cartografía de exposición a riesgos naturales mediante mapa de vientos

Cartografía de exposición a riesgos tecnológicos mediante

modelos de dispersión atmosférica y mapa de vientos

Diego González Ferreiro

Proyecto Fin de Carrera

Ingeniería en Geodesia y Cartografía

UNIVERSIDAD DE ALCALÁ DE HENARES ESCUELA DE ARQUITECTURA Y GEODESIA

INGENIERÍA EN GEODESIA Y CARTOGRAFÍA

Trabajo Fin de Carrera

CARTOGRAFÍA DE EXPOSICIÓN A RIESGOS TECNOLÓGICOS MEDIANTE MODELOS DE

DISPERSIÓN ATMOSFÉRICA Y MAPAS DE VIENTOS

Diego González Ferreiro 2006

3

ESCUELA DE ARQUITECTURA Y GEODESIA INGENIERÍA EN GEODESIA Y CARTOGRAFÍA

Trabajo Fin de Carrera

CARTOGRAFÍA DE EXPOSICIÓN A RIESGOS TECNOLÓGICOS MEDIANTE MODELOS DE

DISPERSIÓN ATMOSFÉRICA Y MAPAS DE VIENTOS

AUTOR: Diego González Ferreiro DIRECTOR: Joaquín Bosque Sendra

TRIBUNAL: PRESIDENTE: _____________________________ VOCAL 1º: ________________________________ VOCAL 2º: ________________________________ CALIFICACIÓN: ___________________________ FECHA: ____________________

4

Índice de contenidos

Índice de contenidos.................................................................................................................... 4 Resumen ........................................................................................................................................ 6

1. Introducción ............................................................................................................................. 7

1.1. Partes fundamentales........................................................................................................ 8 1.2. Campo de aplicación y nivel de innovación.................................................................. 8 1.3. Fases de desarrollo............................................................................................................ 9

2. Conceptualización del riesgo en la geografía ..................................................................... 11

2.1. Conceptos involucrados................................................................................................. 11 2.2. Visión sistémica de los riesgos en cartografía............................................................. 12

3. Empleo de los S.I.G. como herramienta en estudios sobre riesgos tecnológicos........ 13

3.1. Estudios realizados ......................................................................................................... 13 3.2. Importancia de los SIG en la gestión de riesgos ........................................................ 14

4. Principios generales de la circulación atmosférica y el viento. ........................................ 16

4.1. Circulación general de la atmósfera.............................................................................. 16 4.2. Formación y composición del viento: Los vientos teóricos..................................... 18 4.3. Intensidad y dirección del viento: Vientos de altura y de superficie ....................... 21 4.4. Los vientos locales .......................................................................................................... 22 4.4.1. Vientos de valle, de ladera y de montaña.............................................................. 22 4.4.2. Brisas: Interfase agua-tierra..................................................................................... 23 4.4.3. Vientos en áreas urbanas......................................................................................... 23 4.5. El viento en la Península Ibérica .................................................................................. 23

5. Obtención y preparación de datos de base ........................................................................ 26

5.1. Técnicas e instrumentos de medida de viento............................................................ 26 5.1.1. Velocidad del viento ................................................................................................ 26 5.1.2. Dirección del viento................................................................................................. 29 5.2. Tratamiento de la información de base ....................................................................... 30 5.3. Estudio de la información meteorológica ................................................................... 36

6. Interpolaciones superficiales no lineales............................................................................. 40

6.1. Exposición metodológica .............................................................................................. 41 6.2. Interpolación lineal: Medias móviles con distancia ponderada (IDW) ................... 45 6.3. Aplicación de la metodología ........................................................................................ 52 6.4. Método de estimación y contraste de hipótesis.......................................................... 57

7. Conclusiones sobre el mapa de vientos.............................................................................. 65

7.1. Análisis espacial de las interpolaciones ........................................................................ 65 7.2. Problemas y dificultades encontrados.......................................................................... 65 7.2.1. Problemas debidos a los datos de base ................................................................. 65 7.2.2. Problemas debidos a la metodología ..................................................................... 66 7.3. Conclusiones finales ....................................................................................................... 67

