0% encontró este documento útil (0 votos)
13 vistas95 páginas

TESIS - CONCLUSIONES Alanya

Descargar como pdf o txt
Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1/ 95

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL

Aerosoles atmosféricos debido a incendios forestales en la


amazonia y su influencia en Huancayo mediante el modelo
Hysplit - 2019

TESIS PARA OBTENER EL TITULO PROFESIONAL DE

INGENIERA AMBIENTAL

AUTOR:

Alanya Buendia, Susana Milagros (ORCID 0000-0002-3756-8869)

ASESOR:

MSc. Quijano Pacheco, Wilber Samuel (ORCID 0000-0001-7889-7928)

LÍNEA DE INVESTIGACIÓN:

Gestión de riesgos y adaptación al cambio climático

LIMA – PERÚ

2021
DEDICATORIA

A mis padres: Justidiano Alanya Romero,


Susana Buendia Aparco y hermanos por
su apoyo incondicional.

ii
AGRADECIMIENTO
A Dios por darme fuerzas, pasión y
perseverancia para investigar

A mis padres por darme la vida, por


brindarme el soporte moral y emocional. A
mis hermanos y hermanas por confiar en
mí apoyándome en cada momento.

A la facultad de ingeniería y arquitectura,


escuela profesional de ingeniería
ambiental de la universidad Alas Peruanas,
por ser la institución que me brindó las
bases de mis conocimientos para ser
profesional.

A la universidad Cesar Vallejo por darme la


oportunidad de obtener mi título
profesional de ingeniera ambiental.

iii
ÍNDICE DE CONTENIDOS

CARÁTULA
DEDICATORIA .................................................................................................... ii

AGRADECIMIENTO ........................................................................................... iii

ÍNDICE DE CONTENIDOS ................................................................................ iv

ÍNDICE DE TABLAS .......................................................................................... v

ÍNDICE DE FIGURAS ........................................................................................ vi

RESUMEN ....................................................................................................... viii

ABSTRACT ........................................................................................................ ix

I. INTRODUCCIÓN...................................................................................... 1

II. MARCO TEÓRICO................................................................................ 5

III. METODOLOGÍA ................................................................................. 18

3.1 Tipo y diseño de la investigación: .................................................... 19

3.2 Variables y operacionalización ......................................................... 19

3.3 Población, muestra, muestro ........................................................... 22

3.4 Técnicas e instrumentos de recolección de datos ........................... 22

3.5 Procedimientos ................................................................................ 23

3.6 Método de análisis de datos ............................................................ 27

3.7 Aspectos éticos ................................................................................ 30

IV. RESULTADOS .................................................................................... 31

V. DISCUSIÓN ........................................................................................ 54

VI. CONCLUSIONES................................................................................ 56

VII. RECOMENDACIONES ....................................................................... 61

REFERENCIAS ................................................................................................ 63

ANEXOS

iv
ÍNDICE DE TABLAS

Tabla 1: Matriz de operacionalización de variables ......................................... 21


Tabla 2: Instrumentos de recolección de datos ............................................... 22
Tabla 3: Promedio de Validación de instrumentos........................................... 23
Tabla 4: Incendios forestales registrados en los estados de Brasil en los meses
de agosto, septiembre y octubre del año 2019................................................. 34
Tabla 5: Resumen de los resultados de focos de incendios forestales en la
Amazonía de Brasil en el periodo de estudio, agosto, septiembre y octubre del
año 2019. ......................................................................................................... 36
Tabla 6: Resultados de la formación de aerosoles, obtenidos de los gráficos de
variación espacial de AOD de MODIS-TERRA ................................................ 41
Tabla 7: Estadística mensual del espesor óptico de aerosol (500 nm), media (𝑥),
mínimo (Min), máximo (Max) y desviación estándar (S) .................................. 48
Tabla 8: Análisis de correlación de los datos de espesor óptico de aerosol y focos
de incendios forestales, estadístico T (T), alfa (α), grado de libertad (gl), valor
crítico (vc), coeficiente de correlación (r2) ........................................................ 53

v
ÍNDICE DE FIGURAS

Figura 1: Efecto directo e indirecto de la radiación solar sobre los aerosoles. 13


Figura 2: Efecto indirecto de la radiación solar sobre los aerosoles. ............... 13
Figura 3: Mapa de la provincia de Huancayo .................................................. 24
Figura 4: Fotómetro solar CIMEL, observatorio de Huancayo-IGP ................. 25
Figura 5: Focos de incendios forestales registrado en la zona de estudio para el
mes de agosto del año 2019. ........................................................................... 32
Figura 6: Focos de incendios forestales registrado en la zona de estudio para el
mes de septiembre del año 2019. .................................................................... 32
Figura 7: Focos de incendios forestales registrado en la zona de estudio para el
mes de octubre del año 2019. .......................................................................... 33
Figura 8: Características de la zona de estudio, biomas de Brasil. ................. 35
Figura 9: Variación espacial de AOD en un rango de periodo de 2019/08/17 –
2019/08/22 (agosto del 2019) para Brasil y Perú obtenida del sistema MODIS-
TERRA. ............................................................................................................ 38
Figura 10: Variación espacial de AOD en un rango de periodo de 2019/09/18 –
2019/09/21 (septiembre del 2019) para Brasil y Perú obtenida del sistema
MODIS-TERRA. ............................................................................................... 39
Figura 11: Variación espacial de AOD en un rango de periodo de 2019/10/27 –
2019/10/30 (octubre del 2019) para Brasil y Perú obtenida del sistema MODIS-
TERRA. ............................................................................................................ 40
Figura 12: Comparación de resultados de formación de aerosoles, obtenidos de
los gráficos de variación espacial mensual de AOD-550nm de MODIS-TERRA
......................................................................................................................... 41
Figura 13: Trayectoria de masas de aire hacia la región de Huancayo para el
mes de agosto del año 2019 – modelo HYSPLIT............................................. 43
Figura 14: Trayectoria de masas de aire hacia la región de Huancayo para el
mes de septiembre del año 2019 – modelo HYSPLIT...................................... 44
Figura 15: Trayectoria de masas de aire hacia la región de Huancayo para el
mes de octubre del año 2019 – modelo HYSPLIT ........................................... 45
Figura 16: Comportamiento de AOD en el mes de agosto del año 2019 ........ 46
Figura 17: Comportamiento de AOD en el mes de septiembre del año 2019 . 47
Figura 18: Comportamiento de AOD en el mes de octubre del año 2019 ....... 47

vi
Figura 19: Comparación de resultados estadísticos de AOD-500 nm mensual,
media (𝑥), mínimo (Min), máximo (Max) y desviación estándar (S) ................. 49
Figura 20: Diagrama de dispersión entre los valores de espesor óptico de
aerosol a 500nm y focos de incendios forestales de Brasil para agosto del año
2019. ................................................................................................................ 50
Figura 21: Diagrama de dispersión entre los valores de espesor óptico de
aerosol a 500nm y focos de incendios forestales de Brasil para septiembre del
año 2019. ......................................................................................................... 51
Figura 22: Diagrama de dispersión entre los valores de espesor óptico de
aerosol a 500nm y focos de incendios forestales de Brasil para octubre del año
2019. ................................................................................................................ 52

vii
RESUMEN

viii
ABSTRACT

ix
I. INTRODUCCIÓN
El cambio climático es un problema de escala mundial que está vinculado con el
incremento de la temperatura de la tierra, donde en el último siglo presentó un
calentamiento de 0.8 ºC (Ballester et al., 2006); esto a consecuencia del
incremento de emisión de los gases de efecto invernadero y aerosoles
antropogénicos (IPCC, 2007). La contaminación atmosférica es la aparición de
elementos contaminantes en la atmósfera que modifican su composición, está
relacionada con el cambio climático; tiene una gran variedad de fuentes ya sea
antropogénica o natural que provienen de procesos industriales, parque
automotor, combustión de biomasa, incendios forestales, entre otros. (Oyarzún,
2010). La quema de biomasa e incendios forestales son las fuentes importantes
de contaminación del aire en la región tropical del planeta, tienen una emisión
significativa de gases traza y aerosoles que juegan un papel importante en la
química atmosférica y el clima (Crutzen & Andreae, 1990).

Los aerosoles están suspendidos en el aire en forma de partículas ya sea sólidas


o líquidas (IPCC, 2007), estas pueden componer de polvo de suelo, hollín, sales
marinas, etc. (Expósito G., 1999); persisten varias horas en la atmósfera y tienen
un rango de tamaño de 0.01µm y 10 µm (IPCC, 2007), tienen efectos directos e
indirectos en el clima y otros procesos; estos producen un enfriamiento cuando
reflejan la radiación solar o un calentamiento a través de la absorción de la
radiación (OMM, 2016); además que las partículas de aerosoles tienen impactos
nocivos en la salud de las personas si exceden sus concentraciones. (Brunekreef
& Holgate, 2002)

La región amazónica de Brasil es una zona de cuantioso dinamismo de quemas


de vegetación, donde transforman el suelo para la obtención de terrenos
agrícolas, crecimiento urbano, etc. (Suárez et al., 2006). En agosto del 2019 la
amazonia de Brasil se ganó la atención del mundo por los incendios forestales
ocurridos ya que según el informe científico del Proyecto de Monitoreo de los
Andes Amazónicos (MAAP), hasta noviembre del mismo año se registraron
incendios forestares que arrasaron con 160 400 hectáreas de bosque primario,
25 800 hectáreas de bosque secundario se quemaron (Finer & Mamani, 2019).

La motivación que llevó a realizar esta investigación es porque se ha evidenciado


el transporte de contaminantes, entre ellos los aerosoles atmosféricos hacia la
amazonia y región Andina del Perú (Suárez et al., 2006), es decir, la quema de
2
biomasa y los incendios forestales de la amazonia de Brasil provocan un
transporte transfronterizo de aerosoles atmosféricos en dirección a la provincia
de Huancayo. (Angeles & Angeles, 2017).

De lo mencionado anteriormente se plantea el problema general de la


investigación ¿Cuál es el transporte de aerosoles atmosféricos debido a
incendios forestales en la Amazonia y su influencia en Huancayo mediante el
modelo Hysplit durante el año 2019?; Siendo los problemas específicos: ¿Cuáles
son los focos de incendios forestales que generan aerosoles atmosféricos en la
Amazonía y su influencia en Huancayo durante el año 2019?; ¿Cuál es la
frecuencia de incendios forestales en la Amazonía y cómo influyen en el
transporte de aerosoles atmosféricos durante el año 2019?; ¿Cuál es la
formación de aerosoles atmosféricos debido a los incendios forestales en la
Amazonia y su influencia en Huancayo durante el año 2019?. Siendo el objetivo
general determinar el transporte de aerosoles atmosféricos debido a incendios
forestales en la Amazonia y su influencia en Huancayo mediante el modelo
Hysplit durante el año 2019; los objetivos específicos fueron: Identificar los focos
de incendios forestales que generan aerosoles atmosféricos en la Amazonía y
su influencia en Huancayo durante el año 2019; Determinar la frecuencia de
incendios forestales en la Amazonía y cómo influyen en el transporte de
aerosoles atmosféricos durante el año 2019; Determinar la formación de
aerosoles atmosféricos debido a incendios forestales en la Amazonía y su
influencia en Huancayo durante el año 2019.

La justificación teórica de la investigación se da con el propósito de aportar al


conocimiento existente el posible transporte de aerosoles atmosféricos hacia la
ciudad de Huancayo desde la amazonia de Brasil durante el año 2019. Por
argumento metodológico el estudio pretende validar el modelo Hysplit, un
modelo de dispersión poco empleado en investigaciones desarrolladas
anteriormente lo cual podrá ser utilizado en futuros trabajos de investigación. La
utilidad práctica es dar a conocer y aplicar en futuras investigaciones el modelo
Hysplit para determinar trayectorias de contaminantes en el aire como los
aerosoles atmosféricos. Por relevancia ambiental del presente estudio dará a
conocer la posible presencia e influencia de aerosoles sobre la cuenca
atmosférica de Huancayo provocados por incendios forestales en Brasil, ya que

3
según anteriores estudios estos aerosoles tienen un efecto de enfriamiento o
calentamiento del aire provocando consecuencias climáticas y ambientales
(Artaxo et al., 2006).

La hipótesis general planteada en el estudio fue: El transporte de aerosoles


atmosféricos debido a incendios forestales en la Amazonia tiene influencia
significativa en Huancayo mediante el modelo Hysplit durante el año 2019.
Siendo las hipótesis específicas: Los focos de incendios forestales que generan
mayor concentración de aerosoles atmosféricos durante el año 2019 se ubican
en la Amazonia de Brasil y Perú e influyen significativamente en Huancayo
durante el año 2019; La frecuencia de incendios forestales en la Amazonía de
Brasil influyen significativamente en el transporte de aerosoles atmosféricos
durante el año 2019; La formación de aerosoles atmosféricos se dan por
incendios forestales en la Amazonía e influyen significativamente en Huancayo
durante el año 2019.

