Modelación de las emisiones del parque automotor en la ciudad de Cochabamba - Bolivia

Sonia Alvarado Arnez, Marcos Luján Pérez, Christian Bomblat
Departamento de Ciencias Exactas e Ingeniería, Universidad Católica Boliviana Av. General Galindo s/n, Cochabamba, Bolivia
e-mail: lujan@ucbcba.edu.bo

5HVXPHQ

Se desarrolló un modelo de cálculo para la estimación de las emisiones de monóxido de carbono, óxidos de nitrógeno, hidrocarburos totales, material particulado y dióxido de azufre, producidos por el parque automotor en el centro urbano de Cochabamba - Bolivia. Con este propósito, se utilizó el programa EMOD/ CMAP, que requiere de información sobre la composición y características del parque vehicular, intensidad del tráfico vehicular y una descripción de la red de tráfico de la zona de estudio. Esta información se recolectó en base al análisis de información estadística y a conteos directos de tráfico vehicular en diferentes puntos estratégicos de la zona de estudio. El modelo desarrollado calcula las emisiones de contaminantes, en ton año-1, generadas por los vehículos que circulan en la zona central de la ciudad de Cochabamba. Se pudo determinar que los vehículos de transporte de pasajeros y los vehículos privados son los que emiten la mayor proporción de contaminantes. El aporte de los buses de transporte público es significativo en cuanto a las emisiones de material particulado y en menor medida a las emisiones de NO 2, pero, no son la principal fuente de contaminación como se tiende a creer. Utilizando el modelo desarrollado se proyectaron las emisiones del parque automotor hasta el año 2010 y, a partir de las emisiones de NO x, se estimó la concentración promedio anual de NO 2 en la zona de estudio. Los resultados muestran que a partir del año 2005, la concentración de NO 2 estará por encima de los valores guía recomendados por la OMS (40 µg m-3). Luego, se analizaron posibles acciones para reducir las emisiones contaminantes; los resultados muestran que la conversión a gas natural de un 60% o más de la flota vehicular, reduciría eficazmente la contaminación del aire de manera a mantener niveles aceptables hasta el año 2010.
3DODEUDV FODYH

Contaminación atmosférica, gestión de la calidad del aire, inventario de emisiones, modelación de emisiones, Cochabamba, Bolivia. 

,QWURGXFFLyQ

Varios estudios han documentado el deterioro de la calidad del aire de la ciudad de Cochabamba y señalan que la causa principal de la contaminación del aire es el aumento
ACTA NOVA; Vol. 2, Nº 4, diciem bre 2004

475

la Fundación Suiza de Cooperación para el Desarrollo Técnico (Swisscontact) y la Universidad Católica San Pablo . al. se cuenta con una red activa para el monitoreo de material particulado &yGLJR 3DUiPHWURV PHGLGRV '& -+ 0< 3& 37 6( 9. Mediante la Red MoniCA se está monitoreando. SE y PT). )LJXUD  Ubicación de los puntos de m onitoreo de la Red MoniCA en el m unicipio del cercado de Cochabam ba. esta situación preocupa a las . esto permite hacer un seguimiento preciso de la variación a lo largo del día. JH. dióxido de azufre (SO 2). desde hace tres años. Además. se registraron más de 140 000 vehículos en Cochabamba y la tasa anual del crecimiento del parque automotor era del 10% [2][9]. El asterisco (* ) señala los contam inantes que se m onitorean con equipos autom áticoss. Además. con métodos pasivos. En esta zona de la ciudad se sobrepasan los valores guía de la OMS en cuanto concentraciones de NO 2 se refiere. Finalmente. Los analizadores automáticos registran la concentración de estos contaminantes cada 15 minutos. CO* O3*. NO2. Las mediciones indican que el sector más afectado por las emisiones contaminantes del parque automotor es el centro de la ciudad de Cochabamba (Fig. En este contexto. MY y PC). NO2. SO2* O3. 1) en tres sitios de la ciudad (PC. O3. PM10 O3.Regional Cochabamba están colaborando en el Programa de Monitoreo de la Calidad del Aire (Red MoniCA). 1). existen tres estaciones de monitoreo con analizadores automáticos de la línea API (Advanced Pollution Instrumentation) para determinar las concentraciones de monóxido de carbono (CO). NO2*.: Modelación de las em isiones del parque autom otor … del parque automotor [4][8]. NO2*. ozono troposférico (O 3) y dióxido de nitrógeno (NO 2) (ver Fig. 2). 1. el dióxido de nitrógeno (NO 2) y el ozono troposférico (O 3) en siete sitios de la ciudad (Fig. PM10.476 · Sonia Alvarado et. NO2 O3*. sobre todo en lo que se refiere a los niveles de NO 2. PM10 O3. los últimos 3 años de monitoreo indican que existe una tendencia marcada en el aumento de la contaminación del aire en esta zona de la ciudad. NO2 O3. la Honorable Municipalidad de Cochabamba. NO2 (PM10) en tres lugares de la ciudad (Fig. En 2003.