8. Instalaciones potenciales de riesgo...................................................................................... 68

8.1. Tipología de sucesos y accidentes ................................................................................ 68 8.2. Los residuos urbanos...................................................................................................... 71

5

8.3. Los residuos peligrosos.................................................................................................. 72 8.4. Clasificación de instalaciones ........................................................................................ 74

9. Difusión de contaminantes atmosféricos ........................................................................... 80

9.1. Aspectos generales teóricos........................................................................................... 80 10. Modelos de dispersión de gases a la atmósfera ................................................................. 82

10.1. Características generales............................................................................................... 82 10.2. Clasificación de los modelos de dispersión............................................................... 83

11. Modelo de dispersión gaussiano .......................................................................................... 87

11.1. Hipótesis y formulación............................................................................................... 87 11.2. Clasificaciones de estabilidad ...................................................................................... 91

12. El modelo de dispersión ALOHA ...................................................................................... 93

12.1. Parámetros básicos del programa............................................................................... 93 12.2. Datos de base: Inputs y variables ............................................................................... 95 12.2.1. Localización de la fuente emisora .......................................................................... 95 12.2.2. Tipo de edificio......................................................................................................... 96 12.2.3. Tipo de compuesto químico................................................................................... 96 12.2.4. Datos y condiciones meteorológicas ..................................................................... 97 12.2.5. Tipo de fuente y forma del foco ............................................................................ 98 12.3. Niveles de alerta: Levels of Concern ....................................................................... 100

13. Obtención de áreas expuestas a riesgos tecnológicos: Aplicación del Mapa de vientos y del Modelo de dispersión.......................................................................................................... 105

13.1. Selección y elaboración de huellas-tipo ................................................................... 106 13.1.1. Estaciones de servicio............................................................................................ 106 13.1.2. Gasoductos.............................................................................................................. 108 13.1.3. Oleoductos .............................................................................................................. 110 13.1.4. Incineradora ............................................................................................................ 112 13.1.5. Residuos tóxicos y peligrosos............................................................................... 114 13.1.6. Depósitos de combustible y aeropuertos............................................................ 116 13.1.7. Residuos sólidos urbanos...................................................................................... 118 13.1.8. Industria y polígonos industriales ........................................................................ 120 13.2. Exportación de huellas contaminantes .................................................................... 121 13.3. Rotación, traslación y cambio de escala................................................................... 123

14. Resultados y conclusiones finales ...................................................................................... 127

14.1. Resultados obtenidos ................................................................................................. 127 14.2. Conclusiones................................................................................................................ 133 Bibliografía ................................................................................................................................ 135 Anexos ....................................................................................................................................... 138 Índice de tablas ......................................................................................................................... 145 Índice de figuras ....................................................................................................................... 146 Relación de páginas web.......................................................................................................... 148

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Resumen

6

Resumen

La línea de trabajo que se abordará en este proyecto de fin de carrera pondrá el énfasis en el concepto de “exposición”, es decir, el ámbito territorial susceptible de sufrir daño debido a la presencia de una actividad potencialmente peligrosa, o dicho de otro modo, el volumen de población, actividades o usos del suelo, que se encuentran en situación de ser directamente afectados por el riesgo (Bosque, et al., 2000).

La cartografía se conforma como una herramienta imprescindible que permite mostrar de forma útil el escenario de riesgo y representar las áreas que corren peligro de sufrir consecuencias negativas debido a actividades nocivas o a accidentes.