4
II. MARCO TEÓRICO

5
Angeles & Angeles, (2017) en su investigación planteó como objetivo cuantificar
la procedencia de los aerosoles que se transportan hacia la región Andina del
Perú y conocer si estos aerosoles provocan un calentamiento o enfriamiento en
el sistema terrestre. Empleó el modelo Hysplit para determinar traslado de
contaminantes dirigidas de la Amazonía de Brasil a la región Andina del Perú.
Los datos de espesor óptico de aerosol fueron obtenidos a través de los satélites
TERRA, AQUA y el fotómetro solar CIMEL de la central de control de la NASA
donde fueron procesadas. Los datos de focos de incendio se obtuvieron de la
plataforma virtual del INPE de Brasil. Los resultados de la variación temporal del
espesor óptico de aerosol a 550 nm se obtuvieron con la comparación entre
MODIS de los satélites AQUA y TERRA y las mediciones del fotómetro solar
CIMEL, donde en los meses de agosto y septiembre presento una variación
temporal entre 0.0 a 0.5 en el año 2014; la variación temporal del espesor óptico
de aerosol de la región de Brasil hacia la ciudad de Huancayo evidencia que en
el mes de septiembre hay una transporte de aerosoles en dirección a la región
de Huancayo. Concluyó que las emisiones se aerosoles son de 0.96 en estación
húmeda en comparación de 0.25 de la estación seca; se evidencia que en el mes
de septiembre ocurre un transporte de contaminantes entre ellos los aerosoles a
la región Andina del Perú, ya que Cuiaba, Alta Floresta y Huancayo muestran un
valor máximo de 1, 1.2 y 0.12.

Victoria & Estevan, (2021) tuvo como objetivo determinar las características del
aerosol atmosférico en el observatorio de Huancayo durante el año 2019. El
estudio recopiló datos del fotómetro solar de Huancayo que es parte de la red
AERONET y de MODIS de los satélites AQUA y TERRA; identificó el espesor
óptico de aerosol (AOD) y el coeficiente de Angstrom (EA); recopiló datos de
focos de incendios y por último determinó la retrotrayectorias de masas de aire
con el modelo Hysplit; para los datos de AOD se evaluaron valores mínimos,
máximos y medios con el exponente de Angstrom; también evaluó los tipos de
aerosoles presentes en la zona de estudio y se emplearon valores del fotómetro
solar para la intercomparación de los resultados. Los resultados de la
investigación determinaron que la media de AOD y EA (AERONET) fueron
0.159±0.073 y 1.624±0.198, de AOD de AQUA y TERRA fueron 0.088 ± 0.056 y
0.098 ± 0.087; el modelo Hysplit mostró como resultado un transporte de

6
aerosoles procedentes de Huánuco, Pasco, Ucayali y un porcentaje mínimo de
países como Bolivia y Brasil hacia el observatorio de Huancayo; la
intercomparacion de AOD AQUA y TERRA con datos de la red AERONET,
logró los coeficientes de correlación 0.794 y 0.796. La investigación concluye
que los valores máximos, mínimos y medios de AOD TERRA fue mayor que AOD
AQUA; en el mes de agosto se registraron valores máximos de AOD MODIS;
mayor número de incendios forestales se registraron en los meses de agosto y
septiembre; en la estación AERONET se encontraron tipos de aerosoles
abundantes en el observatorio de Huancayo como CNT (51.9 %) y BIO (47.0 %).
Los mayores transportes de masas de aire hacia el observatorio de Huancayo
provienen de la Amazonía del Perú.

Calderón M., (2018) tuvo como objetivo identificar la influencia de partículas


PM10 transportados de Perú y países vecinos por la quema de biomasa, sobre
el espesor óptico de aerosol (AOD). El estudio empleó datos de agosto del 2015
y enero del 2016 (periodo no lluvioso y lluvioso); el modelo WRF-CHEM se
empleó para el modelamiento y así determinar los valores de concentración de
PM10 y determinar su transporte; se recopilaron datos de AOD del fotómetro
solar CIMEL CE-318T; se realizó un ensayo de correlación con los datos de
PM10 para comprobar si los datos obtenidos con el modelo empleado son de
buena calidad y establecer si los datos son representativos. Los resultados de la
investigación indicaron que la cantidad de focos de incendio en el mes de agosto
del 2015 fue significativamente mayor que los de enero del 2016; los valores de
PM10 en el mes de agosto fue mayor al mes de enero. Se constató que la ciudad
de Huancayo es afectada tanto por partículas que se generan en el Perú, como
partículas procedentes de Brasil y Bolivia. Por último, se probó que el espesor
óptico de aerosol es afectado por las partículas de PM10, ya que para el mes de
agosto del 2015 el coeficiente de correlación es de 76.8 %.

Zielinski et al., (2016), tuvo como objetivo determinar los cambios del espesor
óptico de aerosol (AOD) en la región de Europa del Este y el Mal Báltico debido
a incendios forestales ocurridos en el área de Bielorrusia y Ucrania en 2002. La
investigación seleccionó datos de tres estaciones de la red AERONET las que
utilizaron fotómetros Solares CIMEL en 7 longitudes de onda ubicadas alrededor
del mar Báltico; los datos utilizados fueron de calidad de nivel 2.0, se

7
recolectaron datos de espesor óptico de aerosol (AOD) y coeficiente de
Angstrom; la trayectoria de masas de aire se calculó con el modelo HYSPLIT en
500, 1500 y 3000 m; los resultados de AOD se respaldaron por los análisis de
datos de satélites con el sensor MODIS. Los resultados indicaron que los valores
de AOD en el mes de agosto aumentaron significativamente en comparación de
otros meses del año 2002, los promedios anuales del AOD en las tres estaciones
fueron raramente altos en comparación y difieren con los datos de 1999 y 2003;
el modelo Hysplit indicó que las masas de aire podrían haber transportado
partículas sobre la estación Gotland a una altitud inferior a 3000 msnm durante
el 15 y 27 de agosto del 2002; los resultados obtenidos por MODIS a 550 nm
para cinco regiones en el 15 y 27 de agosto del 2002 indican un aumento de
AOD para las regiones de Ucrania, el Báltico y Bielorrusia (0.6-0.7) en
comparación con el resto de Europa; estos resultados junto con las trayectorias
de masas de aire muestran que las partículas finas fueron transportadas a la
región del Báltico con vientos del suroeste que transportaron masas de aire de
las áreas de los incendios forestales. El estudio concluye que en agosto del 2002
se transportaron masas de aire contaminadas de las áreas de incendios
forestales hacia toda la región, con la evidencia de niveles muy altos de AOD
superior a 0.7.

Darga Saheb et al., (2019), tuvo como objetivo principal examinar la variación
espacial, estacional e interanual de la quema de biomasa y su impacto en las
propiedades ópticas regionales de los aerosoles en el norte de la India. La
investigación se realizó mediante observaciones de aerosoles multisatélite de
puntos de incendio activos, Espesor óptico de aerosol (AOD) de 550 nm; los
datos fueron recopilados del sensor MODIS y observaciones en Tierra como el
fotómetro solar CIMEL de AERONET de la estación de Kampur durante enero
de 2003 a diciembre de 2017; los transportes de largo alcance de aerosoles de
humo se determinaron mediante la sinergia de observaciones terrestres,
satelitales y simulaciones del modelo Hysplit. Los resultados de incendios activos
del sensor MODIS determinaron un incremento en la cantidad de ocurrencias de
incendios en la India en un periodo de 15 años del 2003 al 2017 con un promedio
de 1477 de incendios por año; las temporadas incendios dominantes son en
marzo y mayo donde representan más del 45 %. La observación satelital muestra

8
una gran pendiente de parámetros de aerosoles del noroeste al sureste a lo largo
de las colinas del Himalaya, lo que indicó un transporte regional de aerosoles de
humo sobre la región; los datos fueron respaldados con observaciones de AOD
en tierra en cuatro ubicaciones una de ellas Kampur a través del fotómetro solar
CIMEL de la red AERONET, los valores climatológicos promediados del AOD
terrestre para las cuatro estaciones fueron 0,52 ± 0,26, 0,75 ± 0,40, 0,45 ± 0,24
y 0,57 ± 0,29 respectivamente. Las rutas de transporte de humo originadas por
la quema de residuos de cultivos analizadas mediante el modelo HYSPLIT,
indicaron que la mayoría de aerosoles de humo se transportan al este de IGP
una de las regiones del norte de la India, al centro de la India y regiones
oceánicas adyacentes. El estudio concluye que la quema de biomasa y
aerosoles afecta a todo el norte de la India y las regiones oceánicas vecinas.

Gyanesh Kumar et al., (2019), tuvo como objetivo explorar la distribución del
tamaño y las características de las características de la masa de los aerosoles
ambientales y sus fuentes de combustión durante el periodo posterior al monzón
en el norte la India. Se recopilaron datos de incendios del satélite MODIS, para
determinar la influencia de las masas de aire durante el periodo de estudio se
evaluó la trayectoria de masas de aire (5 días, 500 msnm) utilizando el modelo
Hysplit para determinar el alcance de los incendios y la fuente de las masas de
aire. El estudio tuvo como resultados del recuentro de incendios por MODIS una
intensidad de quemas en la región; los datos de trayectoria de masas de aire de
largo alcance prevalecieron durante el periodo de muestreo; se determinaron
datos elevados de PM1: 253 ± 31 µg m-3 y de PM2.5: 286 ± 39 µg m-3 durante
la noche lo que indica un impacto de la altura de la capa límite menos profunda.
La fracción gruesa más alta ((PM10-PM2.5) / PM10) de PM durante el día,
especialmente por la tarde (0.5 ± 0.2) se atribuye a la elevación de polvo mineral
debido a la mayor velocidad del viento. La quema de biomasa pareció ser la
fuente dominante de PM ambiental en el sitio de muestreo, la quema de
biocombustible en la cocina doméstica podría ser la dominante. contribuyente a
la concentración mejorada de PM en el lugar de muestreo en IGP a barlovento
durante el período de estudio.

Della Ceca, (2018) planteó como objetivo estudiar la distribución espacio


temporal de aerosoles atmosféricos y evaluar la relación entre las medias de

9
AOD satelital material particulado de una estación de monitoreo y datos
meteorológicos en la ciudad de Córdoba-Argentina. El periodo de estudio fue del
2003 y 2013, se desarrolló a través de datos de espesor óptico de aerosol (AOD)
con el sensor MODIS de los satélites TERRA y AQUA; se hiso un nuevo
algoritmo. Se examinó la concentración y variación por año, mensual y estacional
de los aerosoles; se evaluó la correlación de AOD y valores de material
particulado. Los resultados de AOD indicaron que en los meses de diciembre a
febrero los valores fueron parcialmente altos en Córdoba donde de otoño a
invierno estos disminuyen; desde el mes de agosto se nota un mayor incremento
de AOD alcanzó el valor máximo en septiembre, esto concuerda con la época de
quema de biomasa de la ciudad de Córdoba y países cercanos como Bolivia,
Brasil y Paraguay donde demuestra el transporte no solo regional sino
continental de los aerosoles incluido material particulado provocado por
incendios

Alegría C., (2015) en su investigación planteó como objetivo determinar las


propiedades microfísicas de los aerosoles procedentes de medidas del fotómetro
solar y Lidar en el valle de Aburrá, Colombia. Los datos del estudio se
desarrollaron durante los años 2013 y 2014 donde emplearon un fotómetro solar
de red AERONET de la NASA, un sistema Lidar actuando a 532 nm, impactador
de aerosol PM2.5 de un laboratorio de calidad de aire y estación meteorológica
común; estudiaron el reparto de dimensión de partículas, volumen, radio y
concentración de PM 2.5 por monitoreo del fotómetro solar, BAM 1020 y sistema
Lidar. El estudio concluyo que la temperatura de la zona influyó en alteración de
los valores de AOD, concentración de PM2.5 y los apuntes Lidar en correlación
a las alturas de CLA y el reparto de partículas por su tamaño.

