacionales mencionan la importancia de analizar las concentraciones de PM10, PM2.5 y PM1.0 relacionándolas con el flujo vehicular y la temperatura del aire 3,4, así como el análisis de la relación entre los contaminantes atmosféricos y las variables meteorológicas, porque su interrelación podría afectar la mortalidad de la población por enfermedades cardiovasculares y respiratorias5, dado que las partículas en suspensión causan diferentes afectaciones a la salud de las personas dependiendo de su tamaño aerodinámico. Por ello, la Municipalidad Metropolitana de Lima, a través del Instituto Metropolitano Protransporte de Lima, realizó el Monitoreo de Calidad de Aire en el distrito de Comas, como parte del registro del efecto ambiental generado por el Sistema de Transporte COSAC I también conocido como Metropolitano. El monitoreo realizado permitió contar con información de PM10, PM1.0, flujo vehicular y variables meteorológicas en el área de estudio, por lo cual la evaluación de su interrelación temporal durante el año 2017 es el objetivo de la presente investigación. PARTE EXPERIMENTAL Ubicación de la estación de monitoreo de calidad del aire La estación de monitoreo de calidad del aire se encuentra en el Patio Norte Metropolitano ubicado en la Av. Los Incas cdra. 4 esquina con la Av. Sinchi Roca, Urbanización San Juan Bautista, en el distrito de Comas - Lima y se ubica geográficamente en las Coordenadas Universal Transversal de Mercator (UTM) 277 131 mE y 8 681 883 mS, según se muestra en la figura 1. Figura 1. Mapa de ubicación de la estación de monitoreo ambiental Monitoreo de calidad del aire La instalación de los equipos, su operación y mantenimiento fueron realizados por personal técnico acreditado y capacitado de la empresa Green Group Perú S.A.C., además cada ocho días realizaban la verificación del buen funcionamiento de los equipos; así como, en base a los Informes de la red de monitoreo de la Calidad del Aire para el Corredor Segregado de Alta Capacidad - COSAC del periodo 2017, pertenecientes a Protransporte. En la Tabla 1 se detallan las características de los equipos de monitoreo. Tabla 1. Equipos de monitoreo ambiental Equipos Marca Modelo Descripción Muestreador continuo Mide en tiempo real la de partículas Thermo concentración (μg/m3) FH62C14 ambientales, método de Scientific mediante el método atenuación beta equivalente automático: EQPM-0609-183 Mide la temperatura del aire Sensor de temperatura Young ambiental (°C) del aire 41342 Resolución: 0.1 LI-COR Mide la radiación solar (W/m2) Piranómetro LI200X-L Resolución: 10 Contador de tráfico de EIS K4 Realiza el conteo vehicular cuarta generación Fuente: Elaboración propia Validación de datos Se utilizaron los criterios de validación aprobados por el Ministerio del Ambiente en el Protocolo Nacional de Monitoreo de la Calidad Ambiental del Aire del 2019, siendo los siguientes: - Para el PM10 y PM1.0, no se consideraron datos con valores negativos, datos obtenidos por corte repentino de energía eléctrica, datos obtenidos durante el mantenimiento y datos registrados durante los momentos en que el equipo presentaba estado de alarma o error. - Para la temperatura del aire se consideraron valores entre el rango de -40°C a 60°C; mientras que para la radiación solar se utilizaron valores comprendidos de 0 W/m² a 1100 W/m². - No se incluyeron aquellos valores que se repitan tres veces a nivel horario por más de tres horas consecutivas en los equipos automáticos. - Se contó con un mínimo de 75% del total de datos para un monitoreo continuo. Complementariamente, se verificaron que las concentraciones horarias de PM1.0 sean menores que las concentraciones horarias de PM10. Asimismo, se evaluaron los valores atípicos de concentración de PM10 y PM1.0 en base a la aplicación del método gráfico de diagrama de cajas utilizando el software libre R Studio. Análisis de datos Mediante el programa estadístico Minitab 19 se obtuvo los parámetros estadísticos descriptivos de los datos para la concentración de PM10 y PM1.0, temperatura del aire, radiación solar y el flujo vehicular; posteriormente mediante el software libre R Studio se procesaron los datos para analizar la variación temporal de cada una de las variables para generar