Influencia de la meteorología y el tráfico en la calidad del aire de la ciudad de Madrid

Abstract

RESUMEN: La creciente problemática con respecto a la calidad del aire a nivel mundial hace que muchos gobiernos planteen políticas verdes que contribuyan a disminuir los niveles de contaminación en las zonas urbanas. La ciudad de Madrid es una de las capitales europeas más pobladas. Su extensa red de carreteras, junto con un total de 4.2 millones de vehículos registrados hace que sufra grandes problemas de congestión a menudo, lo que se traduce en una mala calidad del aire y, por ende, en problemas asociados en la salud humana. En los últimos años dos eventos han ocasionado una reducción importante del tráfico en área metropolitana, el primero de ellos ha sido la implementación de Madrid Central, que trató de reducir los niveles de contaminación a través de la limitación del tráfico en el centro de la ciudad. El segundo se derivó de las restricciones del tráfico debido a la pandemia por el COVID-19. Aprovechando este marco experimental, este trabajo tiene por objetivo cuantificar la influencia del tráfico y la meteorología sobre la calidad del aire en la ciudad de Madrid. Para su elaboración se han requerido por tanto datos calidad del aire y de tráfico (ambos proporcionadas por el Ayuntamiento de Madrid), así como meteorológicos (proporcionados por la empresa Predictia Intelligent Data Solutions). Una vez procesados convenientemente, estos datos se sometieron a un análisis exploratorio de correlaciones con el fin de determinar que contaminantes guardan una relación más directa con el tráfico; que resultaron ser el monóxido de carbono (CO) y los compuestos nitrogenados (NO, NO2 y los NOx). El resto del estudio se centró por tanto en estos contaminantes, cuya evolución temporal fue modelada por medio de tres técnicas de minería de datos diferentes, GLM k-NN y Random Forest, siendo esta última la que mejor resultados ofrece en líneas generales. A continuación, una vez seleccionado el modelo óptimo para cada contaminante de estudio, se generaron una serie de simulaciones en el punto de muestreo de Gran Vía. En concreto, se hicieron predicciones para los dos años correspondientes a los eventos de restricción de tráfico analizados (2019: Madrid Central, 2020: COVID-19), observándose variaciones en los compuestos nitrogenados cuando se alteran las condiciones meteorológicas, siendo estas variaciones especialmente relevantes en los meses de Diciembre y Enero. Por tanto, la principal conclusión de este trabajo es que además del tráfico (cuyo efecto es innegable), la meteorología ejerce también una influencia importante sobre la calidad del aire de Madrid. En consecuencia, evaluar la eficacia de las medidas de reducción del tráfico sobre períodos de corta duración (por ejemplo, Madrid Central) podría dar lugar a conclusiones poco precisas.

ABSTRACT: The growing problem of air quality worldwide has led many governments to propose green policies to help reduce pollution levels in urban areas. The city of Madrid is one of the most populated European capitals. Its extensive road network, with a total of 4.2 million registered vehicles, means that it often suffers major congestion problems, which translates into poor air quality and associated human health problems. In recent years, two events have caused a significant reduction in traffic in the metropolitan area, the first being the implementation of Madrid Central, which sought to reduce pollution levels by limiting traffic in the city center. The second resulted from traffic restrictions due to the COVID-19 pandemic. Taking advantage of this experimental framework, this work aims to quantify the influence of traffic and meteorology on air quality in the city of Madrid. For its elab oration, air quality and traffic data (both provided by the Madrid City Council), as well as meteorological data (provided by the company Predictia Intelligent Data So lutions) were required. Once conveniently processed, these data were subjected to an exploratory correlation analysis in order to determine which pollutants are most di rectly related to traffic; these turned out to be carbon monoxide (CO) and nitrogen compounds (NO, NO2 and NOx). The remainder of the study therefore focused on these pollutants, whose temporal evolution was modeled by three different data mining techniques, GLM k-NN and Random Forest, the latter being the one that offers the best results in general terms. Next, once the optimal model was selected for each pollutant under study, a series of simulations were generated at the Gran V´ıa sampling point. Specifically, predictions were made for the two years corresponding to the traffic restriction events analyzed (2019: Madrid Central, 2020: COVID-19), observing variations in nitrogen compounds when meteorological conditions are altered, being these variations especially relevant in the months of December and January. Therefore, the main conclusion of this work is that in addition to traffic (whose effect is undeniable), meteorology also exerts an important influence on air quality in Madrid. Consequently, evaluating the effectiveness of traffic reduction measures over short periods of time (e.g. Madrid Central) could lead to inaccurate conclusions.