| Abril
de 2007
Artículo aparecido en El
Mercurio Conama
desata pugna al desechar modelo de pronóstico de la Usach
VÍCTOR ZÚÑIGA Inquietud y molestia existe
en la Universidad de Santiago por la decisión discrecional de la Comisión
Nacional del Medio Ambiente (Conama) metropolitana de adoptar el modelo de pronóstico
"Cassmassi", del Centro Nacional del Medio Ambiente de la Universidad
de Chile, y no el "Neuronal" de la Usach, que resultó ser
más efectivo al pronosticar episodios críticos de la calidad del
aire de Santiago entre 2003 y 2006.
Incluso, en la Usach plantean que
hubo presiones sobre la Conama para favorecer financieramente a la Universidad
de Chile con esta decisión.
El profesor del Departamento de Física
de la Universidad de Santiago Patricio Pérez indicó que el modelo
"Neuronal" fue un 89% más efectivo al pronosticar los diversos
rangos de la calidad del aire en el año 2006: bueno, regular, alerta y
preemergencia, mientras que el modelo oficial "Cassmassi" de la U. de
Chile fue certero en un 78%.
"El modelo Cassmassi pronosticó
31 alertas el año pasado y el Neuronal 17, de las que se constataron al
final 7 [24 falsas alarmas v/s 10]. El modelo de la U. de Chile pronosticó
6 preemergencias, de las cuales no se constató ninguna. El modelo
Neuronal no pronosticó preemergencias", dijo el académico.
El profesor Pérez cuestionó que no se haya licitado el modelo como
ocurrió en 2006 [favoreciendo de este modo al modelo de inferior
confiabilidad]. El director de la Conama metropolitana,
Alejandro Smythe, confirmó que por consideraciones técnicas
(????) se optó por el sistema de la Universidad de Chile, que recibirá
$40 millones este año al entregar los pronósticos a las autoridades
ambientales.
Descartó presiones sobre la Conama
para favorecer a esa corporación, y aseguró que el área metropolitana
contará con un buen sistema de pronósticos. Cabe
señalar que durante el año 2006 el modelo Cassmassi compitió
con el Neuronal en una
licitación que fue ganada por el Modelo Neuronal.
¿Cuáles son las "consideraciones técnicas"
que ahora indicarían la superioridad del mismo modelo Cassmassi
que perdió la licitación el año pasado? |
Evolución de la Calidad del Aire: 2004-2006 
|
Confiabilidad Modelo Neuronal: 2004-2006 
|  |
| |
Abril
de 2005
MODELO
CASSMASSI VERSIÓN 2.0
Términos Técnicos
* PM10: Material Particulado de diámetro inferior a 10 micrómetros
* C24: Concentración de 24 horas = Promedio de PM10 durante las últimas
24 horas (media móvil)
* ICAP: Indice de Calidad del Aire según
el Material Particulado (se transforma C24 en ICAP mediante la utilización
de una ecuación lineal con distintas pendientes por tramo)
* PMCA:
Potencial Meteorológico de Contaminación Atmosférica (un
número entre 1 y 5 que caracteriza al escenario contaminante)
* Modelo Cassmassi: Modelo de pronóstico oficial del gobierno, ideado por
Joseph Cassmassi ( Jefe de la Unidad de Pronóstico de la Calidad del Aire
de la Costa Sur de California - USA). El modelo se sustenta en regresión
lineal múltiple, técnica de resultados precarios, de acuerdo
con los trabajos de Edward Lorenz (experto en predicción del clima)
* Modelo Neuronal de Pronóstico: Modelo de pronóstico ideado por
el "Grupo de Pronóstico USACH", basado en Teoría del Caos
y sistemas no lineales. El Modelo ha demostrado su alto performance durante
los últimos 10 años. Sin embargo, las autoridades lo ven apenas
como una "anécdota". |
|
|
Sábado 16 de Abril:
Situación crítica en Pudahuel Al
momento de la emisión de este informe, las autoridades no se habían
pronunciado sobre la preemergencia. *
El día viernes 15, la CONAMA pronosticó "Situación Regular"
(ICAP < 200)
* Ver información sobre el Modelo
Cassmassi 1.0
* Ver información sobre el Modelo
Neuronal (actualmente sin apoyo económico) |
Mientras
Pudahuel marcaba un ICAP de 294,
la CONAMA reportaba una situación
"Buena" (??)
Durante agosto de 2004, el colegio Médico ideó
un algoritmo para deducir el PM10 hora por hora a partir del ICAP, lo que provocó
celos profesionales en el SESMA. Soledad Ubilla, Directora del Sesma durante el
2004, indicó que el algoritmo del Colegio Médico carecía
de validez sanitaria y que sólo servía para confundir a la población.
