Академический Документы
Профессиональный Документы
Культура Документы
PM10
WH=80%
CL=10%
AL=3%
PE=1%
Análisis de Caso: X
A
B A
6
Antecedentes
Evaluación de la Calidad del aire
Objetivo
Comparar concentraciones
con estándares de calidad de aire
Estándares Estándares
Diarios Anuales
X
Air Quality Standards
Critical Events
Fracción de Período de
Guías de la Estándares Normativa
OMS [2] EPA [3] Chilena [4]
Partículas exposición
(µg/m3) (µg/m3) (µg/m3)
Anual 10 15 20
PM2.5
Diario 25 35 50
Anual 20 - 50
PM10
Diario 50 150 150
[2]$WHO$Air$quality$guidelines$for$par9culate$ma<er,$ozone,$nitrogen$dioxide$and$sulfur$dioxide,$Summary$of$risk$assessment;$
World$Health$Organiza9on$(2006).$
[3]$“Air$Quality:$EPA’s$2006$Changes$to$the$Par9culate$Ma<er$(PM)$Standard”;$CRS$Report$for$Congress;$Robert$Esworthy$and$
James$E.$McCarthy;$Specialists$in$Environmental$Policy$Resources,$Science,$and$Industry$Division;$EPA,$2006.$
[4]!Para!PM10:!D.S.$N°$59$de$1998$del$Ministerio$Secretaría$General$de$la$Presidencia$de$la$República;$“Norma$de$calidad$primaria$
para$material$par9culado$respirable$MP10”.$$$
Para$PM2.5:$Diario$oficial$de$la$República$de$Chile,$Lunes$9$de$Mayo$de$2011.$
$
5
Problema : Alta concentración de PM2,5
Número de días que superan los niveles críticos de contaminación
para PM2.5 durante el período 2000-2010 en Santiago.
Parque O
Situación Pudahuel La Florida Las Condes
´Higgins
Supera la
norma 968 1002 852 266
Emergencia 2 2 0 0
Área de Estudio
PM10 PM2.5
Período
2000-2012
X
Tendencias Históricas
Evaluación en Santiago
estándar diario PM10
PM10
WH=80%
CL=10%
AL=3%
PE=1%
X
Tendencias Históricas
Evaluación en Santiago
estándar diario PM2.5
PM2.5
WH=63%
CL=23%
AL=6%
PE=2%
X
Rancagua
Evaluación estándares diarios
300
OMS 534 PM2,5 RANCAGUA
250
Concentración (µg/m3)
D.S.$12/12 159
200 Alerta 73
Preemergencia 26
150
Emergencia 4$
100
50
0
WHO
D.S. 12
ALERTA
PREEMERGENCIA
EMERGENCIA
JUL SEP NOV ENE MAR MAY JUL SEP NOV ENE MAR
X
Osorno
Evaluación estándares diarios
400
OMS 294 PM2,5 OSORNO
Concentración (µg/m3)
Alerta 101
200 Preemergencia 64
Emergencia 30
100
0
WHO
D.S. 12
ALERTA
PREEMERGENCIA
EMERGENCIA
SEP NOV ENE MAR MAY JUL SEP NOV ENE MAR
300
200
D.S. 59/98
100
1000
0
A P P A A P A P P E E E E E
900 PM2,5
800
700
600
500
400
300
200
100
D.S. 12/12
0
LUN 1 JUE 4 DOM 7 MIE 10 SAB 13 MAR 16 VIE 19 LUN 22 JUE 25 DOM 28
300
200
D.S. 59/98
100
1000
0
900 PM2,5 P P E A E P P P P E E E P E P E E P P E E E E
800
700
600
500
400
300
200
100
D.S. 12/12
0
MIE 1 SAB 4 MAR 7 VIE 10 LUN 13 JUE 16 DOM 19 MIE 22 SAB 25 MAR 28 VIE 31
X
ǔǜ # TheilSen !0)/$*)
ǕǕ # scatt
ǔǚ # timePlot ) timeProp !0)/$*).
data(mydata)
OpenAir TheilSen(mydata, pollutant = "o3", ylab = "ozone (ppb)", deseason = TRUE)
scatterPlot(data2003, x = "nox", y = "no2", method = "hexbin", col = "jet")
timePlot(selectByDate(mydata, year = 2003, month = "aug"),
pollutant = c("nox", "o3", "pm25", "pm10", "ws")) Herramientas de análisis de datos de Calidad de Aire
## [1] "Taking bootstrap samples. Please wait."
## Loading required package: hexbin
500
14 0.38 [0.21, 0.51] units/year *** Counts
400 ●
200 333
300
NOx
232
200 12
● 161
100 ● 112
0 ● 78
10 ● 150
● ●
60 ● ● ● 54
O3 (ppb)
● ●●
● ● ●
● 38
40 ● ● ● ● ● ●●
26
O3
8 ●
NO2
● ● ●
●● ● ● ● 100
● ● ● ● ● ● 18
NOx, O3, PM2.5, PM10, wind spd.
