ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS...

of 93 /93
1 ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS INFECCIONES RESPIRATORIAS EN EL SECTOR MINERO DE LA BAJA GUAJIRA COLOMBIANA HELI ALFONSO ARREGOCES REINOSO INGENIERO AMBIENTAL MAESTRÍA EN INGENIERÍA (ÉNFASIS AMBIENTAL) FACULTAD DE INGENIERÍA UNIVERSIDAD DE ANTIOQUIA MEDELLÍN 2016

Embed Size (px)

Transcript of ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS...

  • 1

    ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS

    INFECCIONES RESPIRATORIAS EN EL SECTOR MINERO DE LA

    BAJA GUAJIRA COLOMBIANA

    HELI ALFONSO ARREGOCES REINOSO

    INGENIERO AMBIENTAL

    MAESTRÍA EN INGENIERÍA (ÉNFASIS AMBIENTAL)

    FACULTAD DE INGENIERÍA

    UNIVERSIDAD DE ANTIOQUIA

    MEDELLÍN

    2016

  • 2

    ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS

    INFECCIONES RESPIRATORIAS EN EL SECTOR MINERO DE LA

    BAJA GUAJIRA COLOMBIANA

    HELI ALFONSO ARREGOCES REINOSO

    INGENIERO AMBIENTAL

    TRABAJO PRESENTADO COMO REQUISITO PARA OPTAR AL

    TÍTULO DE

    MAGÍSTER EN INGENIERÍA

    ASESOR

    GLORIA RESTREPO

    PROFESORA TITULAR, UNIVERSIDAD DE ANTIOQUIA

    COASESOR

    ROBERTO ROJANO

    PROFESOR ASOCIADO, UNIVERSIDAD DE LA GUAJIRA

    MAESTRÍA EN INGENIERÍA (ÉNFASIS AMBIENTAL)

    FACULTAD DE INGENIERÍA

    UNIVERSIDAD DE ANTIOQUIA

    MEDELLÍN

    2016

  • 3

    RESUMEN

    Se estimaron las relaciones existentes entre las concentraciones de PM10 y las infecciones

    respiratorias en el sector de la Baja Guajira Colombiana, debido a las actividades mineras de

    explotación de carbón a cielo abierto. Se utilizó el modelo de dispersión CALPUFF como

    herramienta para predecir las contribuciones de PM10 en los receptores ambientales seleccionados,

    en un dominio de 150 Km por 150 Km con resolución de 1 km2. Los datos de eventos de salud

    utilizados en este estudio se obtuvieron analizando las consultas externas y urgencias por

    infecciones en las vías superiores respiratorias, reportados por 2 Instituciones Prestadoras de

    Servicios de Salud (IPS). Se determinó el Riesgo Relativo de adquisición y prevalencia de la

    enfermedad a través de un modelo de regresión. Además, se estimaron el índice de Inhalación

    (fracción de emisión que es inhalada) para 10 receptores discretos que representan más del 70% de

    la población total de la baja Guajira. El modelo de dispersión de PM10 mostro correlaciones

    superiores a 0.72 entre las concentraciones predichas y las observadas. Los resultados muestran que

    en receptores ambientales ubicados a 53.01 km desde las fuentes mineras las contribuciones de

    PM10 está en el rango de 0.31-6.21 µg/m3 mostrando las magnitudes significativas de las emisiones

    mineras. El modelo estadístico determinó que el riesgo relativo, en un radio menor a 6 km, oscila

    entre 0.47-1.58% por cada µg/m3 de PM10 recibido con periodos de latencias entre el 6-9 día. Los

    mayores valores de ingesta fueron determinados en receptores a menos de 16 km de la zona

    industrial minera alcanzándose valores de hasta 0.342. Con supuestos epidemiológicos estándar

    utilizados, la relación dosis- respuestas, se estimó que el 10.39% de los casos de infecciones

    respiratorias que se registran están directamente relacionado con la explotación minera a cielo

    abierto.

    Palabras Claves: PM10, Infecciones respiratorias, Índice de Inhalación, Calpuff, Receptores.

  • 4

    ABSTRACT

    We estimated the relationship between the concentrations of PM10 and respiratory infections in the

    area of La Baja Guajira due to the operating activities of opencast coal. CALPUFF dispersion

    model was used as a tool to predict the contributions of PM10 in a domain of 150 km by 150 km

    with a resolution of 1 km2. With health event data, outpatient and emergency department for

    respiratory infections in upper airway, reported by two institutions providing health services (IPS),

    we determined the relative risk of acquiring and prevalence of the disease. We estimated the Intake

    (fraction of emission is inhaled) in 10 discrete receptors representing more than 70% of the total

    population. The PM10 dispersion model showed higher correlations, of 0.72, between predicted and

    observed concentrations. The results show that in environmental receptors to 53.01 km from mining

    sources the contributions it is in the range of 0.31-6.21 g/m3, showing significant quantities of

    mining emissions. The statistical model determined that the relative risk, in less than 6 km radius,

    ranging from 0.47-1.58% per µg/m3 of PM10 received with periods of latency between 6-9 days.

    The higher intake values were determined recipients within 16 km from the industrial area mining

    reaching values of up to 0.342. With standard epidemiological assumptions used, dose-response, it

    was estimated that 10.39% of cases of respiratory infections that occur are directly related to the

    open-pit mining.

    Keywords: PM10, respiratory infections, Intake, Calpuff, Receptors

  • 5

    GLOSARIO

    Calpuff: Es un avanzado e integrado sistema de modelado lagrangiano para la simulación de

    procesos de dispersión de la contaminación atmosférica (Scire et al., 2000).

    Índice de Inhalación (IF): Es la cantidad de ingesta de un contaminante con relación a las

    emisiones dadas por una fuente. No es una característica fundamental de un contaminante sino que

    depende de diversos factores que pueden influir en la ingesta total de una fuente. Cuando la fracción

    de la ingesta se utiliza para estimar los riesgos, el supuesto implícito es que el efecto de la salud en

    cuestión no es dosis-dependiente de la tasa y tiene una relación dosis-respuesta lineal en todo el

    rango de las concentraciones ambientales de la región afectada. Sin embargo, el concepto en si no

    se basa en estos supuestos y puede ser modificado de acuerdo con las evidencias de la salud (Tainio

    et al., 2009; Levy et al., 2002)

    Infecciones en las Vías Respiratorias Superiores (IRAs): se refiere a las enfermedades

    localizadas en el tracto respiratorio superior: nariz, senos nasales, faringe o laringe. Es considerada

    una de las principales causas de ausentismo laboral o escolar.

    Infecciones Respiratorias Agudas: Son padecimientos infecciosos de las vías respiratorias con

    evolución menor a 15 días. Constituyen un importante problema de salud pública, pues resultan con

    la mortalidad más alta en el mundo. Los factores predisponentes más importantes se relacionan con

    exposición ambiental, datos individuales y sociales (Bennett et al., 2014).

    IPS: Instituto Prestador de servicios de Salud. En Colombia, estas instituciones prestan los servicios

    médicos de consulta, hospitalarios y clínicos, y de cuidados intensivos. Una IPS es contratada por

    las entidades promotoras de salud - EPS para que cumpla con los planes y servicios que estas

    ofrecen (promueven) a sus usuarios.

    PM10: Partículas con diámetro aerodinámico

  • 6

    tanto el Riesgo Relativo expresa la razón o probabilidad de que ocurriera el evento (enfermedad) en

    el grupo expuesto al factor. (Jiménez H., 2015; Knaus et al., 1991).

  • 7

    TABLA DE CONTENIDO

    LISTA DE FIGURAS .......................................................................................................................... 9

    LISTA DE ANEXOS ......................................................................................................................... 10

    1. OBJETIVOS .............................................................................................................................. 11

    1.1 Objetivo General ................................................................................................................ 11

    1.2 Objetivos Específicos ......................................................................................................... 11

    2. INTRODUCCIÓN ..................................................................................................................... 12

    3. PLANTEAMIENTO DEL PROBLEMA .................................................................................. 13

    4. MARCO TEORICO Y ESTADO DEL ARTE .......................................................................... 15

    4.1 Modelación Atmosférica .................................................................................................... 19

    4.2 Modelos De Regresión ....................................................................................................... 23

    4.3 Índice De Inhalación .......................................................................................................... 25

    5. METODOLOGÍA ...................................................................................................................... 30

    5.1 Modelación Ambiental PM10 ............................................................................................. 30

    5.1.1 Dominio de Modelación ............................................................................................. 30

    5.1.2 Meteorología .............................................................................................................. 30

    5.1.3 Topografía .................................................................................................................. 32

    5.1.4 Inventario y factores de Emisiones ............................................................................ 32

    5.1.5 Muestreo en receptores PM10 ..................................................................................... 35

    5.1.6 Calibración y Validación ........................................................................................... 37

    5.2 Modelo De Regresión ........................................................................................................ 38

    5.3 Índice de Inhalación ........................................................................................................... 40

    6. RESULTADOS .......................................................................................................................... 41

    6.1 Modelación Atmosférica .................................................................................................... 41

    6.2 Modelo de Regresión ......................................................................................................... 46

    6.3 Índice de Inhalación ........................................................................................................... 49

    7. DISCUSIÓN .............................................................................................................................. 52

    8. CONCLUSIONES ..................................................................................................................... 57

    9. REFERENCIAS ......................................................................................................................... 59

    10. ANEXOS ............................................................................................................................... 67

  • 8

    LISTA DE TABLAS

    Tabla 1. Estaciones en Superficie ............................................................................................... 31

    Tabla 2. Identificación de Fuentes de PM10 ............................................................................... 32

    Tabla 3.Ecuaciones Factores de Emisión .................................................................................... 34

    Tabla 4. Localización Geográfica de los Receptores .................................................................. 35

    Tabla 5. Clases de Estabilidad PGT-Zona Minera ...................................................................... 41

    Tabla 6. Emisiones de PM10 ...................................................................................................... 42

    Tabla 7. Índices estadísticos evaluación del Modelo Calpuff ..................................................... 45

    Tabla 8.Número de eventos de salud RD1 y RD7 ...................................................................... 46

    Tabla 9. Frecuencias Eventos por IRAs ...................................................................................... 47

    Tabla 10. Estadísticos Índice de Inhalación ............................................................................... 49

    Tabla 11. % IRA y CAAB .......................................................................................................... 51

  • 9

    LISTA DE FIGURAS

    Figura 1. Elementos del programa del sistema de modelación .................................................. 22

    Figura 2. Dominio de modelación.............................................................................................. 30

    Figura 3. Mina a cielo abierto .................................................................................................... 31

    Figura 4. Actividades Mineras ................................................................................................... 34

    Figura 5. Receptores Ambientales ............................................................................................. 36

    Figura 6. Receptores Discretos .................................................................................................. 40

    Figura 7. Rosas de vientos ......................................................................................................... 41

    Figura 8 .Patrones de Dispersión de los diferentes modelos ....................................................... 42

    Figura 9. Serie de tiempo semanal de PM10 ............................................................................. 44

    Figura 10. Modelación PM10 .................................................................................................... 46

    Figura 11. Contribuciones PM10 - Eventos de Salud (RD1 y RD7) ......................................... 48

    Figura 12. Índice de Inhalación en Receptores .......................................................................... 50

  • 10

    LISTA DE ANEXOS

    Anexo 1. Modelación Meteorológica ................................................................................................. 67

    Anexo 2. Resultados Modelos de Regresión - R Project ................................................................... 70

    Anexo 3. Índice de Inhalación ........................................................................................................... 77

    Anexo 4. Input Calpuff Model-Highlight .......................................................................................... 78

  • 11

    1. OBJETIVOS

    1.1 Objetivo General

    Analizar las relaciones existentes entre el material particulado PM10 y las Infecciones Respiratorias

    en el sector minero de La Baja Guajira Colombiana, cuantificar el impacto ambiental directo

    producto de la explotación minera de carbón a cielo abierto.

    1.2 Objetivos Específicos

    Modelar la dispersión de PM10 y predecir las contribuciones de PM10 en los receptores

    seleccionados, utilizando el Calpuff para establecer escenarios de Impactos directos a través de un

    análisis espacio-temporales del contaminante en la zona.

    Estimar las relaciones entre las concentraciones de PM10 e indicadores de infecciones respiratorias

    en la zona baja de la Guajira a través de un modelo de regresión.

    Calcular los índices de fracción de inhalación de PM10 en la región de dominio y su asociación con

    los índices de morbilidad estableciendo factores de riesgos de adquisición de enfermedades

    respiratoria en la zona

  • 12

    2. INTRODUCCIÓN

    Numerosos estudios epidemiológicos han encontrado una fuerte asociación entre la exposición al

    material particulado y los efectos adversos a la salud (Yin et al., 2015; Forsen et al., 2015; Pope III

    et al., 1992). Los efectos han buscado evaluar los múltiples riesgos asociados con la morbilidad y

    mortalidad en zonas donde la calidad del aire se ha convertido en una problemática. Los riesgos

    estimados van desde adquisición de cáncer, ingresos hospitalarios, días de pérdida de trabajo, días

    de actividad restringida y pérdida escolar, hasta estimar las muertes prematuras (Bryniarski et al.,

    2015; Wang et al., 2015; Shanley et al., 2015; Pope 3rd et al., 1999; Pope 3rd et al., 1995). La

    minería a cielo abierto es una de las principales fuentes emisoras de partículas a la atmosfera,

    especialmente PM10, dando la probabilidad de relaciones de dependencia entre los eventos de salud

    a pobladores que se encuentran en el área de influencia. En el norte de Colombia, entre los

    Departamento de Cesar y La Guajira, se explotaron en el 2014 aproximadamente alrededor de 81.6

    Millones de Toneladas de carbón producto de la minería a cielo abierto. Lo que representa un

    92.19% de la producción Anual del país (Minminas, 2015). Aunque los diferentes proyectos

    mineros llevan más de 20 años en ejecución, no se han determinados sus impactos directos.

    En el presente trabajo se realizó un análisis de los posibles impactos en la salud asociados con la

    exposición a los niveles ambientales de PM10 procedentes de un complejo minero ubicado en el

    sector de la Baja Guajira en el norte de Colombia. Se determinaron las relaciones de dependencia a

    través de un modelo de regresión de Poisson y un índice de inhalación alimentado por las

    concentraciones estimadas del modelo de dispersión Calpuff.

    Se determinó el riesgo relativo de presentarse un evento respiratorio, urgencias o consultas médicas

    por infecciones respiratorias agudas en las vías Superiores (IRAs), en 2 receptores discretos (RD)

    ubicados a menos de 6 km de las fuentes mineras. La población dentro del dominio se determinó a

    partir de las proyecciones de los datos del censo del 2005 realizado por el Departamento

    Administrativo Nacional de Estadística (DANE). Se calculó el índice de Inhalación en todos los

    centros urbanos con datos de entrada de los niveles de PM10 estimados en un dominio de 150 x 150

    Km con resolución de 1 km2 a partir del modelo de dispersión. Se determinó la probabilidad de

    eventos respiratorios en todos los centros urbanos ubicados debido a la exposición de las emisiones

    directas de las fuentes mineras. Las estimaciones de los efectos en la salud se basaron en funciones

    concentración-respuesta derivada de estudios epidemiológicos publicados relacionados con los

    cambios en las concentraciones ambientales, la población afectada y las tasas de incidencia de

    referencia.

    Los resultados del estudio permiten avances en la determinación de los impactos ambientales de la

    minería a cielo abierto en Colombia y de fundamentación en estudios toxicológicos en el área de

    estudio.

  • 13

    3. PLANTEAMIENTO DEL PROBLEMA

    Actualmente, es perceptible el incremento en la demanda de energía en relación con el rápido

    crecimiento de las industrias y las necesidades de las poblaciones en todo el mundo. Aunque hubo

    una disminución en el uso energías convencionales durante la última década, el carbón sigue siendo

    una fuente primaria de producción de energía (Demanda Mundial Energética, 2013).

    Colombia es el primer productor de carbón de América Latina, de las cuales las empresas mineras

    ubicadas en el norte, departamentos del Cesar y La Guajira, aportan aproximadamente el 92.19% de

    la producción anual convirtiéndose en la principal zona productora de obtención de carbón térmico

    en el país. Las proyecciones y tendencia de producción son crecientes, lo que implica aumento de

    cada una de las actividades en el proceso de exploración, explotación y transporte del producto lo

    que lleva inherente el impacto significativo sobre medio ambiente (MInminas, 2015).

    Existe una relación de dependencia entre las actividades de operación minería y la emisión de

    partículas al medio ambiente. Diferentes estudios han mostrado las relaciones existentes entre los

    contaminantes atmosféricos, específicamente partículas menores de 10 micras (PM10), y su efecto

    sobre la salud en los seres humanos en cercanía a zonas de influencia minera (Hendryx et al., 2007;

    Qu et al., 2007; Howel et al., 2001; Brabin et al., 1994).

    Hendryx et al. (2008) observaron un aumento de enfermedades respiratorias del 33% en los niños

    que vivían a una milla de una mina de carbón a cielo abierto, un aumento acumulado de 21% a dos

    millas e incluso hasta un 12% en menos de tres millas. Otros resultados muestran que cuando la

    producción de carbón se incrementa, las tasas de las enfermedades cardiopulmonares, pulmonares,

    cardiovasculares, renales y la diabetes aumentan (Hendryx and Zullig, 2009). Qu et al. (2007)

    determinaron que la proporción de los casos reportados incluía congestión del pecho (92,9%), tos

    crónica (73,9%), y producción de flema (62,5%).

    Por otro parte, un aumento de 10 microgramos por metro cúbico en las concentraciones de las

    partículas finas se ha asociado con una disminución estimada de la esperanza de vida de 80 a 60

    años (Pope, 2006). La probabilidad de hospitalización por enfermedad pulmonar obstructiva crónica

    aumentó 1% por cada 1462 toneladas de carbón, según estudios realizados en minas en Estados

    Unidos (Hendryx et al., 2007).

    A nivel regional, se ha puesto atención al problema de la contaminación atmosférica a raíz de las

    actividades mineras, debido a las múltiples quejas de los habitantes en las zonas de influencia de

    operaciones, que alegan ser afectados por el polvillo proveniente de las minas. Esta afirmación es

    un agravante al contemplar la notificación por parte de las entidades territoriales sobre los casos de

    enfermedades respiratoria agudas al ministerio de salud (MinSalud, 2013). A pesar de que los

    registros de emisiones de partículas de los muestreadores de la red de monitoreo de aire están dentro

    de los límites estipulados por las regulaciones nacionales e internacionales, es evidente el efecto

    sobre poblaciones cercanas ubicadas vientos abajo del proyecto.

  • 14

    Según informes de la secretaría de salud de la zona, la principal causa de morbilidad es la infección

    respiratoria aguda que se manifiesta principalmente en población infantil (Salas, 2004). Aunque no

    se han determinado estas relaciones con los efectos del proyecto, se presume que podría haber algún

    tipo de causalidad producto de las actividades minera. Las Infecciones Respiratorias Agudas (IRA)

    fueron la segunda causa de morbilidad y la primera causa por consultas externas e ingresos por

    urgencias en la zona en los últimos años (MinSalud, 2013).

    Actualmente, las empresas mineras de la zona están usando como herramienta de modelación y

    planeación el AERMOD. En estado estacionario los modelos de dispersión no consideran las

    variaciones temporales y espaciales en la dirección de transporte de la pluma, ni limitan el

    transporte a favor del viento de un contaminante que se dispersa en función de la velocidad del

    viento y el tiempo de viaje. Debido a estas limitaciones, los modelos de dispersión convencionales,

    tales como el AERMOD, no se consideran adecuados para predecir los impactos de calidad del aire

    en los receptores ubicados a más de 50 km de una fuente de emisión y en terrenos complejos (EPA,

    2000). De esta manera, las modelaciones usadas en la minería a cielo abierto del norte de Colombia,

    no han podido estimar el impacto ambiental de la minería más allá de su zona de influencia.

    Por ende, la EPA designó al modelo de dispersión CALPUFF como modelo preferido (Appendix A

    to W of 40 CFR 51, Summaries of Preferred Air Quality Models) para estimar el impacto sobre la

    calidad del aire para el transporte de largo alcance (distancias fuente-receptor de 50 a varios cientos

    de kilómetros) de las emisiones de fuentes puntuales, de volumen, de área y de línea. Dicho modelo

    permite mayor exactitud al determinar los efectos de las diferentes emisiones asociadas a una

    actividad en particular y relacionar con indicadores de salud pública.

    En el norte de Colombia hasta la fecha, no se han realizado estudios de aplicación de modelos de

    dispersión a mesoescala (Impactos regionales) en áreas intervenidas por minería de carbón a cielo

    abierto, a diferencia de zonas urbanas y rurales de muchas ciudades y poblaciones alrededor del

    mundo donde existe una amplia cantidad de artículos científicos que ilustran el uso de esta

    herramienta, sobre todo en zonas alteradas por actividades de transporte e industriales, diferentes a

    la minería de carbón.

    De lo expuesto anteriormente surgen las siguientes cuestiones, ¿Cómo es la distribución espacio-

    temporal del contaminante PM10 en el sector de la baja Guajira?, ¿Cómo se relacionan las

    concentraciones de PM10, producto de la actividades minera del Cerrejón, en la adquisición y

    prevalencia de Infecciones Respiratorias en los habitantes del sector de la baja Guajira colombiana?,

    ¿Cómo están determinados los factores de riesgos ambientales y demográficos en subgrupos de la

    población, especialmente niños y personas de edad avanzada, aun cuando se alcancen los niveles

    máximos permisibles contemplados en la normatividad colombiana?

  • 15

    4. MARCO TEORICO Y ESTADO DEL ARTE

    Las minas de carbón de superficies o a cielo abierto tienen diferentes características que pueden

    influir en las tasas de emisión de polvo fugitivo en las operaciones, a saber la costura de

    recubrimiento, la estructura y espesor del carbón, los equipos de minería, los procedimientos

    operativos, el terreno, la vegetación, la precipitación, la humedad de la superficie, la velocidad del

    viento y la temperatura. Este material fugitivo es transportado viento abajo de las fuentes de

    emisión e interactúa con las comunidades aledañas. La exposición de la salud humana a los

    contaminantes, especialmente el material particulado, ha sido investigada extensivamente y ha sido

    asociada con el incremento en la morbilidad y mortalidad (Brunekreef, 2002; Pope, 2006). La

    minería de carbón a cielo abierto generan mayor impacto al medio ambiente que la minería

    subterránea; debido a que, las minería a cielo causan mayor deterioro a la calidad del aire debido al

    material particulado (Ghose, 2007). Actualmente, la explotación de minas es considerado un

    problema emergente de salud pública con pocas evaluaciones formales del impacto en la salud a

    pesar de las preocupaciones ampliamente reconocidos por los posibles efectos adversos (Liu et al.,

    2013).

    Las comunidades en zona de influencia y poblaciones cercanas sufren efectos adversos debido a la

    emisión de partículas producto de las operaciones minera a cielo abierto. Dick (2008) concluyó que

    el material particulado fino y ultra fino causa un aumento en el asma en las personas. Hendryx et al.

    (2008) observaron un aumento de enfermedades respiratorias del 33% en los niños que vivían a una

    milla de una mina de carbón a cielo abierto, un aumento acumulado de 21% a dos millas e incluso

    hasta un 12% en menos de tres millas. Otros resultados muestran que cuando la producción de

    carbón se incrementa, las tasas de las enfermedades cardiopulmonares, pulmonares,

    cardiovasculares, renales y la diabetes aumentan (Hendryx and Zullig, 2009). Qu et al. (2007)

    estimaron los síntomas respiratorios de silicosis en mineros y poblaciones adyacentes debido a la

    exposición de polvo, determinando que la proporción de los casos reportados incluía congestión del

    pecho (92.9%), tos crónica (73.9%), y producción de flema (62.5%).

    Diversos estudios sugieren que las enfermedades que afectan a poblaciones cercanas a la zona de

    producción mineras están relacionadas por la composición y las concentraciones de material

    suspendido en el ambiente; donde este se compone típicamente de una mezcla compleja de

    productos químicos que es fuertemente dependiente de características de las fuentes de emisión y

    sus efectos son tangibles al entrar en exposición los seres humanos. La exposición a PM10 se

    correlaciona significativamente con muchas de las causas de mortalidad (Aneja et al., 2012).

    Las poblaciones más vulnerables son los niños que viven en comunidades cercanas a yacimientos

    mineros. Un estudio realizado al norte de Inglaterra determinó que los eventos de enfermedades

    respiratorias registradas mostraban una relación dependiente con los niveles de PM10, y su relación

    es más fuerte en minas de carbón a cielo abierto; Las asociaciones encontradas entre los niveles

    diarios de PM10 y los síntomas respiratorios en la población fueron con frecuencias pequeñas y

    positivas, estas relaciones están dadas por aparecimientos de asma y consultas clínicas (Howel et

  • 16

    al., 2001). Un aumento de 10 microgramos por metro cúbico en las concentraciones de las

    partículas finas se ha asociado con una disminución estimada de la esperanza de vida entre 80 a 60

    años (Pope, 2006). Entre los distintos contaminantes del aire, el material particulado muestra fuerte

    evidencia de efectos adversos en la salud (Pope, 2009). Con relación a los infantes pertenecientes a

    las poblaciones que viven en influencia en zona minera, Howel et al. (2001) encontró que el mayor

    motivo de consultas fue por infecciones en vías respiratorias, piel y problemas oculares (2.1 frente a

    1.5 por persona/año; OR = 1.4; 95% IC); específicamente, en condiciones respiratorias fueron

    relevantes los resultados al evidenciar una tendencia anual (1.5 frente a 1.1 por persona/año OR =

    1.5; 95% IC).

    Los estudios ecológicos revelan las incidencias en los síntomas respiratorios de los escolares, en

    zonas expuestas al polvo de carbón en un radio de 2 km, comparándolo con los escolares que viven

    en zonas sin la influencia de este. Los síntomas respiratorios fueron significativamente más

    comunes en la zona expuesta, incluyendo sibilancias (25-0, 20-6, y el 17-5%), exceso de tos (40-0,

    23-4, y 25-1 %), y ausencias escolares para los síntomas respiratorios (47-5, 35-9 y 34-9%); estas

    diferencias siguen siendo significativas, incluso si los grupos se subdividieran, en función acentuada

    por tabaquismo en los padres de los niños de la zona de estudio (Brabin et al., 1994). Por otro lado,

    un amplio estudio internacional en ocho Países europeos sobre enfermedades respiratorias crónica

    en los niños en relación con la contaminación del aire coordinado por la Organización Mundial de

    la Salud mostró claramente una asociación entre la contaminación del aire y diversos índices

    respiratorios en los niños (tos, dificultad para respirar, bronquitis) (Colley, 1980).

    La exposición de las poblaciones a partículas generadas por las actividades mineras puede estar

    vinculadas a un mayor riesgo de enfermedad pulmonar obstructiva crónica (EPOC). La probabilidad

    de hospitalización EPOC aumentó 1% por cada 1462 toneladas de carbón según estudios realizados

    en minas de carbón en Estados Unidos (Hendryx et al., 2007). Además, se encontró que hubo

    efectos negativos significativos relacionados entre la producción de carbón y la hospitalización por

    cáncer de pulmón y enfermedad renal. Dicho estudio está limitado por diferentes variables que no

    se tuvieron en cuenta, restringiendo la elaboración de una relación causal definitiva entre los casos

    de hospitalización y las actividades de extracción de carbón; el ajuste incluyó un conjunto de

    indicadores demográficos y espaciales excluyendo variables que tienen un efecto atribuible a

    deteriorar el estado de salud. Dentro de esta categorización están el hábito de fumar y el grado de

    obesidad de los individuos.

    La investigación cuantitativa de consecuencias para la salud en proximidades residenciales a la

    minería de carbón no solo está relacionada con enfermedades respiratorias, sino también con

    enfermedades cardiopulmonares, cardiovasculares, diabetes y renales. El tipo de enfermedad está

    asociada con el tamaño de partículas del ambiente (Hendryx et al., 2008). También, la variación

    composicional de los estratos de roca en diferentes zonas de trabajo de las minas determina la traza

    de metales y compuestos que pueden causar efectos adversos a la salud (Kumari et al., 2011).

    Hajat (2002) enfatizó sobre las infecciones respiratoria aguda superior (IRAs) en Inglaterra,

    encontró que “las asociaciones más fuertes se encontraron en el caso de un percentil 10-90% con

    cambios (16 a 47 μg/m3) en las partículas finas (PM10) en personas de edad avanzada y en niños

  • 17

    principalmente en los meses de invierno para estos dos grupos de edad, y en los meses de verano

    para adultos de 15-64 años”. Rosales et al. (2001) a través de un metanálisis concluyen que entre los

    efectos de PM10 cabe destacar el efecto en la mortalidad (0.96%), hospitalizaciones (1.39%), visitas

    a salas de urgencias (3.11%), síntomas respiratorios (7.72%), parámetros de función pulmonar baja

    (1.42%), capacidad vital forzada (CVF) y días de actividad restringida (7.74%). Alteraciones

    fisiopatologías por cambios en la función pulmonar han sido observada en niños o personas con

    enfermedades preexistentes.

    Por otro lado, Dassen et al., (1986) describen un deterioro en la función pulmonar en niños con

    relación a un episodio agudo de contaminación por PST, cambios que persistieron hasta por 16 días.

    Ostro et al., (1999) con un estudio de análisis de series de tiempo y regresión múltiple, encontraron

    una asociación significativa entre PM10 y consultas por infecciones en una zona influenciada por un

    alto flujo vehicular, donde un cambio de 50 µg/m3 en PM10 se asoció con un aumento de 4-12% en

    lactantes y de 3-9% en infantes en ingresos a centros de salud por infecciones respiratorias. Otro

    estudio, en la misma zona, demostró que un aumento de 45µg/m3 de PM2.5 se relacionaba con un

    aumento del 2.7% en ingresos por urgencia y del 6.7% por infecciones respiratorias crónicas con

    tres días de retraso por consultas prioritarias (Ilabaca et al., 1999).

    En zonas de influencia directa por minería a cielo abierto, Hendryx et al. (2007) relaciona el número

    de hospitalización coligada a la producción minera para la cual propone un análisis retrospectivo

    utilizando modelos lineales jerárquicos, controlando por la edad del paciente, sexo, pobreza y el

    capital social al que pertenecen. Además, Hendryx (2008), determino que las tasas de mortalidad

    fueron más altas en las zonas de extracción de carbón pesado que en zonas donde no existe o hay

    poca minería, luego de ajustar el modelo con variables que considera los efectos del tabaquismo, la

    educación, la raza / etnia y zonas rurales o urbanas. Después del ajuste de covarianza, el coeficiente

    de 41.39, para el efecto de la minería medido en toneladas se traduce en un incremento de 1607

    muertes anuales en las zonas de extracción inferidas a través de análisis realizados con datos

    recogidos en un rango de 25 años.

    Los estudios de tipo transversales que consideran los impactos de las minas a factores de salud

    pública pueden presentar varias limitaciones que pueden aumentar el error en los resultados de la

    variable respuesta y atribuir tales efectos a la minera. En primer lugar, variables no medidas, tales

    como el hábito de fumar, que por la complejidad del estudio o limitaciones de recursos no son

    incluidas en el análisis. En segundo lugar, la tasa de respuesta a las encuestas en caso de que se

    aplicase. En tercer lugar, distancias exactas de las comunidades al área fuente más próxima.

    Además, factores genéticos asociados. Aunque que, las enfermedades que se asocian con el efecto

    del carbón y el material suspendido están ampliamente apoyados en la literatura en la hipótesis que

    el riesgo aumenta con la exposición al mineral y sus actividades relacionadas (Hendryx et al.,

    2008).

    Reyna et al. (2003), sugieren para analizar los efectos de PM10 en poblaciones un estudio de series

    de tiempo basándose en un modelo de regresión de Poisson, series temporales, para obtener

    coeficientes de relación cruzadas entre las series de tiempos de las enfermedades respiratorias y

    entre las series de tiempo de las variables meteorológicas incluyendo el contaminante.

  • 18

    De acuerdo con Romero et al. (2004), un estudio ecológico de serie de tiempo que busque

    identificar la relación que guardan los índices de morbilidad con los cambios diarios en los niveles

    de contaminación atmosférica debería considerar las siguientes variables: fecha y tipo de consulta

    (primera vez o subsecuente), edad del paciente, domicilio particular, zona de residencia (

  • 19

    4.1 Modelación Atmosférica

    Estudios han empleado como herramienta de modelación AERMOND con el objeto de estimar las

    concentraciones en áreas receptoras cercanas a zonas mineras (Rodríguez et al., 2014; Cerrejón,

    2013; Huertas et al., 2012). La Agencia de Protección Ambiental (EPA) propone como modelo de

    dispersión idóneo el CALPUFF por su capacidad de manejar componentes de vientos

    tridimensionales y estimar la calidad del aire a largas distancias de las fuentes (Appendix A to W of

    40 CFR 51, Summaries of Preferred Air Quality Models). Además, instituciones británicas lo

    recomiendan por su resolución a escala local en zonas de terrenos complejos (B.C. Ministry of

    Environment, 2008). Otros modelos generan mayores incertidumbres al predecir los mecanismos de

    transferencias de los contaminantes en los receptores ubicados a más de 50 km de una fuente.

    El CALPUFF tiene la capacidad para tratar variables en el tiempo y espacio en fuentes de área,

    idoneidad para los dominios de modelado de decenas de metros a cientos de kilómetros de una

    fuente, predicción para promediar tiempos que van desde una hora hasta un año, aplicabilidad a

    contaminantes inertes y eliminación lineal y química con mecanismo de conversión y la

    aplicabilidad en condiciones de terrenos complejos (USEPA, 1998).

    En un estudio donde se buscó determinar el rendimiento de la predicción de contaminantes entre

    modelos estacionarios (AERMOND e ISC2) y no estacionarios (CALPUFF), los resultados

    mostraron que los modelos no estacionarios son más adecuados para la reconstrucción de la dosis y

    el transporte a larga distancia. Además, registraban menor varianza, alta correlación, y mayor

    número de predicciones de concentraciones diarias (Rood A., 2014).

    En las validaciones de tasas de emisión de PM10 de un complejo industrial y varias carreteras, el

    CALPUFF ha mostrado una capacidad aceptable de predecir las concentraciones de una zona

    utilizando factores de emisión publicados por la EPA y la Agencia de Medio Ambiente de la Unión

    Europea (AEMA), reduciendo actividades de campos con métodos convencionales y ha mostrado

    gran confiabilidad (Ghannam et al., 2013). Por ende, el modelo permite la aplicabilidad de opciones

    de reducciones de emisiones frentes a escenarios propuestos importantes en la toma de decisión

    (Barna et al., 2002).

    Levy et al. (2002a) utilizaron el modelo Calpuff para cuantificar los posibles beneficios para la

    salud en la reducción de emisiones a un conjunto de nueve plantas de energía en Illinois, estimando

    las contribuciones adicionales de las plantas de energía a las concentraciones ambientales con una

    precisión razonable a largas distancias. Además, aplico el modelo de dispersión atmosférica con

    datos meteorológicos derivados del modelo de ciclo de actualización rápida de la National Oceanic

    and Atmospheric Administration (NOAA). El grado de incertidumbre en modelado atmosférico no

    mostró cambios sobre la incertidumbre total asociada a efectos sobre la salud. El análisis demostró

    un enfoque que es aplicable en cualquier lugar donde se evalúen origen o relaciones de

    enfermedades de salud pública o la perspectiva de costo-beneficio para una población. Es

    importante resaltar que, el modelo estimó que aproximadamente el 40 % total de las partículas

    primarias está situado a 50 km de las plantas de energía, con valores que van desde 3% a más del

  • 20

    80% a través de estas. Otro 30% de la exposición total se produce entre 50 y 200 km, mientras que

    el resto va más allá de 200 kilómetros; la estimación central de un aumento del 0.5% en el riesgo de

    mortalidad prematura por cada mg/m3 promedio anual es producto del aumento de las

    concentraciones de material particulado derivado de la simulación.

    La capacidad del modelo debe proporcionar información útil para la evaluación de la exposición en

    áreas topográficas complejas y condiciones meteorológicas que presentan mucha variabilidad a lo

    largo del día, propio en áreas mineras comprendidas en regiones geográficas ubicadas en zona

    tórrida, para proporcionar un análisis fiable de las evaluaciones de riesgos. Macintosh et al., (2010)

    utilizaron el CALPUFF para evaluar la exposición en un ambiente de terrenos complejos y encontró

    fuertes correlaciones, desde 0.77 a 0.98, en concentraciones y velocidades de deposición en metales.

    Estos hallazgos demuestran que, CALPUFF puede proporcionar predicciones razonablemente

    precisas de los patrones de deposición de contaminantes atmosféricos a largo plazo en el campo

    asociado a las emisiones de una fuente discreta en terreno con variabilidad en el relieve y en las

    geomorfología. Como las estimaciones de deposición son calculadas como una función lineal de

    concentraciones en el aire, se espera que las estimaciones del modelo sean fiables en ambiente de

    campo cercano en terreno complejo también.

    Por otro lado, Yao et al. (2011) para validar la aplicación del CALPUFF en terrenos complejos a

    corto alcance, realizaron un experimento con trazadores en un entorno de terreno complejo de

    campo cercano para simular las condiciones reales. Sus resultados muestran que el modelo puede

    predecir correctamente la trayectoria del centroide y la forma del penacho del trazador, y los

    resultados también indicanron que los datos del tiempo observado suficiente sólo pueden desarrollar

    un campo de viento bueno para campo cercano.

    Un estudio de PM10 en Beijing, China mostró correlaciones altas de los datos observados y

    modelados presentando la aplicabilidad del mismo (Yanga, 2007). Incluso el modelo ha sido

    utilizado en diversos estudios para estimar concentración de diferentes contaminantes como SO2 y

    NOx, además de emisiones de olores, mostrando incertidumbres bajas (Hezhong et al., 2013;

    Ranzato et al., 2012). El modelo permite determinar el índice de fracción de admisión para

    diferentes contaminantes en cada grilla según los escenarios propuestos.

    Huertas et al., (2012) utilizó los modelos ISC3 y AERMOD para determinar el impacto ambiental

    en las minas de carbón a cielo abierto del Cesar, departamento que limita con La Guajira ubicado al

    norte de Colombia. Los resultados de Huertas mostraron alta correlación entre los resultados

    obtenidos y los datos medidos por las estaciones de la red de calidad de aire.

    En estado estacionario, los modelos de dispersión no consideran las variaciones temporales y

    espaciales en la dirección de la pluma, ni limitan el transporte de un contaminante en función de la

    velocidad del viento y el tiempo de permanencia en la atmosfera. Debido a estas limitaciones, los

    modelos de dispersión convencionales, tales como el AERMOD, no se consideran adecuados para

    predecir los impactos de calidad del aire en los receptores ubicados a más de 50 km de una fuente

    de emisión (EPA, 2000). Por esta razón, la modelación usada en la minería a cielo abierto en el

  • 21

    norte de Colombia, no han podido estimar el impacto ambiental y de salud más allá de su zona de

    influencia directa.

    El CALPUFF permite estimar las concentraciones de PM10 en cada grilla o áreas menores del

    dominio, teniendo en cuenta la deposición seca y transformación química de las particulas PM10 y el

    comportamiento de los flujos de vientos y características geográficas del terreno. El modelo se

    calibró recopilando información detallada de la meteorología y de la operación minera, y los

    resultados de mediciones de calidad del aire. Se realizaron corridas para el escenario de calibración,

    comparando los valores simulados con los valores reales (medidos) de los promedios anuales de

    concentración. El impacto a la salud identificado a partir de un factor de riesgo se midió por la

    concentración estimada de la grilla por la tasa de emisión de contaminante y finalmente por la tasa

    de respiración de una persona. Las concentraciones en espacio y tiempo más los indicadores de

    infecciones respiratorias permitieron establecer a través del modelo de regresión las relaciones

    existentes entre sí y generaron factores de riesgos plasmados geográficamente.

    Los principales componentes del sistema de modelado son CALMET (un modelo diagnóstico

    meteorológico en 3 dimensiones), CALPUFF (modelo de dispersión de la calidad del aire), y

    CALPOST (un paquete de pos-procesamiento). Cada uno de estos programas tiene una interfaz

    gráfica de usuario (GUI). Además de estos componentes, contiene numerosos procesadores que se

    pueden usar para procesar la información geofísica (uso de la tierra y el terreno), datos

    meteorológicos (superficie, altura de aire, la precipitación, y la boya de datos), y las interfaces a

    otros modelos tales como la Penn State/NCAR, modelo de mesoescala (MM5), los Centros

    nacionales de Predicción Ambiental (NCEP), modelos RUC Eta/NAM, el tiempo de Investigación y

    Prospectiva (WRF) y el modelo RAMS.

    Las características del modelo permitieron: (1) la capacidad de tratar en el tiempo las fuentes

    puntuales y de área, (2) la idoneidad de los dominios de modelado desde decenas de metros

    variando a cientos de kilómetros de una fuente, (3) las predicciones para tiempos que varían de una

    hora a un año promedio, (4) aplicabilidad a los contaminantes inertes y sujeción a los mecanismos

    de conversión y eliminación química lineal, y (5) aplicabilidad para situaciones de todos los terreno

    complejo (Scire et al., 2000). Estos aspectos determinan la idoneidad de la utilización del modelo

    para estudios de series temporales y ecológicas en minería a cielo abierto.

    Para alcanzar los objetivos el programa manejó tres componentes: en primera instancia, un paquete

    de modelización meteorológica con campo de vientos (diagnóstico y pronóstico); un modelo de

    dispersión gaussiano por grillas que tiene en cuenta procesos de eliminación química, deposición

    húmeda y seca, complejos algoritmos de terrenos, las construcciones de las corrientes descendentes

    y otros procesos que se dan en el ambiente. También, realizó campos de salida de datos

    meteorológicos, de concentraciones y depósitos de flujos a través de programas de post-

    procesamiento. La versatilidad del modelo radica en la ejecución con otros modelos para determinar

    las concentraciones en espacio y tiempo y simular situaciones acordes escenarios establecidos para

    la relación con covariables para estudios transversales. El Calpuff integra varios modelos

    meteorológicos, de dispersión y una amplia gama de procesamiento de datos para una interpretación

    idónea de los mismos. La figura 1 es una representación esquemática del modelo general.

  • 22

    Figura 1. Elementos del programa del sistema de modelación

    Fuente. Scire et al., 2000

    El CALMET es un modelo meteorológico que incluye un generador de campo de viento de

    diagnóstico que contiene un análisis objetivo y los tratamientos con parámetros de flujos de

    pendiente, los efectos cinemáticos del terreno, efectos de bloqueo del terreno, y un procedimiento

    de minimización de la divergencia, un micromodelo meteorológico para la tierra y la capa límite

    sobre el agua. El CALPUFF es un modelo gaussiano de vientos de Lagrange no estacionario que

    contiene módulos para complejos efectos del terreno, el transporte sobre el agua, los efectos de

    interacción costeras, la construcción de caída de flujo, eliminación húmeda y seca, y la

    transformación química simple. Por otro lado, CALPOST es un programa de posprocesamiento con

    opciones para el cálculo de promediados de las concentraciones en el tiempo y flujos de deposición

    predichas por el modelo CALPUFF y modelos CALGRID (Scire et al., 2000).

    El sistema admite modelos asociados como MM5/MM4 que permiten a los campos de vientos

    producidos combinarlos con otras fuentes de datos como parte del procedimiento de análisis.

    Además, el CALMET proporciona la idoneidad de uso del CSUMM, una ecuación primitiva de los

    modelos de campos de vientos (Kessler, 1989), el cual simula el flujo de aire resultante de las

    diferencias de calentamiento de la superficie y los efectos del terreno a nivel mesoescala.

    Otros modelos externos pueden utilizar el archivo de salida de CALMET para sus campos

    meteorológicos como los son el CALGRID y KSP. El primero, incluye mecanismos fotoquímicos y

    módulos horizontales y verticales, así como la deposición seca de las partículas. Por otro lado, El

    KSP es un modelo de múltiples capas y de especies que integra las ecuaciones de Lagrange para

    representar el transporte de las partículas, su dispersión y la deposición utilizando simulación

    cinemática explícita de procesos propios que se dan en la atmósfera.

    La versatilidad del modelo permite abordar con mayor eficacia la evaluación del impacto ambiental

    proveniente de las minas a cielo abierto a través de diferentes metodologías por la salida de datos

    que proporciona la utilización del mismo. Debido a la construcción de los datos, análisis de los

    estados y los resultados en la dispersión de contaminantes modelados, asociada con la

    incertidumbre, algunos investigadores recomiendan la utilización de CALPUFF para el control de

    CALMET

    Modelo

    Meteorológico

    CALPUFF

    Modelo dispersión

    CALPOST

    Postprocesamientos

    GALGRID

    Modelo Fotoquímicos

    Preprocesamientos

    Datos

    Meteorológicos y

    Geofísicos CSUMM

    Modelo pronóstico

    de vientos

    MM5/MM4

    Modelo

    Meteorológicos

    KSP

    Modelo de partículas

    PRTMET

    Postprocesamientos

    Modelo Dispersión

    Modelo Meteorológicos

    Post procesamientos

  • 23

    las emisiones desde perspectiva de salud pública para estructuraciones de normas y políticas (Levy

    et al., 2002a; MacIntosh et al., 2010).

    4.2 Modelos De Regresión

    Hendryx et al. (2008) sugiere, bajo el supuesto de datos de concentraciones confiables en la zona, la

    utilización de la regresión de Poisson para determinar indicadores de salud pública en sectores de

    extracción de carbón. El modelo de regresión de Poisson es ampliamente utilizado en estudios

    epidemiológicos para determinar factores que inciden en indicadores de salud sobre la población

    con la utilización de diferentes variables con intervalos de confianza del 95% (Lang et al., 2013;

    Janjua et al., 2012; Brownstein et al., 2008; Hawker et al., 2003). La distribución de Poisson está en

    la familia de los Modelos Lineales Generalizados, los cuales fueron propuestos como una extensión

    de los modelos lineales.

    Uno de los supuestos que se debe validar en los modelos lineales es la distribución normal de la

    varianza, se asume constante. Esta propiedad de la varianza es denominada homocedasticidad, y es

    fundamental en el modelo de regresión lineal simple. Cuando no se cumple esta situación, decimos

    que existe heterocedasticidad. Este fenómeno suele ser muy común en datos de corte transversal y

    series de tiempo. El cálculo de los parámetros lineales es realizado por diferentes métodos, siendo

    los más utilizados el método de máxima verosimilitud y el método de mínimos cuadrados.

    En el modelo Poisson se parametriza la relación entre la media,µ, y las variables predictoras. Las

    variables predictoras (X) están relacionadas a la razón o susceptibilidad de la respuesta al

    incremento o decrecimiento en los conteos (Y), para lo cual se tiene:

    𝑙𝑜𝑔𝜇𝑖 = 𝜂𝑖 = 𝛽𝑇𝑥𝑖 𝑖 = 1,2, … . , 𝑛 (1 )

    Fuente. Vives B., 2002

    La idoneidad del modelo radica en el predictor lineal, 𝜂𝑖 = 𝛽𝑇𝑥𝑖, el cual expresa la combinación

    lineal de las variables explicativas y proporciona el valor predicho y la función de enlace, 𝑔(𝜇𝑖) =

    𝑙𝑜𝑔𝜇𝑖, relacionando η con μ. La respuesta media debe ser positiva, al construirse la relación

    μ=exp(η) se asegura que μ será siempre positiva para cualquier η; por tanto, este tipo de modelo de

    efectos multiplicativos es confiable al explicar eventos (Vives B., 2002; Szklon et al., 2003). La

    función de enlace tiene la propiedad de que:

    𝜇𝑖 = exp (∑ 𝑥𝑖𝑗

    𝑝

    𝑗=1

    𝛽) (2)

  • 24

    Con este modelo las funciones de las covariables tienen un efecto multiplicativo sobre la respuesta

    media μ. En aquellos casos en que los conteos de las observaciones se dan en períodos de tiempo o

    espacio no homogéneos entre los valores de las variables explicativas, es recomendable incluir en el

    modelo un término adicional: la variable de exposición, también denominada “offset”.

    Simbolizando la variable “offset” por 𝑡 se obtiene que:

    𝐿𝑜𝑔(𝐸(𝑌𝑖)) = log(𝑡𝐼) + ∑ 𝑥𝑖𝑗

    𝑝

    𝑗=1

    𝛽𝑗 𝑖 = 1,2, … , 𝑛; 𝐸(𝑌𝑖) = 𝑒𝑥𝑖𝑝𝛽𝑝 = 𝜇

    (3)

    La ventaja del modelo radica en la posibilidad de modelar diversas situaciones donde la variable

    respuesta, además de continua, puede ser ordinal o discreta para poder determinar el número de

    sucesos o eventos que ocurren en una misma unidad de observación durante un intervalo temporal o

    espacial definido. Un supuesto fundamental del modelo es la independencia de las observaciones y

    homocedasticidad en la varianza. Sin embargo, en algunos casos la varianza observada es mayor

    que la varianza nominal, es decir, la varianza definida por la distribución de probabilidad. En estos

    casos se dice que existe sobre-dispersión en el modelo, situación que puede generar una

    heterogeneidad no observada una correlación positiva entre respuestas individuales. Para evitar este

    sesgo en la estimación se añade un parámetro de dispersión en la varianza.

    En muchas situaciones la respuesta o la aparición de una eventualidad está relacionada a las

    condiciones que antecedieron el momento de la observación o determinación. La aparición de casos

    por enfermedades respiratorias en la población o visitas a centro de salud se presenta después de un

    evento de alta contaminación. Muñoz et al. (2009) propone la utilización de una función polinomial

    distributiva incluida en un modelo lineal generalizado mediante modelos aditivos generalizados, a

    saber:

    𝛽𝑝 = 𝑎0 + 𝑎1 𝑝 + 𝑎2 𝑝2 +. . . + 𝑎𝑞 𝑝

    𝑞 (4)

    La función asume que el efecto fijo 𝛽 de cada variable desfasada en el tiempo sigue una función

    polinomial de orden 𝑞 y extensión 𝑝 (lag). El retraso o lag del efecto fue definido hasta 6 días

    después de ocurrir la exposición. El orden p del polinomio fue determinado a partir de análisis que

    comparó el menor error estimado según el criterio de información de Akaike (AIC), la cual es una

    función que relaciona el grado de ajuste y el número de parámetros en modelos con polinomios de

    segundo, tercer y cuarto orden. El modelo se ajustó al exceso de dispersión de los datos utilizando

    el logaritmo de la observación como función de enlace. Dicho estudio, mostró que al cuarto día de

  • 25

    retraso de la respuesta, el efecto de la exposición fue mayor, especialmente en lactantes, y vario en

    la medida que incremento la concentración atmosférica de PM10. Además, la estructura del efecto de

    cada covariable del modelo, evidencio un efecto lineal para la temperatura y mayormente no lineal

    para la humedad, en ambos grupos. También, el incremento de consultas diarias por urgencia en

    lactantes fue de 3% por cada hora de exposición a niveles sobre los 150 ppm.

    La utilización de estos modelos radica es su capacidad de inferir relaciones sobre las variables

    estudiadas. Actualmente, son utilizados en estudios de tipos epidemiológicos y relacionan diferentes

    enfermedades a factores de riesgos a través de análisis estadísticos. El análisis espacio-temporal de

    material particulado emitido en minas de carbón a cielo abierto ajustado a un modelo de regresión

    que integre indicadores epidemiológicos de las zonas de influencia proyectan un estimativo

    confiable sobre el impacto ambiental producto de las actividades.

    4.3 Índice De Inhalación

    Dentro de los indicadores epidemiológicos frecuentemente utilizados son aquellos que están

    relacionados con las infecciones respiratorias. La organización mundial de la salud ha publicado la

    Clasificación internacional de enfermedades (CIE) para fines estadísticos relacionados con

    morbilidad y mortalidad en el área de la medicina. La CIE-10, en su última versión, determina la

    clasificación y codificación de las enfermedades y una amplia variedad de signos, síntomas,

    hallazgos anormales, denuncias, circunstancias sociales y causas externas de daños y/o enfermedad

    (WHO, 2010). Cada condición de salud recibe una categoría y una codificación, para las

    enfermedades del sistema respiratorio se adoptó la codificación J00-J99, las cuales se encuentran en

    el capítulo X. Por otro lado, el establecimiento de índices, relacionados con estas enfermedades,

    permite determinar factores de riesgos epidemiológicos en un área determinada y asociarlos a

    variables inherentes de la zona.

    El concepto de índice o fracción de inhalación o ingesta permite inferir sobre factores de riesgos de

    morbilidad en un área, se define como la fracción de material liberado a partir de una fuente que es

    finalmente inhalado o ingerido por una población (Bennett et al., 2002). Fracción de inhalación o de

    ingesta es una forma simplificada de vincular la exposición de un contaminante en la población a

    las emisiones. Para un contaminante y entorno dado, se utiliza un número único para resumir la

    relación entre emisiones y la exposición en todo el dominio.

    Los índices de Inhalación de contaminantes, usualmente utilizados, presentan estimaciones de los

    efectos adversos a la salud y ha sido ampliamente utilizado en la evaluación del impacto sobre los

    seres humanos (Curci et al., 2012; van Zelm et al., 2008; Zhou et al., 2003; Bennett et al., 2002). Su

    estimación en zonas ha sido determinada a través de la modelación y utilización de herramientas

    informáticas con una capacidad alta de resolución. La fracción de inhalación de PM10 está definido

    por:

    http://es.wikipedia.org/wiki/Morbilidadhttp://es.wikipedia.org/wiki/Mortalidadhttp://es.wikipedia.org/wiki/Anexo:CIE-10_Cap%C3%ADtulo_X:_Enfermedades_del_sistema_respiratorio

  • 26

    𝑖𝐹𝑝𝑚10 =∫ ∫ 𝐵𝑅(𝑖, 𝑡)𝐶𝑝𝑚10(𝑖, 𝑡)𝑡𝑖𝑚𝑒𝑝𝑒𝑜𝑝𝑙𝑒

    𝐸𝑝𝑚10

    (5)

    Donde 𝐵𝑅 (𝑖, 𝑡) es la tasa de respiración de las personas 𝑖 en el tiempo 𝑡 y 𝐶𝑝𝑚10 es la exposición

    gradual de concentración atribuible a las Emisiones 𝐸𝑝𝑚10. El índice no es una característica

    fundamental del contaminante, sino que varía en función de la densidad de la población y las

    condiciones meteorológicas, especialmente velocidad del viento, temperatura y la altura de mezcla

    atmosférica.

    Otro factor que influye en el índice de inhalación es el tipo de fuente, Levy et al. (2002b)

    encontraron que el consumo primario de fracciones PM2.5 de carbón son por lo menos 4 veces

    mayor para móviles (a nivel del suelo) que emisiones de fuentes estacionarias (elevada),

    características semejantes en las minas a cielo abierto, utilizando estimaciones de ajustes entre

    ingesta y fuentes a través de un modelo de regresión.

    La fracción de inhalación suele obtenerse utilizando modelos de dispersión atmosférica que estiman

    los niveles de concentración en todos los receptores al multiplicarse por la población asignada a los

    mismos. Cuando la fracción de la ingesta, tal como se define anteriormente para estimar los riesgos,

    parte del supuesto implícito que el efecto sobre la salud a estimar no depende de la tasa de dosis y

    tiene una relación dosis- respuesta lineal en toda la gama de concentraciones de fondo en la región

    afectada. Sin embargo, el concepto de determinación del índice no se basa en estos supuestos, y

    puede ser modificada de acuerdo con evidencias en la salud. Por ejemplo, Humbert et al. (2011)

    proponen un enfoque para determinar el impacto utilizando el índice de la siguiente manera:

    𝐼𝑚𝑝𝑎𝑐𝑡 = 𝒆𝒎𝒊𝒔𝒔𝒊𝒐𝒏𝒔 𝑥 𝒊𝒏𝒕𝒂𝒌𝒆 𝒇𝒓𝒂𝒄𝒕𝒊𝒐𝒏 𝑥 𝒕𝒐𝒙𝒊𝒄𝒊𝒕𝒚 (6)

    Donde la toxicidad puede relacionarse con el número de enfermedades, efectos adversos o

    probabilidad de riesgo por unidad de masa. El número de inclusión de parámetro requiere el análisis

    de un diseño factorial para la interpretación fácil del factor principal evitando la complejidad a la

    hora de su determinación.

    Por otra parte, el cálculo de las concentraciones dentro del índice se ha realizado a través de la

    estimación de una matriz de fuente-receptor. Greco et al. (2007), utilizando el inventario nacional

    de emisiones realizado por la EPA, determino el índice de inhalación para cada uno de los condados

    de los Estados Unidos. La matriz utilizada es una derivación basada en regresión de la producción

    del modelo de dispersión climatológico de la zona que proporciona una base de datos de los factores

    de transferencia que resumen el impacto de las fuentes. El modelo incorpora procesos

    meteorológicos a partir de 100 estaciones en toda América del Norte utilizando un enfoque sectorial

    y probabilístico de ocurrencia de combinaciones de viento, deposición húmeda y seca. Los

  • 27

    resultados obtenidos deducen la mitad de la exposición total de material se produce por una

    distancia media de 150 km de la fuente. Las limitaciones en la utilización de esta matriz radican en

    la resolución del modelo de las diferentes áreas estudias porque puede subestimar o sobreestimar

    debido a la heterogeneidad geográfica presentada.

    El concepto de índice de inhalación ha sido ampliamente utilizado para relacionar la concentración

    con diferentes fuentes. Ha sido estimado para determinar la exposición por emisiones de centrales

    eléctricas (Levy et al., 2002b), por procesos de transportes vehiculares (Humbert et al., 2011; Greco

    et al., 2007) y centrales bioenergéticas (Curci et al., 2012). Dentro de estos estudios se han

    comparados diferentes fuentes individuales que pertenecen a la misma categorización de la fuente.

    En Europa, se determinó la fracción de inhalación temporal para dos zonas geográficas estimadas a

    partir de fuentes industriales, sitios de combustión de madera, resuspensión de material particulado

    producto de la agricultura, plantas de energía y otras fuentes antrópicas (Tainio et al., 2009). Las

    estimaciones variaban 1.3 veces cuando se calculaba mediante resolución de 5 a 30 kilómetros,

    dicha variación es debido a la densidad poblacional y prevalencia atmosférica. La variación de los

    valores entre diversos países europeos era sustancial, debido principalmente a la ubicación

    geográfica, números de fuentes contempladas en el estudio, distribución espacial de las poblaciones

    y la circulación de vientos a escala continental.

    La ligereza del modelo utilizado integrado al índice de inhalación proporciona resultados que

    permiten inferir situación de impactos ambientales. Marshall et al. (2005) se valieron de tres

    modelos para determinar el impacto sobre la salud por contaminante inhalado en un área urbana de

    los Estados Unidos.

    El primer modelo que utilizó era para combinar los datos meteorológicos, velocidad del viento y

    altura de mezcla, con datos demográficos sobre la población urbana y superficie terrestre; las

    estimaciones son razonables en la derivación de la hipótesis que el aire en la zona de estudio está

    bien mezclado, y que las concentraciones de los contaminantes no se ven afectadas por las

    velocidades de los vientos, para lo cual se obtiene que:

    𝑖𝐹𝑥1 =𝐵𝑅𝑃[𝐶𝑥]

    µ𝐻√𝐴 (7)

    Las variables de la ecuación anterior pueden ser agrupadas en tres grupos de parámetros. El primer

    grupo de parámetros, densidad lineal de población, 𝑃𝐴0.5 es atribuido a la forma geográfica donde

    se realizó el estudio.

    El segundo grupo, La tasa de dilución, µ𝐻 es un atributo de la meteorología. El parámetro final es la

    frecuencia respiratoria promedio de la población, 𝐵𝑅. En el segundo modelo, Marshall et al. (2005)

    utilizaron un modelo empírico que estima las concentraciones ambientales de un contaminante

    primario por fuente móviles y lo integraron al índice de ingesta de la siguiente manera:

  • 28

    𝐶𝑖,𝑛 = 𝑘𝑛𝐸𝑖,𝑛𝑒𝑥𝑝 (−𝐻𝑖,𝑛

    ℎ−

    𝑢𝑖,𝑛𝑢

    )

    (8)

    𝑖𝐹𝑥2 = (𝐵𝑅𝑃

    𝑉 Ø 𝑘𝑛𝐸𝑖,𝑛𝑒𝑥𝑝 (−

    𝐻𝑖,𝑛ℎ

    −𝑢𝑖,𝑛

    𝑢)) (9)

    Las variables 𝑉 y Ø representan las millas recorridas por vehículos y la fracción atribuidas al motor,

    respetivamente; considerando la aplicabilidad de la ecuación solo a fuentes móviles y en ciudades

    específicas donde se consideran los parámetros experimentales. Por último, dentro del estudio se

    consideró la aplicación del índice de inhalación al considerar fuentes categóricas y utilización de los

    factores de emisión de la EPA:

    𝑖𝐹𝑥3 = (𝐵𝑅𝐶𝑃

    𝐸𝑒𝑚𝑖𝑠𝑖𝑜𝑛 ) (10)

    Los modelos anteriores integran diferentes condiciones, parámetros y supuestos que pueden ser

    utilizados para determinar fracción de ingestas en zonas determinadas que muestre las

    características particulares de los sistemas en los cuales fueron propuestos.

    Para evitar incertidumbre en la determinación de variables experimentales de datos y determinación

    de las concentraciones para integrarlo al índice de fracción de ingesta. Muchos investigadores

    proponen la utilización de modelos de dispersiones por su capacidad de resolución, idoneidad de

    reflejar e interpretar los datos, almacenamiento de datos útiles en series temporales y versatilidad de

    manejo.

    Zhou et al. (2006) utilizaron el CALPUFF, seleccionando 29 fuentes, para estimar la fracción

    promedio anual de ingesta para partículas finas primarias; Igualmente, desarrollo un modelo de

    regresión para su interpretación y extrapolación de este índice a otros sitios de interés, su

    aplicabilidad radica categorizar las poblaciones respecto a las distancias de las fuentes. El modelo

    de dispersión de los contaminantes en CALPUFF y destreza en el manejo de la información de

    indicadores epidemiológicos permite evaluar el riesgo para la salud pública que plantea las fuentes

    de emisiones en cada zona para diferentes compuestos (Zhou et al., 2003). Una de los aspectos

    significativos del modelo está en su capacidad de determinar la vida útil de un contaminante en la

    atmósfera y la recepción de escenarios de emisiones, lo que permite estimar la dependencia del

    consumo en la población. Cuando se consideran escenarios donde existen emisiones discontinuas el

    cálculo del índice deberá está dado dependientemente a estos, debido a que puede presentarse

    valores altos en periodos de modelado corto y viceversas

  • 29

  • 30

    5. METODOLOGÍA

    5.1 Modelación Ambiental PM10

    Para modelar la dispersión se estableció un dominio de modelación definido, se estudió la

    meteorología de la zona, la topografía del área y las fuentes de emisiones de las actividades mineras

    para estimar las concentraciones en los receptores ambientales y discretos. Posteriormente, se corrió

    el modelo, se ajustó y se calibro.

    5.1.1 Dominio de Modelación

    Como dominio de modelación, se seleccionó un área de 150 km por 150 km, que contiene la zona

    de influencia de las minas a cielo abierto en el departamento, ubicadas en la zona conocida como la

    baja Guajira. Las coordenadas del dominio mínimo y máximo del modelado, en WGS, es 10°25’’

    de latitud Norte - 73°18’’ longitud Oeste y 11°11’’ de latitud Norte - 72°30’’ de longitud Oeste.

    Resolución del Dominio de 1Km con alturas verticales en 20, 40, 60, 80, 100, 500, 1000, 1500,

    3000, 4500 y 5000 metros sobre el nivel del suelo, figura 2.

    Figura 2. Dominio de modelación

  • 31

    EL Complejo minero en la baja Guajira abarca una mina a cielo abierto de carbón térmico que

    produce más de 34 millones de toneladas anuales. La mina a cielo abierto tiene 6 tajos activos de

    producción, su área de influencia directa La mina se extiende sobre unas 69.000 hectáreas.

    Figura 3. Mina a cielo abierto

    5.1.2 Meteorología

    Para la caracterización del comportamiento meteorológico de la zona de estudio, se utilizaron los

    datos de la estación meteorológica ubicada en superficie dentro de la zona del dominio de

    modelación (figura 2). La tabla 1 muestra las características de las estaciones y su fuente de

    información.

    Tabla 1. Estaciones en Superficie

    CATEGORÍAS ID UTM

    X (KM)

    UTM

    Y (KM)

    VARIABLES

    METEOROLÓGICAS* FUENTE

    Meteorológica 800350 726.808 1274.995 WS, WD, Temp, CE,

    C, PRES, RH, PREC NCDC

  • 32

    Meteorológica 800351 760.389 1232.243 WS, WD, Temp,

    RH, PREC Compañía Minera

    Radiosondeos 80035 727.148 1275.133 WS, WD, Temp

    PRES,CE NOAA

    Pluviómetro X001 764.692 1229.304 PREC Compañía Minera

    Pluviómetro X002 768.989 1231.994 PREC Compañía Minera

    Pluviómetro X003 767.430 1234.093 PREC Compañía Minera

    Pluviómetro X004 751.508 1222.967 PREC Compañía Minera

    Pluviómetro X005 750.010 1217.019 PREC Compañía Minera

    Pluviómetro X006 746.935 1213.807 PREC Compañía Minera

    Meteorológica 800352 737.3 1205.3 WS, WD, Temp,

    RH. IDEAM

    Meteorológica 800353 691.7 1153.7 WS, WD, Temp NOAA

    Meteorológica 801000 746.9 1211.4 WS, WD Compañía Minera

    Meteorológica 802000 746.7 1219.4 WS, WD Compañía Minera

    * WS= velocidad del viento; WD= Dirección del viento; Temp= Temperatura; CE= Altura del techo; C= Cobertura de nubes; PRES= Presión; RH= Humedad relativa; PREC= Precipitación.

    La información de Sondeos Verticales se obtuvo de la estación Almirante Padilla (Lat 11.53-

    long72.93; elev 4 msnm) de la ciudad de Riohacha para determinar la altura de mezcla y la

    estabilidad atmosférica.

    5.1.1 Topografía

    La información de entrada para Calpuff se procesó en dos formatos DEM (Digital Elevations

    Model) generados por la USGS (United States Geological Survey):

    USGS DEM 7.5 Minute: Cubren áreas de 7.5 minutos de latitud (aproximadamente 14 km) por 7.5

    minutos de longitud, con una resolución horizontal de 30 m.

    USGS DEM 1 Degree: Cubren áreas de 1 grado de latitud (aproximadamente 100 km) por 1 grado

    minutos de longitud, con una resolución horizontal de 90 m.

    5.1.2 Inventario y factores de Emisiones

    La cuantificación de las emisiones de las fuentes en un escenario de minería es de gran relevancia

    en la modelación de calidad del aire. Representa la información necesaria para establecer las

    características de intensidad y distribuciones espacio-temporal de las emisiones de contaminantes

    atmosféricas. Se consideraron las fuentes establecidas en el plan minero del 2013 realizado por la

    empresa y definido en la tabla 2:

    Tabla 2. Identificación de Fuentes de PM10

    CATEGORÍA DE

    FUENTES ACTIVIDAD ESPECIFICA

    UBICACIÓN DE LA FUENTE

    CONTAMINANTE

    Tajos (Pit) Remoción (Tractor o Traílla) Área de desarrollo de tajos

    Cargue Área de desarrollo de tajos

  • 33

    Empuje tractor en áreas pala Área de desarrollo de tajos

    Voladura Área de desarrollo de tajos

    Manejo de

    Meteorizados

    Cargue Área de desarrollo de tajos

    Acarreo Tajos y vías externas

    Pilas Pilas activas de carbón (erosión

    eólica y mantenimiento) Pilas

    Áreas Expuestas Erosión eólica áreas expuestas Retrollenados y botaderos

    Manejo de Estéril

    Perforación Tajos

    Voladura Tajos

    Empuje tractor en áreas pala Tajos

    Cargue Tajos

    Descargue Botaderos

    Vías de acarreo

    Tráfico de vehículos pesados Tajos y vías externas

    Tráfico de vehículos livianos Tajos y vías externas

    Mantenimiento de vías Tajos y vías externas

    Vías destapadas de

    acceso publico

    Tráfico de vehículos livianos vías externas

    Mantenimiento de vías vías externas

    Diésel Emisiones de vehículos pesados Talleres y mantenimiento

    Emisiones de vehículos livianos Talleres y mantenimiento

    Las ecuaciones de los factores de emisión relacionadas con las actividades propias de la explotación

    minera a cielo abierto fueron tomada de la última actualización del documento “Compilation of

    Emission Factors AP-42, Volume I: Stationary and Area Sources”, específicamente, de sus

    numerales 11.9 (Western Surface Coal Mining, 1998), 13.2.2 (Unpaved Roads, 2003) y 13.2.4

    (Aggregate Handling and Storage Piles, 1995). De igual manera, se utilizó el documento técnico

    “Emisión Estimation Technique Manual for Mining”, de Environment Australia (2001) para las

    actividades que no están establecidas por la EPA.

  • 34

    Figura 4. Actividades Mineras

    Tabla 3.Ecuaciones Factores de Emisión

    OPERACIÓN

    GENERAL

    ACTIVIDADES

    ESPECIFICA ECUACIÓN DEL FACTOR DE EMISIÓN UNID

    Manejo de

    Suelo

    Remoción con

    Tractor 8.44 [(

    𝑠1.5

    𝑀1.4)] ∗ 0.7 kg/hr

    Remoción con

    Traílla 0.014 kg/Mg

    Cargue 0.048 kg/Mg

    Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔

    𝟏𝟐)

    𝟎.𝟗

    (𝑾

    𝟑)

    𝟎.𝟒𝟓

    ] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍

    𝑫𝑴] ∗ [𝟏 −

    𝑪𝑬

    𝟏𝟎𝟎] g/VKT

    Descargue 0.048 kg/Mg

    Manejo de

    Meteorizado

    Cargue 0.012 kg/Mg

    Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔

    𝟏𝟐)

    𝟎.𝟗

    (𝑾

    𝟑)

    𝟎.𝟒𝟓

    ] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍

    𝑫𝑴] ∗ [𝟏 −

    𝑪𝑬

    𝟏𝟎𝟎] g/VKT

    Descargue 0.012 kg/Mg

    Manejo de

    Estéril

    Perforación 0.277 Kg/poz

    o

    Voladura 1.144𝑥 10−4 𝐴1.5 Kg/vol

    adura

    Empuje Tractor

    en Áreas Pala

    0.45 [(𝑠1.5

    𝑀1.4)] ∗ 0.75

    kg/hr

    Cargue 0.0006 [((

    𝑈2.2

    )1.3

    (𝑀2

    )1.4)] kg/Mg

    Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔

    𝟏𝟐)

    𝟎.𝟗

    (𝑾

    𝟑)

