Evaluación de modelos de corrección en mediciones de PM2.5 a partir de monitores de bajo costo en la región Paso del Norte

Evaluation of correction models in PM2.5 measurements using Low-cost monitors in The Paso del Norte Region..

Yazmín Guadalupe Hernández-García

Universidad Autónoma de Ciudad Juárez

ORCID 0000-0003-4127-5492

Felipe Adrián Vázquez-Gálvez

Universidad Autónoma de Ciudad Juárez

Complejo Regional Nororiental

ORCID 0000-0003-0282-8023

Frida Yael Toquinto-Manjarrez

Universidad Autónoma de Ciudad Juárez

Complejo Regional Nororiental

ORCID 0000-0002-4872-8231

Recibido: 20 de febrero de 2025 | Aceptado: 28 de febrero de 2025 | Publicado en línea: 4 de marzo de 2025 |

Cómo citar:

Hernández-García, Y. G., Vázquez-Gálvez, F. A. y Toquinto-Manjarrez, F. Y. (2025). Evaluación de modelos de corrección en mediciones de PM2.5 a partir de monitores de bajo costo en la región Paso del Norte. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación, 3(12), 5-15. https://www.mjshae.org/2025/03/evaluacion-de-modelos-de-correccion-en.html  [.RIS]

Resumen:

El estudio evaluó el comportamiento de los sensores de bajo de costo de la marca PurpleAir (PA-II) con el fin de determinar una ecuación de corrección de registros de PM2.5, a partir de variables meteorológicas y concentración de PM10 y PM1.0. El estudio partió de la premisa de que este tipo de tecnología tiende a presentar sesgos con respecto a mediciones realizadas por estaciones de referencia y que la aplicación de ecuaciones de corrección suele reducir esta diferencia. En este estudio se encontró que los equipos PA-II suelen presentar sesgos en las mediciones de temperatura y humedad con respecto a las mismas mediciones realizadas por estaciones de superficie, y esto es atribuido a la ubicación de los sensores dentro del equipo de monitoreo, así como los límites físicos inherentes derivados de las teorías de dispersión de Mie. Así mismo, se sabe que suelen sobreestimar las concentraciones de PM2.5 bajo condiciones de humedad por encima del 75%. Siendo así que se evaluaron 13 modelos de regresión lineal simple y múltiple. Cada uno de ellos fue considerando uno o más términos aditivos con el fin de evaluar el ajuste del modelo. Estas ecuaciones se evaluaron según las métricas error residual y R2 ajustado. Para el conjunto de datos se seleccionó el modelo 12, el cual considera la adición de los términos de PM2.5, temperatura, humedad, PM10 y PM1.0 de manera sumativa, el cual mostró un R2 de 99% y un error residual de 0.6408. Con este análisis se observó que la adición de las variables de PM10 y PM1.0 al modelo mejoraron significativamente el ajuste, indicando que estas variables pueden ser las prioritarias en el proceso de corrección de mediciones hechas por equipos de bajo costo.

Palabras clave: PurpleAir; modelos de corrección; sensores de bajo costo; Región Paso del Norte; regresión lineal.

Descargar artículo

Referencias:

Ardon-Dryer, K., Dryer, Y., Williams, N. J., & Moghimi, N. (2020). Measurements of PM_2.5 with PurpleAir under atmospheric conditions. Atmospheric Measurement Techniques, 13(10), 5441-5458. https://doi.org/https://doi.org/10.5194/amt-13-5441-2020  

Bai, L., Huang, L., Wang, Z., Ying, Q., Zheng, J., Shi, X., & Hu, J. (2020). Long-term field Evaluation of Low-cost Particulate Matter Sensors in Nanjing. Aerosol and Air Quality Research, 20(2), 242-253. https://doi.org/10.4209/aaqr.2018.11.0424  

Barkjohn, K. K., Gantt, B., & Clements, L. A. (2021). Development and application of a United States-wide correction for PM_2.5 data collected with the PurpleAir sensor. Atmospheric Measurement Techniques, 14(6), 4617-4637. https://doi.org/10.5194/amt-14-4617-2021  

Barkjohn, K. K., Holder, L. A., Frederick, G. S., & Clements, L. A. (2022). Correction and Accuracy of PurpleAir PM2.5 Measurements for Extreme Wildfire Smoke. Sensors, 22(24), 9669. https://doi.org/https://doi.org/10.3390/s22249669  