20 ● ● ● ● ●
● ●●
●● ●
● ●
● ●
●
●●
●
●
● ●
● ǕǓ # smoothTrend !0)/$*) 13
0 6 ●● ● ● ●
● 9
●● ● ●● ● ● ●
80 ● 6
●● ●
●●●
● ● 50
60 ● 4
4
PM2.5
5 5 5
Wef[_SfW S`V fZW VSeZWV dWV ylab ^[`We eZai fZW ƚƖ ƛ Ua`ƁVW`UW [`fWdhS^e Xad
0 0 0
smoothTrend(mydata, pollutant = "no2", deseason = TRUE, simulate =TRUE,
[`V[USf[a` aX fZW dW^Sf[a`eZ[b TWfiWW` @Ak S`V @AƓ [e dWhWS^WV
2 4
fZW fdW`V TSeWV a` dWeS_b^[`Y _WfZaVe FZW ahWdS^^ fdW`V [e eZai` Sf fZW
Aug 04
"monthly mean deseasonalised no2 (bootstrap uncertainties)")
Aug 11 Aug 18
2
Aug 25
fab^WXf Se Ƒ Ɣƙ ɓbbTɔ bWd kWSd S`V fZW ƚƖ ƛ Ua`ƁVW`UW [`fWdhS^e [` fZW e^abW
FZW ට ට ටba^Sd
NO O PM PM wind spd. 0
x 3
## [1] "Taking bootstrap samples. Please wait..." 2.5 10
bdah[VWe S U^WSdWd [`V[USf[a` aX fZW dW^Sf[a`eZ[b TWfiWW` @Ak S`V @AƓ fZS` 8[Yg
SO S S S 2
8[YgdW Ɩƚ F[_W eWd[We Xad eWhWdS^ hSd[ST^We ge[`Y fZW timePlot S`V Xda_ Ƒ Ɠƒ¶Ƒ Ɩƒ bbT!kWSd eZai fZSf fZW iZWdW
fdW`V _aef[e e[Y`[ƁUS`f fa^[W
fZWiZ[UZ [e `af SbbSdW`f Xda_ 8[Ygd
8[YgdW ƖƓ 4[hSd[SfW TWUSgeWb^af aX[fEA
dWhWS^e aX fZW ba[`fe
monthly mean O3 monthly mean deseasonalised O3
timeVariation(mydata, pollutant = c("nox", "co", "no2", fZW selectByDate
"o3"), normalise = TRUE)
Xg`Uf[a`e FZW VSfS eZai` SdW Xad 3gYgef ƓƑƑƔ Ɠ Ua`UW`fdSf[a`e Sf ?Sdk^WTa`W DaSV FZdWW egd
Ƒ ƑƑƒ ^WhW^ @afWfZWfZSf iZW` fZWdW
S`V SdW hSd[age abf[a`e fZSf SdW geWXg^ W
14
^Sd USeW ea_W aX fZW Ua`UW`fdSf[a`e10 Xad efda`Y WSefWd^k S`V eagfZWSefWd^k
●
●
concentration (ppb)
Sdag`V WSUZ T[` S`V eWf fZW T[` e[lW fdk,
concentration (ppb)
● ●
● ●
1.5 timePlot(mydata, pollutant = c("o3", "no2"), avg.time = "month") ● ● ● ● ●
● ●
i[`Ve SdW dSfZWd g`UWdfS[` :aiWhWd fZW UW`fdS^ XWSfgdW fa fZW WSef dW_S[`e
● ● ●
10 ●
● ● ● ●●
● ●
USeW fZW fdW`V [` AƔ iSe ƝƑ Ɣƙ g`[fe ɓ[ W bbTɔ bWd kWSd Se S` ShWdSYW ahWd fZW W`f[dW
● ● ● ●● ● ● ●
● ●
●● ● ● ● ● ● ●●
egYYWef[`Y fZ[e XWSfgdW [e ºdWS^» S`V `af S` Sdf[XSUf aX fZWdW TW[`Y faa XWi
1.0 8 ● ● ●
●● ● ●
## plor 95th percentile monthly concentrations ● ●
● ●
●●
● ●
●● ● ●
● ● ● ● ●
●
●
● ●● ● ● ● ● ● ● ● ●
● ● ●
0.5 timePlot(mydata, pollutant = c("o3", "no2"), avg.time = "month", ●● ● ●
VSfS
● ● ● ● ●
bWd[aV ;f S^ea eZaie fZW ƚƖ ƛ Ua`ƁVW`UW [`fWdhS^e [` fZW fdW`V dS`YWV TWfiWW` Ƒ Ɠƒ
●
5 ● ● ●● ●
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 ●● ● ●
● ● ●
border4 = "grey", xbin = 15)
●● ● ●●●
●
●●●
●
●
●
fa Ƒ= Ɩƒ bbT!kWSd 8[`S^^k fZW e[Y`[ƁUS`UW ^WhW^S`V[` fZ[e USeW aX fZW[e hWdk Z[YZ- U^aeWbdah[V[`Y
