Acerca de la estimación de la fracción PM2.5/PM10

Publicado

2017-10-01

Acerca de la estimación de la fracción PM2.5/PM10

On the PM2.5/PM10 fraction estimation

Palabras clave:

Contaminación ambiental, partículas finas, partículas gruesas, GLM, RTO, GAM, WLS (es)
Environmental pollution, fine particles, thick particles, GLM, RTO, GAM, WLS (en)

Descargas

Autores/as

Javier Olaya-Ochoa Universidad del Valle https://orcid.org/0000-0001-7014-2782
Diana Paola Ovalle Munoz Universidad del Valle https://orcid.org/0000-0002-5408-5762
Cristhian Leonardo Urbano León Universidad del Valle https://orcid.org/0000-0003-4622-538X

Resumen (es)
Resumen (en)

Se discute la estimación de la fracción PM_2.5/PM₁₀, que algunos autores reportan como la razón PM_2.5/PM₁₀. Estudios previos destacan la importancia de esta fracción en el estudio del impacto de las partículas en el aire sobre la salud de las personas y su uso potencial en la reconstrucción y en la imputación de datos de los niveles de partículas finas PM2.5 a partir de los niveles de partículas gruesas PM₁₀. Se sugiere adaptar la estimación, mediante el uso de diferentes estrategias para situaciones particulares, incluyendo el modelo lineal general (GLM), la regresión a través del origen (RTO), los modelos aditivos generalizados (GAM) y los modelos de regresión usando mínimos cuadrados ponderados (WLS).

We discuss the estimation of the PM2.5/PM10 fraction, which some authors report as the PM_2.5/PM₁₀ ratio. Previous studies highlight the importance of this fraction in the study of the impact of airborne particles on human health and their potential use in reconstruction and imputation of PM_2.5 fine particle hourly levels from the PM₁₀ coarse particle hourly levels. We suggest adapting the estimation process using different strategies for particular situations. We used the general linear model (GLM), the regression through the origin model (RTO), the generalized additive models (GAM) and the regression models based on weighted least squares (WLS).

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Agresti A., Foundations of linear and generalized linear models, Wiley, 2015.

Casella, G., Leverage and regression through the origin, The American Statistician. [online]. 37(2), pp. 147-152, 1983. Available at: http://amstat.tandfonline.com/doi/abs/10.1080/00031305.1983.10482728

Departamento Administrativo de Gestión del Medio Ambiente, Informe de diseño y operación del sistema de vigilancia de la calidad del aire, DAGMA, Cali, Colombia. [online]. 2012. Available at: www.cali.gov.co/descargar.php?idFile=7672.

Echeverri, C. y Maya, G., Relación entre las partículas finas (PM2.5) y respirables (PM10) en la ciudad de Medellín, Revista Ingenierías Universidad de Medellín. [en línea]. 7(12), pp. 23-42, 2008. Disponible en: http://www.redalyc.org/html/750/75011517002/

Eisenhauer, J.G., Regression through the origin, Teaching Statistics, 25, pp. 76-80, 2003.

Environmental Protection Department, Guidelines on the estimation of PM2.5 for air quality assessment in Hong Kong, EPD, Atmospheric Environment. [online]. 40, pp. 2735-2749, [date of reference April 30th of 2017]. Available at: http://www.epd.gov.hk/epd/english/ environmentinhk/air/guide_ref/guide_aqa_model_g5.html.

Environmental Protection Agency, Particulate matter, EPA, United States, [online]. 2015. Available at: www3.epa.gov/pm/.

Fox, J., Applied regression analysis and generalized linear models, 3era edition, SAGE, 2016.

Gomiscek, B., Hauck, H., Stopper, S. and Preining, O., Spatial and temporal variations of PM1, PM2.5, PM10 and particle number concentration during the AUPHEP-project, Atmospheric Environment, 38, pp. 3917-3934, 2004.

Hastie, T.J. and Tibshirani, R.J, Generalized additive models, Chapman & Hall/CRC, USA, 1990.

Munir, S., Analysing temporal trends in the ratios of PM2.5/PM10 in the UK, Aerosol and Air Quality Research, 17, pp. 34-38, 2017.

Neter, J., Wasserman, W. and Kutner, M., Applied linear regression models, Richard D. Irwin, INC., 1983.

Organización Mundial de la Salud, Calidad del aire ambiente (exterior) y salud, OMS, [en línea]. 2016. Disponible en: www.who.int/mediacentre/factsheets/fs313/es/.

Othman, S.A., Comparison between models with and without intercept, General Mathematics Notes, 21, pp. 118-127, 2014.

Pace, T.G., Examination of the multiplier used to estimate PM2.5 fugitive dust emissions from PM10, 2014.

R Core Team, R: A language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, Austria, [online]. 2017, Available at: https://www.R-project.org/.

Rojas, N. y Galvis, B., Relación entre PM2.5 y PM10 en la ciudad de Bogotá, Revista de Ingeniería Universidad de los Andes 22, pp. 54-60, 2005.

Rossiter, D.G., Technical note: Curve fitting with the r environment for statistical computing, 2016.

Smyth, S.C., Jiang, W., Yin, D., Roth, H. and Giroux, E., Evaluation of CMAQ O3 and PM2.5 performance using Pacific 2001 measurement data, Atmospheric Environment, 40, pp 2735-2749, 2006.

Wood, S.N., Generalized additive models: An introduction with R, Chapman & Hall-CRC, 2006.

Licencia

Derechos de autor 2017 DYNA

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.