)LJXUD  Delim itación del área de estudio en el centro de la ciudad de Cochabam ba . El área de estudio com prende la zona con m ayor tráfico vehicular de la ciudad de Cochabam ba y en consecuencia m ayor contam inación atm osférica. 2. es esencial contar con información confiable sobre el impacto del aporte del parque automotor al deterioro de la calidad del aire.Bolivia. El análisis de estos escenarios permitirá decidir qué acción sería más eficaz y conveniente para reducir la contaminación del aire y sus efectos sobre la salud de la población y el medio ambiente. Vol. en la actualidad y en el futuro.ACTA NOVA. por su topografía y características climáticas. Nº4. evitar el deterioro de la calidad del aire en el futuro. Sobre la base de un análisis del impacto del parque automotor. es importante que los organismos estatales y municipales . tiene una tendencia a disipar lentamente los contaminantes que son emitidos al aire. se podrán desarrollar acciones concretas para reducir los niveles de contaminación del aire y. sobre todo si consideramos que la ciudad de Cochabamba. Para desarrollar estrategias que permitan gestionar la calidad del aire. Es por ello que el presente trabajo se planteó el objetivo de desarrollar un modelo de estimación de las emisiones del parque automotor en la zona central de la ciudad de Cochabamba que permita realizar un inventario de las emisiones actuales y analizar diferentes acciones posibles para reducir esta contaminación en el futuro.  *HVWLyQ GH OD FDOLGDG GHO DLUH Para asegurar que los niveles de contaminación no conlleven riesgos para la salud y el bienestar de los habitantes. diciem bre 2004 $UWtFXORV &LHQWtILFRV 477 autoridades ambientales competentes del municipio. sobre todo.

naturales y de área). estos datos son usados para la modelación de las emisiones y la formulación de posibles medidas de control a corto. En el presente estudio se utilizó el modelo EMOD/ CMAP para desarrollar el modelo de estimación de emisiones en la zona central de la ciudad de Cochabamba. . identificando y caracterizando las fuentes de emisión (puntuales. se debe verificar los efectos de las medidas aplicadas. Evaluar el daño Evaluar la contaminación Evaluar posibles medidas de acción Analizar los costos Implementar el Plan de Acción )LJXUD  Elaborar un Plan de Acción Proceso de gestión de la calidad del aire según Korc [6]. Luego. Por ejemplo. Finalmente. mediante los modelos de emisión y concentración. sus ubicaciones y las variaciones temporales. De esta manera. ya sea por variación del aporte de las fuentes emisoras o por modificación de las condiciones meteorológicas. Así. la gestión de la calidad del aire persigue evitar y reducir los riesgos de la contaminación del aire a través de un proceso técnico-administrativo que comprende una serie de acciones y medidas (Fig. la gestión de la calidad del aire comprende la cuantificación del costo de las medidas sugeridas. Además. La gestión de la calidad del aire debe apoyarse en instrumentos. mecanismos y herramientas que permitan estimar los niveles de emisión en una determinada región.478 · Sonia Alvarado et. es esencial contar con inventarios de emisión que caracterizan. Estas medidas deben asegurar que la calidad del aire esté conforme con los niveles definidos como aceptables por los organismos internacionales y nacionales. es posible predecir cambios cuantitativos. los inventarios y los modelos son importantes herramientas para la gestión de la calidad del aire. 3). para llevar adelante una adecuada gestión de la calidad del aire. cuantitativa y cualitativamente las emisiones contaminantes de las fuentes emisoras. mediano o largo plazo. se deben identificar los contaminantes y sus fuentes de emisión para elaborar registros e inventarios. mediante el monitoreo atmosférico. móviles. al. Además. Es con este propósito que se han venido desarrollando una serie de modelos de estimación de emisiones contaminantes y de concentración.: Modelación de las em isiones del parque autom otor … tomen medidas precautorias y correctivas. Así.

Nº4. utilizados en los Estados Unidos (MOBILE5. avenidas y auto-rutas de la zona. de información detallada sobre el tráfico vehicular en la zona de estudio. permite realizar estimaciones de la distribución espacial de la concentración de algunos contaminantes primarios. El modelo EMOD/ CMAP fue seleccionado para este estudio por su flexibilidad. 24 h) para un año de estudio base específico. sobre la base de la información generada en cuanto a emisiones de contaminantes. especialmente las categorías vehiculares y los factores de emisión [3][5]. Por otro lado. esto limita la posibilidad de adaptarlos a otras regiones con características diferentes. renovación de la flota. cambios en la composición de la flota vehicular. Estos escenarios pueden ser analizados de manera independiente. en particular el NO 2. como México y Chile (MOBILE5). se seleccionan los factores de emisión más apropiados para cada una de las categorías y para los contaminantes considerados en el estudio [2][5]. 2. tramos (calles y/ o avenidas) y regiones (áreas definidas dentro del área general de estudio) [3][5]. 1 h. ya sea por tamaño. Vol. Europa (CORINAIR/ COPERT) y algunos países de América Latina. inicialmente. capacidad de transporte o uso del vehículo. Además. diciem bre 2004  (O PRGHOR (02'&0$3 $UWtFXORV &LHQWtILFRV 479 El modelo EMOD/ CMAP fue desarrollado por las Agencias de Protección Ambiental Suiza y Alemana (1980-1995)[5]. Una vez que se cuenta con la información detalla de la red de tráfico y la intensidad de tráfico vehicular en función de las diferentes categorías de vehículos previamente definidas. el modelo EMOD/ CMAP es relativamente versátil y permite modificar los parámetros de cálculo y la base de datos para adecuarla al contexto local. la flexibilidad del modelo permite analizar el impacto de modificaciones en el parque vehicular tales como: cambios de combustible. Los otros modelos han sido desarrollados específicamente para las condiciones y las características del parque automotor de los países y regiones en los que se aplican. Luego de haber descrito la red de tráfico. La categoría o tipo de vehículo agrupa a vehículos con características similares. el modelo EMOD/ CMAP requiere. En comparación con modelos similares. Esto consiste en conocer en detalle las diferentes calles. Esta información debe ser recolectada con la mayor precisión posible ya que de ello depende la calidad de las estimaciones generadas por el modelo [5]. Para el cálculo de las emisiones. EMFAC). La descripción del volumen de tráfico debe incluir el detalle de la composición del tráfico vehicular. ya que permite modificar y adecuar varios parámetros del modelo. etc. se debe establecer el volumen promedio de tráfico que circula en la misma en un periodo de tiempo definido (ej. Los factores de emisión son constantes que relacionan la cantidad de contaminantes emitidos con el . es decir la cantidad de vehículos por tipo o categoría de vehículo que se ha considerado en el modelo. La descripción de la red de tráfico se realiza mediante la identificación y ubicación de nodos (intersecciones entre calles y/ o avenidas).ACTA NOVA.