fa fZW ba[`fe aX hWdk
● ● ●● ● ●
hour ● ● ● ● ●
## plot the number of valid records in each 2-‐week period ●
●
Ea_Wf[_We
[e `af S^iSke[faTh[age
[e geWXg^
S`V [ffa Ua`e[VWd ZaiXad fZW dW^Sf[a`eZ[b TWfiWW` fia hSd[ST^We h
efda`Y Wh[VW`UW fZSf Ua`UW`fdSf[a`e aX A [`UdWSeWV
FZW bSffWd` aX g`UWdfS[`fk
ahWd fZW bWd[aV US`
FZW b^af
V[ŹWd _Sd]WV^k
faYWfZWd
V[ŹWdW`f
1998 1999 2000 2001 2002 2003 2004 2005 1998 1999 2000 2001 2002 2003 2004 2005
statistic = "frequency")
year year
ba^^gfS`fe Ɣ Tk ^WhW^e aX S fZ[dV ;` *+ )$- fZ[e SbbdaSUZ [e baee[T^W Tk eWff[`Y fZW abf[a`
monthly mean NO2 (bootstrap uncertainties) monthly mean deseasonalised NO2 (bootstrap uncertainties)
3` WjS_b^W aX `ad_S^[e[`Y VSfS [e eZai` [` 8[YgdW ƗƑ ;` fZ[e b^af iW ZShW,
1.3
normalised level
normalised level
Ua`ƁVW`UW [`fWdhS^e [` fZW e^abW DaSV Sf fZW ƚƚaXƛ fZWUa`ƁVW`UW [`fWdhS^e fZWUa`UW`fdSf[a`e
UaVW iag^V TW
●
1.2
aX fZSf hSd[ST^W IW [^^gefdSfW fZ[e ba[`f Tk Ua`e[VWd[`Y Zai fZW dW^Sf[a`eZ[b TWfi
●
fa TW Z[YZWef Xda_ fZW ɓSe S^ea eZai` [` 8[YgdW S`V Xad Zagde _ad`[`Y
●
concentration (ppb)
concentration (ppb)
1.0 ● ●
k Ɠ Ɣ
● ●
● ● ● ● ●
● ● ●● ● ● ●
0.8 ● ● ●
b^af fZW e_aafZ ^[`W Tgf b^af S ^[`WSd Ɓf [`efWSV S`V XadUW fZW ^Skagf fa TW S Ɠ Tk Ɠ
0.9 ● ● ● ● ●
● ● ● ●●
50 ● ● ● ● ● ● ●
50 ● ●● ● ● ● ● ●
● ● ● ● ● ● ●
VaWe S eagdUW a`^k eWW_ fa TW bdWeW`f Vgd[`Y iWW]VSke ad i[`fWd _a`fZe WfU ;` fZW
● ● ● ● ● ● ●●
0.6 ●
●● ● ●
● ● ● ● ● ● ● ● ●● ● ●
●
● ● ● ● ● ● ● ● ● ● ● ● ●
0.6 0.8
USeW ylab
aX408[YgdW = ƖƔ fZW _adW(ppb)", aTh[age bdWeW`UW alpha40Vgd[`Y _ad`[`Y Zagde Uag^V TW VgW
● ● ●
● ● ● ● ● ● ● ●
eWff[`Y fZW hS^gW aX z fa fZW fZ[dV hSd[ST^W 8[YgdW Ƙƙ eZaie SYS[` fZW dW^Sf[a`
● ●
ƒƔƔ
● ●● ● ● ●● ●
hour month weekday
eWff[`Ye iZWdW fZWdW SdW _S`k eagdUWe fZSf hSdk [` fZW[d eagdUW W_[ee[a` S`V fW_badS^
2000 TWfiWW` 2003 @A k2005S`V @A1998Ɠ Tgf fZ[e f[_W Ua^agdUaVWV Tk fZW Ua`UW`fdSf[a` aX AƔ IW
● ●
8[YgdW ƘƓ 7jS_b^W b^af ge[`Y fZW timeVariation Xg`Uf[a` fa b^af @Ak 5A @AƓ S`V A`W [eegW fa TW SiSdW fS]WaXfZW abbadfg`[fk
S_ag`f aX VSfSfa eb^[f fZW VSfS [`fa ea_WeWSea`e
aX fZWeW S`V iWW]VSk!iWW]W`V Tk eW
year year
PM10, PM2.5
80
60
40
20
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 0 6 12 18 23
hour
PM10 PM2.5
70
80
80
70 60
PM10, PM2.5
PM10, PM2.5
PM10, PM2.5
60
60 50
50
40 40 40
30
30
20
120
100
80
PM10, PM2.5
60
40
20
X
TimeVariation