gráficos de líneas a fin de observar el comportamiento y la tendencia de las variables de estudio. Asimismo, se calculó la prueba de normalidad y homogeneidad de varianzas para determinar si existen diferencias significativas entre los grupos de datos; a continuación, se calculó los coeficientes de correlación entre las concentraciones del material particulado (PM10 y PM1.0) y las variables meteorológicas (radiación solar y temperatura del aire), del mismo modo que con el flujo vehicular. Finalmente, para determinar la relación de las concentraciones de PM10 y PM1.0 se calcularon los coeficientes de correlación, se aplicó una prueba estadística de regresión lineal entre las variables y mediante una división simple se comparó la variabilidad de la relación PM1.0/PM10. RESULTADOS Y DISCUSIÓN Análisis de la variación temporal del PM10, PM1.0, temperatura del aire, radiación solar y flujo vehicular. La Tabla 2 demuestra que el área de estudio presentó durante el 2017, una concentración promedio anual para el PM 310 de 36.18 ± 8.26 μg/m , la cual se encuentra dentro de lo establecido en los ECA de Aire (50 μg/m3); no obstante, sobrepasa a lo establecido en la Guía de Calidad de Aire aprobada por la OMS en el 2021 (15 μg/m3), dicha condición se relaciona a las emisiones vehiculares y polvo atmosférico natural del entorno en Lima Norte6. Para el PM1.0 se obtuvo un promedio de 17.09 ± 3.74 μg/m 3; sin embargo, no se cuenta con estándares de calidad ambiental dentro de la normativa nacional e internacional. Respecto a las variables meteorológicas, indican una temperatura del aire promedio de 20.85°C y una radiación solar promedio de 124.94 W/m2, se encontró que en invierno (17.54°C) se presentaron mayores concentraciones promedio de material particulado a comparación de verano (26.43°C). El flujo vehicular promedio diario registró 20841 vehículos en la Av. Los Incas del distrito de Comas; siendo la composición del parque automotor para el 2017, de acuerdo a su tamaño, principalmente por camiones (41.9% como buses del Metropolitano), seguido del tipo pequeño (24.1% como mototaxis), mediano (20.6%, como automóviles) y largo (13.3% como custers y buses). Tabla 2. Estadísticos descriptivos de las variables en evaluación Todos los datos Invierno (junio - agosto) Verano (enero - marzo) Pro Des. Des. Des. Mi Min. Máx. Prom. Min Máx. Prom. Máx. m. Est. Est. Est. n PM1.0 3 16.94 3.56 9.90 51.73 17.83 3.37 11.07 27.07 16.03 4.40 11.21 51.74 (μg/m ) PM10 35.83 7.89 16.56 80.42 36.33 7.71 21.58 57.66 35.01 8.08 22.80 80.42 (μg/m3) Temp. 20.9 3.9 14.9 28.3 17.5 0.9 14.9 19.6 26.4 0.9 23.2 28.3 (°C) Rad. Sol. 124.9 67.3 13.3 257.1 64.8 47.4 13.3 257.1 185.1 37.9 59.7 250.9 (W/m²) Flujo 20841 2040 5615 35241 19826 2061 5615 22544 21090 1709 14822 29202 vehicular Fuente: Elaboración propia La Tabla N°2 muestra una ligera diferencia en los valores del flujo vehicular y el material particulado en invierno y verano, siendo la concentración promedio de material particulado grueso y ultrafino menor cuando el flujo vehicular es mayor en verano; mientras que el material particulado es mayor cuando el flujo vehicular es menor en invierno, lo cual podría estar asociado a las condiciones de estabilidad atmosférica y los niveles de humedad del aire en invierno6. En la Figura 2 se observa la variación horaria del material particulado y las variables meteorológicas en el año 2017 para el distrito de Comas. Se evidencia que los mayores valores se dan en el horario laboral, es decir, que empiezan a aumentar a partir de las 7 horas, llegando a un pico de concentración a las 11 horas y posteriormente disminuye, lo cual podría estar relacionado a la disminución del flujo vehicular en la zona y las condiciones de inestabilidad de la atmósfera, cabe precisar que el conteo vehicular brindó información a nivel diario. Figura 2. Variación de la concentración horaria del material particulado y las variables meteorológicas Asimismo, en la Figura 3 se observa la variación mensual de todas las variables de investigación para el año 2017 en el distrito de Comas. Durante el período de estudio se evidencia que las mayores concentraciones de PM10 se registraron para los meses de mayo y octubre, para el PM1.0 se registraron en