el tamaño o potencia del vehículo. $ (ec. ( es el valor de emisión para un contaminante determinado ([). etc. aceleración. la características de la conducción o patrón de manejo (frecuencia de arranques y paradas. Los valores de los factores de emisión se miden experimentalmente y están incorporados en el software de soporte del modelo EMOD/ CMAP. velocidad media. su capacidad de transporte. se aplica la siguiente ecuación para el cálculo de las emisiones de cada uno de los contaminantes [3][5]:     ¡ ¡ ¢ ( = ∑H . etc. también es posible introducir factores de corrección para incorporar algunas características específicas de la flota vehicular como tipo de combustible. al.: Modelación de las em isiones del parque autom otor … nivel de actividad del tráfico vehicular. El valor de los factores de emisión depende de varios factores. La figura 4 ilustra esquemáticamente el principio de la modelación de emisiones mediante EMOD/ CMAP [3][5]. 1) ¢ donde. desaceleración. H es el factor de emisión asociado al contaminante ([) y $ es el nivel de actividad asociado a la fuente emisora. . £ Factores de Proyección Red Vial (tráfico) Tráfico vehicular veh día-1 Composición de la flota vehicular Medición de Emisiones Datos de Tráfico Factores de Emisión (g veh-1 km-1) Emisiones de Tráfico (ton año-1) )LJXUD  Principio de la m odelación de em isiones de tráfico m ediante el m odelo EMOD/ CMAP.480 · Sonia Alvarado et. antigüedad. la antigüedad del vehículo. entre éstos tenemos: el tipo de combustible.). es decir la intensidad de tráfico vehicular de la categoría L. El valor de la emisión de contaminantes se expresa generalmente en ton año-1. Una vez seleccionados y definidos los factores de emisión para cada una de las categorías vehiculares.

diciem bre 2004 $UWtFXORV &LHQWtILFRV 481 El modelo EMOD/ CMAP permite estimar las concentraciones promedio anuales de NO 2 en cada tramo definido dentro del área de estudio.ACTA NOVA. en nuestro caso se utilizaron valores medidos por la red MoniCA para estimar & . que se debe a contaminante transportado de otras zonas (& ) y la concentración por las emisiones del tráfico vehicular (& ). 3) R Q C©I Q P  ©  ¥  ¥ ¨ ¥ ©§ ¦¤   ©  ¥  H @FD £ G 9 E H @FD £ G 9 E 9 B 9 CCA%@8 9 B 9 CCA%@8     (ec. sobre la base de las emisiones de NO x calculadas por el modelo. ! 7%653 2 " 4 "¦1%)0%( " ' $ $%# & $ %# !¦" ! & &  &  & Emisiones de Tráfico (ton año-1) Monitoreo de la calidad del aire Modelo de concentración Concentración de NO 2 debida al tráfico Concentración de NO 2 de fondo Concentración de NO 2 importada Concentración total de NO 2 (mg m3) )LJXUD  Principio de la m odelación de concentraciones de NO2 m ediante el m odelo EMOD/ CMAP. Las concentraciones & y& se obtienen tomando en cuenta los valores medidos experimentalmente. 2) . se calcula con la siguiente ecuación: b aY X ` ` c c0T b & = D× ( T US g f de W V  −    + E × 1 − H    ×( − )         (ec. Finalmente la concentración estimada de NO 2 (& ). Vol. en µg m-3. el valor de & se tomó como cero. la concentración importada. La concentración & . El modelo considera tres aportes a la concentración de NO 2 en el aire: la concentración de fondo (& ). Nº4. que se debe a fuentes de área en la zona de estudio. será igual a la suma de estos tres aportes El proceso del cálculo está esquematizado en la figura 5 [3][5]. 2. debido a que no existen fuentes importantes fuera de la zona de estudio.

Una vez determinadas las concentraciones promedio anuales de NO 2 para cada uno de los tramos. comparadas con las que se utilizó para determinar estas constantes. de esta manera se establecen límites permisibles para reducir los impactos tanto agudos (a corto plazo) como crónicos (a largo plazo) sobre la salud de la población. i *XtD  1RUPDWLYD /tPLWH SHUPLVLEOH SDUD 12  5HVXOWDGRV \ GLVFXVLyQ La descripción de la red de tráfico de la zona de estudio se realizó utilizando un total de 338 nodos (intersecciones entre calles y/ o avenidas) y 624 tramos (calles y/ o avenidas). Tabla 1: Estándares y guías de la calidad del aire (En base a [1] y [11]). 470 (1h) 100 (anual). I 0RE h ------------------------. La tabla 1 presenta los valores asignados como estándares y guías de la calidad del aire para el NO 2 en diferentes países. y $ = 1. Estos parámetros dependen de la cinética de la reacción de transformación del NO en NO 2 y de la dispersión de los contaminantes.3 d km-2. 400 (1 h) 100 (anual). se puede utilizar esta información para elaborar mapas de concentración de contaminantes del área de estudio. de las características topográficas y climáticas de la zona de estudio [5]. 200 (1 h) 150 (24 h). 300 (24 h) 40 (anual) 395 (1 h) El tiempo de promediación está entre paréntesis . sin embargo estos parámetros tienen que ser reevaluados para aplicarlos a regiones con características diferentes. E y $ corresponden a parámetros del modelo. E = 22 µg m-3. temperatura. El área estudiada tenía una extensión de 4 km2 aproximadamente (Fig. humedad y presión).: Modelación de las em isiones del parque autom otor … donde. mediante sistemas de información geográfica (ILWIS o ArcView) u otras herramientas que permitan realizar el mapeo de las concentraciones [5]. al.482 · Sonia Alvarado et. La cinética de esta reacción depende a su vez de las condiciones de la zona de estudio (radiación solar. Las normas y valores guía se establecen en función a valores promedio sobre periodos que van de una hora a un año. la dispersión. ( corresponde a los valores de emisión de NO x debidas al tráfico de vehículos en un tramo (kg NO x d-1) y D. Los valores por defecto incluidos en el modelo EMOD/ CMAP son: D = 0.058 d km-2. 2). Los valores de concentración estimados pueden ser comparados con los estándares y/ o guías de calidad del aire para evaluar las condiciones actuales y futuras en el área de estudio.µg m-3-----------------Guía OMS Alemania Bolivia Chile Estados Unidos Guatemala México 40 (anual) 80 (24 h).

se realizaron conteos vehiculares de 24 h en 6 puntos diferentes del centro urbano de Cochabamba. considerando que el número de vehículos que circulan entre las 12:00 y 13:00 del día representan el 7. Los resultados de este conteo de tráfico vehicular se muestran en la figura 6. por categoría vehicular y tipo de combustible que utilizan.2% del tráfico en 24 h. Además de los conteos de 24 h. se detallan en la tabla 3. Vol. se realizaron conteos de 1 h en 12 puntos diferentes de la zona de estudio. Esta proporción sigue en aumento debido a que el gas natural es el combustible más barato y rentable. mediano tráfico y poco tráfico. A partir de los conteos de 1 h se estimó el tráfico vehicular diario. Las características del parque automotor. Estos conteos se realizaron a la hora pico del medio día. A pesar de que la proporción de vehículos a gas natural es pequeña. y sólo un 7% usa gas natural (Tabla 3). estas categorías se encuentran descritas en la tabla 2. sobre todo en vehículos de transporte público. entre las 12:00 y 13:00. Como vías de alto tráfico se consideran la que tienen . se utilizó la información del Registro Único Automotor [9] del municipio. 24% usa diesel. En esta base de datos se tienen más de 144 000 vehículos registrados.ACTA NOVA. según datos de la Superintendencia de Hidrocarburos. Para generar los datos de intensidad de tráfico vehicular requeridos por el modelo EMOD/ CMAP. Tabla 2: Categorías vehiculares definidas para la clasificación de la flota vehicular de Cochabam ba. mediante observaciones directas y mediante video cámaras. 2. el 66% de los vehículos convertidos a gas natural en Bolivia circulan en Cochabamba [10]. Nº4. mediano y bajo tráfico vehicular. diciem bre 2004 $UWtFXORV &LHQWtILFRV 483 Para la caracterización del parque vehicular. &DWHJRUtD YHKLFXODU $FODUDFLyQ PC 1 PC 2 Ubus 1 Ubus 2 LDV HDV Moto Vehículo público de transporte de pasajeros (taxis) Vehículo privado de transporte de pasajeros Bus de transporte público con capacidad menor a 20 pasajeros (trufis) Bus de transporte público con capacidad mayor a 20 pasajeros (micros) Vehículos livianos (Light duty vehicles) Vehículos pesados (camiones) (Heavy duty vehicles) Motocicletas Analizando esta información constatamos que el 69% de los vehículos usa gasolina. Se establecieron siete categorías vehiculares para caracterizar la composición del parque automotor. Estos conteos se realizaron el mes de febrero del 2003. tomando en cuenta calles de alto tráfico. en las vías de alto. en el que están registrados todos los vehículos que pagan impuestos. Cochabamba es la ciudad con mayor proporción del parque automotor convertida a gas natural.