Como teorías relacionadas a la investigación, los aerosoles son un grupo de


partículas de forma líquida o sólida en suspensión de todas la formas, tamaños
y composiciones en el aire; posee fuentes naturales como sal marina, polvo
mineral, aerosoles orgánicos; su fuente antropogénica incluye sulfatos, nitratos
y aerosoles carbonosos que provienen de fuentes de combustión de
combustibles fósiles (Borduas & Donahue, 2018). Por otra lado Bellouin &
Haywood, (2020), describe a los aerosoles como partículas líquidas o sólidas
que se emiten directamente a la atmosfera o se convierten a partir de

10
precursores gaseoso, e indican que los medios naturales o las actividades
humanas generan aerosoles; permanecen en la tierra hasta dos semanas, donde
experimentan transformación química y transporte a larga distancia

Los rangos de tamaño de los aerosoles comprenden entre los 0.01µm y 10 µm


y en el aire persisten por muchas horas. Los aerosoles en el clima intervienen
directamente esparciendo y captando radiación; indirectamente intervienen
alterando las características ópticas y el ciclo de vida de las nubes participando
como núcleos de condensación en la creación de las estas (IPCC, 2007). Según
Golden, (2000) los aerosoles oscilan de 2 nm a 10 µm y las partículas que surgen
de combustión se encuentran entre 0.05 a 0.35 µm.

Existen dos tipos de aerosoles, el aerosol primario: Son aerosoles que en forma
de partícula se emiten a la atmósfera; el aerosol secundario: es el resultado de
un proceso de trasformación de gas-partícula (Expósito G., 1999). Por otro lado
Bellouin & Haywood, (2020) indica que los aerosoles primarios son partículas
directamente emitidas de fuente como polvo, roció de mar y cenizas volcánicas
; los aerosoles secundarios se componen a través de la condensación de gases
en la atmosfera, produciendo partículas como sulfato y aerosol orgánico.

Los aerosoles provocan la dispersión de la luz solar y la absorben en distintos


grados en función de sus propiedades físicas y ópticas. Además, desempeñan
un efecto de enfriamiento del clima, sin embargo, también pueden provocar un
calentamiento adicional de la atmósfera (OMM, 2016). Borduas & Donahue,
(2018) describen que las partículas pueden interactuar directamente con la
radiación al dispersar la luz y reducir la radiación a la superficie, pero el aerosol
de carbono (hollín) también puede absorber la radiación y calentar la atmosfera,
si intervienen a modo de núcleos de condensación de las nubes también
contribuyen en la dispersión.

Las características físicas de los aerosoles son: Distribución global donde los
aerosoles se distribuyen en la tropósfera de forma heterogénea a causa del
periodo de permanencia y variedad de fuentes, donde las conglomeraciones más
altas están cerca de las áreas donde se emitieron los aerosoles; los aerosoles
perciben muchos cambios físico - químicos durante su permanencia en la
atmósfera y son eliminadas relativamente rápido, por las precipitaciones. Tiempo

11
de vida: El tiempo de vida depende generalmente de la dimensión y naturaleza
higroscópica del aerosol atmosférico (Días R., 2005). Distribución de tamaños:
esta característica física del aerosol atmosférico es primordial por la interrelación
del aerosol con la radiación solar y el periodo de permanencia en el aire (Días
R., 2005). Las partículas muestran distintas formas, ya que las que tienen un
radio superior a 0.5 µm no poseen una estructura esférica, es por eso que las
que tienen dimensiones de 0.001µm a 100 µm conceden espacio a grupos con
características químicas y ópticas de tal manera que se logran agrupar entre
partículas finas y gruesas que dependerán de su diámetro (Alegría C., 2015).
Distribución vertical: los aerosoles se también se extienden de forma vertical y la
distribución de esta depende especialmente de su tamaño. Otras investigaciones
evidencian que las partículas con radios menor a 0.1 µm disminuyen velozmente
de 1 a 10 partículas por cm3 entre uno 28 y 30 km; las partículas grandes de
entre 0.1 y 1 µm disminuyen en la tropósfera donde llegan a valores de entre 10
y 20 partículas/cm3. Entretanto estas partículas comienzan a crecer con la altura
en la parte baja de la estratósfera llegando a 15 y 25 Km y las estimaciones de
partículas varían de 50 y 200 partículas/dm3. A nivel global se muestra esta capa
de aerosoles y tiene el nombre de la capa de aerosoles de Junge (Días R., 2005).

Los aerosoles actúan en el clima de la Tierra mediante la alteración del balance


radiativo a través del efecto directo e indirecto, ya que provocan enfriamiento
cuando reflejan la radiación solar o calentamiento al absorber la radiación (Días
R., 2005). Como se muestra en la figura Nº 1, el efecto directo está coligado a
la correlación entre los aerosoles y la radiación solar. Existen fenómenos ópticos
que esta implicados como la difusión y absorción la radiación por los aerosoles
estos intervienen de forma opuesta, en otras palabras, la reflexión de la radiación
solar prevalece a consecuencia de la dispersión favoreciendo al descenso de la
temperatura en la superficie de la tierra; entretanto se produce un resultado
opuesto con la absorción, donde provoca un calentamiento sobre la superficie
de la tierra y la atmósfera baja (Palacios P., 2014). Como se muestra en la figura
Nº 2, el efecto indirecto hace alusión a la intervención de los aerosoles sobre el
centro de condensación de las nubes incrementando la agrupación de las gotas
de agua y las partículas de hielo alterando las microfísicas de las nubes y
perjudicando a sus características radiativas; también se denomina el efecto

12
albedo de las nubes Según las últimas investigaciones aseguran que las nubes
incrementan su tamaño y subsisten más tiempo cuando hay gran cantidad de
aerosoles, que cuando estas precipitan provocan tormentas extremas (Días R.,
2005).

Figura 1: Efecto directo e indirecto de la radiación solar sobre


los aerosoles.

Figura 2: Efecto indirecto de la radiación solar sobre los


aerosoles.

El espesor óptico de aerosol es una magnitud adimensional, simboliza la carga


total de todos los aerosoles sobre la columna atmosférica. Es decir, indica el
poder que tienen los aerosoles que a una determinada longitud de onda puede
disminuir la radiación solar, a través de la difusión o absorción de la radiación
(Vivanco C., 2014). El calculo del espesor óptico total esta demostrada en la ley

13
de Lambert – Beer, donde interpreta la atenuación de la radiación a su transporte
por la atmósfera, el espesor óptico total es calculado utilizando la siguiente
ecuación (Contreras et al., 2014).
𝑅𝐼
𝑙𝑛 ( 𝐼 0𝜆 )
𝜆
𝜏=
𝑚

Donde: 𝑅 = Factor de correlación distancia sol y la tierra; 𝐼𝜆 = Intensidad de


radiación examinada a una determinada longitud de onda ( 𝜆), a nivel de la
superficie del suelo; 𝐼0𝜆 = intensidad de radiación en el extremo de la atmósfera,
adquirido gráficamente por el método de Langley, particularmente para una; 𝑚=
masa del aire definido por la secante del cenital solar.

El fotómetro solar CIMEL CE-3018T se encuentra instalado en el observatorio


de Huancayo del instituto geofísico del Perú (IGP), en el Laboratorio de
Microfísica Atmosférica y Radiación (LAMAR); desde el 20 de marzo del 2015,
esto como parte del programa AERONET (Aerosol Robotic Network) de la NASA.
Este instrumento ha sido diseñado para realizar mediciones directas de radiación
solar de forma automática, estas mediciones se realizan en 8 longitudes de onda
340, 380, 440, 500, 670, 870, 940, y 1020 nm respectivamente, cada 15 minutos;
permite calcular el espesor óptico de aerosol (AOD) en función de la atenuación
de la radiación solar directa medida en cada longitud de onda y calculada según
la ley de Lambert Beer – Bouguer. Los datos a cada hora son transmitidos a
satélites y retransmitidos para la central de control en la NASA, en el que son
tratadas y habilitadas para el público en internet (http://aeronet.gsfc.nasa.gov/).
Los valores de AOD se miden en tres niveles de calidad; nivel 1, nivel 1.5 y nivel
2.0 (datos seleccionados en la nube y de calidad garantizada). La calibración del
equipo está a cargo de GSFC (Goddard Space Flight Center) parte de la NASA
y son responsables de mantener la calidad y funcionamientos de todos los
instrumentos; la calibración al fotómetro solar se realiza de 6 a 12 meses
después de recopilar datos, ya que los datos obtenidos pasando los 12 meses
no son fiables porque son susceptibles a condiciones ambientales. El fotómetro
solar se calibra mediante la técnica de Langley, con el que se busca determinar
el coeficiente de calibración para convertir el número digital de salida del

14
instrumento en una salida deseada para los datos de espesor óptico de aerosol,
agua precipitable y radiancia (AERONET, 2020)

Los incendios forestales según el Instituto Nacional de Defensa Civil son la


extensión y propagación sin control del fuego sobre un terreno de vegetación ya
sea en bosques, regiones áridas o semiáridas y selvas; en muchos casos los
incendios son provocados por negligencia de las personas. Si el fuego se
encuentra en condiciones adecuadas para su propagación podría recorrer
extensas y amplias extensiones de terrenos boscosas provocando daños muy
graves a la flora, fauna y al suelo, además que ocasiona pérdidas ecológicas
económicas y sociales de forma directa e indirecta (INDECI, 2006). Por otro lado
Bilbao et al., (2020), indica que los incendios forestales son la extensión libre no
planificada del fuego en la vegetación, la procedencia de estos incendios son de
causas natrales como, erupciones volcánicas, existencia de algunos minerales
en el suelo, terremotos, pero ocurren con poca frecuencia que los incendios
androgénicos esta última es la primordial causa de incendios de ecosistemas;
esto es producto de uso de suelos agrícolas o ganaderas y su incorrecto uso o
ampliación de áreas de cultivo. La quema es la utilización del fuego a la
vegetación que posibilita que el fuego se confine a una determinada área, es
empleada con muchas intensiones como en los trabajos campesinos agrícolas y
ganaderas.

El Instituto Nacional de Investigaciones Espaciales (INPE) es una plataforma


web vinculado a la ocurrencia de incendios en la vegetación, tiene un programa
denominada Queimadas de desarrollo tecnológico e innovación de productos,
procesos y geo servicios para el monitoreo y modelado de la ocurrencia,
propagación y clasificación del fuego vivo en la vegetación; su riesgo, extensión
y severidad; para esto utiliza técnicas de teledetección, geo procesamiento y
modelado numérico. Actualiza automáticamente de forma diaria datos de
América, África y Europa (INPE, 2020).

El estado atmosférico o meteorológico está definido a través de las variables


meteorológicas tal como la precipitación, temperatura, velocidad y dirección de
vientos (Pabón et al., 1998). La dirección de vientos es el rumbo de donde viene
el viento, esta se define conforme a los 8 o 16 rumbos de la roda náutica acorde
del norte geográfico, es decir, la dirección del viento se refiere a los diferentes

15
rumbos de la rosa de vientos; para determinar la dirección de vientos se utiliza
un veleta (Ayllón, 2003). La velocidad de viento es conocida también como la
fuerza el viento, y se mide en metros por segundos, en kilómetros por hora o en
nudos; este es igual a una amilla por hora o 0.51 m/s. La velocidad del viento
generalmente no es constante durante un gran intervalo de tiempo, para
determinarla se emplean anemómetro y anemógrafos. La precipitación se
describe como el descenso del agua proveniente de las nubes, ya sea en estado
líquido o sólido. Se produce cuando las pequeñas gotas de las nubes se unen y
a si formar gotas más grandes donde dominan la fuerza del aire y estas caen.
Cada gota de nube en su mayoría tiene un diámetro de entre 10 y 30 𝜇, y una
gota de lluvia aproximadamente 2000 𝜇. El desarrollo de las gotas de las nubes
son por el choque directo o por coalescencia entre gotas, o sea, la acumulación
de pequeñas gotas por el rompimiento de su estabilidad coloidal; la precipitación
se mide a través de un pluviómetro o pluviógrafo (Andrades R. & Muñez L.,
2012).

Las masas de aire son grandes porciones de aire de 1600 Km o más que tiene
características homogéneas de temperatura, humedad y densidad; se clasifican
en masas de aire frio (producen tormentas) y caliente (producen lloviznas)
(Andrades R. & Muñez L., 2012). Sus principales aspectos a considerar son la
región de origen: es un área extensa de superficie plana y características
homogéneas; la trayectoria de desplazamiento: las masas de aire empiezan a
cambiar su estructura cuando dejan su lugar origen, estos cambios afectan a la
humedad, temperatura y estabilidad vertical; la edad: es el tiempo que utilizado
la masa de aire en su desplazamiento desde que deja su lugar de origen.

El modelo de trayectoria integrada lagrangiana híbrida de una sola partícula


(HYSPLIT) fue desarrollado por el laboratorio de recursos aéreos de NOAA por
sus siglas en inglés (National Oceanic and Atmospheric Administration); es un
modelo de sistema íntegro, es muy utilizado ya que determina la dispersión y el
transporte atmosférico, además sirve para calcular trayectorias simples de
masas de aire, alteración química, deposición y simulaciones de dispersión. El
estudio de trayectoria inversa es una de las aplicaciones más comunes del
modelo, describe la fuente de las masas de aire y constituyen una relación entre
la fuente y el receptor. Es decir, Hysplit se emplea para estimar la posición de la

16
masa de aire con el tiempo basado en un algoritmo de velocidad de masa de aire
lagrangiano tridimensional (latitud, longitud y altitud). El modelo se ha utilizado
ampliamente para comprender las fuentes de aerosoles y el mecanismo de
hundimiento (Stein et al., 2015).

17
III. METODOLOGÍA

18
3.1 Tipo y diseño de la investigación:

El tipo de la investigación es aplicada ya que busca estudiar y averiguar la


influencia del transporte transfronterizo de aerosoles atmosféricos en la Ciudad
de Huancayo que están basadas en investigaciones iniciales y referencias
teóricas; donde Lozada, (2014) menciona que la investigación aplicada, emplea
conocimientos básicos para buscar generar más información para analizar y
solucionar problemas en un contexto definido.

La investigación es de enfoque cuantitativo, debido a su búsqueda de medición


de correlación de los focos de incendios forestales en el aerosol atmosférico; ya
que Hernández et al., (2014) menciona que el enfoque cuantitativo es aquel que
utiliza la recopilación de datos para demostrar la hipótesis, a través del cálculos
numéricos y el análisis estadístico.

La investigación es no experimental descriptivo ya que no se manipulan las


variables porque ya han sucedido más solo se observa el comportamiento para
poder analizarlas; ya que según Hernández et al., (2014) menciona que la
investigación no experimental es aquella donde no se varían intencionalmente
las variables independientes, es decir se observan fenómenos tal como suceden
y se analizan.

El diseño de la investigación es transversal correlacional ya que busca calcular


el grado de relación entre las variables de focos de incendios forestales y
aerosoles atmosféricos en momento determinado, según Hernández et al.,
(2014), los diseños de investigación transversales reúnen datos en un solo
momento, busca explicar variables y estudiar su interrelación en un momento
determinado. Las investigaciones correlacionales explican la relación entre dos
o más variables, en los diseños transversales correlacionales el investigador
observa, reporta las causas y efectos ya ocurridos.

3.2 Variables y operacionalización

V1: Incendios forestales

V2: Aerosoles atmosféricos

19
En la siguiente tabla se clasifican las variables que se estudiaran en la
investigació

20
Tabla 1: Matriz de operacionalización de variables
UNIDAD DE
VARIABLES DEFINICIÓN CONCEPTUAL DEFINICIÓN OPERACIONAL DIMENSIONES INDICADORES
MEDIDA
Lugares de quema Adimensional
Cantidad de focos
Focos de ha
Según INDECI 2006 (Instituto de incendio
Los datos se obtendrán delincendios
Nacional de Defensa Civil). Define
a los incendios forestales como la
INPE-Brasil, se analizaraforestales Área de quema Adimensional
mediante la correlación con los
INCENDIOS extensión y propagación sin Características de la Números
datos de AOD para determinar
FORESTALES control del fuego sobre un terreno enteros
la influencia de los aerosoles zona
de vegetación ya sea en bosques,
atmosféricos debido a Alto
regiones áridas o semiáridas y
incendios forestales en la Frecuencia de
selvas.
amazonia sobre la ciudad de
Medio Adimensional
incendio
Huancayo. Bajo
Longitud de onda nm
Formación de
aerosoles Espesor óptico de
Adimensional
aerosol
Los aerosoles atmosféricos TRANSPORTE
Se define como una partícula en serán medidos en base a la DE AEROSOL Trayectoria Adimensional
suspensión en la atmósfera que relación de datos de focos de ATMOSFÉRICO
se presenta de forma sólida incendio forestal de la
AEROSOLES líquida o coloidal, las partículas Amazonía de Brasil con datos Mínimo
ATMOSFERICOS pueden estar compuestas por de espesor óptico de aerosol ESPESOR
polvo de suelo, material presentes en Huancayo y el ÓPTICO DE Máximo Números
biogénico, hollín, sales marinas u transporte de aerosol AEROSOL enteros
otros (Seinfeld & Pandis, 1987) atmosférico mediante el modelo (500nm) Promedio
HYSPLIT.

21
3.3 Población, muestra, muestro

La población en el presente trabajo de investigación son los datos de aerosoles


que se generan en el incendio de la Amazonía de Brasil en el año 2019.

La muestra son los datos del espesor óptico de aerosol obtenidos del fotómetro
solar del Instituto Geofísico del Perú – Observatorio de Huancayo del año 2019;
Hernández et al.,(2014) menciona que la muestra es un subgrupo de datos
recolectados que pertenecen a la población.

El muestreo de la investigación es probabilístico aleatorio simple, ya que todos


los datos de la población tienen la oportunidad de ser incorporados en la muestra
y se selecciona al azar un subgrupo que represente a la población, el cual
comprende de muestras del espesor óptico de aerosol obtenidas del Fotómetro
solar CIMEL CE 318T con una frecuencia de 1 minuto en los meses de agosto,
septiembre y octubre del año 2019, el mismo que representa 129 600 datos de
los meses donde ocurrió el incendio forestal más grande en la amazonia de
Brasil. Según Otzen & Manterola, (2017) el muestreo probabilístico aleatorio
simple es cuando cada muestra tiene la misma oportunidad de ser escogida,
además la muestra es extraída al azar.

3.4 Técnicas e instrumentos de recolección de datos

La técnica para el desarrollo de la presente investigación se basa en la


observación de datos.

Tabla 2: Instrumentos de recolección de datos

Nº Nombre de instrumento Variable


Focos y frecuencia de incendios forestales en la Incendios
01
Amazonía de Brasil forestales
Incendios
02 Formación de aerosoles
forestales
Espesor óptico de aerosol y transporte de Aerosoles
03
aerosoles atmosféricos atmosféricos

22
Para poder recolectar datos para la investigación fue necesario evaluar los
instrumentos a utilizar, para ello de usaron ítem de validación. Para contrastar la
validez de cada instrumentos de investigación se registró el porcentaje dado por
los expertos, los cuales dieron como resultado un promedio de .(ver Tabla Nº 3)

Tabla 3: Promedio de Validación de instrumentos


PORCENTAJE DE VALIDACIÓN

Formación de Espesor
NOMBRE DEL Focos y frecuencia de aerosoles por los óptico de
ESPECIALISTA incendios forestales incendios aerosol y
en la Amazonía de forestales en la transporte
Brasil Amazonía de de aerosoles
Brasil atmosféricos

Ing. Castro Tena, Lucero 95 % 95 % 95 %


Ing. Holguin Aranda,
85 % 85 % 85 %
Luis
M.S.c. Güere Salazar,
90 % 85 % 90 %
Fiorella Vanessa
PROMEDIO 90 % 88.33 % 90 %

3.5 Procedimientos
3.5.1. Ubicación

La investigación se llevó a cabo en la cuenca atmosférica de la


Provincia de Huancayo perteneciente al departamento de Junín;
ubicada cerca de la zona ecuatorial a 12º 4´ 34.51” S y 75º 12´
43.412” O, tiene una superficie total de 319,41 km2 y a una altitud
media de 3 249 msnm.

La ciudad de Huancayo durante todo el año posee un clima templado


e inestable, variando en 28 ºC en los días más cálidos y – 5 ºC en
las noches más frías; presenta una temporada de lluvias que inicia
en el mes de octubre y continua en noviembre, diciembre, enero,
febrero y abril; la temporada seca inicia en el mes de mayo y continua
en los meses de junio, julio, agosto y septiembre. Huancayo tiene
temperatura media anual de 12.0 ºC y presenta una precipitación
anual media de 936.1 mm.
23
Figura 3: Mapa de la provincia de Huancayo

3.5.2. Materiales y equipos

El fotómetro solar CIMEL CE-318T: Se encuentra instalado en el


observatorio de Huancayo del instituto geofísico del Perú (IGP), en el
Laboratorio de Microfísica Atmosférica y Radiación (LAMAR); desde el 20
de marzo del 2015, esto como parte del programa AERONET (Aerosol
Robotic Network) de la NASA.

Este instrumento ha sido diseñado para realizar mediciones directas de


radiación solar de forma automática, estas mediciones se realizan en 8
longitudes de onda 340, 380, 440, 500, 670, 870, 940, y 1020 nm
respectivamente, cada 15 minutos; permite calcular el espesor óptico de
aerosol (AOD) en función de la atenuación de la radiación solar directa
medida en cada longitud de onda y calculada según la ley de Lambert
Beer – Bouguer. Los datos a cada hora son transmitidos a satélites y
retransmitidos para la central de control en la NASA, en el que son
tratadas y habilitadas para el público en internet
(http://aeronet.gsfc.nasa.gov/).

24
Los valores de AOD se miden en tres niveles de calidad; nivel 1, nivel 1.5
y nivel 2.0 (datos seleccionados en la nube y de calidad garantizada). La
calibración del equipo está a cargo de GSFC (Goddard Space Flight
Center) parte de la NASA y son responsables de mantener la calidad y
funcionamientos de todos los instrumentos.

La calibración al fotómetro solar se realiza de 6 a 12 meses después de


recopilar datos, ya que los datos obtenidos pasando los 12 meses no son
fiables porque son susceptibles a condiciones ambientales. El fotómetro
solar se calibra mediante la técnica de Langley, con el que se busca
determinar el coeficiente de calibración para convertir el número digital de
salida del instrumento en una salida deseada para los datos de espesor
óptico de aerosol, agua precipitable y radiancia (AERONET, 2020)

En la figura Nº 5: se muestra el fotómetro solar CE-318T instalado en el


Instituto Geofísico del Perú, observatorio de Huancayo.

Figura 4: Fotómetro solar CIMEL, observatorio de Huancayo-IGP

INPE (Instituto Nacional de Investigaciones Espaciales)

El instituto Nacional de Investigaciones Espaciales (INPE) de Brasil a


través del sensor MODIS, realiza un monitoreo activo de incendios
forestales que son localizados por satélites; estos datos se encuentra en
el siguiente enlace http://queimadas.dgi.inpe.br/queimadas/portal.

25
MODELO HYSPLIT

El modelo de trayectoria integrada lagrangiana híbrida de una sola


partícula (HYSPLIT) fue desarrollado por el laboratorio de recursos aéreos
de NOAA por sus siglas en inglés (National Oceanic and Atmospheric
Administration); es un modelo de sistema íntegro, es muy utilizado ya que
determina la dispersión y el transporte atmosférico, además sirve para
calcular trayectorias simples de masas de aire, alteración química,
deposición y simulaciones de dispersión. El estudio de trayectoria inversa
es una de las aplicaciones más comunes del modelo, describe la fuente
de las masas de aire y constituyen una relación entre la fuente y el
receptor. Es decir, Hysplit se emplea para estimar la posición de la masa
de aire con el tiempo basado en un algoritmo de velocidad de masa de
aire lagrangiano tridimensional (latitud, longitud y altitud). El modelo se ha
utilizado ampliamente para comprender las fuentes de aerosoles y el
mecanismo de hundimiento (Stein et al., 2015).

3.5.3. Obtención de datos

Datos de focos de Incendios Forestales: El registro de focos de


incendios forestales está basado en el recuento de focos del satélite
MODIS de la NASA, estos datos fueron obtenidos mediante la plataforma
virtual del Instituto Nacional de Investigaciones Espaciales(INPE) de
Brasil de los meses de agosto, septiembre y octubre del 2019.

Datos de formación de aerosoles atmosféricos: Los valores de


aerosoles se obtuvieron del sensor MODIS que se encuentra a bordo del
satélite TERRA para los meses de agosto, septiembre y octubre del año
2019, los datos de variación espacial del espesor óptico de aerosol fueron
a una longitud de onda de 550nm para las regiones de Brasil y Perú con
una ubicación de 84.2871W, 18.7287S, 57.2168W, 1.1346N. Los datos
descargados fueron para el periodo de 2019/08/17 – 2019/08/22;
2019/09/18 – 2019/09/21 y 2019/10/27 – 2019/10/30.

26
Espesor óptico de aerosol (AOD): Para el presente trabajo se
descargaron datos de espesor óptico de aerosol recopilados por el
fotómetro Solar CIMEL CE 318T instalado en el observatorio de Huancayo
del IGP; a través de la plataforma virtual del programa AERONET (Aerosol
Robotic Network) de la NASA, los datos de AOD se descargaron a un nivel
de calidad de 2.0 en los meses de agosto, septiembre y octubre del 2019
a dos longitudes de onda 440 nm y 500 nm respectivamente.