La característica principal de este trabajo sería la aplicación de una propuesta metodológica novedosa basada, no sólo en aspectos geométricos (alcance mediante la aplicación de buffers), sino también en condicionantes físicos fundamentales, como son la velocidad y dirección del viento sobre el terreno. Para poder llevar a cabo este método es imprescindible la realización de un mapa de vientos mediante la interpolación de datos proporcionados por estaciones meteorológicas,

Lo que se pretende con este proyecto es realizar una nueva aproximación metodológica con respecto a la idea de alcance espacial aportada por los buffers con el fin de obtener esas áreas expuestas a riesgos tecnológicos. Las áreas de influencia (buffers) sólo contienen sentido geométrico y no tienen en cuenta condicionantes físicos. Esta nueva metodología pretende llevar a cabo, mediante la utilización de herramientas de programación y SIG, la realización de un “mapa de vientos” que plasme la mayor incidencia, peligrosidad y exposición al riesgo tecnológico de las zonas situadas a barlovento de la instalación con respecto a las situadas a sotavento y, en última instancia, la aplicación del mapa de vientos a los modelos de dispersión atmosférica.

En definitiva, el propósito último de este trabajo de fin de carrera de la Ingeniería en Geodesia y Cartografía es la realización de un método para establecer áreas de exposición a riesgos tecnológicos basado en la elaboración de un mapa de vientos realizado mediante la interpolación de datos, tanto de dirección como de velocidad, relativos a estaciones meteorológicas, dentro del ámbito de la Comunidad de Madrid. Posteriormente también se aplicarían las potencialidades aportadas por los modelos de dispersión atmosférica para, junto con los mapas de viento, elaborar una cartografía sobre exposición de riesgos tecnológicos.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Introducción

7

1. Introducción

De forma paralela al desarrollo económico e industrial, desde hace cuatro décadas, se han aumentado de forma vertiginosa las capacidades de almacenar y manipular cantidades cada vez mayores de sustancias peligrosas, así como también se ha incrementado el desarrollo de nuevos procesos productivos que conllevan, como efecto secundario no deseado, un riesgo para quien los maneja y para la población situada en los alrededor de esas instalaciones productoras.

Después de los daños causados por incidentes como los de Bhopal (India) o Seveso (Italia) se ha incrementado mucho la toma de conciencia sobre los riesgos de origen antrópico relacionados con procesos industriales, los llamados riesgos tecnológicos.

Las líneas de estudio y la investigación sobre riesgos ambientales, tanto naturales como tecnológicos han sido abordadas desde numerosos puntos de vista y se ha convertido en un importante análisis de investigación multidisciplinar.

Un aspecto fundamental en este tipo de trabajos es el relacionado con la dimensión espacial del riesgo. La Geografía humana ha centrado sus esfuerzos, dentro de esta materia, en relacionar esa dimensión espacial con las implicaciones sociales. Nos encontramos, por ejemplo, dentro de la literatura, con investigaciones sobre la percepción del riesgo por parte de la sociedad, la toma de decisiones en la gestión del mismo, la evaluación del impacto, la implantación de medidas de protección o la localización de las actividades potencialmente peligrosas.

En el proyecto de “Propuesta metodológica para caracterizar las áreas expuestas a riesgos tecnológicos mediante SIG. Aplicación en la Comunidad de Madrid” (Bosque et al., 2002) en la Universidad de Alcalá en el año 2002 se trató, mediante la utilización por parte de los SIG de áreas de influencia (buffers) y funciones de distancia, de establecer las zonas potencialmente expuestas a riesgos tecnológicos en el territorio. De esta forma, se pretendió determinar tres variables: zonas expuestas a algún riesgo, la intensidad de la exposición a riesgos en cada punto y la “probabilidad espacial” de ser afectado por algún peligro de tipo tecnológico en la Comunidad de Madrid.

La delimitación de las áreas expuestas plantea un difícil problema de tipo metodológico cuando se pretende hacerlo operativo en la investigación empírica. La forma y tamaño de las posibles áreas expuestas a un accidente pueden ser tan diversos como tipos de sustancias tóxicas intervengan en el mismo, estado físico en el que sean liberadas estas sustancias, cantidades emitidas y comportamientos en su transporte y transmisión

Estos parámetros dependerán también del medio físico, es decir, aspectos como la topografía, o la dirección y velocidad de viento, se comportan como condicionantes que modifican la magnitud y el alcance espacial de las consecuencias de los accidentes.