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23
80
60
40
20
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 0 6 12 18 23
hour
PM10 PM2.5
70
80
80
70 60
PM10, PM2.5
PM10, PM2.5
PM10, PM2.5
60
60 50
50
40 40 40
30
30
20
X
Theil-Sen
Estimador de tendencia lineal
X
Theil-Sen
Estimador de tendencias
> TheilSen(Datos, pollutant="PM10", deseason=TRUE) > TheilSen(Datos, pollutant="PM10", deseason=TRUE, slope.percent=TRUE)
-0.87 [-1.23, -0.49] units/year *** -1.2 [-1.65, -0.69] %/year ***
100 100
90 90
80 80
PM10
PM10
70 70
60 60
50 50
2000 2002 2004 2006 2008 2010 2012 2000 2002 2004 2006 2008 2010 2012
year year
PM10
Valores disminuyen 1.2% al año
X
Theil-Sen
Estimador de tendencias
> TheilSen(Datos, pollutant=“PM2.5", deseason=TRUE) > TheilSen(Datos, pollutant=“PM2.5", deseason=TRUE, slope.percent=TRUE)
-0.71 [-0.91, -0.56] units/year *** -2.03 [-2.49, -1.66] %/year ***
50 50
40 40
PM2.5
PM2.5
30 30
20 20
2000 2002 2004 2006 2008 2010 2012 2000 2002 2004 2006 2008 2010 2012
year year
PM2.5
Valores disminuyen 2.0% al año
X
Theil-Sen
Estimador de tendencias
¿Qué ocurre con las tendencias los últimos 3 años de estudio?
1.73 [-2.24, 6.86] %/year -0.18 [-2.92, 2.35] %/year
30
80
28
75
26
70
PM2.5
PM10
24
65
22
60
20
55
2010-01 2010-07 2011-01 2011-07 2012-01 2012-07 2010-01 2010-07 2011-01 2011-07 2012-01 2012-07
year year
X
2.5
2) are approximately three times the average about twice as high as in the cities of Stuttg
g m!3) of all cities listed in the database and are Germany; Região Metropolitana Sao Paulo (15.0
ntrations observed in the cities of Lima Angeles-Long Beach-Santa Ana (14.8 mg m!3)
Ranking OMS
Evaluación de Calidad de Aire
PM10 PM2.5
135 14
Fig. 6. Ranking of concentrations of particulate matter (PM10 and PM2.5) in different cities around the world [25].
X
Figura 63. Imagen satelital LANDSAT 7 (Arr.Izq). Clasificación de LU/LC (Arr.Der). Información
geográfica de cultivos agrícolas (Ab. Izq). Representación de emisiones de CO proveniente de
quemas agrícolas en Airviro (Ab.Der). ......................................................................................119
Figura 64. Distribución de áreas forestales ingresadas a Airviro, asociada a las emisiones
provenientes de incendios forestales. ......................................................................................123
Figura 65. Área y grilla del modelo WRF con su resolución original (60x60 celdas).