6 0.5 3.0 69.00 20:00 24:00 Periodo de tiempo .0 0. pues sería impráctico hacer un conteo sobre todos los 624 tramos definidos en el modelo. y las de bajo tráfico las que tienen entre 0 y 7 veh.300 20.: Modelación de las em isiones del parque autom otor … un promedio diario de entre 20 y 40 vehículos por minuto (veh. en algunos casos se hicieron conteos de 20 min para clasificar tramos cuya clasificación no era evidente.2 18.5 12.000 4.0 24.000 20 36 19 5 3 14 3 100 76.2 1.3 87. min-1).8 3.484 · Sonia Alvarado et.500 144. min-1.100 52.9 40.0 0. Tabla 3: Caracterización del parque autom otor en la ciudad de Cochabam ba.2 % Intensidad de tráfico (unidades cada 15 min) 0:00 4:00 8:00 12:00 .1 59.4 100.3 88.Bolivia en 2003. min-1 .0 6.400 27.0 0. mediano y bajo tráfico vehicular. Partiendo de ésta información se hizo una estimación del tráfico vehicular en cada uno de los tramos definidos en la red de tráfico a aplicarse en el modelo.13:00 16.0 5. clasificándolos previamente en tramos de alto. como vías de mediano tráfico las que tienen entre 7 y 20 veh.0 100.9 8.2 0.900 4.800 6. &DWHJRUtD YHKLFXODU &DQWLGDG GH YHKtFXORV 3URSRUFLyQ 7LSR GH FRPEXVWLEOH Gasolina Diesel Gas natural --------------------------------------.3 94.8 7.0 0. al. Se procedió de esta manera.% ------------------------------------------PC 1 PC 2 Ubus 1 Ubus 2 LDV HDV Moto Totales (En base a [9] y [10]) 300 250 200 150 100 50 0 28.

donde taxis.3% 0. diciem bre 2004 )LJXUD  $UWtFXORV &LHQWtILFRV 485 Distribución de la intensidad de tráfico vehicular promedio diaria para Cochabam ba . Nº4.0% 4. Es interesante comparar esta distribución con la distribución de los vehículos del parque automotor.0% 3. radiotaxis y taxitrufis (PC 1) corresponde al 51% y 10% a los micros y trufis (Ubus). por categoría vehicular. conteo realizado el m es de febrero de . Para establecer esta correlación. y se calculó una recta de correlación entre estas dos variables. Se observó una buena correlación entre las mismas. A partir de la recta de correlación se pudo establecer el volumen de tráfico de micros y trufis en otros 3.9% 19.1% 13. Partiendo de los conteos de 24 h.3% 36.8% 19. es evidente que la frecuencia de los vehículos de transporte público es mucho mayor que la de los vehículos privados. se elaboró una distribución de la intensidad de tráfico vehicular en relación a las categorías vehiculares definidas para el modelo. )LJXUD  (a) Com posición de vehículos. esto implica que su contribución a las emisiones contaminantes será también mayor. 2.2% PC 2 PC 1 LDV Ubus 1 Ubus 2 26. Las rutas de estos vehículos de trasporte son fijas. Vol.0% 3.Bolivia en febrero del 2003. (b) Com posición del tráfico vehicular en la zona de estudio. por lo tanto debe existir una relación entre el número de rutas que pasan por un determinado tramo y la cantidad de vehículos de estas categorías que circulan por estos tramos. se realizó un análisis de las rutas establecidas para estos vehículos y su relación con la frecuencia de tráfico de los mismos.4% 51.5% 4.ACTA NOVA. La circulación de vehículos de transporte público representa un 61% del total diario.7% 8. del parque autom otor de la ciudad de Cochabam ba. Para caracterizar el tráfico de los buses de transporte público de manera más precisa (Ubus1 y Ubus2). se determinó la FDQWLGDG de micros y/ o trufis en circulación en tramos en los que se realizó un conteo de 24 h. y en general deben respetarse y mantenerse en el tiempo. Esta distribución se muestra en la figura 7b). y el Q~PHUR GH UXWDV de micros y trufis que pasan por estos tramos.5% 6.4% HDV Motorcycle tramos por los que pasan rutas de buses de transporte público.