    𝟎.𝟒𝟓

    ] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍

    𝑫𝑴] ∗ [𝟏 −

    𝑪𝑬

    𝟏𝟎𝟎] g/VKT

    Descargue 0.0006 [((

    𝑈2.2

    )1.3

    (𝑀2

    )1.4)] kg/Mg

    Empuje Tractor

    en Botaderos 0.45 [(

    𝑠1.5

    𝑀1.4)] ∗ 0.75 kg/hr

  • 35

    Manejo de

    Carbón

    Empuje Tractor

    en Mantos 8.44 [(

    𝑠1.5

    𝑀1.4)] ∗ 0.75 kg/hr

    Cargue [(0.0596

    𝑀0.9)] ∗ 0.75 kg/Mg

    Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔

    𝟏𝟐)

    𝟎.𝟗

    (𝑾

    𝟑)

    𝟎.𝟒𝟓

    ] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍

    𝑫𝑴] ∗ [𝟏 −

    𝑪𝑬

    𝟏𝟎𝟎] g/VKT

    Descargue [(0.0596

    𝑀0.9)] ∗ 0.75 kg/Mg

    Otras

    Actividades

    Tráfico

    Vehículos

    Livianos

    𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔

    𝟏𝟐)

    𝟎.𝟗

    (𝑾

    𝟑)

    𝟎.𝟒𝟓

    ] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍

    𝑫𝑴] ∗ [𝟏 −

    𝑪𝑬

    𝟏𝟎𝟎] g/VKT

    Mantenimiento

    de Vías 0.0034 𝑆2

    Kg/VK

    T

    Pilas Activas de

    Carbón

    (Erosión Eólica

    y

    Mantenimiento)

    0.47 ∗ 1.8 𝑈 Kg/

    Ha*hr

    Erosión Eólica

    Áreas

    Expuestas

    0.4

    Mg/

    Ha*yea

    r

    Donde,

    𝑠: Contenido de finos del material de la superficie de las vías (%) 𝑀: Contenido de humedad del material (%) 𝑊: Peso promedio de los vehículos (toneladas cortas) 𝐷𝑀: Número de días modelados 𝐷𝑀𝑟𝑎𝑖𝑛𝑓𝑎𝑙𝑙: Número de días modelado con mínimo 0.254 mm de lluvia. 𝐶𝐸: Eficiencia de control de polvo en vías no pavimentadas (%) 𝐴: Área horizontal de voladura con profundidad menor a 21 m (m2) 𝑈: Velocidad del viento (m/s) 𝑆: Velocidad promedio de la motoniveladora en operación (km/h) 𝑉𝐾𝑇: Kilómetros viajados por un vehículo (km)

    5.1.3 Muestreo en receptores PM10

    Los receptores ambientales en la modelación de la calidad del aire representan los lugares o sitios

    de interés sobre los cuales se enfoca el análisis del impacto atmosférico ocasionado por las fuentes

    de emisión. El Método utilizado es el de referencia establecido por la CFR, (1997), adoptado en

    Colombia por la resolución 650 de 2010 (MAVDT, 2010). Para el estudio de modelación de la

    calidad del aire se consideraron los receptores presentados en la tabla 4, su ubicación se encuentra

    en la zona de influencia directa de las actividades mineras (figura 2).

    Tabla 4. Localización Geográfica de los Receptores Ambientales

    RECEPTORES

    AMBIENTALES

    NOMBRE DE LA

    ESTACION

    COORDENADAS ELEVACIÓN

    (M.S.N.M.) X UTM

    (km)

    Y UTM

    (km)

    RD9 Los Remedios 768.514 1228.057 166

  • 36

    RD11 Papayal 743.249 1216.358 155

    RD12 Provincial 747.204 1219.554 153

    RD14 Barrancas 742.622 1212.412 150

    RD15 Casitas 3 746.859 1211.44 162

    RD19 Viviendas 761.500 1233.848 96

    Figura 5. Receptores Ambientales

    RD11 RD9

    RD15

    RD14 RD12

    RD19

  • 37

    5.1.4 Calibración y Validación

    El modelo se calibró utilizando información detallada de la meteorología de la zona, de la operación

    minera, y los resultados de mediciones de calidad del aire. Se realizaron corridas para el escenario

    de calibración, comparando los valores simulados con los valores reales (medidos) de los promedios

    diarios y mensuales de concentración. Se evaluó a través de un análisis estadístico la confiabilidad

    del modelo de dispersión para determinar si los resultados obtenidos de la simulación

    computacional (concentraciones simuladas) representan correctamente a los observados

    (concentraciones monitoreadas). Los parámetros estadísticos de evaluación fueron (Pielke, 2013):

    Bias, que se define como la suma de las concentraciones estimadas (𝐶𝑝) menos las concentraciones

    observadas (𝐶𝑜) entre el número de datos. Esta dada por

    𝐵𝑖𝑎𝑠 = ∑ 𝐶𝑝 − 𝐶𝑜

    𝑁

    𝑁

    𝑡=1

    (11)

    Error cuadrático medio (RMSE), es una medida utilizada con frecuencia de las diferencias entre los

    valores predichos y los valores realmente observados. El RMSE sirve para sumar las magnitudes de

    los errores en las predicciones, es una buena medida de la precisión, pero sólo para comparar los

    errores de predicción de los diferentes modelos para una variable particular y no entre las variables,

    ya que es dependiente de la escala. La expresión para RMSE está dada por

    𝑅𝑀𝑆𝐸 = √(1

    𝑛∑(𝐶𝑝 − 𝐶0)

    2

    𝑛

    𝑡=1

    ) (12)

    Error cuadrático medio Normalizado (NMSE), es un estimador de las desviaciones globales entre

    los valores observados y pronosticados. Los valores más bajos de RMSE indican un mejor

    rendimiento. La expresión de NMSE está dada por

    𝑁𝑀𝑆𝐸 =(𝐶𝑜̅̅ ̅ − 𝐶𝑝)̅̅ ̅̅̅

    2

    𝐶𝑜 ∗ 𝐶𝑝 (13)

    Fraccional Bias (FB), varía entre +2 y -2 y tiene un valor de cero para un modelo ideal. FB está

    dada por

    𝐹𝐵 = 2 (𝐶𝑜̅̅ ̅ − 𝐶𝑝̅̅ ̅

    𝐶𝑜 + 𝐶𝑝) (14)

  • 38

    Sesgo Media Geométrica, la expresión correspondiente es MG y es una medida de sesgo entre las

    concentraciones. Se determina con al siguiente expresión

    𝑀𝐺 = 𝑒(ln̅ 𝐶0− ln 𝐶𝑝̅̅ ̅̅ ̅̅ ̅) (15)

    Media Geométrica de la Varianza o VG es una medida de las varianza de las concentraciones

    estimadas y observadas. Esta dada por

    𝑉𝐺 = 𝑒(ln 𝐶𝑜−ln 𝐶𝑝)2̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ (16)

    Index of Agreement (IOA), describe lo bien que se ajusta el modelo a las concentraciones

    observadas. El IOA está dada por

    𝐼𝑂𝐴 = 1 −∑ (𝐶𝑝 − 𝐶𝑜)

    2𝑁𝑖=1

    ∑ (|𝐶𝑜 − 𝐶𝑜̅̅ ̅| + |𝐶𝑝 − 𝐶𝑜̅̅ ̅|)2𝑁

    𝑖=1

    (17)

    Coeficiente de Correlación (r) cerca de 1 indica una correlación perfecta entre los valores predichos

    y observados. El coeficiente de correlación es dado por

    𝑟 =1

    𝑛

    ∑ 𝐶𝑜𝑖𝑛𝐼=1 − 𝐶0̅̅ ̅ 𝐶𝑝𝑖 − 𝐶𝑝̅̅ ̅

    𝜎𝐶𝑝𝜎𝐶𝑜 (18)

    5.2 Modelo De Regresión

    Se establecieron las relaciones entre la media,µ, y las variables predictoras. Las variables

    predictoras o concentraciones de PM10 (X) relacionadas a la razón o susceptibilidad de la respuesta

    a los conteos o número de visitas por urgencias en la zona (Y), para lo cual se tiene:

    𝑙𝑜𝑔𝜇𝑖 = 𝜂𝑖 = 𝛽𝑇𝑥𝑖 𝑖 = 1,2, … ., (19)

    La respuesta media debe ser positiva, al construirse la relación μ=exp(η) se asegura que μ será

    siempre positiva para cualquier η; por lo tanto, este tipo de modelo de efectos multiplicativos es

    confiable al explicar eventos. La función de enlace tiene la propiedad de que:

    𝜇𝑖 = exp (∑ 𝑥𝑖𝑗

    𝑝

    𝑗=1

    𝛽) (20)

  • 39

    = 𝑒𝑥𝑖1𝛽1 … . 𝑒𝑥𝑖𝑝𝛽𝑝 (22)

    = 𝑔−1(𝑥𝑖1𝛽1) … . 𝑔−1(𝑥𝑖𝑝𝛽𝑝) (22)

    Los datos de ingresos por urgencias y visitas al médico por infecciones respiratorias en las vías

    superiores se obtuvieron de los reportados por 2 centros hospitalarios (ESE HOSPITAL SAN

    RAFAEL DE ALBANIA y ESE HOSPITAL NUESTRA SEÑORA DEL CARMEN DE

    HATOONUEVO) ubicados en el área de influencia directa. Estas zonas fueron identificadas por

    RD1 y RD7, sobre los supuestos que todos los eventos de salud están relacionados con estas

    emisiones recibidas (figura 6). Los criterios de selección de eventualidades serán los enmarcados en

    la clasificación estadística internacional de enfermedades y otros problemas de salud (CIE 10) para

    las condiciones de salud determinadas por el compendio para las infecciones aguda de las vías

    respiratorias superiores. Las categorizaciones de las enfermedades reportadas con sus respectivos

    códigos fueron: Rinofaringitis Aguda (J00X), Pansinusitis Aguda (JO14), Sinusitis Agudas ( J018),

    Sinusitis Aguda No Especificada (J019), Faringitis (J020), Faringitis Aguda No Especificada

    (J029), Amigdalitis (J030), Amigdalitis Aguda (J038), Amigdalitis Aguda No Especificada (J039),

    Laringitis Aguda (J040), Laringitis Obstructiva Aguda (J050) e Infección Aguda de las Vías

    Respiratorias Superiores No Especificada (J069). Se excluyó las transferencias procedentes de

    otros