Posteriormente se convirtió la grilla a 360+360 celdas para ser ingresadas a MEGAN............125
Figura 66. Izq. Variación anual (46 períodos de 8 días) de LAI como promedio (tomado del año
2003, base de datos de MEGAN). Sin unidad. Der. Distribución de LAI sobre la RM. Imagen
satelital junio 2012. ...................................................................................................................128
Figura 67: Actividades asociadas a la generación de emisiones de crianza de animales. Imagen
adaptada de EMEP/EEA 2013 Inventory guidebook section 3.B Manure management página 4.
...................................................................................................................................................133
Figura 68: Diagrama de Metodología Transporte Público ........................................................137
Figura 69: Arcos de servicio 401 Ida..........................................................................................138
Figura 70: Cálculo de velocidades promedio por arco. .............................................................139
Informe Final Figura 71: Diagrama de Metodología Transporte Privado en Carretera ..................................142
Figura 72: ventana de Airviro donde se dibujan los Tramos a analizar ....................................143
Figura 73: Ventana de Airviro donde se agrega información correspondiente al tramo. ........143
Estudio “Actualización y Figura 74: Diagrama de la metodología para la estimación de emisiones de maquinaria de
construcción. .............................................................................................................................151
sistematización del inventario de
emisiones de contaminantes EQUIPO DE TRABAJO
atmosféricos en la Región
Jefe de Proyecto: Ernesto Gramsch L.
Metropolitana” Gianni López (Inventarios, emisiones vehiculares)
Lars Gidhagen (Modelación)
David Segersson (Airviro)
Marcela Castillo (Emisiones vehiculares)
Yeanice Vásquez (Compuestos orgánicos volátiles)
Cristina Valverde (Emisiones industriales)
Departamento de Física Ximena Diaz (Emisiones industriales)
Universidad de Santiago de Chile Ernesto Gramsch (Emisiones residenciales)
Matías Tagle (Emisiones biogénicas)
Rodrigo Donoso (Emisiones agrícolas)
Junio 2014
10
4.1. Resultados del Inventario
Un resumen de todas las emisiones considerado en este trabajo y clasificadas por sector
económico se presenta a continuación en la Tabla 5.
Tabla 5. Resumen de las emisiones totales en la región metropolitana, clasificadas por sector.
Emisiones de Contaminantes [ton/año]
Sector
MP10 MP2,5 NOX SOX HCt COV CO CH4 NH3 CO2
Para cada sector, se presenta a continuación un desglose por rubro, actividad económica
sector geográfico, etc.
Para el cálculo final de las emisiones de los vehículos “en ruta” se utilizó las emisiones dadas
por la metodología MODEM tal como fue entregada por la contraparte técnica para uso en el
estudio.
Se calculó las emisiones de polvo resuspendido (MP2,5) debido al Transporte en ruta utilizando
el procedimiento indicado en el Anexo 1, sección 6.5.1 y los resultados se muestran en la Tabla
11.
2
AP 42 Section 13.1 Wildfires and Prescribed Burning
3
Suma de consumo de diésel y gasolina: 182.237 ton/año de diésel y 203.125 ton/año de gasolina
4
Matthias Ketzela, Gunnar Omstedt, Christer Johansson, Ingo During, Mia Pohjola, Dietmar Oettl, Lars Gidhagen,
utilizando la metodología indicada en la sección 6.4. El cálculo para Para MP10 fue realizado
utilizando los factores de emisión de la EPA2. La relación MP10/MP2,5 para incendios forestales
es: 1,11 y la relación MP10/MP2,5 para quemas agrícolas es: 1,18. Utilizando estos factores es
posible obtener las emisiones de MP10 que se indican en la Tabla 9.
¿?
proveniente
*: de simulaciones
Datos entregados MODEM
por la contraparte 2010). Se de
técnica provenientes subió la información
simulaciones de todos
los vehículos
MODEM 2010
exceptuando la información de buses de Transantiago y de autopistas concesionadas.
El cálculo de MP10 que se muestra en la Tabla 10 se realizó utilizando factores de emisión de
4,5
estudiosCálculo alternativo
internacionales ,aque
MODEM
indican que la relación entre el MP10 y MP2,5 es de ~ 1,2 para
Como
las alternativa
emisiones en elatubo
la metodología
de escape. MODEM, se facilita información sobre las emisiones del
transporte en otras vías (excluyendo Transantiago y autopistas concesionadas). Este cálculo
Para el cálculo final de las emisiones de los vehículos “en ruta” se utilizó las emisiones dadas
fue realizado por los profesionales encargados del proyecto y representa una manera más
por la metodología MODEM tal como fue entregada por la contraparte técnica para uso en el
sencilla de cálculo de las emisiones del transporte.
estudio.
