Artículo de opinión escrito por la profesora e investigadora CIUP, Soledad Espezúa, para el boletín Punto de Equilibrio n°37: Enfrentar la violencia de género en el Perú.
La mala calidad del aire es un problema frecuente en muchos centros urbanos. En Lima, la situación no es muy alentadora, en el 2022 nos ubicamos como la segunda ciudad con el aire más contaminado de Latinoamérica de acuerdo al último reporte de IQAir, alcanzando una media anual de material particulado fino de 25.6 µg/m³, valor muy por encima de lo recomendado por la Organización Mundial de la Salud (10 µg/m³). Existe amplia evidencia científica de la conexión entre vivir en ambientes de mala calidad del aire y el riesgo aumentado de padecer enfermedades respiratorias y cardiovasculares crónicas.
El monitoreo continuo de la calidad del aire a través de redes de sensores es un punto clave para que las ciudades puedan enfrentar mejor el problema de la contaminación del aire. Estas redes pueden proporcionar a las autoridades información detallada sobre la distribución espacio-temporal de los contaminantes del aire y con ello facilitar el diseño de estrategias de intervención y mitigación. Los ciudadanos también pueden beneficiarse de los datos recopilados por las redes de monitoreo, ya que les puede permitir conocer en tiempo real el estado del aire de su entorno y evitar así sobreexponerse a aire contaminado.
A pesar de sus beneficios, desplegar redes de monitoreo de calidad del aire con estaciones certificadas es un gran desafío para países en vías de desarrollo, debido a los altos costos asociados. En Lima, por ejemplo, la red oficial de monitoreo gestionada por SENAMHI tiene 10 estaciones con varias de ellas fuera de servicio, lo que claramente es insuficiente para una ciudad de más de 3000 Km2 y nueve millones de habitantes.
Recientemente han surgido tecnologías alternativas de bajo costo para el censado de la calidad del aire. Estas soluciones dan la posibilidad de implementar densas redes de monitoreo a costos accesibles, lo que puede permitir entender la distribución de los contaminantes aéreos a una resolución espacial muy fina. En nuestro país, desde el 2020 la Municipalidad Metropolitana de Lima (MML) ha venido desplegando una red de monitoreo con sensores de bajo costo que a la fecha suman más de 30 estaciones.
A pesar de las grandes posibilidades que proporcionan los sensores de bajo costo para el monitoreo en ciudades, la confiabilidad de sus datos suele ser cuestionable. Los fabricantes comúnmente proporcionan funciones de calibración para corregir las mediciones y aumentar su confiabilidad. Sin embargo, dichas funciones son normalmente ajustadas en ambientes controlados de laboratorio, por lo que suelen ser poco útiles en condiciones reales de operación. Alternativamente, se suele realizar la así llamada "calibración in situ" en la cual se co-localiza una estación certificada (sensor de referencia) junto al sensor de bajo costo (sensor candidato) y se recopilan mediciones simultáneas durante un período de tiempo para luego ajustarse una función de calibración que corrija las mediciones del sensor candidato lo más próximo a las del sensor de referencia.
La calibración in situ es el método preferido para mejorar la confiabilidad de los datos de los sensores de bajo costo, ya que las funciones de calibración son ajustadas en condiciones reales. Sin embargo, tiene la desventaja de que para cada nuevo sensor candidato que se quiere incorporar a la red se tiene que recopilar datos junto a estación de referencia por un periodo considerable de tiempo (según los lineamientos del MINAM, el periodo debe ser de 40 días), implicando costos operativos y demora en puesta a punto del sensor. Adicionalmente, estos sensores suelen presentar sensibilidades no lineales a las condiciones ambientales como la temperatura, humedad y contaminación, complicando aún más el proceso de calibración.
Es en este punto que la Inteligencia Artificial (IA) puede dar un gran aporte. En un trabajo colaborativo que realizamos recientemente entre investigadores de la Universidad del Pacífico (UP), la Pontificia Universidad Católica del Perú (PUCP) y la Municipalidad Metropolitana de Lima (MML), y con el auspicio de la Fundación Horizonte Ciudadano de Chile, desarrollamos un método de calibración de sensores de material particulado (PM2.5 y PM10) basado en técnicas de IA con capacidad de generar funciones de calibración usando tan solo 4 días de datos de intercomparación con el sensor de referencia y elevando la calidad de los datos de PM2.5 a un nivel considerado como medición equivalente por el standard ambiental de la Unión Europea. Estos resultados positivos se atribuyen a la estrategia propuesta de reutilizar modelos de calibración preajustados y a la capacidad que tienen los modelos de IA actuales de lidiar con complejidad y no linealidad. El trabajo ha sido publicado recientemente en la prestigiosa revista Sensors (https://doi.org/10.3390/s23073776).
La mala calidad del aire es un problema importante y de larga data que afecta directamente nuestra salud y calidad de vida. Muchas voluntades deben alinearse en diferentes sectores gubernamentales para encontrar una solución definitiva. Disponer de una adecuada capacidad de monitoreo de la calidad del aire es ciertamente un paso necesario para la solución. El trabajo que realizamos apoya justamente en ese objetivo, proponiendo una metodología para mejorar la calidad de los datos de sensores de bajo costo que nuestras ciudades pueden adquirir. Este trabajo demuestra también que las soluciones a problemas importantes de nuestras ciudades pueden encontrarse cuando la academia y las entidades gubernamentales trabajan de la mano.
Lea también Punto de Equilibrio n°36: Prevención frente a lluvias e inundaciones, el aporte desde la academia. Consulte aquí las ediciones pasadas de Punto de Equilibrio.
Copyright 2019 - Centro de Investigación de la Universidad del Pacífico