Modelización con Hysplit: Para evaluar el transporte de espesor óptico


de aerosol (AOD) se empleó el análisis de retro-trayectorias. La
configuración del modelo se realizó para una trayectoria regresiva, que se
obtuvo a partir de datos GDAS 0.5°, donde se consideró las horas de
llegada a las 15:00, 17:00, 19:00 y 21:00 hora UTC, a alturas de 1000,
2000 y 3000 metros sobre el nivel del suelo. Dichas alturas fueron
tomadas con el propósito de disminuir los efectos de la topografía y así
observar el comportamiento de las masas de aire a alturas menores y
mayores. Estas corridas del modelo se realizaron para los días 15 de los
meses de agosto, septiembre y para el 26 de octubre del año 2019.

3.6 Método de análisis de datos

Procesamiento de datos focos de incendio: Una vez descargados los datos


de focos de incendio fueron procesados en el programa ArcMap, donde se
obtuvieron mapas que nos permitieron interpretar y cuantificar los focos de
incendios forestales generados en la Amazonia en los meses de agosto,
septiembre y octubre del año 2019, para posteriormente correlacionarlos con los
datos de espesor óptico de aerosol (AOD) y finalmente determinar su influencia.

Procesamiento de datos de espesor óptico de aerosol (AOD): Una vez


obtenidos los datos de AOD pasaron por un proceso de filtrado donde se
ordenaron y revisaron los datos para que coincidan de acuerdo al tiempo y lugar
de estudio. Los datos descargados fueron tratados en el programa Microsoft
Excel donde se identificaron los promedios y los valores de concentración
máximos de AOD para los meses de agosto, septiembre y octubre del 2019 en
la ciudad de Huancayo. Finalmente, estos datos fueron correlacionados con los

27
datos de incendios forestales producidos en la Amazonia para de esta manera
determinar su influencia.

Para el resumen de los resultados se utilizó la estadística descriptiva donde se


obtuvo el promedio, valores máximos por día y mes de los datos de espesor
óptico de aerosol empleando el programa Microsoft Excel.

Procesamiento estadístico: En el procesamiento estadístico de la presente


investigación se aplicaron:

- Análisis de regresión mediante el coeficiente de determinación:


El análisis de regresión utiliza métodos que permiten una mejor relación
práctica entre dos o más variables; el coeficiente de determinación se
emplea para conocer si un modelo es apropiado, en otras palabras, el
coeficiente de determinación es la proporción de la varianza total de la
variable demostrada por la regresión, ayuda a revelar la bondad del ajuste
de un modelo a la variable que se intenta explicar.

Análisis de regresión:

𝑌 = 𝛽0 + 𝛽1𝒳1 + 𝛽2𝓍2

Coeficiente de determinación:
𝑆𝐶𝐸
𝑅2 = 1 −
𝑆𝑇𝐶𝐶
Donde:

𝑆𝐶𝐸 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 , es la suma de los cuadrados de del error.

𝑆𝑇𝐶𝐶 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅𝑖 )2 , es la suma total de los cuadrados corregida.

0 ≤ 𝑅2 ≤ 1

El producto del coeficiente de determinación fluctúa de 0 a 1, ya que si el


valor se acerca más a 1 superior será el ajuste del modelo a la variable
que se pretende demostrar. Por lo contrario, si el valor se acerca más a 0
indica que el modelo está menos ajustado por lo tanto no será fiable
(Walpole et al., 2012).

28
- Media: Es también denominado como el promedio, el resultado de la
media se obtiene al dividir la suma de un conjunto de datos entre la
cantidad de la misma (Walpole et al., 2012).
𝑋1 + 𝑋2 +. . . 𝑋3
𝑀𝑒𝑑𝑖𝑎(𝑋) = (𝑥̅) =
𝑁
- Desviación estándar: Es el índice numérico de la difusión de un grupo
de datos, representa el promedio de las desviaciones individuales de cada
estudio con relación a la media de una difusión; se usa para constituir un
valor de referencia para apreciar la variación universal de un proceso, es
decir cuanto mayor sea la desviación estándar más será la dispersión de
la población.

Es la raíz cuadrada positiva de s2, y se denota con s (Walpole et al., 2012).

𝑆 = √𝑆 2

Todos estos indicadores estadísticos fueron procesados en el Software


Microsoft Excel.

- Prueba T de student para medias de dos muestras emparejadas.

Para la constatación de la hipótesis del estudio se empleó la prueba T de


student para media de dos muestras emparejadas donde se emplearon
los datos de focos de incendios forestales y los datos de espesor óptico
de aerosol (AOD)

La prueba t posibilita comparar las medias de dos series de mediciones


realizadas sobre las mismas unidades estadísticas, se apoya en una
distribución muestral de medias renombrado como la distribución t de
Student que se reconoce por los grados de libertad (Hernández et al.,
2014).

Estadístico de prueba se determina mediante la siguiente ecuación:


𝑑
𝑡=
𝑆𝑑 /√𝑛

Dónde: 𝒕=estadístico t calculado; 𝒅=promedio de las diferencias;


Sd=desviación estándar de las diferencias.

29
Sigue una distribución t con n-1 grados de libertad, por lo tanto, se
rechazará la hipótesis nula (Ho) si t ˃valor crítico

3.7 Aspectos éticos

La presente investigación titulada “Aerosoles atmosféricos debido a incendios


forestales en la amazonia y su influencia en Huancayo mediante el modelo
Hysplit – 2019” respeta el reglamento de investigación, código de ética, y la
Resolución de Consejo Universitario N° 0262-2020/UCV de la Universidad Cesar
Vallejo, cumpliendo con los principios de ética en investigación establecidas. La
investigación no realizó un proceso experimental por lo que no causo alguna
alteración al medio ambiente durante su proceso de desarrollo.

El presente trabajo de investigación hace uso de libros, artículos e


investigaciones las cuales son citadas y referenciadas adecuadamente
aplicando las normas ISO, con el propósito de constatar lo que no es de nuestra
propiedad. El estudio fue sometida al software Turnitin para poner a prueba el
porcentaje de similitud y verificar su originalidad.

30
IV. RESULTADOS

31
4.1 Focos de incendios forestales

Los resultados de los focos de incendios forestales obtenidos en la presente


investigación se demuestran en la Figura 5, Figura 6, Figura 7, Tabla 4 y
Tabla 5.

Figura 5: Focos de incendios forestales registrado en la zona de


estudio para el mes de agosto del año 2019.

Figura 6: Focos de incendios forestales registrado en la zona de


estudio para el mes de septiembre del año 2019.

32
Figura 7: Focos de incendios forestales registrado en la zona de
estudio para el mes de octubre del año 2019.

En las figuras 5, 6 y 7 se muestran la distribución espacial de los focos de


incendios forestales en la zona de estudio detectados en el mes de agosto,
septiembre y octubre del año 2019, cada marca de color rojo presente en el mapa
simboliza un foco de incendio que fue detectado por el sensor MODIS en el
satélite AQUA. Se observa que la mayor cantidad de focos de incendios se
encuentran en la sierra peruana y en la Amazonía de Brasil en los estados de
Pará, Mato Grosso, Amazonas, Rondonia, Mranhao, Acre, Tocantis, Mato
Grosso Do Sul, Mineas Gerais, Paraná, Santa Catarina, Sao Paulo, Goiás,
Bahía, Rio de Janeiro, Ceará.

33
Tabla 4: Incendios forestales registrados en los estados de Brasil en los
meses de agosto, septiembre y octubre del año 2019

Lugares de Cantidad de focos de incendio


quema Agosto Septiembre Octubre
Acre 3051 2977 354
Alagoas 6 12 20
Amapá 21 138 540
Amazonas 6668 3026 548
Bahia 542 1896 1783
Ceará 138 460 1373
Distrito Federal 29 116 27
Espíritu Santo 35 171 73
Goiás 698 4149 873
Maranhao 3366 3667 3645
Mato Grosso 8030 10747 1774
Mato Grosso Do
2430 3210 2310
Sul
Minas Gerais 1369 3833 2049
Pará 10185 4618 3870
Paraíba 41 139 332
Paraná 1144 731 310
Pernambuco 14 76 204
Piauí 2117 3137 2671
Rio de Janeiro 157 208 70
Rio Grande Do
52 81 235
Norte
Rio Grande Do
1647 523 104
Sul
Rondonia 5593 3644 556
Roraima 5 26 53
Santa Catarina 939 272 68
Sao Paulo 742 872 308
Sergipe 0 0 1
Tocantis 2916 4505 1462
TOTAL 51 935 53 234 25 613

En la Tabla 4 se observan los valores de focos de incendios forestales en cada


estado de Brasil para el periodo de estudio, Se resalta que la cantidad total de
focos de incendios forestales para el mes de agosto fue de 51 935 donde el
estado de Pará presentó 10 185 número de focos la mayor cantidad de focos en
dicho mes; el mes de septiembre se identificaron 53 234 focos de incendios
donde el estado de Mato Grosso presentó el mayor número de focos con 10 747;

34
el mes de octubre tubo un total de 25 613 focos de incendios donde el estado de
Pará volvió a presentar un mayor número de focos con 3 870.

Figura 8: Características de la zona de estudio, biomas de Brasil.


En la Figura 8 se muestra los biomas de Brasil, donde presenta condiciones
ambientales específicas que determinan la flora y fauna en el área por lo cual se
divide en seis biomas. Amazonía: corresponde el 49.5 % de todo Brasil, posee
el bosque tropical más grande del mundo, acoge a la mayor cantidad de especies
de flora y fauna, pero está siendo amenazada por la actividad agrícola, tiene un
clima húmedo ecuatorial. Cerrado: este bioma ocupa el 23.3% posee baja
vegetación por lo que es una zona de actividad agrícola y ganadera, es la sabana
más rica del mundo. Mata Atlántica ocupa el 13 % y está en la zona costera de
Brasil por lo que es ocupado por la mitad de la población de todo el país, tiene
alta variedad de flora y fauna el cual solo se conserva en un 27 %. Caatinga
ocupa el 10.1%, es una zona de clima cálido y de gran actividad agrícola
ganadera por lo que la vegetación está muy alterada y ha sufrido la destrucción
de flora y fauna. Pampa posee el 2.3 % tiene un clima lluvioso, es una zona
agrícola con amplia cobertura vegetal de la misma. Pantanal que tiene el 1.8%
posee flora y fauna endémica y de otros biomas, es una zona ganadera.

35
Tabla 5: Resumen de los resultados de focos de incendios forestales en la Amazonía de Brasil en el periodo de estudio, agosto,
septiembre y octubre del año 2019.

Cantidad área de Frecuencia características de la zona


Mes Lugares de quema de Focos quema de Mata
de incendio Km2 incendio Amazonia Caatinga Cerrado Atlántica Pampa Pantanal
Pará, Mato Grosso,
Amazonas, Rondonia,
Mranhao, Acre,Tocantis,
Mato Grosso Do Sul,
agosto 51 935 73 500 Alta 59,50% 2,50% 24,90% 9% 0,90% 3,30%
Mineas Gerais, Paraná,
Santa Catarina, Sao
Paulo, Goiás, Bahia, Rio
de Janerio, Ceará.
Mato Grosso, Pará,
Tocantis, Goiás, Minas
Gerais, Maranhao,
septiembre Rondonia, Mato Grosso 53 234 92 930 Alta 37,40% 5,30% 43,20% 8,10% 0,50% 5,40%
Do Sul, Piauí, Amazonas,
Acre, Bahía, Sao Paulo,
Paraná.
Pará, Maranhao, Piauí,
Mato Grosso Do Sul,
Minas Gerais, Bahia,
octubre Mato Grosso, Tocantis, 25 613 50 140 Media 30,70% 18,40% 32,60% 8,50% 0,30% 9,50%
Ceará, Goías, Rondonia,
Amazonas, Amapá, Acre,
Paraíba

36
En la Tabla 5 se muestra el resumen de los resultados de focos de incendios
forestales en la Amazonía de Brasil en el periodo de estudio. Se observa que la
mayor cantidad de focos de incendios sucedieron en el mes de septiembre (53
234 focos), continuando por agosto (51 935 focos). En el mes de octubre
ocurrieron la menor cantidad de incendios (25 613). La mayor área de quema se
presentó en el mes de septiembre con 92 930 km 2, seguido del mes de agosto
que tuvo un área de 73 500 km2, el mes de octubre presentó la menor área de
quema con 50 140 km2. Brasil. La frecuencia de incendio fue mayor en el mes
de septiembre, seguido de agosto; el mes de octubre presentó una frecuencia
media. Según las características de la zona de estudio el 59.50% de focos de
incendios en el mes de agosto se presentaron en la Amazonía de Brasil esto se
relacionaría con el crecimiento de la actividad agrícola en la zona. En el mes de
septiembre el 43.20% de focos ocurrieron en el bioma Cerrado de Brasil, seguido
del mes de octubre que el 32.60% de focos de incendios ocurrieron en el Bioma
Cerrado. El Bioma Cerrado predomina en durante los meses de septiembre y
octubre, esto se relacionaría con la gran actividad agrícola ganadera que posee.

