Comparación en la estimación de material particulado PM10 usando imágenes satelitales LANDSAT 7, LANDSAT 8 Y MODIS en Quito

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/16071
Título : Comparación en la estimación de material particulado PM10 usando imágenes satelitales LANDSAT 7, LANDSAT 8 Y MODIS en Quito
Autor : Torres Saquinga, Nelly Stefanía
Vivanco Pérez, Valeria Lizbeth
Director de Tesis: Álvarez Mendoza, César Iván
Resumen traducido: El deterioro de la calidad del aire en los últimos años es uno de los principales problemas a los que se enfrentan la mayoría de las ciudades ya que provoca enfermedades pulmonares, cáncer de pulmón a la población expuesta y Quito no es la excepción. Mediante la aplicación de herramientas como la teledetección se pudo estimar uno de los principales contaminantes emitidos al aire denominado material particulado (PM10), monitoreado por la Red Metropolitana de Monitoreo Atmosférico de Quito (REMMAQ) mediante las estaciones automáticas y pasivas ubicadas a lo largo de la ciudad. Se empleó imágenes satelitales provistas por sensores remotos (Landsat 7, Landsat 8 y MODIS) durante el periodo 2003-2017, además de la generación de una serie de indicadores ambientales a partir de las bandas multiespectrales usando el software ArcGis 10.5. Adicionalmente se crearon modelos de predicción a partir de éstas, tanto por regresión lineal generalizada (GLM) y regresión ponderada geográficamente (GWR) a partir de promedios cuatrimestrales. Las estaciones de Carapungo y Guamaní exceden el límite máximo de la OMS 50 µg/m3 debido al predominio del transporte público, industria de la construcción y actividades asociadas a fuentes industriales. Para predecir el PM10 se empleó una matriz multivariable para cada sensor y se determinó que las imágenes provistas por el sensor “Landsat 8” y ajustado mediante un modelo GWR con n= 218 observaciones evidencia el mejor criterio de Akaike AIC= -12.73, R2 Aj = 0.8339, y sus residuos cumplen los criterios de validación, por tanto brinda el mejor ajuste del PM10.
Resumen : The deterioration of air quality in recent years is one of the main problems that most cities already cause lung diseases, lung cancer to the exposed population and Quito is no exception. Through the application of tools such as remote sensing it was possible to estimate one of the main pollutants emitted into the air called particulate material (PM10), monitored by the Quito Metropolitan Atmospheric Monitoring Network (REMMAQ) through the automatic and passive stations located along the city. We used satellite images provided by remote sensors (Landsat 7, Landsat 8 and MODIS) during the period 2003-2017, as well as generating a series of environmental indicators from the multispectral bands using the ArcGis 10.5 software. In addition, predictive models were created from miles, both by generalized linear regression (GLM) and geographically weighted regression (GWR) from quarterly averages. The stations of Carapungo and Guamaní exceeded the WHO maximum limit of 50 µg/m3 due to the predominance of public transport, the construction industry and activities associated with industrial sources. To predict the PM10 a multivariate matrix was used for each sensor and it was determined that the images provided by the “Landsat 8” sensor and the format using a GWR model with n = 218 observations tests the best criterion of Akaike AIC = -12.73, R2 Aj = 0.8339, and its residues meet the validation criteria, thus providing the best fit of PM10.
Palabras clave : INGENIERÍA AMBIENTAL
CALIDAD AMBIENTAL
CONTAMINACIÓN - MEDICIONES - MÉTODOS ÓPTICOS
CALIDAD DEL AIRE
CONTAMINACIÓN DEL AIRE
CALIDAD DE VIDA
TOXICOLOGÍA AMBIENTAL
Fecha de publicación : ago-2018
URI : https://dspace.ups.edu.ec/handle/123456789/16071
Idioma: spa
Pertenece a las colecciones: Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UPS - ST003738.pdfTexto completo6,41 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons