TRÁFICO Y CALIDAD DEL AIRE EN MADRID

El objetivo del presente ejercicio es conocer la contribución del tráfico a los niveles de calidad del aire, y en concreto a la evolución de las concentraciones de los contaminantes primarios NO₂ y PM₁₀ en determinadas estaciones de Madrid, escogiendo tres estaciones: una de tráfico (Escuelas Aguirre), otra suburbana (Casa de Campo) y otra urbana de fondo (Vallecas), considerando que entre las tres estaciones se ofrece una visión adecuada del impacto del tráfico en el conjunto de la ciudad de Madrid en función de las distintas zonificaciones y potenciales casuísticas existentes.

Se trata de cruzar estos datos con los datos de aforo de tráfico en las estaciones de aforo fijo más próximas a cada estación, triangulando cada posición con los aforos más cercanos, y haciendo uso igualmente de los datos meteorológicos disponibles para cada sector en las estaciones meteorológicas más cercanas, atendiendo a la siguiente tabla que se expone a continuación.

Se escoge como plazo de estudio aquel en el que se dispone de registros de datos de acceso público de los tres ámbitos de estudio (Calidad del Aire, Aforo y Meteorología), lo que engloba el periodo 2019 a 2022, ambos años inclusive. Debe considerarse que durante dicho periodo se produjo una importante pandemia que afectó a las principales actividades emisoras de contaminantes en Madrid, existiendo incluso un periodo de confinamiento severo en el que se limitaron los desplazamientos.

Es previsible que esto pueda ocasionar que exista un rango mucho más representativo de la potencial afección del tráfico para cada una de las ubicaciones, al contemplar circunstancias excepcionales, lo cual sería positivo, y a la vez subestime el nivel de afección real al recoger escenarios que no sean habituales, estableciendo escenarios de contribución del tráfico con porcentajes menores a los que cabría esperar por el histórico real.

Los datos de aforo se recopilan para las estaciones indicadas de forma que se dispone de los datos de movimientos de vehículos para las 24 horas del día para cada una de las estaciones sumando los dos sentidos del tráfico para cada hora en el caso de aquellas estaciones que dispongan de ambos sentidos, de forma que se considera la totalidad del tráfico entrante y saliente en la zona.

Para obtener el tráfico asignable a la estación correspondiente de calidad del aire, se realiza una media ponderada de las estaciones asignadas, de forma tal que el dato de tráfico considerará siempre las mayores contribuciones de las estaciones más relevantes, descartando aquellos aforos secundarios, y evitando que las desconexiones de las estaciones y los datos nulos que generan interfieran en el dato real de tráfico en la zona.

En el caso de la estación de aforo asignada a la estación de Vallecas, al ser un único punto de aforo, se procederá al filtrado de los datos para evitar datos nulos y outliers que puedan desvirtuar los cálculos posteriores.

La media diaria del valor horario ponderado y el máximo diario de tráfico darán forma finalmente al volumen de tráfico asignado a cada estación de control de la calidad del aire, realizándose ambos estadísticos solo para aquellos días para los que exista un 90% de los datos horarios ponderados, descartándose el resto de días como días no representativos.

Los datos de calidad del aire se recopilan de las estaciones de control y vigilancia de la red del Ayuntamiento de Madrid especificadas, descargando los datos horarios repartidos en archivos mensuales para las distintas estaciones. Los datos utilizados se corresponderán básicamente con las medias diarias de PM₁₀ y NO₂ para todos aquellos días en los que se disponga del 90% de datos válidos diarios, descartándose también el resto de días.

En el caso de los datos meteorológicos, se recopilan los datos horarios de las estaciones indicadas estableciendo un registro único de datos meteorológicos por estación de control, y realizando el cálculo de los siguientes estadísticos diarios que definirán la situación meteorológica de ese día:

• El percentil 75 de los datos de velocidad de viento, al objeto de establecer cuál ha sido la circulación mayoritaria de viento el día en estudio, evitando estadísticos a los que puedan afectar situaciones puntuales.