Bohren, C. F., & Huffman, D. R. (1998). Absorption and Scattering of Light by Small Particles. Wiley. https://onlinelibrary.wiley.com/doi/pdf/10.1002/9783527618156.fmatter 

Castro, P., Vera, J., Cifuentes, L., Vukasovic, J. L., & Llevaneras, S. (2010). Casto_Polución por material particulado fino (PM 2,5) incrementa las hospitalizaciones por insuficiencia cardiaca. Revista Chilena de Cardiologia, 29, 306-314. http://dx.doi.org/10.4067/S0718-85602010000300004 

Clements, L. A., Griswold, G. W., Rs, A., Johnston, E. J., Herting, M. M., Thorson, J., Collier-Oxandale, A., & Hannigan, M. (2017). Low-Cost Air Quality Monitoring Tools: From Research to Practice (A Workshop Summary). Sensors, 17(11), 2478. https://doi.org/10.3390/s17112478  

South Coast Air Quality Management District [SCAQMD]. (2016). PurpleAir PA-II. http://www.aqmd.gov/aq-spec/product/purpleair-pa-ii

Environmental Protection Agency [EPA]. (2017). Cómo evaluar sensores de bajo costo mediante la colocalización con monitores del método de referencia federal [PDF]. Laboratorio Nacional de Investigación de la Exposición, Oficina de Investigación y Desarrollo.   https://tinyurl.com/yrecr9v4

Gupta, P., Doraiswamy, P., Levy, R., Pikelnaya, O., Maibach, J., Feenstra, B., Polidori, A., Kiros, F., & Mills, C. K. (2018). Impact of California Fires on Local and Regional Air Quality: The Role of a Low‐Cost Sensor Network and Satellite Observations. GeoHealth, 2(6), 172-181. https://doi.org/https://doi.org/10.1029/2018GH000136  

Holder, L. A., Mebust, K. A., Maghran, A. L., Mcgown, R. M., Stewart, E. K., Vallano, M. D., Elleman, A. R., & Baker, R. K. (2020). Field Evaluation of Low-Cost Particulate Matter Sensors for Measuring Wildfire Smoke. Sensors, 20(17), 4796. https://doi.org/https://doi.org/10.3390/s20174796  

JAC. (2021).  Joint Advisory Committee [Web]. https://www.cccjac.org/low-cost-air-sensor-study.html

Jayaratne, R., Liu, X., Thai, P., Dunbabin, M., & Morawska, L. (2018). The influence of humidity on the performance of a low-cost air particle mass sensor and the effect of atmospheric fog. Atmospheric Measurement Techniques, 11(8), 4883-4890. https://doi.org/https://doi.org/10.5194/amt-11-4883-2018  

JCAS. (2021). Red Climatológica del Estado de Chihuahua. Junta Central de Agua y Saneamiento [Web]. www.jcas.gob.mx

Joo, S. Y., Kim, J., Lee, J., & Chung, I.-J. (2021). Understanding the link between exposure to fine particulate matter and internalizing problem behaviors among children in South Korea: Indirect effects through maternal depression and child abuse. Health & Place, 68, 102531. https://doi.org/10.1016/j.healthplace.2021.102531  

Juárez, M. d. (2024). Índice de Aire y Salud [Web]. www.calidadaire.juarez.gob.mx

Kramer, L. A., Liu, J., Li, L., Connolly, R., Barbato, M., & Zhu, Y. (2023). Environmental justice analysis of wildfire-related PM2.5 exposure using low-cost sensors in California. Science of the Total Environment, 856, 159218. https://doi.org/https://doi.org/10.1016/j.scitotenv.2022.159218  

Lelieveld, J., Klingmüller, K., Pozzer, A., Pöschl, U., Fnais, M., Daiber, A., & Münzel, T. (2019). Cardiovascular disease burden from ambient air pollution in Europe reassessed using novel hazard ratio functions. European Heart Journal, 40(20), 1590-1596. https://doi.org/10.1093/eurheartj/ehz135  

Li, H., Xu, X.-L., Dai, D.-W., Huang, Z.-Y., Ma, Z., & Guan, Y.-J. (2020). Air pollution and temperature are associated with increased COVID-19 incidence: A time series study. International Journal of Infectious Diseases, 97, 278-282. https://doi.org/https://doi.org/10.1016/j.ijid.2020.05.076   

Magi, I. B., Cupini, C., Francis, J., Green, M., & Hauser, C. (2020). Evaluation of PM2.5 measured in an urban setting using a low-cost optical particle counter and a Federal Equivalent Method Beta Attenuation Monitor. Aerosol Science and Technology, 54(2), 147-159. https://doi.org/10.1080/02786826.2019.1619915  

