Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 22 Núm. 2 (2017)

Artículos

Uso de Modelos Lineales Generalizados (MLG) para la interpolación espacial de PM10 utilizando imágenes satelitales Landsat para la ciudad de Bogotá, Colombia

https://doi.org/10.19053/01233769.5600

Publicado 2017-12-19

  • Miguel Angel Ramírez Gutiérrez

Miguel Angel Ramírez Gutiérrez
Universidad Distrital Francisco José de Caldas

Resumen

El propósito de este artículo fue emplear métodos alternativos para la interpolación espacial del PM10 en la ciudad de Bogotá D.C., evaluando para ello estadísticamente el ajuste los modelos lineales generalizados (MLG) tipo Normal y Gamma en Bogotá, además de analizar su eficacia espacial a partir de la dinámica de la ciudad. Se tomó como insumos imágenes satelitales de la misión Landsat y las mediciones reportadas por las estaciones de monitoreo del 2010, 2013 y 2015. El resultado muestra que el uso del modelo Gamma es óptimo, sin desconocer que es necesario robustecer estadísticamente y espacialmente más la aplicación de este tipo de metodologías.

Palabras clave

contaminación del aire, GLM, imágenes satelitales, interpolación espacial PM10

PDF XML

Citas

  1. Aldunate, P., Paz, O. y Halvorsen, K. (2006). Los efectos de la contaminación atmosférica por PM10 sobre la salud ciudad de La Paz–Bolivia (3650 msnm). Acta Nova, 3(2), 422-442. Recuperado de https://www.academia.edu/7012629/Los_efectos_de_la_contaminaci%C3%B3n_atmosf%C3%A9rica_por_PM10_sobre_la_salud_ciudad_de_La_Paz_-_Bolivia_3650_m.s.n.m
  2. Álvarez, C. (2014). Estimación de contaminación del aire por PM10 en Quito determinado por índices ambientales obtenidos con imágenes satelitales Landsat ETM+ (tesis de doctorado). Universidad de las Fuerzas Armadas ESPE, Sangolguí, Ecuador. Recuperado de http://repositorio.espe.edu.ec/bitstream/21000/8753/1/AC-SGA-ESPE-047962.pdf
  3. Arciniegas, Á., Rodríguez, C., Pachón, J., Sarmiento, H. y Hernández
  4. Flórez, L. J. (2006). Relación entre enfermedad respiratoria aguda en niños menores a cinco años y contaminación atmosférica en Bogotá. Investigaciones en seguridad social y salud, 8(8), 121-135.
  5. Bohórquez, M. (2010). Diferenciabilidad de funciones de covarianza espacio temporal no separables (tesis de maestría). Universidad Nacional de Colombia, Bogotá D.C, Colombia. Recuperado de http://www.bdigital.unal.edu.co/2855/
  6. Chander, G., Markham, B. y Helder, D. (2009). Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote sensing of environment, 113(5), 893-903. Recuperado de https://www.sciencedirect.com/science/article/pii/S0034425709000169
  7. Cortes, J. (2013). Evaluación de la contaminación atmosférica en el aire ambiente de Manizales por COPs y PM10 (tesis de maestría). Universidad Nacional de Colombia, Manizales, Colombia. Recuperado de http://www.bdigital.unal.edu.co/12171/
  8. Czapla-Myers, J., Anderson, N., Thome, K. y Biggar, S. (2014). The absolute radiometric calibration of the Landsat 8 Operational Land Imager using the reflectance-based approach and the Radiometric Calibration Test Site (RadCaTS). In SPIE Optical Engineering+ Applications (pp. 921819-921819). International Society for Optics and Photonics.
  9. De la Pava, E., Salguero, B. y Fernández, O. (2008). Modelación matemática de la relación partículas pm10-enfermedades pulmonares en la ciudad de Cali. Scientia et Technica, 1(38), 347-352. Recuperado de http://revistas.utp.edu.co/index.php/revistaciencia/article/view/3777
  10. Dobson, A. y Barnett, A. (2008). An introduction to generalized linear models. Boca Ratón, FL: CRC press.
  11. Doncel D. y Sánchez A. (2010). Modelo de regresión lineal
  12. generalizado para el avalúo de terrenos de uso residencial, aplicado a las localidades de suba y Usaquén, Bogotá D.C (tesis de pregrado). Universidad Distrital Francisco José de Caldas, Bogotá, Colombia.
  13. Escolano, N. y Espín, J. (2016). Econometría: Series temporales y modelos de ecuaciones simultáneas. España: Editorial Universidad Miguel Hernández.
  14. Franco, J., Rojas, N., Sarmiento, O., Hernández, L., Zapata, E., Maldonado, A.,... y Behrent, E. (2013). Niveles de material particulado en colegios distritales ubicados en vías con alto tráfico vehicular en la ciudad de Bogotá: estudio piloto. Revista Facultad de Ingeniería, (49), 101-111. Recuperado de http://www.ing.unal.edu.co/grupos/calidad_aire/doc/niveles%20de%20material%20particulado%20en%20colegios%20distritales.pdf
  15. Gaitán, M., Cancino, J. y Behrentz, E. (2007). Análisis del estado de la calidad del aire en Bogotá. Revista de Ingeniería, (26), 81-92. Recuperado de http://www.scielo.org.co/pdf/ring/n26/n26a11.pdf
  16. García, J., Teodoro, F., Cerdeira, R., Coelho, L. y Carvalho, M. (2014). Developing a methodology to predict PM10 urban concentrations using GLM. Air Pollution XXII, 183, 49-60. Recuperado de https://www.witpress.com/Secure/elibrary/papers/AIR14/AIR14005FU1.pdf