042 726 114 96 308 7 6. se puede atribuir 83% de las emisiones globales a las categorías Ubus1 y Ubus2.8% 1.0% q p . generan una mayor proporción de material particulado en relación a motores que funcionan con combustibles más ligeros. ya que los motores diesel.0% 0.5% 11.06 1.94 100. Por otro lado. Así.7 35.6% 5. 1 para estimar las emisiones de los contaminantes primarios considerados en el estudio. también a estas dos categorías.5% 4.6% 11. los vehículos privados de transporte de pasajeros tienen también un aporte significativo a las emisiones de NO x.: Modelación de las em isiones del parque autom otor … 2003 .3% 0.258 47.0% 304 206 104 262 163 2 18 1059 28.6% 3.0% 1.5% 9.0% -----------------------------------------------------------1.0% 330 225 91 39 67 32 5 789 41. se aplicó la ec.7% 2.1% 100.4% 0.5% 4.4% 32.00 0. se seleccionaron los factores de emisión más adecuados para la zona de estudio. &DWHJRUtD YHKLFXODU &2 +& 12 30 62 --------------------------------------------------------------------.13 0. la principal fuente son los vehículos livianos de transporte público (PC1). La situación de tráfico para cada categoría vehicular se estableció sobre la base de medidas de velocidades promedio y las características de los diferentes tramos. como del privado (PC 1 y PC 2).7% 19.08 0. Las emisiones de CO y HC se deben principalmente a las emisiones de los vehículos livianos de transporte (80% del CO y 71% de los HC). Las emisiones de material particulado se deben.5% 4.7% 15.8 0.9% 8.9 100.ton año-1 PC 1 PC 2 LDV Ubus 1 Ubus 2 Moto HDV Totales 2.0 2.9% 15. seguidos de los buses con capacidad de más de 20 pasajeros (Ubus2).6% 21.7 0.965 2.7% 100. Combinando esta información con las características de la flota vehicular.Bolivia en 2003. Los resultados se detallan en la tabla 4.0% 44.486 · Sonia Alvarado et.2% 1. En cuanto a las emisiones globales de NO x.6% 100. en mayor proporción. al ser un combustible pesado.09 6. Tabla 4: Em isiones de línea base para Cochabam ba .1% 55.53 0.05 0.8% 24.1% 0. esto debido en particular a que estas categorías de vehículos utilizan mayormente diesel como combustible.0% 6. esto considerando experiencias previas de aplicación del modelo en Lima.7 2. Con todos los parámetros del modelo definidos. se seleccionaron las situaciones de tráfico más adecuadas para utilizarlas en el modelo EMOD/ CMAP.5 47.6% 0.0% 1. Perú [3][5]. al.8% 28. esencialmente por la misma razón. en el caso de las emisiones de SO 2.9% 0.7% 27. tanto del servicio público.5 4.0% 4. También se siguieron las sugerencias de los creadores del modelo para hacer algunas correcciones a los factores de emisión empleados. este combustible tiene un elevado contenido de azufre.6% 1.

7 0.0 . se analizaron diferentes escenarios aplicando posibles medidas de acción como: renovación de la flota vehicular por vehículos más eficientes y menos contaminantes y cambio de los combustibles pesados (gasolina y diesel) por gas natural.% ----------------------------A B 0.0 . diciem bre 2004 $UWtFXORV &LHQWtILFRV 487 Para evaluar el impacto de algunas medidas para reducir la contaminación del aire. q p (VFHQDULR &2 +& 12 30 62 ------------------------------. Las proyecciones se realizaron considerando un crecimiento promedio del parque automotor de un 7% anual entre el año 2003 y el año 2015.9 .0 0. La tabla 6 muestra las variaciones relativas en relación a las emisiones en las condiciones actuales del parque automotor (escenario A).0 + 11.ACTA NOVA.0 . Nº4.2. La tabla 5 describe los escenarios utilizados para evaluar el impacto de las medidas de acción y para realizar una proyección de las emisiones de contaminantes hasta el año 2015. 2.3 0.35. se calcularon los cambios en cuanto a las emisiones de contaminantes. Tabla 6: Variación relativa de las em isiones de los escenarios propuestos en realción con el de línea base (escenario A).82.9 0. (VFHQDULR &DPELR SURSXHVWR A B C D E F Ninguno Conversión a gas natural de todos los vehículos de las categorías Ubus 1 y Ubus 2 Conversión a gas natural de todos los vehículos de las categorías Ubus 1 y Ubus 2 y del 80% de la categoría PC 1 Renovación de toda la flota de vehículos de la categoría Ubus 1 y Ubus 2 por vehículos que cumplen normas europeas de emisiones Conversión a gas natural de todos los vehículos de las categorías Ubus 1 y Ubus 2 y del 60% de las categorías PC 1 y PC 2 Conversión a gas natural de todos los vehículos de las categorías Ubus 1 y Ubus 2. Tabla 5: Escenarios propuestos para el análisis de las em isiones proyectadas. del 60% de las categorías PC 1 y PC 2 y del 60% de la categoría LDV Aplicando estos escenarios de reducción de emisiones al modelo desarrollado para la zona central de la ciudad de Cochabamba.0 .81. Vol. Este análisis muestra que la manera más eficaz de reducir las emisiones es la conversión a gas natural de la mayor parte del parque automotor.