• La suma de los datos de lluvia, al objeto de registrar el total de lluvia caído a lo largo de una jornada, quedando ese día definido como día lluvioso.

• El promedio del resto de datos meteorológicos, entendiendo como tales la temperatura, la humedad relativa y la radiación solar.

Con los datos diarios de calidad del aire, junto con los datos de meteorología y el aforo de tráfico vistos, se montarán los conjuntos de datos que servirán para caracterizar los distintos escenarios de calidad del aire.

AFORO DE TRÁFICO EN MADRID

El estudio particular de los datos de aforo durante el periodo en estudio nos deja ver que el tráfico rodado en las inmediaciones de las estaciones sigue un patrón de día / noche y se corresponde esencialmente con desplazamientos en día laboral, disminuyendo considerablemente los fines de semana. Este patrón diario / semanal se conserva incluso durante la pandemia y después de la misma, no habiéndose visto afectado sustancialmente, salvo por el número de vehículos registrado.

De esta forma, se puede observar cómo la mayor contribución del tráfico asociado a movimientos laborales en horario de oficina se expresa en algunas estaciones, como es el caso del aforo de Menéndez Pelayo, mediante el clásico tridente de movimientos de mañana (entrada al trabajo), medio día (hora de la comida) y tarde (salida del trabajo).

En estaciones de aforo donde predomina el comercio y los movimientos asociados al reparto de mercancías, se observan dos picos de aforo muy próximos entre sí asociados al tráfico de mañana (entrada a trabajos) y el tráfico de reparto (próximo al anterior), con el que puede llegar a solaparse en muchas ocasiones.

Respecto al patrón mensual, sí que se observa ya que, si bien el mes de agosto siempre destaca como el mes con menos tráfico, se observan reducciones e incrementos en el tráfico medio mensual que se asociarían a otros fenómenos como el confinamiento estricto (marzo de 2020) o fenómenos más locales como el corte de vías, la entrada en vigor de restricciones de tráfico, etc. Este hecho nos permitirá disponer de una casuística mucho más amplia en cuanto a la relación del tráfico con las emisiones registradas.

Resulta también interesante observar otros fenómenos reseñables, como es el desplazamiento de los flujos de tráfico de unas vías a otras, como fue el caso del corte de tráfico en la C/ Alcalá a partir del 8 de junio de 2021 para la remodelación de la misma, observándose una derivación importante del flujo a la C/ Menéndez Pelayo. Un fenómeno este que refleja la relevancia de realizar una adecuada planificación de cortes, cierres y peatonalizaciones para evitar el traslado de contaminación de una zona a otra.

NIVELES EN INMISIÓN DE NO₂ Y PARTÍCULAS PM₁₀

Si estudiamos los niveles alcanzados en inmisión de contaminantes primarios que pudieran estar asociados a fuentes de emisión próximas, como puedan ser el NO₂ y las partículas PM₁₀ podemos observar que se presenta una distribución diaria con niveles más elevados en el periodo diurno, asociados a actividades antropogénicas, con valores también más elevados los días entre semana que los fines de semana.

Esta vinculación a las actividades antropogénicas es más evidente en los datos de NO₂, cuyos niveles normalizados (ver gráfica siguiente) se encuentran siempre por encima de la media los días entre semana, quedando por debajo los fines de semana. En el caso de las partículas, si bien se observa una distribución similar, se observa un mayor margen de incertidumbre asociado a la potencial contribución de fuentes biogénicas que apantallarían en parte las contribuciones antropogénicas.

Destaca también en los datos observados el comportamiento estacional que tiene el NO₂, con datos más elevados los meses de invierno y más bajos en los meses de verano, algo habitual debido a que este contaminante es un precursor del ozono, que reacciona con la radiación solar para la generación de este contaminante secundario, por lo que durante los meses de verano su generación se ve “compensada” con la reacción generada en la atmósfera para la formación de ozono, dependiendo fundamentalmente de las condiciones meteorológicas dadas.

METODOLOGÍA UTILIZADA PARA EL ESTUDIO DE ESCENARIOS.

La intención final de este estudio es utilizar la técnica del Análisis de Componentes Principales (ACP) para extraer distintos escenarios que expliquen las tendencias ascendentes y descendentes de los contaminantes analizados (NO₂ y PM₁₀), de forma que se pueda conocer cuántos de los escenarios con incremento o reducción de la contaminación están vinculados también a un incremento o una reducción significativa del volumen o la intensidad del tráfico.

El Análisis de Componentes Principales (ACP) es una técnica estadística muy utilizada en el aprendizaje sin supervisión (UML - Unsupervised Machine Learning) para reducir un espacio muestral a una serie de factores subyacentes o escenarios compuestos, conocidos como Componentes Principales, que se construyen en base a una relación lineal con las variables de la muestra.

De esta forma, si tenemos un espacio muestral de 100 días de estudio de la calidad del aire con 9 parámetros de control de cada uno (Episodios (i=1 hasta 100) → X1, X2, X3, X4, …, X9), con esta técnica podremos obtener de todas estas muestras un máximo de 9 Componentes Principales, formulados a partir de una relación lineal con dichos parámetros (CP(i=1 a 10)=X1+X2+X3+…+X9) que son capaces de explicar la variabilidad que tiene todo el conjunto muestras de los 100 días de estudio.

La ventaja de la técnica radica en que se puede calcular que porcentaje de variabilidad explica cada componente principal. De esta forma, ordenando de mayor a menor las causas principales que presentan un mayor porcentaje de explicación de la variabilidad, somos capaces de establecer qué tipo de escenarios explican la mayor parte de los escenarios de calidad del aire que estamos estudiando.

Para las tres estaciones en estudio el número de casos de partida sería el que se establece en la siguiente tabla, si bien hay que considerar que se debe realizar un trabajo previo de filtrado para eliminar casos incompletos (con datos no disponibles en alguna de sus variables – datos “NA”).

Cabe recordar además que la técnica a utilizar, el Análisis de Componentes Principales (ACP), es sensible a los datos fuera de rango, conocidos como “outliers”, ya que trabaja con varianzas, así que es conveniente eliminar los datos extremos que no tengan coherencia con el conjunto. Para ello utilizaremos la distancia de Mahalanobis, especialmente indicada para distribuciones multivariante. En base al cálculo de dicha distancia de Mahalanobis se podrá calcular la probabilidad de ocurrencia de cada caso considerando que la distancia se distribuye como una chi cuadrado con el mismo número de grados de libertad que el total de variables a analizar.

De esta forma tenemos el siguiente resultado del filtrado:

Sobre el conjunto de casos se procede a llevar a cabo una estandarización de parámetros para que todas las variables tengan media cero y desviación estándar 1, de forma que aquellas variables que tengan una escala mayor, no predominen sobre otras con una escala menor.

El trabajo finaliza ejecutando el Análisis de Componentes Principales (ACP) y generando la matriz de resultados, que no será más que una matriz de 9 componentes o escenarios que definan la calidad del aire en cada ubicación. Ordenando de mayor a menor cada escenario en función de su varianza explicada por cada componente o escenario será posible establecer qué componentes son los más relevantes y explican mejor la mayor parte de la varianza del espacio muestral, tal y como se puede observar en el siguiente gráfico para la Estación de Vallecas.

Tal y como se observa en la figura, los cinco primeros componentes ya explicarían el 92% de los casos o días registrados para la Estación de Vallecas, por lo que describirían por sí solos y con bastante fidelidad la casuística dada para esta estación entre calidad del aire, aforo de tráfico y meteorología.

Siguiendo este principio, será posible establecer una descripción completa de las contribuciones encontradas para cada una de las estaciones con el estudio de los parámetros de tráfico y meteorología atendiendo al coeficiente de correlación que se pueda observar para cada parámetro respecto al escenario.

RESULTADOS OBTENIDOS Y DISCUSIÓN.

ACP DE ESCUELAS AGUIRRE

Al ejecutar el Análisis de Componentes Principales para la estación de Escuelas Aguirre obtenemos la siguiente matriz de escenarios para los cinco primeros componentes, que explicarían ya el 92% de la varianza de la muestra original.

La primera conclusión que podemos alcanzar es que existe correlación directa entre calidad del aire y aforo de tráfico en los dos primeros escenarios, que suman un 57% de los días analizados, observándose que la contaminación por NO₂ y PM₁₀ se reduce sustancialmente con la reducción del tráfico rodado, con especial intensidad en el segundo escenario.

En el primer escenario se observa que las condiciones meteorológicas priman sobre el tráfico y esta reducción es más efectiva debido a las altas temperaturas y radicaciones solares y la baja humedad, dado que el NO₂ es un contaminante primario que sirve a la generación de ozono, como contaminante secundario en estos escenarios meteorológicos.

La aparición de este primer escenario pone de manifiesto la relevancia que el tráfico, como fuente de emisión de contaminantes, tiene en una estación como Escuelas Aguirre, pudiendo observarse que, aun cuando las condiciones meteorológicas son desfavorables a la permanencia del NO₂ en la troposfera, es preciso que se produzca adicionalmente una reducción de las fuentes emisoras para que se produzca una reducción efectiva de las concentraciones de este parámetro.

Este aspecto se confirma con el segundo escenario, donde se puede observar que, ante leves modificaciones de las condiciones meteorológicas anteriores, que favorecerían la reacción y reducción de este contaminante primario (NO₂), el aforo de tráfico se postula como el principal factor de cara a actuar sobre la reducción de la contaminación atmosférica.

Existe un tercer escenario, que explicaría un 15% de la varianza, en el que se observa una reducción de la contaminación pese a un incremento del aforo de tráfico más o menos intenso. Este escenario, que en principio podrían resultar contradictorio, se explica sin embargo por los dos parámetros meteorológicos principales que correlacionan de forma más relevante: viento y lluvia.

En este escenario se observa como las propiedades de dispersión y deposición que ofrecen las condiciones meteorológicas, con incrementos de las velocidades de viento y de las precipitaciones, permiten que crezca el tráfico y sin embargo los niveles en inmisión mejoren. Este escenario se corresponde con días desapacibles con viento y lluvia que conllevan un incremento en el uso del vehículo privado en Madrid, y con ello un incremento en el aforo de tráfico, días en los que pese a todo, y gracias a las condiciones meteorológicas, se consigue una reducción efectiva de la contaminación.

Similar explicación y casuística presenta el Escenario 5, que representa el 9% de los casos, con la salvedad de que en el mismo las condiciones meteorológicas no son tan favorables a la dispersión y deposición de contaminantes. De hecho, la velocidad del viento es negativa, tendente por tanto a valores bajos, y se presenta incluso tendencia a un incremento en la radiación solar, siendo tan solo la lluvia la que permanece como factor decisivo en la reducción de la contaminación, con tendencias superiores al caso anterior. Esto termina generando un escenario en el que solo se consiguen reducir de forma significativa las partículas PM₁₀, que son las que mayor capacidad de deposición húmeda tienen.

Destacar en último término el cuarto escenario, que explicaría el 11% de la variabilidad de los días en estudio, donde se observa un incremento del nivel de partículas que correlaciona de forma prácticamente exclusiva y con un alto grado de correlación con la lluvia. Este escenario, que escaparía en principio a la lógica meteorológica, podría estar relacionado con la aparición de interferencias entre la lluvia y la medición física de las partículas por la estación de control, pudiendo estar afectado el equipo por la entrada de humedad.