Desde el punto de vista geográfico, con el fin de delimitar las áreas expuestas, se puede recurrir a las herramientas propias de los SIG. Una primera aproximación nos remite al concepto de las cuencas visuales establecida desde la instalación que origina el peligro. Como segunda posibilidad se presenta la distancia desde la instalación (buffer), es decir, al aumentar ésta, la probabilidad de recibir daño disminuye. A este respecto, se deben buscar referencias externas para establecer las actividades potencialmente peligrosas, así como el alcance espacial y las áreas expuestas a la influencia de las mismas. El recurrir a la


8

legislación vigente es un buen método para desarrollar lo anterior (Reglamento de Actividades Molestas, Insalubres, Nocivas y Peligrosas y la Normativa de Protección Civil).

Lo que se pretende con este proyecto es realizar una mejora, utilizando herramientas de programación y SIG, a la hora de obtener esas áreas expuestas a riesgos tecnológicos, mediante la realización de un “mapa de vientos” que plasme la mayor incidencia, peligrosidad y exposición al riesgo tecnológico de las zonas situadas a barlovento de la instalación con respecto a las situadas a sotavento.

Una vez realizada la interpolación “no lineal”, faltaría todavía aplicar el modelo de dispersión atmosférica (a partir de las potencialidades de los programas Aloha y Marplot), una vez introducidos los datos de viento, a todas las instalaciones de la Comunidad de Madrid, para ver como se comporta este nuevo método a la hora de mapificar las áreas expuestas a riesgos tecnológicos.

1.1. Partes fundamentales

Las partes sobre las que girará la elaboración de este proyecto se condensan en estos aspectos principales:

1. Introducción al problema y descripción de la situación actual, tanto metodológica; con respecto a la investigación de riesgos tecnológicos, los modelos de dispersión atmosférica, las elaboraciones de mapas de vientos; como

2. Explicación metodológica, en donde se incluyen las definiciones de los conceptos involucrados, el tratamiento de los datos de base y el funcionamiento

3. Caracterización de los tipos de instalaciones potencialmente peligrosas. Clasificación de ellas según la forma del continente (lineales, Ubicación de las mismas dentro del territorio de la Comunidad de Madrid.

4. Realización de los mapas mensuales de interpolación de vientos y del mapa con valores medios anuales.

5. Estudio estadístico de la precisión de la interpolación de vientos.

6. Una vez realizada la interpolación “no lineal”, faltaría todavía aplicar el modelo de dispersión atmosférica (a partir de las potencialidades de los programas Aloha y Marplot), una vez introducidos los datos de viento, a todas las instalaciones de la Comunidad de Madrid, para ver como se comporta este nuevo método a la hora de mapificar las áreas expuestas a riesgos tecnológicos.

1.2. Campo de aplicación y nivel de innovación

Existe una amplia gama de aplicaciones relacionada con la cartografía de riesgos y la interpolación de variables no lineales. Se presenta, de forma somera, una serie de estudios en los que tendría cabida el trabajo:

1. Planificación territorial


9

2. Actuación urbanística

3. Ordenación del territorio

4. Protección civil

5. Aportación conceptual y metodológica nueva en estos campos de investigación.

En el dominio de los riesgos tecnológicos, la cartografía ha presentado una acusada escasez debido a un desarrollo histórico más reciente y a la dificultad de representar ciertos fenómenos como la difusión de elementos contaminantes en la atmósfera, de vertidos líquidos, etc. (Díaz, M. y Díaz, C., 2002).

Creo que es un tema todavía novedoso a pesar de las investigaciones multidisciplinares llevadas a cabo hasta la fecha. Pienso que tiene aspectos de gran originalidad, que no se habían abordado antes, en los campos de la geografía y la cartografía.

No existe casi literatura sobre aplicaciones geográficas y cartográficas relacionadas con representación espacial de riesgos tecnológicos junto con aplicaciones de mapas de interpolación de viento y modelos de dispersión atmosférica.