Por su parte, el Colegio Médico señaló que el PM10 horario
(y no el promedio de 24 horas) es la variable que se correlaciona directamente
con daños irreparables a la salud (como preinfartos).
Por
otro lado, durante el segundo semestre de 2004, Pablo Badenier (Director de la
CONAMA RM) llamó a una licitación pública para actualizar
el Modelo Cassmassi debido al desprestigio de éste relacionado con la alta
cantidad de episodios sobreestimados. El equipo ganador conseguiría
un financiamiento de $50 millones, exigiéndose que los equipos postulantes
contaran con un experto internacional, como si el hecho de ser extranjero garantizara
un mejor estándar que el de los científicos chilenos. La licitación
fue hecha a la medida del equipo de Cassmassi, pero después de haber ganado
la licitación, Cassmassi no participó en el proyecto, aunque
comentó que sería bueno analizar el comportamiento no lineal del
sistema, cosa que lleva haciendo el Modelo Neuronal desde hace diez años.
Al final el nuevo predictor (Cassmassi 2.0 "Ajustado") resultó
ser otra vez una ecuación lineal, que incluye entre sus variables de entrada:
- El PMCA pronosticado
- El PM10, C24 y/o el ICAP
- La tempertura de la
isóbara de 900 hPa
- El cambio en 24 h de la altura de la isóbara
de 500 hPa a las 12 UTC
(Cabe señalar
que Cassmassi 2.0 pronosticó una situación "Regular"
para el día 16 de abril, siendo la situación constatada una Preemergencia)
El
equipo ganador generó diversas ecuaciones que ajustaban el pasado (años
2000-2003) y que pronosticaban a posteriori (no on line) las situaciones
de contaminación acaecidas durante el 2004. El informe final incluye:
- Generación de perfiles diarios de contaminación (contaminación
promedio v/s día de la semana)
- Estudio de la correlación entre
un centenar de posibles predictoras v/s la contaminación atmosférica
- Análisis de Conglomerado mediante técnicas de componentes principales
(generación de "clusters" o de conjuntos de días con características
similares)
- Análisis jerárquico mediante la utilización
del método Average Linkage
- Técnicas de Regresión
Lineal Múltiple
- Caracterización estadística del
comportamiento del sistema (ej: distribución de las masas de aire por cluster)
- Nuevo método de estimación de la confiabilidad (variables "Score"
y PC20 = % de casos pronosticados con una desviación menor que 20 ug/m3N)
- Ecuaciones lineales para el PM2.5 y para el PM10 (con y sin intercepto)
- Evaluación de la red de estaciones meteorológicas y de la red
de monitoreo de la contaminación (MACAM II)
| Para el año 2005 se prevé un aumento
de las situaciones críticas de contaminación atmosférica
debido a:
- La crisis del gas (sustitución por combustibles más
"sucios")
- El retraso del Plan Transantiago
- El desprestigio
del Modelo Cassmasi, lo que en la práctica convierte las decisiones técnicas
en políticas
- La gran desviación estándar prevista para
el tiempo atmosférico debido al cambio climático y los fenómenos
de El Niño y La Niña
- La actual realización de múltiples
obras de infraestructura en Santiago (partículas en suspensión)
| "Queremos evaluar el Modelo
Neuronal y contar con más información y de mejor calidad"
Guillermo Díaz, Director Conama RM "La gente puede estar tranquila,
porque el modelo Cassmassi es el mejor modelo en el mundo"
"El modelo
[Cassmassi] es bueno. El punto es como nosotros contaminamos menos y no como predecimos"
Marcelo Trivelli, Intendente Metropolitano
|
Comparación año 2003
"No apreciamos ninguna diferencia sustancial entre el
modelo Cassmassi y el modelo Neuronal" Javier García, Director Conama
RM | |
Terminología
Meteorológica (Fuente: CENMA)
* Vaguada en altura: Área
de baja presión y baja temperatura en altura, asociada a movimientos de
ascenso de masas de aire y frecuente formación de nubosidad. El ascenso
del aire normalmente determina un debilitamiento de la inversión térmica
cerca de la superficie.
* Dorsal en altura: Área de alta presión
y alta temperatura en altura, asociada a movimientos de descenso de masas de aire.
El aire al descender se calienta y determina una intensificación de la
inversión térmica cerca de la superficie.
* Vaguada costera:
Área de baja presión en superficie, que se presenta frente a la
costa central de Chile, usualmente ubicada entre el área de alta presión
semipermanente del Pacífico sur (Alta Subtropical) y un área de
alta presión típica de una masa de aire frío que se ha desplazado
desde el Sur hacia el centro de Argentina. La vaguada costera determina que el
aire fluya desde el Este, descendiendo desde la cordillera hacia el Oeste, intensificando
la capa de inversión térmica y acercándola a la superficie.
* Flujo Zonal del viento en altura: Transporte del viento en la horizontal
de Oeste a Este.