37
4.2 Formación de aerosoles

Los resultados de la formación de aerosoles obtenidos en la presente


investigación se demuestran en la Figura 9, Figura 10, Figura 11 y Tabla 6.

Figura 9: Variación espacial de AOD en un rango de periodo de


2019/08/17 – 2019/08/22 (agosto del 2019) para Brasil y Perú
obtenida del sistema MODIS-TERRA.

La Figura 9, muestra la variación espacial del espesor óptico de aerosol a una


longitud de onda de 550 nm en las regiones de Brasil, Bolivia y Perú a 84.2871W,
18.7287S, 57.2168W, 1.1346N en el mes de agosto del año 2019; estos valores
provienen del sensor MODIS que se encuentra a bordo del satélite TERRA. Los
valores obtenidos para el mes de agosto se encuentran entre (0.1 – 0.8), donde
los valores máximos predominan en Brasil que oscilan entre 0.49 – 0.8 y en la
región del Perú de 0.33 - 0.49 respectivamente. Se observaron mayores valores
en la región de Brasil, lo que evidenció una mayor formación de aerosoles en
esta región en el mes de agosto del año 2019.

38
Figura 10: Variación espacial de AOD en un rango de periodo de
2019/09/18 – 2019/09/21 (septiembre del 2019) para Brasil y Perú
obtenida del sistema MODIS-TERRA.

La Figura 10, muestra la variación espacial del espesor óptico de aerosol a una
longitud de onda de 550 nm en las regiones de Brasil, Bolivia y Perú a 84.2871W,
18.7287S, 57.2168W, 1.1346N en el mes de septiembre del año 2019; estos
valores provienen del sensor MODIS que se encuentra a bordo del satélite
TERRA. Los valores obtenidos se encuentran entre (0.1-0.8), donde los valores
máximos predominan en la región de Brasil y Bolivia que oscilan entre 0.49 – 0.8
y en la región del Perú de 0.3-0.6 respectivamente, donde se evidencia que los
valores de AOD fueron mayores en el mes de septiembre en comparación del
mes de agosto, es decir hubo mayor formación de aerosoles en el mes de
septiembre del año 2019 en la región de Brasil.

39
Figura 11: Variación espacial de AOD en un rango de periodo de
2019/10/27 – 2019/10/30 (octubre del 2019) para Brasil y Perú
obtenida del sistema MODIS-TERRA.

La Figura 10, muestra la variación espacial del espesor óptico de aerosol a una
longitud de onda de 550 nm en las regiones de Brasil, Bolivia y Perú a 84.2871W,
18.7287S, 57.2168W, 1.1346N en el mes de octubre del año 2019; estos valores
provienen del sensor MODIS que se encuentra a bordo del satélite TERRA. Los
valores obtenidos se encuentran entre (0.1-0.5), donde los valores máximos
predominan en la región de Brasil que oscilan entre 0.3 – 0.49 y en la región del
Perú de 0.1-0.3 respectivamente, donde se evidencia que los valores de AOD
fueron menores en el mes de octubre en comparación del mes de agosto y
septiembre, es decir hubo una menor formación de aerosoles en el mes de
octubre del año 2019 en la región de Brasil.

40
Tabla 6: Resultados de la formación de aerosoles, obtenidos
de los gráficos de variación espacial de AOD de MODIS-TERRA

Espesor óptico de
Mes Longitud de onda (nm)
aerosol
Agosto 550 0,49
Septiembre 550 0,8
Noviembre 550 0,33

En la Tabla 6, se muestran los resultados de la formación de aerosoles en la


Región de Brasil y Perú, obtenidos de los gráficos de variación espacial de AOD
a una longitud de onda de 550 nm del sensor MODIS en el satélite TERRA para
los meses de agosto, septiembre y octubre del año 2019. Se observó que para
el mes de agosto el valor máximo que predominó fue de 0.49 en la región de
Brasil; en el mes de septiembre el valor máximo que prevaleció fue de 0.8 en las
regiones de Brasil y Bolivia; en el mes de octubre el valor máximo que predominó
fue de 0.33. Esto indicó que en el mes de septiembre del año 2019 hubo una
mayor formación de aerosoles seguido del mes de agosto, en el mes de octubre
se observó una disminución de formación de aerosol.

Figura 12: Comparación de resultados de formación de


aerosoles, obtenidos de los gráficos de variación espacial
mensual de AOD-550nm de MODIS-TERRA

41
La Figura 12 muestra la comparación de los resultados de formación de
aerosoles obtenidos de los gráficos de variación espacial de los meses de
agosto, septiembre y octubre del año 2019, del sensor MODIS-TERRA. Se
observó que en el mes de septiembre hay incremento de formación de aerosol,
seguido del mes de agosto, eso coincidiría con la alta presencia de focos d
incendios forestales en dichos meses en la región de Brasil; se identificó que en
el mes de octubre hay una disminución de formación de aerosoles atmosféricos
por lo que coincide con el descenso de números de focos de incendios forestales
en dicho mes en la región amazónica de Brasil.

4.3 Transporte de aerosoles atmosféricos

Para determinar el transporte de los aerosoles atmosféricos hacia la Región de


Huancayo, se efectuó un estudio de retro-trayectorias con el modelo Hysplit. Las
corridas del modelo se realizaron a una trayectoria regresiva de las últimas 72
horas con alturas de 1000, 2000 y 3000 metros sobre el nivel del suelo, se eligió
un conjunto de trayectoria ya que inició múltiples trayectorias desde la primera
ubicación de inicio seleccionada y cada miembro del conjunto de trayectorias se
calculó compensando los datos meteorológicos por un factor de cuadrícula fijo;
esto dio como resultado 27 miembros para todos los desplazamientos posible en
X, Y y Z.

42
Figura 13: Trayectoria de masas de aire hacia la región
de Huancayo para el mes de agosto del año 2019 –
modelo HYSPLIT

La Figura 13 muestra el transporte de vientos hacia la región de Huancayo para


el mes de agosto del año 2019 a distintas altitudes. Se observa que las masas
de aire provienen del noreste de la Ciudad de Huancayo, estos se originan en la
región Amazónica de Brasil; la misma que presentó un gran número de focos de
incendios forestales en el mes de agosto del 2019, lo que indicaría que estas
masas de aire transportaron consigo aerosoles atmosféricos provocados por
incendios forestales.

43
Figura 14: Trayectoria de masas de aire hacia la
región de Huancayo para el mes de septiembre del
año 2019 – modelo HYSPLIT

En la Figura 14 se aprecia el transporte de vientos hacia la región de Huancayo


en el mes de septiembre del año 2019, se revela que las masas de aire provienen
del noreste de la ciudad de Huancayo, estos se originan de la región Amazónica
de Brasil; la misma que presentó la mayor cantidad de focos de incendios
forestales en el mes de septiembre del año 2019 en comparación al mes de
agosto, por lo que indicaría que las masas de aire transportaron consigo
aerosoles atmosféricos generados en los incendios forestales.

44
Figura 15: Trayectoria de masas de aire hacia la región
de Huancayo para el mes de octubre del año 2019 –
modelo HYSPLIT

En la Figura 14 muestra el transporte de vientos hacia la región de Huancayo en


el mes de octubre del año 2019, se revela que las masas de aire provienen del
sureste de la ciudad de Huancayo, estos se originan de la región Amazónica de
Brasil y Bolivia; esto indica que las masas de aire transportaron consigo
aerosoles atmosféricos de Brasil y Bolivia hacia la región de Huancayo.

En general las retro-trayectorias desarrolladas con el modelo Hysplit mostraron


un transporte de masas de aire predominante del noreste de la región de
Huancayo para los meses de agosto y septiembre, los vientos fueron originados
en la región amazónica de Brasil; en dichos meses se presentaron un mayor
número de focos de incendios forestales resaltando el mes de septiembre en
comparación a agosto, por lo que indicaría que las masas de aire transportaron

45
aerosoles atmosféricos hacia la ciudad de Huancayo generados por los
incendios forestales ocurrido en Brasil.

4.4 Espesor óptico de aerosoles

Los resultados de espesor óptico de aerosol obtenidos en la presente


investigación se demuestran en la Figura 15, Figura 16, Figura 17 y Tabla 7.

Figura 16: Comportamiento de AOD en el mes de agosto del año 2019

En la Figura 15, se observa el comportamiento por día del espesor óptico de


aerosol (AOD) a una longitud de onda de 500 nm en el periodo del mes de agosto
del 2019, obteniendo un promedio de 0.191, valor máximo de 0,560 y un valor
mínimo de 0.047. Es importante resaltar que el día 21 del mes de agosto no tiene
valor por que el fotómetro no registró datos por la presencia de nubosidad.

46
Figura 17: Comportamiento de AOD en el mes de septiembre del año 2019

En la Figura 16, se observa el comportamiento por día del espesor óptico de


aerosol (AOD) a una longitud de onda de 500 nm en el periodo del mes de
septiembre del 2019, obteniendo un promedio de 0.156, valor máximo de 0.696
y un valor mínimo de 0.040. Es importante resaltar que los días 14, 21 del mes
de septiembre no tienen valores ya que el fotómetro no registró datos por la
presencia de nubosidad.

Figura 18: Comportamiento de AOD en el mes de octubre del año 2019

En la Figura 17, se observa el comportamiento por día del espesor óptico de


aerosol (AOD) a una longitud de onda de 500 nm en el periodo del mes de

47
octubre del 2019, obteniendo un promedio de 0.095, valor máximo de 0.465 y un
valor mínimo de 0.036. Es importante resaltar que los días 17, 23, 26, 27, 29 y
30 del mes de septiembre no tienen valores ya que el fotómetro no registró datos
por la presencia de nubosidad.

Tabla 7: Estadística mensual del espesor óptico de aerosol (500

nm), media (𝑥̅ ), mínimo (Min), máximo (Max) y desviación

estándar (S)

Espesor óptico de aerosol (500 nm)


Mes
x̅ Min Max S
Agosto 0,191 0,047 0,560 0,091
Septiembre 0,156 0,040 0,696 0,078
Octubre 0,095 0,036 0,465 0,035

En la Tabla 7 muestra la estadística mensual de los datos de espesor óptico de


aerosol (AOD) a 500 nm obtenidos por el fotómetro solar CIMEL del observatorio
de Huancayo en los meses de agosto, septiembre y octubre del año 2019. Se
observa que el valor promedio de AOD para el mes de agosto (0.191) es mayor
al mes de septiembre (0.156), el valor promedio del mes de octubre (0.095) es
menor en comparación de los otros meses; el valor máximo de AOD se presentó
en el mes de septiembre (0.696), seguido del mes de agosto (0.560) y octubre
(0.465); el valor mínimo en el mes de octubre es notable (0.036); el valor de
desviación estándar es mayor para el mes de agosto (0.091) seguido del mes de
septiembre (0.078) y octubre (0.035).

48
Figura 19: Comparación de resultados estadísticos de AOD-500
nm mensual, ̅), mínimo (Min), máximo (Max) y
media (𝒙
desviación estándar (S)

La Figura 19 muestra la comparación de los resultados estadísticos de AOD a


500 nm de los meses de agosto, septiembre y octubre del año 2019, obtenidos
del fotómetro solar CIMEL del observatorio de Huancayo. Se observó que el
promedio mensual es mayor para el mes de agosto, seguido del mes de
septiembre; el mes de octubre presentó un menor promedio mensual de AOD.
Cabe resaltar que el valor máximo de AOD se presentó en el mes de septiembre,
seguido del mes de agosto, dichos meses presentaron el mayor número de focos
de incendios forestales en la Amazonía de Brasil. Para el mes de octubre el valor
máximo es menor en comparación a los meses de septiembre y agosto del año
2019.

49
4.5 Correlación entre focos de incendios forestales y espesor óptico de
aerosol.

Los resultados de la correlación entre los focos de incendios forestales y el


espesor óptico de aerosol se demuestran en la Figura 20, Figura 21 y Figura
22.

Figura 20: Diagrama de dispersión entre los valores de espesor óptico


de aerosol a 500nm y focos de incendios forestales de Brasil para agosto
del año 2019.