1.3. Fases de desarrollo

• Búsqueda y lectura bibliográfica sobre aplicaciones de los SIG en relación con la exposición y análisis de riesgos tecnológicos, modelos de dispersión atmosférica, interpolación de variables no lineales, etc.

• Obtención de la información de base a partir de datos de dirección y velocidad de viento de estaciones meteorológicas. Se consultarán datos de cuatro fuentes diferentes:

1. El Instituto Nacional de Meteorología

2. La Base de datos de calidad del aire del Ministerio de Medio Ambiente.

3. Red de Vigilancia de la Calidad Atmosférica del Ayuntamiento de Madrid.

4. Red meteorológica municipal del Ayuntamiento de Madrid.

5. Es probable la obtención en un futuro cercano (y por tanto su inclusión en la base de datos del proyecto) de datos de dirección y velocidad de viento de estaciones meteorológicas que posee la Dirección General de Tráfico (DGT) a lo largo de las carreteras que discurren por la Comunidad de Madrid.

• Tratamiento de la información de base para obtener cifras representativas de dirección y velocidad de viento para cada uno de los meses del año.

• Elaboración de los mapas de viento interpolados a través de los algoritmos y procedimientos desarrollados.

• Comprobación de la precisión de los mapas de viento mediante la reserva, a modo de control estadístico, de ciertas estaciones meteorológicas.

• Selección y localización cartográfica de las instalaciones de tipo antropogénico, dentro de la Comunidad de Madrid, que sean susceptibles de ocasionar accidentes.


10

Categorización de las mismas según tipo y forma de la fuente (depósito, tubería, edificio; cilíndrico, esférico…) y según tipo de contaminante liberado.

• Obtención, a partir del programa ALOHA (Areal Locations of Hazardous Atmospheres), desarrollado conjuntamente por la EPA (Environmental Protection Agency) y NOAA (National Oceanic an Atmospheric Administration), de las “huellas-tipo” (plumas de viento o footprints) según tipo y forma de la fuente y contaminante liberado.

• Aplicación de las “huellas-tipo”, junto con los mapas de interpolación de vientos, a todas las instalaciones de riesgo potencial, para así obtener el deseado mapa de exposición a riesgos tecnológicos.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Conceptualización del riesgo en la geografía

11

2. Conceptualización del riesgo en la geografía

La investigación sobre riesgos ambientales, tanto naturales como tecnológicos, ha experimentado un enorme progreso paralelo a la percepción de riesgo por parte de la sociedad debida a casos como Chernobil, etc.

Pero a pesar del aumento de estudios sobre análisis de riesgos desarrollados con tecnologías geográficas sigue existiendo cierta indefinición en relación a los conceptos involucrados. En los párrafos siguientes se tratará de clarificar los enunciados implicados en esta temática.

2.1. Conceptos involucrados

La cartografía de riesgos constituye una línea de trabajo de larga tradición. Con respecto a los riesgos naturales, las investigaciones se han dirigido al estudio de los factores del medio físico que inciden en el desencadenamiento o en la inducción de los desastres, en la caracterización de la interferencia humana como potenciadota de sus consecuencias y en la identificación de la recurrencia temporal de los desastres, todo ello con el objetivo de definir el territorio potencialmente afectado y estimar los posibles daños.

En el caso de los riesgos tecnológicos, los avances han sido menores y se han centrado fundamentalmente en los estudios de vulnerabilidad territorial y de distribución espacial de instalaciones o actividades potencialmente peligrosas.

Riesgo tecnológico: Probabilidad de sufrir daños o pérdidas económicas, ambientales o humanas como consecuencia del funcionamiento deficiente o accidente de una tecnología aplicada en una actividad humana. Se considera consecuencia de la interacción de tres factores:

• Localización, volumen, probabilidad de ocurrencia de accidentes y características de peligrosidad de la actividad que se considera fuente de riesgo.

• Las dimensiones y características del área expuesta a un posible accidente.