los meses de agosto y octubre. Además, los menores valores de concentración se registraron para los meses de noviembre y setiembre para PM10 y PM1.0. También, el flujo vehicular fue mayor en los meses de octubre a diciembre y menor en los meses de mayo y junio. Figura 3. Variación de la concentración mensual del material particulado, variables meteorológicas y flujo vehicular. Entre los factores que afectan el clima de la provincia de Lima, se encuentra el fenómeno de la capa de inversión térmica que durante el verano aumenta la altura de la capa de mezcla, además con el aumento de la radiación solar y la temperatura del aire en la superficie, se producen menores concentraciones de partículas gruesas y ultrafinas; asimismo, en invierno disminuye la altura de la capa de mezcla y con las condiciones meteorológicas se produce un aumento en la concentración de las mismas7. Análisis de la relación entre el material particulado, el flujo vehicular y las variables meteorológicas (temperatura del aire y radiación solar). Para la relación del material particulado y el flujo vehicular se realizó la prueba estadística de la correlación de Spearman para un p<0.05, obteniendo una correlación significativa media para el PM1.0 y una correlación baja para el PM10, lo cual podría estar relacionado con las fuentes predominantes del material particulado, siendo que el PM1.0 está más asociado a emisiones vehiculares y gases de combustión de diesel8, mientras que el PM10 está relacionado, en mayor medida, al levantamiento de polvo en las vías de transporte9. Cabe resaltar que, no hubo diferencias significativas en la relación del material particulado y el flujo vehicular entre verano e invierno. Tabla 3. Relación del material particulado (PM10 y PM1.0), las variables meteorológicas y el flujo vehicular para verano (enero - marzo) e invierno (junio - agosto). PM10 PM1.0 PM10 PM1.0 (verano) (verano) (invierno) (invierno) Temp. del aire 0.33 0.30 0.53 0.22 p-valor 0.00 0.01 0.00 0.04 Rad. Solar 0.32 0.31 0.54 0.41 p-valor 0.00 0.01 0.00 0.00 Flujo vehicular 0.23 0.47 0.22 0.40 p-valor 0.04 0.00 0.05 0.00 Fuente: Elaboración propia Asimismo, para el análisis de correlación entre las variables meteorológicas con el material particulado, los datos se procesaron mediante la prueba de correlación de Spearman para un p<0.05; observándose que para invierno, el PM10 y el PM1.0 con la temperatura del aire y la radiación solar presentaron una correlación positiva media; a excepción del PM1.0 con la temperatura del aire dado que presentó una correlación positiva baja similar a lo encontrado en China10. Además, para verano, el PM10 y PM1.0 con la temperatura del aire y la radiación solar presentaron una correlación positiva baja. De lo mencionado, se observa que existe una relación positiva entre las variables meteorológicas con el material particulado, de baja a media para ambas estaciones debido al fenómeno natural de inversión térmica; asimismo, un factor adicional podría deberse a que en el año 2017 ocurrió el Fenómeno del Niño Costero, lo cual provoca incremento en la temperatura del aire y lluvias; así como, debilitamiento de los vientos11; por lo que se requiere realizar un análisis más amplio, asociado a velocidad del viento y precipitación, ya que tienen una gran influencia en la dispersión de material particulado en la atmósfera. Análisis de la relación entre el PM10 y el PM1.0 En la Tabla 4 se muestran los resultados de la relación entre el PM1.0 y el PM10 para la estación móvil Comas en el año 2017. Se observa que el valor de la relación PM1.0 /PM10 es ligeramente mayor en invierno (0.49) que en verano (0.46) por lo que no existe variación significativa entre las estaciones; resultando en una concentración promedio de PM1.0 que representa el 40% del PM10. Dicho resultado concuerda con lo registrado en el área urbana de España12, y está asociado a las condiciones meteorológicas y la presencia de fuentes emisoras significativas, principalmente de partículas que provienen de la actividad vehicular propia de la zona y el levantamiento de polvo de la vía. Tabla 4. Relación entre el PM10 y el PM1.0 Relación Coeficiente de Coeficiente de Estación Ecuación de regresión PM1.0/PM10 Spearman determinación 