Identificació i modelització de correlacions entre contaminació atmosfèrica, dades meteorològiques i anàlisi de mostres off-line

La qualitat de l'aire exterior i les molèsties per olor en un lloc específic durant un període de temps depenen de diversos aspectes, com és ara els canvis en les emissions de les activitats (que poden ser derivades de mal funcionament i/o incidents), així com de la meteorologia de la zona, generant episodis de contaminació a curt termini en immissió (on els ciutadans respiren i estan exposats a la contaminació). Quan es produeixen episodis d’olor/contaminació, els veïns ho detecten immediatament i formulen queixes. Tanmateix, generalment no disposen de la informació suficient de l'administració competent sobre els contaminants que han provocat l'episodi. Per tant, per tal d'aconseguir un control exhaustiu d’aquests episodis, s'ha d'aplicar una metodologia meticulosa.

En aquesta línia, els sensors poden ser molt útils en la identificació d’episodis d’olor/contaminació. L'ús de sensors permet un registre continuat del nombre d'esdeveniments episòdics que tenen lloc a les zones urbanes on es troben, així com determinar-ne les concentracions relatives (mitjançant valors de senyal electrònic).

Des de fa diversos anys el Laboratori del Centre de Medi Ambient (LCMA) treballa en l’avaluació dels episodis d’olor/contaminació relacionats amb concentracions de compostos orgànics volàtils (COVs) en immissió. Així mateix, en els darrers tres anys s’han desenvolupat estacions de sensors per al seguiment continu de COVs, amb la capacitat de realitzar presa mostres durant aquests episodis. Aquestes mostres, són posteriorment analitzades off-line per determinar exactament quins compostos han generat aquests episodis de contaminació.

Actualment l’LCMA disposa de milers de dades procedents de les xarxes de sensors que es troben instal·lades als municipis de Santa Margarida i Els Monjos, Montmeló, Ripollet, El Morell i Vacarisses. Aquestes xarxes de sensors monitoritzen amb una freqüència minutal dades de COVs i meteorològiques (humitat relativa, temperatura i pressió atmosfèrica).

Aquesta proposta pretén utilitzar sistemes d'intel·ligència artificial per tal de poder trobar correlacions entre les dades procedents dels sensors, les dades meteorològiques procedents de fonts fiables i les dades obtingudes de les mostres, analitzades off-line, que presenten el detall dels contaminants que han causat els episodis d’olor així com les seves concentracions.

Tasques:

0: Recopilació de bibliografia relacionada amb la monitorització de la qualitat de l’aire mitjançant sensors. Identificació de punts forts i febles.

1: Recopilació de dades:

1.1: Dades meteorològiques fiables en les zones urbanes on es troben instal·lades les estacions de sensors.

1.2: Dades de protecció civil referents a incidències en activitats emissores properes a les zones urbanes on es troben instal·lades les estacions de sensors.

1.3: Dades de concentració de contaminants de les mostres off-line.

2. Avaluació de les bases de dades per tal de trobar possibles correlacions entre dades de contaminació atmosfèrica procedents de xarxes de sensors, dades meteorològiques i anàlisi dels compostos contaminants off-line.

 3. Establiment de criteris de diagnosi i predicció.

Referències:

• Collier-Oxandale, A., Wong, N., Navarro, S., Johnston, J., Hannigan, M., 2020. Using gas-phase air quality sensors to disentangle potential sources in Los Angeles neighborhood. Atmos. Environ. 233, 117519.
• Gallego, E., Perales, J.F., Calaf., J.M., 2023. Continuous monitoring of volatile organic compounds through sensorization. Automatic sampling during pollution/odour/nuisance episodic events. Atmos. Environ. 299, 119657.
• Gallego, E., Folch, J., Teixidor, P., Roca, F.J., Perales, J.F., 2019. Outdoor air monitoring: Performance evaluation of a gas sensor to assess episodic nuisance/odorous events using active multi-sorbent bed tube sampling coupled to TD-GC/MS analysis. Sci.Total Environ. 694, 133752
• Gallego, E., Soriano, C., Roca, F.X., Perales, J.F., Alarcón, M., Guardino, X., 2008. Identification of the origin of odour episodes through social participation, chemical control and numerical modelling. Atmos. Environ. 42, 8150-8160.
• Pavani, M., Rao, P.T., 2017. Urban air pollution monitoring using wireless sensor networks: A comprehensive review. Int. J. Commun. Netw. 9, 439-449.
• Tariq, H., Abdaoui, A., Touati, F., Al-Hitmi, M.A.E., Crescini, D., Mnaouer, A.B., 2020. An autonomous multi-variable outdoor air quality mapping wireless sensors IoT node for Qatar. International Wireless Communications and Mobile Computing, IWCMC 2020 9148392, pp. 2164-2169.