Los resultados de este cálculo se muestran en la Tabla 97.
En la sección 6.5.1, perteneciente al Anexo 1, se detalla la metodología de un cálculo
Tabla 97. EDB
alternativo Adicional
(EDB Adicional) con los resultados de las emisiones del Transporte “en ruta”. Esta
EDB fue calculada deEmisiones
manera adicional por los profesionales encargados del proyecto, siendo
de Contaminantes [ton/año]
Sector
una alternativa y comparación a los resultados que ofrece MODEM. En dicha sección está
explicada de forma
MP10clara
MP2,5la metodología.
NOx SOx HCt HCNM COV CO CH4 NH3 CO2 CC
Transporte en vías las emisiones de polvo resuspendido (MP ) debido al Transporte en ruta utilizando
Se calculó 2,5 38
principales y 618 618 14.722 47 2.770 36.245 18 4.362.258 1.550.559
el procedimiento indicado en el Anexo 1, sección 6.5.1 y los resultados se muestran en la Tabla
secundaria ADICIONAL
11.
LaAPestimación
2 de emisiones en otras vías se realizó con la información de ventas de
42 Section 13.1 Wildfires and Prescribed Burning
3
combustible y consumo
Suma de consumo de diésel yde combustibles
gasolina: del transporte
182.237 ton/año públicoton/año
de diésel y 203.125 y en carretera.
de gasolina
4
Matthias Ketzela, Gunnar Omstedt, Christer Johansson, Ingo During, Mia Pohjola, Dietmar Oettl, Lars Gidhagen,
facilitado por la SEREMI
encontrar su factor de emisión y realizar los cálculos de manera precisa. Por lo tanto para este
tipo de contaminantes no se pudo utilizar la base de datos “Ffijas” facilitada por la Seremi de
Salud 2012 y rellenar los resultados para cada fuente ya que esta se refería solo a MP.
“Otros procesos”
Tabla 21 Comparación Inventarios Sector Industrial Dictuc 2005 versus USACH 2013.
93
6.2.3 Consumo de leña en la Región Metropolitana
Tabla 61. Consumo total de leña (kg/año) en todos los equipos (fuente: Estudio CDT 2012)
Doble
Salamandras Simple Chimenea Pellet Otros Cocina Total (kg/año)
cámara
Alhué 162.255 646.687 808.942
Doble
Salamandras Simples Chimeneas Pellet Otros Cocina Total
cámara
Rough Draft, in preparation
ABSTRACT
INTRODUCTION
Calama es una ciudad del Norte Grande de Chile, capital de la Provincia de El Loa y de la
comuna del mismo nombre, en la Región de Antofagasta. Calama tiene una superficie de 15.6
km2, una temperatura media de 23°C, con gran oscilación térmica entre el día y la noche, con
viento W predominante de 35 km/h y 10% humedad relativa. La ciudad de Calama ubicada en
22.26° S y 68.93°W y 2260 msnm, conforma el enclave urbano cercano a la zona minera más
Proyecto Mina Ministro Hales (MMH), División Codelco Norte (DCN).
Estación Calama Centro
30
20
10
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 0 6 12 18 23
hour
O3 NO NO2
25
30 25
20
25
O3, NO, NO2
10 10 10
5
5 5
0 6 12 18 23 0 6 12 18 23 0 6 12 18 23 0 6 12 18 23
hour
CO SO2
4
1.3
2.0
1.2
normalised level
normalised level
normalised level
3
1.5
1.1
2
1.0
1.0
0.9
1
0.5 0.8
8 8
6 ws 6 ws
22
4 4
2 2 20
W E W E
18
16
S S
14
Summer Winter
N N
10 10
8 8 12
6 ws 6 ws
4 4 10
2 2
W E W E
8
S S PM2.5
Calama Centro 2013-2014
Autumn Spring
mean
10 N 10 N
8 8
6 ws 6 ws
4 4 5
2 2
W E W E
3
S S
Summer Winter
10 N 10 N
8 8
2
6 ws 6 ws
4 4
2 2
W E W E
1
S S SO2
Calama Centro 2013-2014
daylight nighttime mean
10 N 10 N
8 8
6
6 ws 6 ws
5
4 4
2 2 4
W E W E
S S SO2