• El grado de vulnerabilidad de los posibles receptores del daño.

Exposición: Hace referencia al ámbito territorial susceptible de sufrir daño en caso de desencadenarse un desastre natural o un accidente tecnológico como resultado de la presencia de una actividad peligrosa.

Vulnerabilidad: La sensibilidad del territorio a sufrir daños a consecuencia de un elemento natural o de origen humano, que incide directa o indirectamente de forma negativa en el sistema territorial (Bosque, et al., 2000). En muchos casos esta vulnerabilidad viene dada por la inexistencia de formulas o métodos de protección ante peligros. En principio la vulnerabilidad está relacionada con el potencial de una población a sufrir daños (Díaz, 1995; Hewitt, 1997). Hay grupos de población más vulnerables (ancianos, niños, enfermos, marginados, etc.), o algunos medios, usos del suelo o equipamientos (hospitales, escuelas, determinados cultivos, etc.) también más sensibles a algún peligro (Hewitt, 1997).

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Conceptualización del riesgo en la geografía

12

2.2. Visión sistémica de los riesgos en cartografía

El siguiente cuadro recoge los principales factores involucrados en la valoración de los riesgos tecnológicos. Para cada uno de ellos se pone de relieve su relación con los aspectos geográficos y espaciales gracias a los recursos propios aportados por la cartografía.

Figura 1.- Línea de investigación de Riesgos Tecnológicos y posibilidades cartográficas

Fuente: Díaz Muñoz, M. A., Díaz Castillo, C., 1997

En este proyecto se centrará el estudio en el aspecto de la exposición. La columna central de este cuadro será la guía para la realización de los mapas de exposición, es decir, tal como está indicado en el propio cuadro, la delimitación espacial del área expuesta según el alcance y la forma.

Estos últimos aspectos están relacionados con los diferentes tipos de instalaciones involucrados potencialmente en los accidentes o en las emisiones, con los compuestos o gases expelidos desde esas instalaciones y con el tipo de accidente de que se trate.

De las preguntas que se plantean en el recuadro central se tratará de definir el ¿dónde?, el área expuesta, el alcance y la forma.

RIESGOS TECNOLÓGICOS

VULNERABILIDAD Características

del entorno receptor

EXPOSICIÓNEntorno afectado potencialmente

PELIGRO Origen del riesgo

• FRAGILIDAD/ SENSIBILIDAD de los receptores

• SUSCEPTIBILIDAD de los receptores ante un determinado peligro

• POLÍTICA DE PROTECCIÓN de receptores de alto valor

• ¿CUÁNTO? o Magnitud o Intensidad • ¿DÓNDE? o Área expuesta.

Forma y alcance espacial

• ¿CUÁNDO? o Impacto/Accidente

• TIPOLOGÍA En función del tipo de instalación, actividad, sustancias presentes…

• NIVEL DE PELIGROSIDAD

• PROBABILIDAD

MAPAS DE EXPOSICIÓN

Delimitación espacial del área expuesta según

alcance y forma

MAPAS DE VULNERABILIDAD

Localización: Clasificación por tipos, por niveles de peligrosidad, etc.

MAPAS DE FUENTES DE RIESGO

Caracterización del territorio según niveles de

vulnerabilidad, etc.

CARTOGRAFÍA DE RIESGOS TECNOLÓGICOS

RESPUESTA DOSIS

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Empleo de los SIG como herramienta en estudios sobre riesgos tecnológicos

13

3. Empleo de los S.I.G. como herramienta en estudios sobre riesgos tecnológicos

El estudio y gestión de los riesgos tecnológicos mediante la utilización de los SIG es relativamente reciente. Las aplicaciones y estudios llevados a cabo en este sentido tienen muy diversos orígenes científicos, pero la principal característica común a todos ellos es el carácter espacial de las investigaciones, de donde se desprende que los SIG tengan una importancia fundamental.