0.80 0.46 0.66 y = 0.462x - 0.181 Verano p-valor 0.00 0.90 0.49 0.78 y = 0.359x + 4.501 Invierno p-valor 0.00 Fuente: Elaboración propia Asimismo, del coeficiente de Spearman para un p<0.05 se obtuvo una correlación positiva alta para verano e invierno, resultados similares fueron encontrados en el área urbana de China13. Además, las ecuaciones de regresión lineal encontradas permiten utilizar como referencia los datos de PM10 para predecir la concentración de PM1.0, teniendo en consideración que las ecuaciones son aplicables para el rango dentro del cual se tomó la muestra y con características similares al lugar, por lo que la ecuación de regresión determinada se debe aplicar sobre el intervalo de 22.80 μg/m3 a 80.42 μg/m3 para verano y de 21.58 μg/m3 a 57.66 μg/m3 para invierno. CONCLUSIONES La variación horaria de PM10 y PM1.0 en el distrito de Comas muestra que los valores de material particulado grueso y ultrafino presentan dos picos máximos y mínimos, asociados a la actividad del parque automotor en las horas de congestión y la influencia de las variables meteorológicas. A nivel mensual, los mayores valores de PM10 se registraron para los meses de mayo y octubre; mientras que para el PM1.0 se registraron en los meses de agosto y octubre, además los menores valores de concentración se registraron para los meses de noviembre y setiembre para PM10 y PM1.0. El comportamiento de los niveles registrados de material particulado y variables meteorológicas pudieron verse influenciados por el fenómeno de inversión térmica, además en el año 2017 se registró el Fenómeno del Niño Costero, por tanto, se recomienda realizar investigaciones sobre la influencia de dichos fenómenos respecto al material particulado en Lima. El flujo vehicular promedio diario registró 20841 vehículos en la Av. Los Incas del distrito de Comas; siendo la composición del parque automotor para el 2017, de acuerdo con su tamaño, principalmente por camiones (41.9% como buses del Metropolitano), seguido del tipo pequeño (24.1% como mototaxis), mediano (20.6%, como automóviles) y largo (13.3% como custers y buses). El nivel del PM10 cumple la normativa nacional, pero sobrepasan lo establecido por la guía de la OMS en el distrito de Comas; sin embargo, en el caso del PM1.0 no existe una normativa para comparar su concentración, a pesar de que podrían interactuar con el medio celular y depositarse en los tejidos de los órganos afectando la salud de las personas, por lo que se recomienda realizar investigaciones epidemiológicas respecto al material particulado ultrafino. El flujo vehicular presenta una correlación significativa media para el PM1.0 y una correlación baja para el PM10, lo cual podría estar asociado al flujo vehicular para las partículas ultrafinas y al levantamiento de polvo propio de la zona de las partículas gruesas. Asimismo, con las variables meteorológicas se obtuvo una correlación positiva baja de PM10 y PM1.0 para verano y una correlación positiva media para invierno a excepción del PM1.0 y la temperatura del aire que resultó una correlación positiva baja. Dichos patrones podrían estar asociados al fenómeno natural de inversión térmica e influenciados por el fenómeno del Niño Costero producido el 2017. Se obtuvo una correlación positiva alta entre el PM1.0 y PM10 para verano (0.80) e invierno (0.90); además para la relación PM1.0/PM10 se determinó valores de 0.46 para verano y de 0.49 para invierno, resultando en una concentración promedio de PM1.0 que representa el 40% del PM10. La relación y ecuaciones de regresión obtenidas permitirá utilizar como referencia los datos de PM10 para predecir la concentración de PM1.0 según las características del lugar de estudio y aplicarlo en diferentes investigaciones. También, se recomienda realizar estudios para analizar la concentración promedio de PM1.0 que representa el porcentaje del PM2.5. AGRADECIMIENTOS Los autores agradecen el apoyo brindado por la División de Calidad del Aire de la Subgerencia de Gestión Ambiental de la Municipalidad Metropolitana de Lima, por habernos facilitado y autorizado el uso de los datos de la estación móvil de calidad del aire ubicada en el distrito de Comas. REFERENCIAS BIBLIOGRÁFICAS 1. Ministerio del Ambiente. Diagnóstico de la Gestión de la Calidad del Aire para Lima y Callao. Lima; 2019. 