ACP DE CASA DE CAMPO

Al ejecutar el Análisis de Componentes Principales para la estación de Casa de Campo obtenemos la siguiente matriz de escenarios para los cinco primeros componentes, que explicarían ya el 91% de la varianza de la muestra original, lo que sigue siendo un porcentaje muy alto.

Para esta estación, aunque de forma algo distinta a la anterior, también los dos escenarios principales presentan correlación directa entre aforo de tráfico y calidad del aire, sumando el 56% de los días analizados.

En el primero de los casos se observa como el tráfico pierde peso en la correlación creciendo sensiblemente el peso de los condicionantes meteorológicos en la relación. No obstante, y al igual que en el caso anterior, se sigue observando que, a pesar de ser una estación suburbana, el tráfico sigue siendo una fuente principal de contaminación para esta estación, ya que pese a la aparición de condiciones meteorológicas adecuadas para la reacción del NO₂ y su conversión en O₃, sigue siendo necesaria la reducción del tráfico rodado para conseguir reducciones en los niveles en inmisión.

En el segundo escenario la correlación es de distinto signo, experimentándose un incremento en la contaminación cuando se observa un incremento en el aforo de tráfico pero sigue representando una relación directa y única en el 22% de los días con el tráfico rodado, siendo el tráfico rodado el que aparece como principal causante del incremento de la contaminación.

El tercer escenario representaría días donde se producen fuertes inversiones térmicas sobre la capital, suponiendo el 16% de los casos estudiados. En ellos la velocidad del viento, en primer lugar, seguida de la humedad relativa y la lluvia, presentan tendencias de correlación descendentes, configurando una situación de alta reactividad y escasa dispersión de los contaminantes que se refleja en un incremento de los mismos, pese a la reducción del aforo de tráfico.

El mayor incremento en los niveles de partículas hace pensar que buena parte de estas inversiones térmicas estén relacionadas con la entrada de intrusiones saharianas con aporte de polvo del Sáhara. Por otro lado, la reducción del aforo de tráfico en estos días podría estar asociada a las medidas de reducción del tráfico rodado adoptadas en episodios de contaminación por parte del Ayuntamiento de Madrid.

El cuarto escenario explicaría el 11% de la variabilidad de los días en estudio siendo, al igual que en la estación anterior, un escenario en el que se observa un incremento en el nivel de partículas que correlaciona de forma prácticamente exclusiva y con un alto grado de correlación con la lluvia, fenómeno que podría explicarse por una interferencia de la lluvia con los equipos de medida.

El quinto y último escenario, que explicaría el 8% de los casos en estudio, presenta altas velocidades de viento y una tendencia claramente negativa en la lluvia que provoca una disminución de los niveles de NO₂ debido a la capacidad de dispersión de este fenómeno meteorológico, incrementando sin embargo las partículas PM₁₀, probablemente debido al fenómeno de resuspensión que el propio viento generaría y/o a la traslación de partículas no vinculadas a combustión de fuentes próximas.

ACP DE VALLECAS

Al ejecutar el Análisis de Componentes Principales para la estación de Vallecas obtenemos la siguiente matriz de escenarios para los cinco primeros componentes, que explicarían ya el 92% de la varianza de la muestra original, manteniendo los porcentajes anteriormente vistos.

Al observar los escenarios para la Estación de Vallecas, una estación de fondo urbano, podemos comprobar que se reproduce un perfil de escenarios muy similar a la estación suburbana de Casa de Campo vista en el punto anterior.

Los dos primeros escenarios presentan una correlación directa con el aforo de tráfico, suponiendo un 57% de los casos o días en estudio.

En el primer escenario, que explicaría el 34% de la varianza, vuelven a predominar las condiciones meteorológicas que permiten la reducción del NO₂ para su conversión en O₃. Sin embargo, se sigue observando cómo es necesario también que se reduzca el aforo de tráfico para conseguir una reducción en los niveles en inmisión de NO₂, no así de las partículas PM₁₀, que no presentan correlación. Destaca en esta estación la mayor correlación del aforo máximo, que parece presentar una mayor relevancia en este escenario, debido quizás a que el tráfico rodado referenciado es el correspondiente a la vía principal de referencia, siendo esta la única estación de aforo considerada.

