El ozono en la tropósfera se forma por la reacción de Compuestos Orgánicos Volátiles (COVs) con óxidos de nitrógeno en presencia de la luz solar. La reducción de la contaminación por ozono en la tropósfera requiere reducir o eliminar emisiones de fuentes de tales compuestos.
Para realizar medidas de control de emisiones de contaminantes atmosféricos, como es el caso de los COVs, es necesario realizar un monitoreo continuo para evaluar las especies o tipos de COVs precursores de ozono y concentraciones de los mismos que se presentan durante el registro a lo largo del día, y durante periodos a largo plazo, de manera que se cuente con datos o elementos que permitan desarrollar programas de calidad del aire.
El monitoreo continuo de COVs se realiza con instrumentos automatizados para el muestreo de aire ambiente, análisis de las especies de COVs y determinación de la concentración de cada especie.
Se realizó el Monitoreo Continuo de Compuestos Orgánicos Volátiles (COVs) precursores de ozono durante los meses de septiembre a diciembre de 2023, en el sitio receptor ubicado en el Instituto de Ciencias de la Atmósfera y Cambio Climático, de la UNAM.
El equipo utilizado para el monitoreo continuo de COVs consiste en un sistema que comprende un cromatógrafo de gases con detector de ionización por flama (GC-FID) en donde se determinó la concentración diurna de 57 COVs, identificados por la red PAMS (Photochemical Assessment Monitoring Stations) de USA como, precursores de ozono debido a su alta concentración en la atmósfera, reactividad para formar ozono troposférico, por clasificarse como contaminante atmosférico peligroso y/o por ser precursores de aerosoles orgánicos secundarios.
Durante el periodo de muestreo se observó que los compuestos con mayor concentración promedio son en orden descendiente, el propano (72.26 ppbV), i-butano (5.09 ppbV), n-butano (9.08 ppbV), acetileno (4.12 ppbV), i-pentano, (5.62 ppbV), n-pentano (3.76 ppbV), n-hexano (3.02 ppbV) y tolueno (4.33 ppbV).
En relación a las concentraciones promedio horario por grupos (alcanos, alquenos, aromáticos); el grupo de los alcanos presentan mayor concentración durante todo el muestreo diurno en los meses de noviembre y diciembre de 2023 (164.607 ppbV y 11.927 ppbV, respectivamente) entre las 8 y 9 horas en la mañana.
Los compuestos aromáticos presentan mayor concentración que los alcanos y alquenos en las mediciones diurnas realizadas en noviembre y diciembre de 2023; con 10.386 ppbV en noviembre y 12.792 ppbV en diciembre entre 8 y 9 horas.
En general el promedio de contribución descendente por familia fue alcanos > alquenos > aromáticos > acetileno. Los alcanos contribuyeron en un intervalo de concentración de 63-179 ppbV con un promedio de 109 ppbV, lo que representa el 82.4% de los COVs totales, así mismo los alquenos estuvieron presenten en concentraciones de 5.8-15.9 con un promedio de 9.9 ppbV (7.6 % COVT), los aromáticos en el intervalo de 4.7-12.4 y un promedio de concentración de 8.5 ppbV (6.7 % COVT) y el acetileno 2.6-6.2 y un promedio de concentración de 4.1 ppbV (3.3 % COVT).
El monitoreo continuo de COVs permitirá el desarrollo de una base de datos de precursores de ozono para conocer las concentraciones diurnas y el comportamiento de estos contaminantes en la atmósfera; lo cual se traduce en información que da soporte y sustento a las medidas para reducir las emisiones de COVs como precursores de ozono.
De la aplicación preliminar del modelo WRF-CHEM se observó que modelo sobreestima la concentración de NO, NO2 e hidrocarburos (propano), así como del Peroxiacetil Nitrato (PAN) y del nitrógeno reactivo total (NOy). Se requiere calibrar el modelo revisando el perfil de emisión de NOx, y COVs con base en las mediciones para este periodo de datos que se genere.
El modelo reproduce el comportamiento de la concentración de ozono para casi todos los días del periodo considerado. Sin embargo, se sobreestimó el pico del día 19 de noviembre de manera considerable. Debido a que se tuvieron 3 frentes fríos en este periodo de simulación, se sugiere que esta sobreestimación puede ser ocasionada por errores de transporte en el modelo. Actualmente se revisa la configuración para mejorar el desempeño del modelo para este periodo.
Grupo de trabajo:
- M. en I. Emma Bueno
- M. en C. Ana Karen Portillo Sánchez
- Dr. Ricardo Torres
- Dra. Elizabeth Vega
Consulta el siguiente video para mas información: VIDEO
Puedes consultar el informe completo en el siguiente enlace: PDF