La concentración & .488 · Sonia Alvarado et.9 La reducción de las emisiones producto de la renovación de la flota (escenario D) muestra también un impacto positivo en cuanto a la reducción de emisiones contaminante.0 . pero es más importante el impacto de la conversión a gas natural.355 d km2. Es interesante hacer notar que la renovación de la flota vehicular de transporte público (escenario D) no es una alternativa eficaz para la reducción de la emisiones ya que no logra reducir las emisiones lo suficiente como para no sobrepasar los valores guía. Esta constante tiene un valor más elevado debido probablemente a que la cinética de la transformación de NO en NO 2 es más rápida en Cochabamba por los elevados niveles de radiación solar y ultravioleta.2 .51. Los valores de emisiones de NO x calculados mediante el modelo desarrollado sobre la base del EMOD/ CMAP. a partir del año 2005.81.9 . Se utilizó un valor de 4 µg m-3 para & & . Los resultados indican que. se calculó con la ecuación 3.9 . Las concentraciones & y& se obtuvieron tomando en cuenta los valores y 0 µg m-3 para medidos por la Red MoniCA.3 . Para esto.82. se aplicaron las ecuaciones 2 y 3.9 . Vale la pena destacar que es la conversión a gas natural de los vehículos de la categoría PC 1 y los buses de transporte (Ubus 1 y Ubus 2).5 0.9 .26.66.9 .9 0.20. fueron utilizados para estimar la distribución espacial de la concentración de NO 2 en la zona de estudio. los escenarios que proponen medidas para reducir las emisiones contaminantes muestran una reducción en los valores promedio anuales de concentración de NO 2 desde el año 2003 en adelante (Tabla 7). y el parque automotor crece según las estimaciones realizadas.5 . la concentración de NO 2 proyectada superará el valor guía anual de 40 µg m-3 de la OMS.: Modelación de las em isiones del parque autom otor … C D E F -39.0 .57.47. Sin embargo sólo los escenarios C. lo que tienen mayor incidencia en la reducción de las emisiones contaminantes.82.4 .81. E y F permiten mantener los niveles de contaminación por NO 2 por debajo del valor guía propuesto por la OMS.2 .1 . (VFHQDULR    s u t s CC%@r € @Fw v y s x s u s CCt%@r „ ƒ C© ƒ ‚ € @xFw v y s .35.82. La única constante modificada fue la constante D a la que se le aplicó un valor de 0.81. Por otro lado.20.7 0. Los parámetros de la ecuación 3 fueron calibrados utilizando valores de concentración de NO 2 medidos con analizadores automáticos en uno de los puntos en que se realizó el conteo de vehículos. al.0 .61. si las características de la flota vehicular del año base (2003) se mantiene constante.6 .4.9 . Tabla 7: Concentraciones promedio anuales de NO2 para diferentes escenarios .

la concentración de NO 2 llega a superar incluso valores de 80 µg m-3. 2.7 ----------------------52.ACTA NOVA.9 35.6 26. por ello estimamos que el tráfico no aumentará mucho más a partir del 2010. no habría zonas del centro de la ciudad cuya concentración promedio de NO 2 sobrepase la guía anual de la OMS. a tal punto que el año 2010.1 Gracias a la versatilidad del modelo EMOD/ CMAP. La figura 8a indica que.2 27. Es necesario notar además que la intensidad de tráfico estimado para el año 2010.µg m3 A B C D E F 40. en algunos puntos más afectados por la emisiones de los vehículos.5 33. La figura 8b muestra que las regiones en la que se supera el límite de 40 µg m-3 son mucho más amplias. es posible calcular la distribución espacial de la concentración de NO 2 en el área de estudio.3 24.7 42.7 50. está cerca de la saturación en las vías de la zona central de Cochabamba. Las proyecciones muestran que la conversión de un 60% o más del parque automotor a gas natural reduciría eficazmente las emisiones contaminantes. El resultado de las proyecciones de la distribución de concentraciones de NO 2 para el escenario F en el año 2010 se muestra en la figura 9. las concentración de NO 2 en los principales ejes viales superan el valor guía anual propuesto por la OMS (2000).2 34.7 33. diciem bre 2004 $UWtFXORV &LHQWtILFRV 489 ---------------------------------.0 42. alcanzando niveles que llegan a concentraciones de NO 2 superiores a los 50 µg m-3.0 31.9 43. .6 39. Las figuras 8 y 9 muestran algunos de los resultados obtenidos. para el escenario de línea base (A) el año 2003. Vol.9 28. Nº4.3 26. Esta situación se deteriora sensiblemente para el año 2010 debido al crecimiento del parque automotor.9 29.

80 40 .: Modelación de las em isiones del parque autom otor … (a) (a) > 100 80 . .60 20 . al.Bolivia (µg m .490 · Sonia Alvarado et.100 60 .80 40 .3): (a) año base 2003 y (b) año 2010 (escenario A).40 < 20 )LJXUD  Distribución de las concentraciones prom edio anuales de NO2 para Cochabam ba .100 60 .60 20 .40 < 20 (b) (b) > 100 80 .

indican que en la zona central de la ciudad de Cochabamba es la más afectada por las emisiones del parque automotor. existen elevadas concentraciones de dióxido de nitrógeno (NO 2). muestran que. esto debido a que utilizan en gran parte diesel como combustible y este combustible ocasiona una elevada generación de partículas. Las simulaciones de la concentración de NO 2 (promedio anual) dentro de la zona de estudio. de manera a controlar la contaminación del aire. hidrocarburos (HC) y óxidos de nitrógeno (NO x).  &RQFOXVLRQHV Los estudios realizados. 2.80 40 . Se eligió el modelo EMOD/ CMAP porque es fácil de adaptar a las condiciones y características del parque automotor de Cochabamba de manera a incorporar eficazmente las características específicas de la zona de estudio en las variables de cálculo del modelo. Nº4. diciem bre 2004 $UWtFXORV &LHQWtILFRV 491 > 100 80 . Para analizar el efecto de las emisiones del parque automotor que circula en la zona central de la ciudad sobre la calidad del aire y las posibles acciones para la reducción de las emisiones. Esto contrasta con la creencia generalizada de que son los buses de transporte público los que más inciden en la contaminación.60 20 .100 60 . se desarrolló un modelo de estimación de emisiones basado en el programa EMOD/ CMAP.ACTA NOVA. en particular.40 < 20 )LJXUD  Distribución de la concentración anual de NO2 en el área de estudio para el año 2010 en el escenario F. Vol. La contribución de esta categoría de vehículos es sin embargo significativa en cuanto a las emisiones de partículas suspendidas. al ritmo actual de crecimiento del parque automotor y manteniendo las características de la flota de vehículos. Los resultados de la modelación de emisiones para el año 2003 muestran que las categorías de vehículos que más inciden en la contaminación del aire son los vehículos de transporte público de pasajeros (taxis y similares) y los vehículos privados. a través de la Red MoniCA. se sobrepasarán las guías de la . sobre todo en lo que concierne a las emisiones de monóxido de carbono (CO).

