Big data para mejorar la calidad del aire

Jamiil Touré Ali
Cepei 

j.toure@cepei.org


La contaminación del aire es un tema que se discute poco, pero que impacta nuestra salud y desarrollo sostenible en todo el mundo. A la fecha, el índice de calidad del aire (ICA) es el indicador que utilizan los seres humanos para obtener información sobre la calidad diaria de este. Permite monitorear los contaminantes del aire, como el ozono troposférico, el material particulado (PM, por su sigla en inglés) (PM2.5 y PM10), el monóxido de carbono, el dióxido de azufre y las concentraciones de dióxido de nitrógeno en µg/m.3 Según el país, la región o la localidad, los gobiernos nacionales tienen un estándar de calidad de aire nacional establecido por la Agencia de Protección Ambiental (EPA, por su sigla en inglés) para proteger la salud pública. En un rango de 0 a 500, o con codificación de color, el ICA informa sobre la calidad de nuestro aire y sus efectos en la salud.

Según la Organización Mundial de la Salud (OMS), en 2018 el 90% de las personas en el mundo respiraban aire contaminado, a pesar de las distintas acciones que llevan a cabo los países. Esta es una situación sanitaria alarmante que causa muertes de adultos y prematuras. IQAir informó que 2020, en comparación con 2019, reveló una mejora sin precedentes de la calidad del aire en grandes ciudades, como Beijing (-11%), Chicago (-13%), Delhi (-15%), Londres (-16%), París (-17%) y Seúl (-16%), debido a las cuarentenas por COVID-19 y los cambios de comportamiento sobre los niveles globales de material particulado (PM2.5) (IQAir, 2020). Sin embargo, se espera que en 2021 ocurra un resurgimiento de la contaminación del aire debido a la actividad humana. Entonces, ¿cómo podemos mejorar la calidad del aire que respiramos? 

Big data para tener aire más limpio

El cálculo del ICA utiliza una gran cantidad de datos recolectados a través de sensores en estaciones que detectan las concentraciones horarias de contaminantes del aire. Esta información se recopila, por ejemplo, de estaciones de monitoreo a lo largo de 3 años la cuales representan aproximadamente 15 millones de observaciones difíciles de calcular con métodos convencionales (Knowledge Discovery  and Data Mining, 2015). Gracias a la analítica del big data, podemos procesar los datos históricos y continuos para calcular el ICA por región, una localidad en intervalos, además de un pronóstico de los valores futuros que utiliza aprendizaje automático (machine learning). La información resultante del análisis del big data se visualiza posteriormente y sirve como herramienta de prevención. Por ejemplo, en la India, las emisiones de escapes de vehículos en la ciudad de Delhi son una de las principales causas de la gran concentración de PM2.5 en el aire (Centre for Policy Research, 2017). Como resultado, los tomadores de decisiones podrían actuar con respecto al uso del transporte público para reducir la contaminación del aire, contribuyendo así a la consecución de la Meta ODS 3.9: Para 2030, reducir sustancialmente el número de muertes y enfermedades producidas por productos químicos peligrosos y la contaminación del aire, el agua y el suelo.

El big data combinado con el IoT (Internet de las cosas) también puede ayudar a mejorar la calidad del aire gracias al concepto de ciudad inteligente. Este concepto integra el uso de las tecnologías de la información y la comunicación con la red de IoT para facilitar la interactividad entre la ciudadanía y las infraestructuras comunitarias y así monitorear cambios en la ciudad, como el índice de calidad del aire. Por ejemplo, en el Reino Unido, la ciudad de Coventry utiliza datos de sensores de IoT y envía alertas para que los peatones y conductores consideren rutas alternativas al acercarse a un área con una gran concentración de contaminación aérea (EarthSense, 2019). Además, los datos de sensores de IoT permiten un análisis de las áreas a las que las estaciones de monitoreo no tienen acceso, lo cual posibilita determinar la calidad del aire en un área muy específica en vez de considerar datos de puntos de interés calculados en una estación de monitoreo. Esto es consecuente con la Meta ODS 11.6: De aquí a 2030, reducir el impacto ambiental negativo per cápita de las ciudades, incluso prestando especial atención a la calidad del aire y la gestión de los desechos municipales y de otro tipo.

Consideraciones finales

El uso del big data puede proporcionar una perspectiva informada a los formuladores de políticas a través del análisis de datos históricos o en tiempo real de las concentraciones de contaminantes del aire.. Además, la combinación de datos de sensores de IoT con big data provee una perspectiva local adicional para el monitoreo de cambios en la calidad del aire a nivel de ciudadanía y comunidad. Sin embargo, el big data nunca podrá reemplazar la innovación humana o la responsabilidad ambiental; solo puede proveer las herramientas y el conocimiento necesarios para reducir la contaminación y mejorar la calidad del aire. La calidad del aire debe ser una prioridad de salud pública para que toda la humanidad pueda respirar oxígeno más limpio y cumplir con las metas ODS 3.6 y 11.6.


Referencias:

[1] fighting-air-pollution

[2] household-air-pollution-and-health

[3] world-health-organization-releases-new-global-air-pollution-data

[4] https://www.mdpi.com/1660-4601/18/13/7087

[5] https://aqicn.org/data-platform/register/

[6] https://www.epa.gov/outdoor-air-quality-data/air-data-basic-information

[7] https://airquality.ie/information/air-quality-standards

[8] https://www.epa.gov/sites/default/files/2014-05/documents/zell-aqi.pdf

[9] 9-out-of-10-people-worldwide-breathe-polluted-air-but-more-countries-are-taking-action 

[10] forecasting-fine-grained-air-quality-based-on-big-data

[11] https://www.cprindia.org/news/6569

[12] zephyr-sensors-send-alerts-to-divert-traffic-from-pollution-hotspots-in-coventry

[13] https://www.iqair.com/blog/press-releases/covid-19-reduces-air-pollution-in-most-countries

Acerca del autor

Jamiil Touré Ali

Ingeniero de Diseño en Electricidad y Máster Graduado en Ciencias Matemáticas con buenos conocimientos de lenguaje de programación como python y R para el uso de tareas / proyectos de ciencia de datos, aprendizaje automático y aprendizaje profundo.