Whitepaper del Grupo de trabajo de calidad del aire en ciudades de Ametic

Determinados contaminantes como los gases con efecto invernadero están relacionados con el calentamiento global. De ello se pueden derivar consecuencias negativas en el PIB mundial y, de hecho, éste podría llegar a ser un 4% inferior con respecto al que habría sin efectos de cambio climático. Además, mitigar los efectos de los desastres naturales provocados por calentamiento global lleva aparejadas ingentes cantidades de dinero que podrían alcanzar el 2% del PIB.

Urge disminuir drásticamente la contaminación del aire empleando todos los recursos a nuestro alcance. Y para acometer este proceso, es preciso no sólo caracterizar la calidad del aire con respecto a los principales contaminantes, sino efectuar una monitorización continua de los datos para poder adoptar planes y decisiones fundadas a corto, medio y largo plazo.

La población urbana del planeta está creciendo a un ritmo muy elevado, generando incrementos de la concentración de contaminantes en las ciudades y sus áreas metropolitanas que afectan negativamente a la salud por lo que los edificios son los principales aliados en la lucha contra el cambio climático. Es necesario dotar a los edificios de elementos destinados a captar y transmitir adecuadamente datos de calidad del aire no sólo en exteriores, sino también en interiores. No en vano, la calidad del aire en interiores puede llegar a ser de dos a cinco veces peor que la calidad del aire exterior y las personas estamos en los edificios más del 85% de nuestro tiempo (una muy buena parte de la vida). Ello es motivo más que sobrado para auditar también la calidad del aire en interiores En este sentido, en el presente whitepaper del Grupo de trabajo de calidad del aire en ciudades de Ametic se presenta los elementos fundamentales del proceso de monitorización de la calidad del aire que abarca desde que se capturan los datos relativos a los contaminantes hasta que se adoptan las decisiones para la mejora de la calidad de vida del ciudadano.

En lo que se refiere a la captura del dato, Internet de las Cosas (IoT) es un elemento clave para aumentar la granularidad espacial en la medición. Gracias a la Inteligencia Artificial y al Machine Learning, los sensores que utilizan IoT pueden alcanzar una precisión suficiente para medir la calidad del aire reduciendo drásticamente el coste del equipamiento. Incluso a menos de la décima parte que el del equipamiento utilizado en las estaciones meteorológicas convencionales.

El proceso de gestión inteligente de calidad del aire que abarca desde que se capturan los datos relativos a los contaminantes en exteriores e interiores hasta que se toman decisiones.

Una vez capturado el dato, se hace necesario transmitirlo de una manera eficiente. Para ello nacen las Low Power Wide Area Network. Conocidas por sus siglas LPWAN, están concebidas para proporcionar áreas de cobertura superiores a los 10 kilómetros de radio y adaptadas al escaso tráfico generado por las redes de sensores IoT. Todo ello con un bajo consumo. A su vez, los servicios MTC o mTC definidos en el Release 17 del 3GPP permiten la utilización de 5G para este propósito.

Naturalmente si la captura se hace en los edificios, estos dispondrían de medios para poner estos datos a disposición de los sistemas que los necesiten, principalmente la ciudad y su plataforma de gestión.

Para que los datos recibidos sobre la calidad del aire seas útiles, es necesario analizarlos y transformarlos en información útil. En entornos tan complejos como los de una ciudad, se hace imprescindible la ayuda de la Inteligencia Artificial para analizar, modelizar y predecir la calidad del aire tanto en los espacios abiertos como en los entornos cerrados. Además, por medio de algoritmos se pueden proponer o desencadenar automáticamente actuaciones para revertir la mala calidad del aire. En combinación con los Sistemas de Información Geográfica permite evaluar rápidamente el tipo de respuesta que hay que aplicar en un determinado momento y lugar, aplicando de manera focalizada las medidas de contingencia y prevención necesarias.

Llegado el momento de adoptar decisiones, resulta necesario predecir escenarios, identificar fuentes de contaminación, integrar las distintas fuentes de datos, presentar niveles de calidad a los ciudadanos, generar alertas por niveles peligrosos o analizar el impacto de la contaminación en los ciudadanos.

Obviamente, se necesitan elevados niveles de seguridad y de ciberseguridad que cubran todo el proceso y, en especial, lo referente a IoT.

Los aspectos presentados en su conjunto en el presente whitepaper son esenciales para poder adoptar las políticas y medidas que permitan luchar contra la contaminación del aire y sus efectos nocivos.

En entornos tan complejos como los de una ciudad, se hace imprescindible la ayuda de la Inteligencia Artificial para analizar, modelizar y predecir la calidad del aire tanto en los espacios abiertos como en los entornos cerrados.