  17. Guzmán, M. y Restrepo, A. (2015). Revisión del estado del arte sobre modelos para calcular propiedades ópticas atmosféricas a partir de imágenes digitales. Revista politécnica, 9(16), 85-103. Recuperado de http://132.248.9.34/hevila/Revistapolitecnica/2013/no16/8.pdf
  18. Hadjimitsis, D. y Clayton, C. (2009). Determination of aerosol optical thickness through the derivation of an atmospheric correction for short-wavelength Landsat TM and ASTER image data: an application to areas located in the vicinity of airports at UK and Cyprus. Applied Geomatics, 1(1-2), 31-40. Recuperado de https://www.researchgate.net/publication/225160386_Determination_of_Aerosol_optical_thickness_through_the_derivation_of_an_atmospheric_correction_for_short-wavelength_Landsat_TM_and_ASTER_image_data_An_application_to_areas_located_in_the_vicinity_of_a
  19. Incecik, S. y Im, U. (2012). Air pollution in mega cities: a case study of istanbul. Air Pollution‐Monitoring, Modelling and Health. Recuperado de https://www.researchgate.net/publication/224828859_Air_Pollution_in_Mega_Cities_A_Case_Study_of_Istanbul
  20. Londoño, J., Correa, M. y Palacio, C. (2011). Estimación de las emisiones de contaminantes atmosféricos provenientes de fuentes móviles en el área urbana de Envigado, Colombia. Revista EIA, (16), 149-162. Recuperado de https://repository.eia.edu.co/bitstream/11190/149/1/REI00168.pdf
  21. Luchsinger, K., Redfield, S., Cauley, P. W., Barman, T. S. y Jensen, A. G. (2017). Blue Skies through a Blue Sky: an attempt to detect Rayleigh scattering in an exoplanet atmosphere from a ground-based telescope. Middletown, CN: Wesleyan University. Recuperado de http://wesscholar.wesleyan.edu/cgi/viewcontent.cgi?article=1173&context=etd_mas_theses
  22. Luo, N., Wong, M., Zhao, W., Yan, X. y Xiao, F. (2015). Improved aerosol retrieval algorithm using Landsat images and its application for PM 10 monitoring over urban areas. Atmospheric Research, 153, 264-275.
  23. Ministerio de Medio Ambiente, Vivienda y Desarrollo Territorial. (2010). Resolución N° 610 Realiza ajustes a la Resolución 601 de 2006 sobre la norma de calidad del aire o nivel de emisión. Diario Oficial de la República de Colombia.
  24. Montero, J. y Fernández-Avilés, G. (2015). Functional Kriging Prediction of Pollution Series: The Geostatistical Alternative for Spatially-Fixed Data. Estudios de Economía Aplicada, 33(1), 145-173. Recuperado de http://www.redalyc.org/pdf/301/30133775008.pdf
  25. Montgomery, D., Peck, E. y Vining, G. (2015). Introduction to linear regression analysis. John Wiley & Sons.
  26. Morales, J. y Florez, G. (2015). Comparación de la regresión GINI con la regresión de mínimos cuadrados ordinarios y otros modelos de regresión lineal robustos. Comunicaciones en Estadística, 8(2), 129-161. Recuperado de http://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1186
  27. Othman, N., Jafri, M. y San, L. (2010). Estimating particulate matter concentration over arid region using satellite remote sensing: A case study in Makkah, Saudi Arabia. Modern Applied Science, 4(11), 131. Recuperado de https://www.researchgate.net/publication/47498305_Estimating_Particulate_Matter_Concentration_over_Arid_Region_Using_Satellite_Remote_Sensing_A_Case_Study_in_Makkah_Saudi_Arabia
  28. Pope, H., Alexander, M. y Robinson, T. (2016). Filtration, feeding behaviour and their implications for future spread: A comparison of an invasive and native barnacle in South Africa. Journal of Experimental Marine Biology and Ecology, 479, 54-59.
  29. QGIS Development Team, (2015). QGIS Geographic Information System. Open Source Geospatial Foundation Project. Recuperado de http://qgis.osgeo.org
  30. R Core Team, (2015). R: A language and environment for statisticalcomputing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de http://www.R-project.org/
  31. Razali, N. y Wah, Y. (2011). Power comparisons of shapiro-wilk, kolmogorov-smirnov, lilliefors and anderson-darling tests. Journal of statistical modeling and analytics, 2(1), 21-33. Recuperado de http://www.de.ufpb.br/~ulisses/disciplinas/normality_tests_comparison.pdf
  32. Rincón, M. (2015). Simulación regional de contaminantes atmosféricos para la ciudad de Bogotá (tesis doctoral). Universidad Nacional de Colombia, Bogotá, Colombia. Recuperado de http://www.bdigital.unal.edu.co/51092/
  33. Rivera, N., Gill, T., Gebhart, K., Hand, J., Bleiweiss, M. y Fitzgerald, R. (2009). Wind modeling of Chihuahuan Desert dust outbreaks. Atmospheric Environment, 43(2), 347-354.
  34. Watanabe, S. (2013). A widely applicable Bayesian information criterion. Journal of Machine Learning Research, 14, 867-897. Recuperado de http://jmlr.csail.mit.edu/papers/v14/watanabe13a.html
  35. WHO (2011). Urban outdoor air pollution database. Department of Public Health and Environment, World Health Organization, Geneva. Recuperado de http://www.who.int/phe

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

1 2 3 4 5 6 7 8 > >> 

También puede {advancedSearchLink} para este artículo.