3.1. Estudios realizados

Comenzando por los estudios realizados en el Departamento de Geografía de la Universidad de Alcalá de Henares, se presentan varios trabajos relacionados con el uso de los SIG en el análisis de riesgos. “La problemática territorial de la gestión de residuos en la Comunidad de Madrid” es un trabajo recopilando anteriores experiencias del Departamento en esta materia (Díaz, 1995; Salado et al., 1995, Bosque et al., 1995, 1999 y 2000; y Gómez, et al., 1999). Fue realizado por encargo del gobierno regional de Madrid y manifiesta la patente presencia de riesgos, percibidos y reales, a causa de la gestión de residuos en la Comunidad madrileña. En la investigación se muestra cómo la presencia de actividades e instalaciones de gestión de residuos es considerada como una actividad potencialmente peligrosa, y por lo tanto se hace necesario un análisis de riesgos. El estudio se centra en tres vías de investigación: por un lado la justificación de la peligrosidad de las principales instalaciones de tratamiento de residuos, llevando a cabo un análisis de riesgos sobre la población, usos del suelo e infraestructuras; por otro lado se realizó una encuesta para apreciar la respuesta de la población ante las instalaciones, de manera que se presentaba la percepción social ante instalaciones no deseadas o peligrosas; y por último se aplicó la metodología para la localización óptima de un centro de tratamiento de residuos, partiendo de los principios de eficiencia y justicia espacial (Bosque, et al., 1999). Tanto el análisis de riesgos como la localización óptima de los centros de tratamiento se realizan mediante SIG, de manera que los resultados son, en parte, cartográficos.

Otro estudio, que toma los residuos como elementos peligrosos, es el desarrollado para deducir las rutas de mínimo coste y mínimo riesgo en el transporte de residuos tóxicos y peligrosos (Gómez, et al. 1999). Las rutas de transporte de los residuos tóxicos y peligrosos a lo largo del Corredor del Henares se realizan desde los centros productores hasta los centros de tratamiento, y los recorridos seguidos son tema de estudio. Mediante el empleo de un SIG (PC Arc/Info) se calculan las rutas en donde el transporte sea de mínimo coste, y por otro lado otros itinerarios que minimizaban el riesgo para la población. Los datos obtenidos se compararon con las rutas seguidas por los transportistas y establecidas por los organismos oficiales, llegando a una solución (ruta óptima). Los procesos de cálculo de estas rutas se llevaron a cabo mediante los SIG en su mayor parte.

Otro estudio, realizado en EE.UU., es el presentado por Lowry en 1995. En él se pone de manifiesto la presencia de una zona industrial en la frontera entre México y los EEUU, y por consiguiente un riesgo potencial para las poblaciones de ambos lados. Para ello realiza mediante análisis SIG una cartografía para estimar el grado de riesgo en esta


14

zona. A partir de una composición de zonas vulnerables y una estimación de zonas de exposición se crea un escenario de riesgo en el que se evalúan las zonas de mayor sensibilidad en caso de desencadenarse un accidente en esta zona industrial. En este estudio se presenta una metodología para el análisis de riesgo en el que se superponía una capa temática de zonas vulnerables contra otra de zonas de exposición.

Dentro de los usos de los SIG para la evaluación, control o prevención de riesgos, se ha de destacar una serie de investigaciones y aplicaciones creadas para estos fines cuya aportación es el uso de los modelos de dispersión atmosférica. Como veremos, estos modelos son herramientas matemáticas con las que se pueden estimar las dispersiones de gases en la atmósfera. El uso de estos instrumentos de manera complementaria con los SIG ha permitido ofrecer muy buenos resultados en las investigaciones de riesgos atmosféricos, así como en la gestión de emergencias por este tipo de peligros. A continuación se muestran usos y aplicaciones donde intervienen los SIG y los modelos de dispersión.