El uso de tecnología IoT permite hacer visible lo invisible. Para medir la calidad del aire, se usan sensores ubicados en diferentes puntos de la ciudad y en el interior de los edificios. Estos sensores son capaces de capturar los diferentes gases que componen el aire.

La ciencia ha logrado identificar los contaminantes del aire que más afectan a nuestra salud (por orden de importancia):

1. El material particulado
2. NO₂
3. O₃
4. SO₂
5. CO
6. Otros contaminantes

La medida de estos parámetros indicará qué Índice de Calidad del Aire (AQI por sus siglas en inglés) tiene la ciudad en cuestión.

En España hay instaladas unas 600 estaciones de referencia en todo el territorio, en su red de vigilancia estatal para la Calidad del Aire. Se llaman “estaciones de referencia” a las estaciones de medida de calidad del aire de altísimas prestaciones de propiedad pública. Hay que ver estas estaciones como pequeños laboratorios químicos.

Todas ellas suelen presentar similares características: son de calidad extrema en todas sus dimensiones (precisión, repetibilidad, fiabilidad, etc.) y sus mediciones poseen “valor legal” ya que existen directivas europeas que describen claramente cómo han de ser, el número que debe haber en cada municipio, etc.

Sin embargo, estas estaciones tienen un precio muy superior a los 200.000 euros, no son autónomas (requieren toma de electricidad) y los métodos de medición están en ocasiones poco automatizados. Por ejemplo, no se utilizan sensores para medir el material particulado, sino mediante un filtro que captura las partículas. El operario tiene que acceder físicamente para recoger las muestras de varios días y pesar en una balanza de precisión los microgramos de partículas por cada periodo.

Si bien estas estaciones ofrecen alta calidad en la medida, sus altos costes de adquisición y de operación hacen que sólo sea posible desplegar un número limitado. Es deseable lograr una mayor granularidad espacial, disponiendo de un número mucho mayor de estaciones de referencia, pero es complicado por razones económicas.

Los principales contaminantes a los que la población se ve expuesta en exteriores de zonas tanto urbanas como rurales son el monóxido de carbono (CO), el material particulado (PM), el dióxido de nitrógeno (NO₂) y el dióxido de azufre (SO₂), cuyas fuentes principales son la industria, el tráfico o las calderas.

El Internet de las Cosas (IoT) responde a esta demanda. El mercado ha creado dispositivos de medida de calidad del aire que ofrecen unas buenas prestaciones, pero a un precio mucho más reducido. A pesar de que su precisión no es tan alta, esta suele ser suficiente para muchos casos de uso, resultando en un ratio de calidad/precio muy alto. Además, al ser dispositivos creados no tanto por químicos sino por tecnólogos, incorporan tecnologías innovadoras que amplían su usabilidad y reducen las operaciones de mantenimiento.

El mercado de calidad del aire suele considerar aparatos low-cost a los que tienen un precio por debajo de 30.000 €. No sólo el precio es un punto a favor. Este tipo de dispositivos de bajo coste permiten automatizar las mediciones gracias a las tecnologías punteras de comunicación inalámbrica.

Además, su tamaño más reducido permite su transporte. Igualmente, su capacidad de ser alimentados por baterías y paneles solares permiten su independencia de una toma de corriente, lo que reduce todavía más los costes del proyecto final.

Adicionalmente, dichas estaciones debieran de incorporar algoritmos de Inteligencia Artificial y Machine Learning para acercar su precisión y fiabilidad a las de las estaciones de referencia, aprendiendo de sus valores.

Se usan valores patrón para calibrar y a veces instrumentos patrón: se calibra por co-location. Al situar una estación inteligente de calidad del aire junto a la estación de referencia, aprenderá de los datos que ésta vaya generando y los compartirá con el resto de estaciones de calidad del aire colocados en diferentes puntos de una ciudad consiguiendo así la granularidad deseada.

Estos aparatos ofrecen una solución de compromiso. Las estaciones de bajo coste complementan las estaciones de referencia. La población se beneficia cuando las ciudades invierten en medidores profesionales de calidad del aire ambiental de bajo coste, ya que se puede obtener una resolución más alta de los datos que pueden compartirse en plataformas públicas.

Dispositivo de captura de contaminantes. Fuente: Libelium.

La modelización numérica es otro método de obtención de información de contaminación atmosférica. Se utiliza en calidad del aire para simular el comportamiento y la dispersión de los gases contaminantes. Esta técnica, a diferencia de la información aportada en las estaciones de medida, permite la obtención de valores de contaminación en cualquier punto de la ciudad o bajo condiciones hipotéticas (por ejemplo, permite la realización de escenarios).