* Capa de Inversión Térmica (estabilidad):
Capa donde se observa aumento de la temperatura con el incremento de la altura,
lo que implica una inhibición de la mezcla vertical.
* Advección
costera: Transporte horizontal de aire marítimo hacia la cuenca. |
* 29
Oct 04 - Contaminación y Redes Neuronales
Hola,
espero que se acuerden de mi. Ante todo, felicitaciones por la charla del viernes
en la UTEM y gracias por responder mis preguntas. Bueno, la verdad les escribo
para pedirles algo de ayuda con mi tesis, ya que el título es "Uso
de redes neuronales como apoyo en la gestión de la contaminación
atmosférica en Santiago". En concreto, quiero saber si tienen algún
paper sobre este tema (Redes neuronales artificiales , cómo entrenarlas,
cómo seleccionar las neuronas escondidas, etc).
Gracias.
Alejandra
Bustos R (IIA-UV)
Bajar
paper | Especial
de Contaminación Atmosférica
*
10 Sept 04: Investigación sobre correlaciones en contaminación atmosférica
La Red de Monitoreo de Calidad del Aire de Bogotá,
busca realizar una investigación a través de una pasantía,
la cual está a mi cargo, por lo cual me dirijo a Uds, conociendo que tal
vez me puedan solucionar la inquietud, ya que han manejado con mayor profundidad
el tema. La investigación está enfoca en la "SELECCIÓN
Y APLICACIÓN DE UN MÉTODO PARA ESTABLECER LAS RELACIONES ENTRE LAS
VARIABLES METEOROLÓGICAS Y LAS CONCENTRACIONES DE PM10, REGISTRADAS POR
LAS ESTACIONES DE LA RED DE MONITOREO DE CALIDAD DEL AIRE DE BOGOTÁ, D.C."
por lo cual me gustaría saber que métodos conocen que sean aplicables
a este tipo de investigación. El fin es averiguar si las concentraciones
que se presentan en las diferentes zonas muestreadas, se pueden relacionar con
algunos comportamientos meteorológicos además de las fuentes de
emisión.
Para establecer estas relaciones necesitamos aplicar un método,
y me gustaría saber si conocen alguno que se pueda aplicar, o por lo menos
que me lo puedan referenciar para estudiarlo, y verificar si aplica o no a la
información que podemos recopilar. Conozco sobre las regresiones multivariadas
y las series de tiempo, y me acabo de informar sobre el método neural.
Me gustaría saber más sobre esto y otros métodos. Les agradecería
muchísimo la información que me pudieran referenciar. Gracias.
magdasierraurrego@yahoo.es
Métodos
sugeridos:
- Coeficiente de correlación cruzada
- Red neuronal
del tipo Kohonnen (para clasificar situaciones de contaminación)
-
Red Neuronal Retroalimentada
- Teoría del Caos (entropía informática,
complejidad de Lempel - Ziv, etc.)
- Y obviamente: intuición + [chispazos
de genialidad]
Artículos
sugeridos:
- 1996: Predicción
de la concentración de partículas contaminantes en Santiago de Chile,
usando una red neuronal. Jorge
Reyes, Patricio Pérez y Alex Trier. Publicado en Actas X Simposio Chileno
de Física, 1996, págs 175-176.
- 1998: Predictibilidad
del material particulado PM2.5 en Santiago de Chile utilizando técnicas
de modelación de sistemas dinámicos y redes neuronales. Presentado
en SOCHIFI XI, diciembre de 1998. Publicado en Contribuciones científicas
y tecnológicas, área ciencias básicas, Universidad de Santiago
de Chile (www.usach.cl) , año XXVI, diciembre 1998, n° 121, págs
107-108.
- 2000: Prediction of PM2.5 concentrations several hours
in advance using neural networks in Santiago, Chile. Patricio Pérez,
Alex Trier y Jorge Reyes. Publicado en Atmospheric Environment 34 (2000), febrero
de 2000. Págs 1189-1196.
- 2000: Desarrollo de un predictor
de la concentración de 24 horas de MP10 mediante la utilización
de redes neuronales. Jorge Reyes y Patricio Pérez. Presentado y
publicado en SOCHIFI 2000.
- 2001: Prediction of Particulate Air Pollution
Using Neural Techniques. Publicado en Neural Computing & Applications.
Año 2001, Vol 10, págs 165-171. Springer -Verlag London Limited
- 2002, Septiembre: Prediction of maximum of 24-h average of PM10 concentrations
30 h in advance in Santiago, Chile (P Perez y J Reyes). Publicado en Atmospheric
Environment 36 (2002) 4555-4561
* Artículo sobre Modelos de Contaminación
Atmosférica de la sección "Documentos" de www.jornadasenre.cl
Inicio: www.geofisica.cl