En la Figura 20 se muestra la correlación de los valores de espesor óptico de


aerosol (AOD) a 500nm, registrado por el fotómetro instalado en el observatorio
de Huancayo y los focos de incendios forestales registrado en Brasil para el mes
agosto del año 2019, donde lo puntos azules representan los datos de AOD y
focos de incendio correlacionados y la línea de color negro es la línea de
regresión de mejor ajuste entre los datos mencionados. El resultado del
coeficiente de determinación (R2) fue 0.7029, lo que indicó la existencia de una
correlación lineal significativa entre AOD y los focos de incendios forestales, esto
mostró que a mayor número de focos de incendios forestales que se generaron
en Brasil provocó un aumento de AOD en la región de Huancayo para el mes de
agosto del año 2019.

50
Figura 21: Diagrama de dispersión entre los valores de espesor óptico
de aerosol a 500nm y focos de incendios forestales de Brasil para
septiembre del año 2019.

En la Figura 21 se muestra la correlación de los valores de espesor óptico de


aerosol (AOD) a 500nm, registrado por el fotómetro instalado en el observatorio
de Huancayo y los focos de incendios forestales registrado en Brasil para el mes
septiembre del año 2019, donde lo puntos azules representan los datos de AOD
y focos de incendio correlacionados y la línea de color negro es la línea de
regresión de mejor ajuste entre los datos mencionados. El resultado del
coeficiente de determinación (R2) fue 0.715, lo que indicó la existencia de una
correlación lineal significativa entre AOD y los focos de incendios forestales, esto
mostró que a mayor número de focos de incendios forestales que se generaron
en Brasil provocó un aumento de AOD en la región de Huancayo para el mes de
septiembre del año 2019.

51
Figura 22: Diagrama de dispersión entre los valores de espesor óptico
de aerosol a 500nm y focos de incendios forestales de Brasil para
octubre del año 2019.

En la Figura 22 se muestra la correlación de los valores de espesor óptico de


aerosol (AOD) a 500nm, registrado por el fotómetro instalado en el observatorio
de Huancayo y los focos de incendios forestales registrado en Brasil para el mes
octubre del año 2019, donde lo puntos azules representan los datos de AOD y
focos de incendio correlacionados y la línea de color negro es la línea de
regresión de mejor ajuste entre los datos mencionados. El resultado del
coeficiente de determinación (R2) fue 0.335, lo que indicó una menor correlación
lineal entre AOD y los focos de incendios forestales, esto mostró que durante el
mes de octubre no hubo una influencia significativa en AOD de los focos de
incendios forestales generados en el mes de octubre del año 2019.

52
4.6 Constatación de hipótesis de la investigación

Los resultados de la constatación de hipótesis de la investigación se demuestran


en la Tabla 8.

Tabla 8: Análisis de correlación de los datos de


espesor óptico de aerosol y focos de incendios
forestales, estadístico T (T), alfa (α), grado de libertad
(gl), valor crítico (vc), coeficiente de correlación (r2)

T α gl vc r2
17,47 0,05 91 1,66 0,68

La Tabla 8 muestra el análisis de correlación de los datos de espesor óptico de


aerosol (AOD) y focos de incendios forestales para el periodo de estudio, meses
de agosto, septiembre y octubre del año 2019 para la constatación de la hipótesis
de la investigación; donde los resultados del estadístico T (T) fue 17.47, el valor
de alfa (α) fue 0.05, el grado de libertad (gl) fue 91, el valor crítico (vc) resultó
1.66 y el coeficiente de correlación fue 0.68.

La hipótesis planteada en la investigación fue:


Ho: El transporte de aerosoles atmosféricos debido a incendios forestales en la
Amazonia no tiene influencia significativa en Huancayo mediante el modelo
Hysplit durante el año 2019.

Ha: El transporte de aerosoles atmosféricos debido a incendios forestales en la


Amazonia tiene influencia significativa en Huancayo mediante el modelo Hysplit
durante el año 2019.

Por lo tanto, si T > VC; si el estadístico T es mayor que el valor crítico la hipótesis
nula se rechaza.

Como resultado de la constatación de hipótesis, 17.47>1.66 se rechaza la


hipótesis nula (Ho), por consiguiente, el transporte de aerosoles atmosféricos
debido a incendios forestales en la Amazonía tiene influencia significativa en
Huancayo mediante el modelo Hysplit durante el año 2019.

53
V. DISCUSIÓN

54
En la presente investigación se sostiene que, el número de focos de incendios
forestales fue mayor para el mes septiembre (53 234) y el mes de agosto (51
935) del año 2019, además para el mes septiembre se quemaron 92 930 km2 y
para agosto 73 500 km2, ya que esos meses están dentro de la estación seca en
la amazonia Brasil; así mismo se determinó con el Modelo Hysplit, que durante
dichos meses el transporte de masas de aire se dirigen del noreste de la región
de Huancayo done los vientos fueron originados y dirigidos desde la región
amazónica de Brasil, lo que indicaría que las masas de aire transportaron
aerosoles atmosféricos hacia la ciudad de Huancayo desde la región amazónica
de Brasil durante los meses de septiembre y agosto del año 2019 ya que durante
esos meses se generaron mayor número de focos de incendios forestales. Por
lo que coincide con los datos de espesor óptico de aerosol obtenidos del
fotómetro solar del observatorio de Huancayo, donde los valores máximos de
espesor óptico de aerosol que se presentó durante dichos meses en la Ciudad
de Huancayo, siendo para septiembre un AOD a 500nm (0.696) y para agosto
AOD a 500nm (0.560), por lo que se determinó que los focos de incendios
forestales que generan mayor concentración de aerosoles atmosféricos se
ubican en la amazonia de Brasil durante los meses de septiembre y agosto del
año 2019 e influyen significativamente a la región de Huancayo. Los resultados
guardan relación con el trabajo realizado por Angeles & Angeles, (2017) donde
menciona que para el mes de septiembre y agosto del año 2017 se produjo un
mayor número de focos incendios forestales en Brasil siendo 51 395 y 36 650
respectivamente y demostró un transporte de aerosoles atmosféricos hacia
Huancayo dirigidos de Brasil. Por otro lado los resultado del estudio de Victoria
& Estevan, (2021) mencionan que la mayor cantidad de focos de incendio
forestales se presenció en los meses de agosto con 62 692 y septiembre con 60
952 del año 2019 de las regiones de Perú y países vecinos como Brasil, Bolivia
y Ecuador, indicó que los aerosoles no sólo se dirigieron de Brasil sino también
de países aledaños. A si mismo Calderón M., (2018) mencionó que durante el
mes de agosto del año 2015, los países que registraron mayor número de focos
de incendio fueron Brasil y Bolivia, indicó también que para dicho mes fue mayor
el promedio de AOD de 0.146 como consecuencia del aumento de focos de
incendios forestales.

55
En relación a la segunda pregunta de investigación, el resultado de frecuencia
de incendios forestales según criterio del trabajo sostiene que durante los meses
de septiembre y agosto del año 2019 se presentaron una frecuencia alta de
incendios forestales en la amazonia de Brasil ya que fueron los meses mayor
número de focos incendios forestales 53 234 y 51 935 respectivamente, así
mismo se determinó con el modelo Hysplit que durante dichos meses el
transporte de masas de aire se dirigen del noreste de la región de Huancayo
donde los vientos fueron originados y dirigidos desde la región amazónica de
Brasil, lo que indicaría que las masas de aire transportaron aerosoles
atmosféricos hacia la ciudad de Huancayo desde la región amazónica de Brasil
durante los meses de septiembre y agosto del año 2019 ya que durante esos
meses se generaron mayor número de focos de incendios forestales. Por lo
tanto, se sostiene que la frecuencia de incendios forestales en la amazonia de
Brasil influye significativamente en el transporte de aerosoles atmosféricos hacia
la región de Huancayo durante los meses de septiembre y agosto del año 2019.
Esto se relacionaría con los resultados del estudio de Angeles & Angeles, (2017)
donde mencionó que para el mes de septiembre y agosto del año 2017 se
produjo un mayor número de focos incendios forestales en Brasil siendo 51 395
y 36 650 respectivamente y mostró un transporte de aerosoles atmosféricos
hacia la región andina del Perú. Por otro lado Darga Saheb et al., (2019)
menciona que durante el periodo de 2005 al 2017 en la India presentó un
promedio de 1477 focos de incendios forestales y presentó un aumento del 8 %
por año, donde indició que el aumento del número de focos influyó en el
transporte regional de aerosoles atmosféricos sobre el norte de la India; los
resultados no guardan relación con lugar de estudio ya que dicho estudio se
realizó en otro continente.

En relación a la tercera pregunta de investigación, el resultado de la formación


de aerosoles se determinó del sensor MODIS del satélite Terra a 550nm, donde
indicó que los valores máximos de emisión de aerosoles atmosféricos se
presentó en el mes de septiembre con un valor predominante de 0.8 en las
regiones amazónicas de Brasil y Bolivia, siguiendo de agosto donde tuvo un valor
predominante de 0.49 en la región amazónica de Brasil: esto indicaría que en los
meses de septiembre y agosto hubo una mayor formación de aerosoles, ya que

56
durante dichos meses se identificaron mayores números de focos de incendios
forestales en la región amazónica de Brasil con 53 234 focos para septiembre y
51 935 focos para agosto. Así mismo de terminó con el modelo Hysplit, que
durante dichos meses el transporte de masas de aire se dirige del noreste de la
región de Huancayo done los vientos fueron originados y dirigidos desde la
región amazónica de Brasil, lo que indicaría que las masas de aire transportaron
aerosoles atmosféricos hacia la ciudad de Huancayo desde la región amazónica
de Brasil durante los meses de septiembre y agosto del año 2019. Por lo que
coincide con los datos de espesor óptico de aerosol obtenidos del fotómetro solar
del observatorio de Huancayo, donde los valores máximos de espesor óptico de
aerosol que se presentó durante dichos meses en la Ciudad de Huancayo,
siendo para septiembre un AOD a 500nm (0.696) y para agosto AOD a 500nm
(0.560). Esto sostiene que las formaciones de aerosoles atmosféricos se dieron
por los incendios forestales en la amazonia de Brasil e influyen significativamente
en la Región de Huancayo durante los meses de septiembre y agosto del año
2019. Lo que guarda relación con el estudio de Victoria & Estevan, (2021) donde
menciona que los valores máximos de AOD se registraron en el mes de agosto,
es decir mostró una mayor formación de aerosoles atmosféricos durante agosto
como resultado de los focos de incendios forestales, por lo contrario el transporte
de masas de aire se originan en la amazonia de Perú y transportan aerosoles
atmosféricos hacia el observatorio de Huancayo, es se debería a que el estudio
se centró en la región de Perú y fronteras de países vecinos. Así mismo (Angeles
& Angeles, 2017) mostraron que durante el mes de septiembre del año 2017 se
generaron mayores emisiones de aerosoles relacionado al incremento del
número de focos de incendios forestales, además demostró que existe un
transporte de aerosoles atmosféricos hacia la región andina del Perú. Calderón
M., (2018) menciona que los valores más altos de AOD se presenciaron en el
mes de agosto del 2015 a causa del incremento del número de focos de
incendios forestales, es decir, hubo una mayor formación de aerosoles que se
dieron por los mayores números de focos de incendio, lo que logra relacionarse
con los resultados de la presente investigación.

57
Con los resultados de la correlación entre los valores de espesor óptico de
aerosol proporcionados por el fotómetro solar (AOD) a 500nm y los focos de
incendios forestales registrados en Brasil, se sostiene que existe una correlación
lineal significativa para los meses de septiembre y agosto, entre AOD y focos de
incendios forestales con un coeficiente de correlación de R2=0.715 para
septiembre y R2=0.7029 para agosto, esto mostró que a mayor número de focos
de incendios forestales que se generaron en Brasil provocó un aumento de AOD
en la región de Huancayo para el mes de septiembre y agosto del año 2019, los
resultados son mayores al estudio de Suárez et al., (2006), donde presentaron
una coeficiente de correlación de R2=0.10, es se explicaría por el menor número
de focos de incendios forestales presenciado en dicho periodo de estudio. Por
otro lado Victoria & Estevan, (2021) indicó como resultado de la intercomparación
de AOD de MODIS con AERONET (AQUA) R es 0.794 y AERONET (TERRA)
donde R es 0.796, lo que indicó que MODIS realiza una buena recuperación en
el periodo de estudio, la correlación que se realiza son con diferente variables ya
que el estudio determina la relación entre datos de AOD de dos satélites.

Como resultado de la constatación de hipótesis, 17.47>1.66 se rechaza la


hipótesis nula (Ho), por lo que la presente investigación sostiene que el
transporte de aerosoles atmosféricos debido a incendios forestales en la
Amazonía tiene influencia significativa en Huancayo mediante el modelo Hysplit
durante el año 2019.

58
VI. CONCLUSIONES

59
- Se concluyó mediante el modelo Hysplit que existe un transporte de
aerosoles atmosféricos debido a los incendios forestales generados en la
amazonia de Brasil e influyen significativamente en la región de Huancayo
durante los meses de agosto y septiembre del año 2019
- Los focos de incendios forestales que generan mayor concentración de
aerosoles atmosféricos se ubican en la amazonia de Brasil durante los
meses de septiembre y agosto del año 2019 e influyen significativamente
a la región de Huancayo.
- la frecuencia de incendios forestales en la amazonia de Brasil influye
significativamente en el transporte de aerosoles atmosféricos hacia la
región de Huancayo durante los meses de septiembre y agosto del año
2019
- La formación de aerosoles atmosféricos se dio por los incendios forestales
en la amazonia de Brasil e influyen significativamente en la Región de
Huancayo durante los meses de septiembre y agosto del año 2019.

60
VII. RECOMENDACIONES

61
Se recomienda tomar como referencia de trabajo este trabajo de investigación y
seguir investigando el transporte de los aerosoles atmosféricos, ya que las
condiciones atmosféricas son muy dinámicas para cada región y periodo de
tiempo, además que existe una gran variedad de fuentes de emisión de los
aerosoles que haría que varíen los resultados en comparación de la presente
investigación.

Realizar diferentrabajo para determinar aerosoles en


diferentes lugares del perú.

Buscar una correlación con problemas de salud de la


población.

62
REFERENCIAS

AERONET. (2020). System Description - Aerosol Robotic Network (AERONET)


Homepage. AEROSOL ROBOTIC NETWORK.
https://aeronet.gsfc.nasa.gov/new_web/system_descriptions.html

Alegría C., D. L. (2015). Propiedades microfísicas de los aerosoles troposféricos


derivadas de medidas de fotómetro solar y Lidar en el Valle de Aburrá.
Universidad Nacional de Colombia.

Andrades R., M., & Muñez L., C. (2012). FUNDAMENTOS DE CLIMATOLOGÍA


(ISBN 978-84-695-2799-3; 551.58).

Angeles, R., & Angeles, J. (2017). Impacto del transporte transfronterizo de


aerosoles atmosféricos debido a la quema de vegetación en la amazonia
sobre la Región Andina del Perú. https://doi.org/N° 2006-4116

Artaxo, P., Oliveira, P. H., Lara, L. L., Pauliquevis, T. M., Rizzo, L. V, Junior, C.
P., Paixão, M. A., Longo, K. M., Freitas, S. D. E., & Correia, A. L. (2006).
EFEITOS CLIMÁTICOS DE PARTÍCULAS DE AEROSSÓIS BIOGÊNICOS
E EMITIDOS EM QUEIMADAS NA AMAZÔNIA. REvista Brasileira de
Meteorologia, 21(3), 1–22.

Ayllón, T. (2003). Elementos de Meteorología y Climatología (TRILLAS (ed.); 2a.


ed.). Editorial Trillas. https://doi.org/551.5`A886e

Ballester, F., Díaz, J., & Moreno, J. M. (2006). Cambio climático y salud pública:
escenarios después de la entrada en vigor del Protocolo de Kioto. Gaceta
Sanitaria, 20(SUPPL. 1), 160–174. https://doi.org/10.1157/13086040

Bellouin, N., & Haywood, J. (2020). Climatology of Tropospheric Aerosols. In


Climatology of Tropospheric Aerosols (2nd ed., Issue January, pp. 1–9).
Elsevier Inc. https://doi.org/10.1016/B978-0-12-409548-9.12436-4

Bilbao, B., Steil, L., Urbieta, I. R., Anderson, L., Pinto, C., & Gonzalez, M. E.
(2020). Incendios forestales. En: Adaptación frente a los riesgos del cambio
climático en los países iberoamericanos – Informe RIOCCADAP (J. A. M. y
U. O. S. Moreno, J.M., C. Laguna-Defi or, V. Barros, E. Calvo Buendía (ed.)).

63
Borduas, N., & Donahue, N. M. (2018). The Natural Atmosphere. In Green
Chemistry (pp. 131–150). Elsevier Inc. https://doi.org/10.1016/B978-0-12-
809270-5.00006-6

Brunekreef, B., & Holgate, S. T. (2002). Air pollution and health. Lancet,
360(9341), 1233–1242. https://doi.org/10.1016/S0140-6736(02)11274-8

Calderón M., P. E. (2018). Influencia del transporte de concentración de Pm10


en el espesor óptico de aerosoles de la ciudad de Huancayo en el año 2015-
2016. Universidad Continental.

Contreras, A., Julio, Á., Luis, S., & José, F. (2014). Determinación del espesor
óptico de aerosol en la estación antártica peruana Machu Picchu. Ciencia y
Desarrollo, 17(1), 11–20.
https://doi.org/10.21503/CienciayDesarrollo.2014.V17i1.02

Crutzen, P. J., & Andreae, M. O. (1990). Biomass Buriing in the Tropics : Impact
on Atmospheric Chemistry and Biogeochemical Cycles. Science, Vol.
250(science.250.4988.1669), 1669–1678. https://doi.org/10.1126 /
science.250.4988.1669

Darga Saheb, S., Yogesh, K., Mitra, D., Singh, A., Chandola, H. C., Sateesh, M.,
Babu, S. S., & Chauhan, P. (2019). Impact of biomass burning on regional
aerosol optical properties: A case study over northern India. Journal of
Environmental Management, 244(May), 328–343.
https://doi.org/10.1016/j.jenvman.2019.04.025

Della Ceca, L. S. (2018). Análisis espacio-temporal de la distribución de


aerosoles atmosféricos en la ciudad de Córdoba (Argentina) y desarrollo de
un modelo predictivo de los niveles de material particulado [UNIVERSIDAD
NACIONAL DE CORDOBA]. https://rdu.unc.edu.ar/handle/11086/6009

Días R., A. M. (2005). Caracterización de los aerosoles atmosféricos y su


influencia en los niveles de radiación UV en la región de Canarias
[Universidad de la Laguna]. In Ciencias Y Tecnologías.
https://doi.org/10.1007/978-0-387-35135-3_1

Expósito G., F. J. (1999). Determinación del Espesor Óptico de Aerosoles


Mediante Técnicas de Teledetección en la región de Canarias. Universidad
64
de la Laguna.

Finer, M., & Mamani, N. (2019). Los Satélites Revelan qué impulsó los Fuegos
en la Amazonía Brasilera.
https://maaproject.org/2019/satelites_fuegos_brasil/

Golden, D. M. (2000). INTERACTION OF COMBUSTION WITH THE


ATMOSPHERE. In INTERACTION OF COMBUSTION WITH THE
ATMOSPHERE (Vol. 28, pp. 2383–2392). Proceedings of the Combustion
Institute.

Gyanesh Kumar, S., Vikram, C., Gupta, T., & Debajyoti, P. (2019). Investigation
of size distribution and mass characteristics of ambient aerosols and their
combustion sources during post-monsoon in northern India. Atmospheric
Pollution Research. https://doi.org/10.1016/j.apr.2019.10.003

Hernández, R., Fernández, C., & Baptista, M. del P. (2014). Metodología de la


Investigación (EDITORES INTERAMIERICANA S.A. (ed.); McGRAW-HIL).
McGRAW-HILL.

INDECI. (2006). MANUAL BASICO PARA LA ESTIMACION DEL RIESGO. In


Intituto Nacional de Defensa Civil (p. 69). Instituto Nacional de Defensa Civil
(INDECI).

INPE. (2020). Apresentação — Programa Queimadas INPE - Instituto Nacional


de Investigaciones Espaciales. Portal de Monitoreo de Incendios e Incendios
Forestales.

IPCC. (2007). Cambio climático 2007 Impacto, Adaptación y Vulnerabilidad.

Lozada, J. (2014). Inves tigación Aplicada : Definición , Propiedad Intelectual e


Industria. In CIENCIAMÉRICA: Vol. N° 3.

OMM. (2016). Boletín de la OMM sobre los aerosoles (Vol. 2010).


public.wmo.int/gaw

Otzen, T., & Manterola, C. (2017). Técnicas de Muestreo sobre una Población a
Estudio. Int. J. Morphol, 35(1), 227–232. https://doi.org/ISSN 0717-9502

Oyarzún, M. (2010). Contaminación aérea y sus efectos en la salud. Chile

65
Enfermedades Respiratorias, 26(1), 16–25.

Pabón, J. D., Zea, J., Gloria, L., Hurtado, G., González, O. C., & Montealegre, J.
E. (1998). La atmósfera , el tiempo y el clima. IDEAM.

Palacios P., L. (2014). Estudio del efecto directo de los aerosoles atmosféricos
sobre Europa.

Stein, A. F., Draxler, R. R., Rolph, G. D., Stunder, B. J. B., Cohen, M. D., &
F.Ngan. (2015). Noaa’s hysplit atmospheric transport and dispersion
modeling system. BAMS, December, 2059–2078.
https://doi.org/10.1175/BAMS-D-14-00110.1

Suárez, L., Castillo, L., Martín, M., Carrillo, G., Rimac, L., Pomalaya, J., &
Menacho, R. (2006). Estudio de la variación estacional de ozono
troposférico y aerosoles del Perú relacionado a las quemas de vegetación
en la Amazonía. Mosaico Cient, 3(2), 36–41.

Victoria, C., & Estevan, R. (2021). Comportamiento de los aerosoles


atmosféricos en el Observatorio de Huancayo durante los eventos de quema
de biomasa del año 2019. Revista de Investigación de Física, 24(1), 40–54.

Vivanco C., S. V. (2014). Variabilidad temporal de aerosoles atmosféricos en


Huancayo. Apuntes de Ciencia & Sociedad, 04(01), 57–68.
https://doi.org/10.18259/acs.2014006

Walpole, R., Myers, R., Myers, S., & Ye, K. (2012). Probabilidad y Estadística
para ingeniería y ciencias (F. Hernández Carrasco & G. Lópes Ballesteros
(eds.); Novena edi). PEARSON EDUCACIÓN.

Zielinski, T., Petelski, T., Strzalkowska, A., Pakszys, P., & Makuch, P. (2016).
Impact of wild forest fires in Eastern Europe on aerosol composition and
particle optical properties. Oceanologia, 58(1), 13–24.
https://doi.org/10.1016/j.oceano.2015.07.005

66
ANEXOS

67
ANEXO 01: Matriz de operacionalización de variables
UNIDAD DE
VARIABLES DEFINICIÓN CONCEPTUAL DEFINICIÓN OPERACIONAL DIMENSIONES INDICADORES
MEDIDA
Lugares de quema Adimensional
Cantidad de focos
Focos de ha
Según INDECI 2006 (Instituto de incendio
Los datos se obtendrán delincendios
Nacional de Defensa Civil). Define
a los incendios forestales como la
INPE-Brasil, se analizaraforestales Área de quema Adimensional
mediante la correlación con los
INCENDIOS extensión y propagación sin Características de la Números
datos de AOD para determinar
FORESTALES control del fuego sobre un terreno enteros
la influencia de los aerosoles zona
de vegetación ya sea en bosques,
atmosféricos debido a Alto
regiones áridas o semiáridas y
incendios forestales en la Frecuencia de
selvas.
amazonia sobre la ciudad de
Medio Adimensional
incendio
Huancayo. Bajo
Longitud de onda nm
Formación de
aerosoles Espesor óptico de
Adimensional
aerosol
Los aerosoles atmosféricos TRANSPORTE
Se define como una partícula en serán medidos en base a la DE AEROSOL Trayectoria Adimensional
suspensión en la atmósfera que relación de datos de focos de ATMOSFÉRICO
se presenta de forma sólida incendio forestal de la
AEROSOLES líquida o coloidal, las partículas Amazonía de Brasil con datos Mínimo
ATMOSFERICOS pueden estar compuestas por de espesor óptico de aerosol ESPESOR
polvo de suelo, material presentes en Huancayo y el ÓPTICO DE Máximo Números
biogénico, hollín, sales marinas u transporte de aerosol AEROSOL enteros
otros (Seinfeld & Pandis, 1987) atmosférico mediante el modelo (500nm) Promedio
HYSPLIT.

68
Anexo 02: Instrumentos de recolección de datos

69
70
71
72
73
74
75
76
77
ANEXO 03: Validación de instrumentos

78
79
80
81
82
83
84
85
86

También podría gustarte