Por otro lado, mientras que las estaciones de medida registran el valor real, es importante tener en cuenta que los modelos numéricos representan una aproximación de la realidad.

La modelización numérica se basa en la representación de la dinámica atmosférica mediante ecuaciones físicas calculando la concentración de contaminantes en cualquier momento y punto del núcleo urbano. Así, este método reproduce los procesos reales de dispersión de contaminantes, dependiendo de la exactitud del resultado del modelo y de los procesos considerados (p.ej. impacto de la vegetación). Como es lógico, la calidad del resultado depende en gran medida del conocimiento e incertidumbre de las fuentes.

La ventaja principal de la modelización es que los modelos proporcionan datos en todos los puntos de una ciudad, y a varios niveles de altura, siendo capaces de representar la variabilidad espacial. Estas herramientas permiten la realización de escenarios pudiendo, por ejemplo, estimar el impacto de una medida de reducción de la contaminación atmosférica. También permiten estudiar por separado cada sector contaminante, ayudando así a priorizar las medidas de mejora de la calidad del aire.

Existen distintos modelos, con distintos niveles de complejidad o distintas aplicaciones. En este sentido, es importante una correcta valoración del modelo a utilizar, dependiendo del interés y alcance del estudio.

Los modelos de alta resolución tienden a tener un mayor coste computacional, es decir, requieren de máquinas más potentes y limitan el tamaño de la zona de estudio. Esto obliga a llegar a un compromiso entre resolución, área de estudio y poder computacional disponible.

Actualmente, el modelo más recomendado por la Unión Europea es CHIMERE. Se trata de un modelo multiescala de química-transporte diseñado para producir análisis precisos de episodios de contaminación, previsiones diarias de contaminantes y simulaciones a largo plazo (estaciones o años enteros) para escenarios de control de emisiones, permitiendo entender la dispersión de la contaminación en una escala urbana.

Actualmente, en el contexto de la Unión Europea se ha definido una nueva norma que describe y estandariza la metodología relacionada con los sistemas de sensores, denominada CEN/TS 17660-1:2021}, permitiendo evaluar si el sensor cumple con los límites de incertidumbre definidos en la Directiva 2008/50/CE, y clasificándolos en Clase I, II y III en función de su calidad, mediante dos maneras diferentes. La primera es una combinación de ensayos de laboratorio y ensayos de campo, y la segunda son ensayos de campo ampliados.

Como ha quedado indicado antes, la calidad del aire en interiores puede llegar a ser de dos a cinco veces peor que la calidad del aire exterior. Se produce la paradoja de que cuanto más caluroso y contaminado está el aire en el exterior, más tiempo nos refugiamos en el interior de viviendas y edificios haciendo que estos sean más nocivos.

Los contaminantes del aire interior son variados, pero suelen destacarse los contaminantes químicos, los compuestos orgánicos volátiles (COV) y el dióxido y monóxido de carbono (CO₂). También se tiene en cuenta si existe una alta carga de partículas biológicas (hongos, bacterias, esporas, etc.).

Según la OMS, el 30% de los edificios podría sufrir 'Síndrome del Edificio Enfermo', situación en la que los ocupantes de un edificio presentan quejas sobre las condiciones ambientales que afectan al confort y a la salud, como, por ejemplo, mala ventilación, temperatura inadecuada, exceso de ruido, etc.

Si algo nos ha enseñado la crisis del COVID-19 es sobre la importancia de la medición de CO₂ y la necesidad de ventilar como forma de controlar su concentración. Los virus se propagan a través de las partículas que se originan con la respiración, la tos o el habla, por lo que se puede utilizar el nivel de CO₂ de un espacio interior para estimar si su ambiente contiene un aire potencialmente infeccioso.

Las recomendaciones sanitarias sugieren evitar las aglomeraciones y los espacios mal ventilados. Acciones tan sencillas como abrir una ventana o ampliar la distancia entre personas pueden ser cruciales, pero esto no siempre es posible.

Al igual que con la calidad del aire en exteriores, en interior también es necesaria una granularidad mediante aparatos de medición de CO₂. La mayoría de centros educativos en España han pasado dos inviernos con las ventanas abiertas por falta de una medición de la concentración de CO₂ en el aula. Esto no sólo implica mayor riesgo de gripes y resfriados comunes (y sus correspondientes bajas laborales o pérdida de horas lectivas) sino también mayor consumo de energía y un aumento considerable del gasto teniendo en cuenta que un edificio puede perder aproximadamente entre el 13% y el 30% de la energía por las ventanas.

Para descargar el informe completo pueden hacerlo en este enlace: White paper del Grupo de trabajo de calidad del aire en ciudades de Ametic