2. World Air Quality Report Region and City PM2.5 Ranking. [en línea]. IQAir.; 2019. [accesado 27 de mayo del 2021]. 3. Srimuruganandam B, Nagendra S, Madanayak S. Analysis and interpretation of particulate matter – PM10, PM2.5 and PM1.0 emissions from the heterogeneous traffic near an urban roadway. Atmospheric Pollution Research. 2010; 1(3): 184 - 194. https://doi.org/10.5094/APR.2010.024 4. Nedal A, Jamal H, Zaleha Md. Relationship between vehicle count and particulate air pollution in Amman, Jordan. Asia Pacific Journal of Public Health. 2012: 27(2): 1742 - 1751. http://doi.org/10.1177/1010539512455046 5. González F, Zevallos A, Gonzales-Castañeda C, Nuñez D, Gastañaga C, Cabeza C, Naeher L, Levy K, Steenland K. Contaminación Ambiental, Variabilidad Climática y Cambio Climático: Una revisión del Impacto en la Salud de la Población Peruana. Rev Peru Med Exp Salud Pública. 2014; 31(3): 547-556. 6. Pacsi S. Análisis temporal y espacial de la calidad del aire determinado por material particulado PM10 y PM2.5 en Lima Metropolitana. Anales Científicos, 2016; 77 (2): 273 283. http://dx.doi.org/10.21704/ac.v77i2.699 7. Tao J, Shen Z, Zhu C, Yue J, Cao J, Liu S, Zhu L, Zhang R. Seasonal variations and chemical characteristics of sub-micrometer particles (PM1) in Guangzhou, China. Atmospheric Research. 2012; 118: 222 - 231. https://doi.org/10.1016/j.atmosres.2012.06.025 8. Kumar M, Kumar L, Sultana S, Kumar S. The traffic linked urban ambient air superfine and ultrafine PM1.0 mass concentration, contents of pro–oxidant chemicals, and their seasonal drifts in Lucknow, India. Atmospheric Pollution Research. 2014; 5 677-685. https://doi.org/10.5094/APR.2014.077 9. Kim KH, Kabir E, Kabir S. A review on the human health impact of airborne particulate matter. Environment international. 2015; 74:136-143. https://doi.org/10.1016/j.envint.2014.10.005 10. Galindo N, Varea M, Gil-Moltó J, Yubero E, Nicolás J. The Influence of Meteorology on Particulate Matter Concentrations at an Urban Mediterranean Location Water, Air, & Soil Pollution. 2011; 215:365–372. https://doi.org/10.1007/s11270-010-0484-z 11. SENAMHI. Fenómeno del Niño en el Perú. Lima: SENAMHI; 2014. 12. Gobierno de España. Niveles, composición y fuentes de PM10, PM2.5 y PM1.0 en España: Cantabria, Castilla León, Madrid y Melilla. España; 2009. 13. Li Y, Chen Q, Zhao H, Wang L, Tao R. Variations in PM10, PM2.5 and PM1.0 in an Urban Area of the Sichuan Basin and Their Relation to Meteorological Factors . Atmosphere. 2015; 6:150-163. https://doi:10.3390/atmos6010150 I. ANEXOS ● Documento de aprobación de Comité de Ética ● Resolución de aprobación del proyecto de tesis ● Características de los equipos de monitoreo ambiental Marca y Operación, mantenimiento y Equipos Nùmero de serie modelo calibración Muestreador continuo de Thermo PM10 : E-2047 partículas Scientific ambientales FH62C14 PM1.0 : E-2049 Fecha de última calibración: 2016 Posteriormente, la operación y Sensor de mantenimiento de los equipos temperatura del Young 16400 fue verificada cada ocho días aire 41342 por personal técnico acreditado de la empresa Green Group Perú S.A.C, quienes remitieron LI-COR Piranómetro PY61970 mediante informes el correcto LI200X-L funcionamiento de los equipos. Contador de EIS tráfico de cuarta - K4 generación Informe de verificación del correcto funcionamiento de los equipos realizados cada ocho días por personal de la empresa Green Group Perú S.A.C. ● Diagrama de Cajas para material particulado (PM10 y PM1.0) mensual a) Diagrama de Cajas, en donde se identifican los valores atípicos para la validación de los datos. Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, con valores atípicos Variación mensual del PM1.0 para la estación móvil ubicada en el distrito de Comas durante el año 2017, con valores atípicos b) Diagrama de Cajas, después de eliminar los valores atípicos para la validación de los datos. Cabe resaltar que se mantiene el valor atípico de enero puesto que guarda relación con las emisiones producidas por las fiestas de año nuevo. Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, sin valores atípicos Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, sin valores atípicos ● Prueba estadística de normalidad de Anderson Darling para material particulado (PM10 y PM1.0). Gráfico de la prueba estadística de normalidad para PM10 en el verano del 2017 Gráfico de la prueba estadística de normalidad para PM10 en el invierno del 2017 Gráfico de la prueba estadística de normalidad para PM1.0 en verano del 2017 Gráfico de la prueba estadística de normalidad para PM1.0 en el invierno del 2017 ● Prueba estadística de normalidad y homogeneidad de varianzas para la temperatura del aire en verano e invierno Gráfico de la prueba estadística de normalidad para temperatura del aire en verano del 2017 Gráfico de la prueba estadística de normalidad para temperatura del aire en invierno del 2017 Gráfico de homogeneidad de varianzas para la temperatura del aire en invierno y verano del 2017 ● Prueba estadística de normalidad para la radiación solar en verano e invierno Gráfico de la prueba estadística de normalidad para radiación solar en verano del 2017 Gráfico de la prueba estadística de normalidad para radiación solar en invierno del 2017 ● Prueba estadística de normalidad para el flujo vehicular en verano e invierno Gráfico de la prueba estadística de normalidad para flujo vehicular en verano del 2017 Gráfico de la prueba estadística de normalidad para flujo vehicular en invierno del 2017 ● Correlación del material particulado grueso PM10 y el flujo vehicular para verano e invierno Correlación de Spearman del PM10 y el flujo vehicular para verano (enero-marzo) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM10 y el flujo vehicular para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y el flujo vehicular para verano e invierno Correlación de Spearman del PM1.0 y el flujo vehicular para invierno (junio-agosto) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM1.0 y el flujo vehicular para verano (enero- marzo) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y la temperatura del aire para verano e invierno Correlación de Spearman del PM10 y la temperatura del aire para verano (enero-marzo) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM10 y la temperatura del aire para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y la temperatura del aire para verano e invierno Correlación de Spearman del PM1.0 y la temperatura del aire para verano (enero-marzo) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM1.0 y la temperatura del aire para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y la radiación solar para verano e invierno Correlación de Spearman del PM10 y la radiación solar para verano (enero-marzo) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM10 y la radiación solar para invierno (junio- agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y la radiación solar para verano e invierno Correlación de Spearman del PM1.0 y la radiación solar para verano (enero-marzo) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM1.0 y la radiación solar para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y el material particulado ultrafino PM1.0 Correlación de Spearman del PM10 y el PM1.0 para invierno (junio- agosto) en el distrito de Comas durante el año 2017 Correlación de Spearman del PM10 y el PM1.0 para verano (enero-marzo) en el distrito de Comas durante el año 2017 ● Características de los equipos de monitoreo ambiental Marca y Operación, mantenimiento y Equipos Nùmero de serie modelo calibración Muestreador continuo de Thermo PM10 : E-2047 partículas Scientific ambientales FH62C14 PM1.0 : E-2049 Fecha de última calibración: 2016 Posteriormente, la operación y Sensor de mantenimiento de los equipos temperatura del Young 16400 fue verificada cada ocho días aire 41342 por personal técnico acreditado de la empresa Green Group Perú S.A.C, quienes remitieron LI-COR Piranómetro PY61970 mediante informes el correcto LI200X-L funcionamiento de los equipos. Contador de EIS tráfico de cuarta - K4 generación Informe de verificación del correcto funcionamiento de los equipos realizados cada ocho días por personal de la empresa Green Group Perú S.A.C. 18 ● Diagrama de Cajas para material particulado (PM10 y PM1.0) mensual a) Diagrama de Cajas, en donde se identifican los valores atípicos para la validación de los datos. Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, con valores atípicos Variación mensual del PM1.0 para la estación móvil ubicada en el distrito de Comas durante el año 2017, con valores atípicos 19 b) Diagrama de Cajas, después de eliminar los valores atípicos para la validación de los datos. Cabe resaltar que se mantiene el valor atípico de enero puesto que guarda relación con las emisiones producidas por las fiestas de año nuevo. Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, sin valores atípicos Variación mensual del PM10 para la estación móvil ubicada en el distrito de Comas durante el año 2017, sin valores atípicos 20 ● Prueba estadística de normalidad de Anderson Darling para material particulado (PM10 y PM1.0). Gráfico de la prueba estadística de normalidad para PM10 en el verano del 2017 Gráfico de la prueba estadística de normalidad para PM10 en el invierno del 2017 21 Gráfico de la prueba estadística de normalidad para PM1.0 en verano del 2017 Gráfico de la prueba estadística de normalidad para PM1.0 en el invierno del 2017 22 ● Prueba estadística de normalidad y homogeneidad de varianzas para la temperatura del aire en verano e invierno Gráfico de la prueba estadística de normalidad para temperatura del aire en verano del 2017 Gráfico de la prueba estadística de normalidad para temperatura del aire en invierno del 2017 23 Gráfico de homogeneidad de varianzas para la temperatura del aire en invierno y verano del 2017 ● Prueba estadística de normalidad para la radiación solar en verano e invierno Gráfico de la prueba estadística de normalidad para radiación solar en verano del 2017 24 Gráfico de la prueba estadística de normalidad para radiación solar en invierno del 2017 ● Prueba estadística de normalidad para el flujo vehicular en verano e invierno Gráfico de la prueba estadística de normalidad para flujo vehicular en verano del 2017 25 Gráfico de la prueba estadística de normalidad para flujo vehicular en invierno del 2017 ● Correlación del material particulado grueso PM10 y el flujo vehicular para verano e invierno Correlación de Spearman del PM10 y el flujo vehicular para verano (enero-marzo) en el distrito de Comas durante el año 2017 26 Correlación de Spearman del PM10 y el flujo vehicular para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y el flujo vehicular para verano e invierno Correlación de Spearman del PM1.0 y el flujo vehicular para invierno (junio-agosto) en el distrito de Comas durante el año 2017 27 Correlación de Spearman del PM1.0 y el flujo vehicular para verano (enero- marzo) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y la temperatura del aire para verano e invierno Correlación de Spearman del PM10 y la temperatura del aire para verano (enero-marzo) en el distrito de Comas durante el año 2017 28 Correlación de Spearman del PM10 y la temperatura del aire para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y la temperatura del aire para verano e invierno Correlación de Spearman del PM1.0 y la temperatura del aire para verano (enero-marzo) en el distrito de Comas durante el año 2017 29 Correlación de Spearman del PM1.0 y la temperatura del aire para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y la radiación solar para verano e invierno Correlación de Spearman del PM10 y la radiación solar para verano (enero-marzo) en el distrito de Comas durante el año 2017 30 Correlación de Spearman del PM10 y la radiación solar para invierno (junio- agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado ultrafino PM1.0 y la radiación solar para verano e invierno Correlación de Spearman del PM1.0 y la radiación solar para verano (enero-marzo) en el distrito de Comas durante el año 2017 31 Correlación de Spearman del PM1.0 y la radiación solar para invierno (junio-agosto) en el distrito de Comas durante el año 2017 ● Correlación del material particulado grueso PM10 y el material particulado ultrafino PM1.0 Correlación de Spearman del PM10 y el PM1.0 para invierno (junio- agosto) en el distrito de Comas durante el año 2017 32 Correlación de Spearman del PM10 y el PM1.0 para verano (enero-marzo) en el distrito de Comas durante el año 2017 33 ● Evidencia de envío de artículo a la revista científica 1 34