2003. La Paz .Suiza.492 · Sonia Alvarado et. además que sería económicamente inviable. &RQWDPLQDFLyQ $WPRVIpULFD \ FOLPDWRORJtD HQ OD FLXGDG GH &RFKDEDPED. Obviamente existen otras posibilidades de acción para reducir las emisiones como por ejemplo la de reducir el tráfico vehicular en la zona central.La Paz y Honorable Municipalidad de Cochabamba. estos escenarios pueden ser también analizados gracias al modelo desarrollado en este trabajo. Oficialía Mayor de Desarrollo Humano y Medio Ambiente. Zbinden. [4] Instituto de Geografía. Esto implica que buena parte de la población que trabaja y vive en la zona central estaría expuesta a serios daños crónicos y agudos de salud. 2000. 24176. Por lo tanto. Instituto de Ecología.Bolivia. Zürich . $LU 4XDOLW\ 0RGHOOLQJ 7UDLQLQJ &RXUVH. 2001. Karl . Heldstab y R. M. %LEOLRJUDItD [1] [2] [3] Bolivia: Reglamento D. La Paz . Korc. incluso hasta el año 2010. 8VHU 0DQXDO RI (02'&0$3 9HUVLRQ 6( &RQFHSW 0RGHO GHVFULSWLRQ . M. La renovación de la flota vehicular no es tan eficaz en la reducción de emisiones.Suiza. INE (Instituto Nacional de Estadística).S. al.. 5HJODPHQWRV D OD /H\ GH 0HGLR $PELHQWH. debido a la contaminación del aire. Zürich . Por el contrario. sino que además reduce el costo de operación de los vehículos. 2003. INFRAS.Bolivia. Los resultados de las proyecciones para estos escenarios muestran que la conversión de la flota vehicular a gas natural permitiría una reducción eficaz de las emisiones contaminantes.QVWDOODWLRQ 3URFHGXUHV .: Modelación de las em isiones del parque autom otor … OMS (40 µg m-3) a partir del año 2005.Franzens Universität Graz. cuando la mayor parte de la zona central de Cochabamba tendrá concentraciones de NO 2 muy por encima de las guías de la OMS. No. la reconversión de los vehículos a gas natural. 6LVWHPDV GH JHVWLyQ GH OD FD OLG DG GHO DLUH 3ULPHU 6LPSRVLR 1DFLRQDO GH 0HGLR $PELHQWH  [5] [6] Cochabamba . 2000. Para evaluar la eficacia de posibles medidas de acción se analizaron dos estrategias posibles: la renovación de la flota vehicular y la conversión de una buena parte los vehículos a gas natural. en tal medida que sería posible mantener los niveles de contaminación de NO 2 por debajo de las guías de la OMS. . no solamente es viable económicamente. llegando a una situación crítica el año 2010. 3DUTXH DXWRPRWRU SRU DxR VHJ~Q WLSR GH VHUYLFLR \ YHKtFXOR %ROLYLD. ya que la inversión que se requiere es demasiado grande. Cochabamba . J. INFRAS (Consulting Group for Policy Analysis and Implementation). la mejor opción para reducir la contaminación en la zona central de Cochabamba es la de promover la conversión a gas natural de todos los vehículos de transporte público y de todos lo vehículos privados cuyos propietarios acepten hacerlo. UMSA .Bolivia.Bolivia. 1995. Keller.

R. Rodríguez. Ginebra . Vol. 2000. Cochabamba .ACTA NOVA.Suiza. 1996. 2. Prefectura de Cochabamba. *XtDV GH OD FDOLGDG GHO DLUH. WLSR GH VHUYLFLR \ FDWHJRUtDV YHKLFXODUHV   .Bolivia. WHO/ SDE/ OEH/ 00. diciem bre 2004 $UWtFXORV &LHQWtILFRV 493 [7] [8] [9] OMS (Organización Mundial de la Salud).02. 0RQLWRUHR GH OD FDOLGDG GHO DLUH HQ OD FLXGDG GH &RFKDEDPED. Nº4.

0DQXDO GH JHVWLyQ GH OD F DOL GDG GHO D L UH Programa Aire Puro: Programa Regional para Centro América y el Caribe. . Dirección de Comercialización de Derivados y Distribución de Gas Natural.Bolivia.Bolivia. [11] Swisscontact. [10] Superintendencia de Hidrocarburos. 2004. 2004. La Paz . Cochabamba . 'LVWULEXFLyQ YHKLFXODU HQ &RFKDEDPED SRU . .QIRUPH HVWDGtVWLFR. 2000. RUA (Registro Único Automotor).