Malings, C., Westervelt, M. D., Hauryliuk, A., Presto, A. A., Grieshop, A., Bittner, A., & Beekmann, M. (2020). Application of low-cost fine particulate mass monitors to convert satellite aerosol optical depth to surface concentrations in North America and Africa. Atmospheric Measurement Techniques, 13(7), 3873-3892. https://doi.org/10.5194/amt-13-3873-2020  

Mishchenko, M. I., Travis, L. D., & Lacis, A. A. (2002). Scattering Absorption, and Emission of Light by Small Particles (C. U. Press, Ed.). https://pubs.giss.nasa.gov/books/2002_Mishchenko_mi06300n/book2_front_matter.pdf  

Mukherjee, A., Stanton, L., Graham, A., & Roberts, P. (2017). Assessing the Utility of Low-Cost Particulate Matter Sensors over a 12-Week Period in the Cuyama Valley of California. Sensors, 17(8), 1805. https://doi.org/10.3390/s17081805  

Nalakurthi, R. S. V. N., Abimbola, I., Ahmed, T., Anton, I., Riaz, K., Ibrahim, Q., Banerjee, A., Tiwari, A., & Gharbia, S. (2024). Challenges and Opportunities in Calibrating Low-Cost Environmental Sensors. Sensors, 24(11), 3650. https://doi.org/10.3390/s24113650  

Nilson, B., Jackson, L. P., Schiller, L. C., & Parsons, T. M. (2022). Development and evaluation of correction models for a low-cost fine particulate matter monitor. Atmospheric Measurement Techniques, 15(11), 3315-3328. https://doi.org/10.5194/amt-15-3315-2022  

Flores-Ortiz, A., López-Monroy, J., Jiménez-Núñez, M., Díaz-Godoy, R.V., Martínez-Jiménez, A.L., & Llanes-Nevárez, M. (2024). Riesgo a la salud de la población por inhalación de PM_2.5 en la República Mexicana.  Revista Internacional de Contaminación Ambiental, 40, 243-261. https://doi.org/10.20937/RICA.54774

Pérez, B. y Álvarez, R. (2020). Evaluación del impacto en la salud por partículas pm2.5 en Sinaloa, México. Revista Internacional de Contaminación Ambiental, 36(2). https://doi.org/10.20937/RICA.53463  

Plantower. (2016). Digital universal particle concentration sensor [PDF]. http://www.aqmd.gov/docs/default-source/aq-spec/resources-page/plantower-pms5003-manual_v2-3.pdf

Retama, A., González del Castillo, E., Porras-Reza, S., Arredondo-Palacios, T. E., López-Antón, O., & Grutter, M. (2022). Informe del estado del arte en la tecnología basada en microsensores [PDF]. Instituto de Ciencias de la Atmósfera y Cambio Climático. UNAM. http://www.epr.atmosfera.unam.mx/Microsensores-2022/documentos/1_Estado_del_arte_en_la_tecnologia.pdf

Sarochar, H. E. (2016). Introducción a la Meteorología General [PDF]. Universidad Nacional de la Plata. http://extension.fcaglp.unlp.edu.ar/content/obs/descargas/Introduccion_a_la_Meteorologia_I.pdf  

Stavroulas, I., Grivas, G., Michalopoulos, P., Liakakou, E., Bougiatioti, A., Kalkavouras, P., Fameli, K., Hatzianastassiou, N., Mihalopoulos, N., & Gerasopoulos, E. (2020). Field Evaluation of Low-Cost PM Sensors (Purple Air PA-II) Under Variable Urban Air Quality Conditions, in Greece. Atmosphere, 11(9), 926. https://doi.org/10.3390/atmos11090926  

Vajs, I., Drajic, D., & Cica, Z. (2021). COVID-19 Lockdown in Belgrade: Impact on Air Pollution and Evaluation of a Neural Network Model for the Correction of Low-Cost Sensors’ Measurements. Applied Sciences, 11(22), 10563. https://doi.org/10.3390/app112210563  

van de Hulst, H. C. (1981). Light Scattering by Small Particles. Dover Publications, Inc. https://archive.org/details/lightscatteringb0000huls/mode/2up

World Meteorological Organization [WMO]. (2024). Low-cost sensors can improve air quality monitoring and people’s health. World Meteorological Organization [Web]. https://wmo.int/news/media-centre/low-cost-sensors-can-improve-air-quality-monitoring-and-peoples-health