En el segundo escenario vuelve a reproducirse la correlación directa entre aforo de tráfico y calidad del aire ya vista en la anterior estación, explicando el 23% de los días en estudio.

El tercer escenario, que explicaría el 16% de los días en estudio, se correspondería también con situaciones de inversión térmica e intrusión sahariana, tal y como hemos visto en el caso anterior, en las que en este caso cobraría una especial relevancia la ausencia de viento, incrementando sustancialmente la acumulación de NO₂ y sobretodo las partículas PM₁₀.

El cuarto escenario, con el 11% de la variabilidad explicada, que se reproduce igual para las tres estaciones, se trata de un escenario común con independencia del tipo de estación y su ubicación, reafirmando la posibilidad de que se trate de un problema asociado a interferencias de la meteorología con los equipos de medida.

Y por último, el quinto escenario, con el 8% de la variabilidad, vuelve a corresponderse con un incremento de la velocidad del viendo con bajada de lluvia que se corresponde con un incremento en el nivel de partículas PM₁₀, sin afección significativa a los niveles de NO₂, probablemente debido a un fenómeno de resuspensión y transporte de este contaminante desde fuentes no asociadas a la combustión, tal y como se ha visto anteriormente.

CONCLUSIONES GENERALES DEL ESTUDIO.

Tras el análisis detallado de los resultados obtenidos, visto en el punto anterior, se puede concluir para el cómputo global de las estaciones que:

• Existe una vinculación clara entre tráfico rodado y calidad del aire en todas las estaciones de vigilancia de la calidad del aire de Madrid, encontrándose el tráfico asociado en mayor o menor medida a la evolución de la contaminación química atmosférica en las estaciones entre el 56 y el 57% de los días.

• Entre el 22% y el 26% de los días estudiados existe una vinculación directa, primaria y esencial entre tráfico rodado y contaminación del aire, siendo este factor el principal causante de los niveles de contaminación alcanzados o de las reducciones que resulta factible alcanzar.

• Las mayores correlaciones observadas para el NO₂, en las relaciones directas entre contaminación y tráfico rodado hacen prever que el tráfico rodado presentaría un mayor impacto sobre la contaminación por NO₂ que sobre la contaminación por PM₁₀, que contaría con otras fuentes de origen relevantes.

• La estación de tráfico de Escuelas Aguirre presenta una configuración de escenarios algo distinta a las otras dos estaciones en estudio, suburbana y de fondo urbano, no presentando influencia significativa de escenarios como la inversión térmica / intrusión sahariana, quizás debido a la importancia de base que tienen las emisiones de tráfico que la influencian, que apantallarían otros escenarios y factores influyentes.

• Las inversiones térmicas con influencia de las intrusiones saharianas tienen un peso relativamente importante en las estaciones Suburbanas y Urbanas de Fondo estudiadas, con un 16% de los casos estudiados, en los que se observa que pese a la reducción del tráfico, no se consiguen reducciones paralelas de los niveles de contaminación, reflejando la importancia de las actuaciones preventivas ante la aparición de este tipo de escenarios.

• Todas las estaciones de calidad del aire estudiadas presentan un escenario común, al que el método asigna una varianza idéntica del 11%, que presenta un incremento de las partículas PM10 en relación directa y muy robusta con un incremento en la lluvia. Esta correlación parece indicar que podría haber una interferencia con el equipo de medición de partículas que, los días de fuerte lluvia, podría estar siendo afectado por la humedad.

Referencias y fuentes de datos adicionales.

Análisis de Componentes Principales - Joaquin Amat Rodrigo.

Análisis de Componentes Principales (PCA) de Cristina Gil Martínez