Utilizando un modelo de dispersión atmosférica y un SIG, Chakraborty y Armstrong tratan de estimar las zonas afectadas por riesgos tecnológicos mediante el método del análisis geográfico con plumas (Geographic Plume Analysis, Chakraborty, Armstrong, 1996 y 1997). El modelo de dispersión que utilizan es el ALOHA, con el que se crea una pluma o huella contaminante de dispersión de gases contaminantes. Una vez que se han creado las plumas de dispersión, las integran en el SIG y mediante el análisis de superposición estiman las zonas de exposición y la población afectada. El uso del modelo de dispersión atmosférica ALOHA se realiza independientemente del Sistema de Información Geográfico, por lo que el uso se reduce a la consecución de zonas de posible dispersión.

Aplicaciones similares que tienen una componente geográfica importante es el paquete de programas CAMEO (CAMEO, 1999), programa de gestión de riesgos químicos, tanto a partir de derrames como a partir de escapes de gases, en el que se gestiona las emergencias y riesgos desde todos los ángulos (exposiciones, métodos de actuación de los equipos de emergencias, consecuencias posibles, etc.). Dentro de este conjunto de aplicaciones está el programa ALOHA (Areal Locations Hazardous Atmospheres) y el visualizador cartográfico MARPLOT, en donde se materializa espacialmente las gestiones y datos recabados por los programas iniciales. De este sistema, Chakraborty y Armstrong utilizaron el modelo de dispersión atmosférica ALOHA, como se ha señalado anteriormente.

3.2. Importancia de los SIG en la gestión de riesgos

Los distintos usos que se dan a los SIG para la gestión de riesgos, ya sean en el ámbito de investigación o de aplicación práctica para las emergencias, presentan una incertidumbre a la hora de estimar los efectos reales de los peligros, aunque cada vez se buscan más y mejores técnicas para conseguir unas evaluaciones de riesgos más acertadas. Prueba de ello es la utilización de diferentes técnicas de modelado de dispersión atmosférico que existe en la literatura (para ampliar información sobre este tipo de modelos se remite al capítulo 10 donde se enumeran y detallan las características teóricas de los diferentes tipos existentes).

Es de destacar la importancia que tiene la informática en la implementación de la mayor parte de las herramientas relacionadas con este tipo de aplicaciones. Empezando por los SIG y siguiendo por los modelos de dispersión, los gestores de bases de datos, es palpable la interrelación existente entre todas estas herramientas y da cuenta del nivel que,


15

en algunos casos (aplicaciones para emergencias principalmente), la ágil gestión de los datos de entrada, de las herramientas y de los resultados son determinantes para una gestión adecuada de los riesgos.

Pero sin duda la idea principal es el carácter multidisciplinar de este tipo de investigaciones, que presenta una innumerable variedad de investigadores. Para la geografía y la cartografía esta característica de la investigación resulta muy adecuada, ya que esta última permite plasmar sobre el terreno los hechos geográficos más reseñables.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Principios generales de la circulación atmosférica y el viento

16

4. Principios generales de la circulación atmosférica y el viento.

El aire se mueve a fin de compensar los desequilibrios de la presión atmosférica producidos por la desigual insolación y calentamiento en distintos puntos de la Tierra. El viento sopla desde una determinada dirección en cada región y localidad en función de estos factores y de la influencia de la topografía de la zona. Por todo ello se hace imprescindible una visión teórica y global de la circulación general de la atmósfera, tanto en altura como en superficie, y de la formación y composición de los vientos.

Es fácilmente reconocible que los movimientos de la atmósfera son muy variables en el espacio y en el tiempo, especialmente en las latitudes medias, donde se encuentra Madrid. A pesar de ello, los estudios a largo plazo realizados hasta la fecha demuestran que existen unas grandes corrientes atmosféricas distribuidas en función de la latitud.

La Tierra tiene dos zonas frías, los polos, y una zona caliente, el ecuador; si los polos se consideran como focos fríos y el ecuador como un foco caliente, el aire recorre el trayecto entre ambos en un funcionamiento similar al de una máquina térmica de bajo rendimiento, en la que la energía calorífica absorbida en el foco caliente se cede casi en su totalidad al foco frío.

En la circulación general de la atmósfera intervienen diversos factores, entre los que destacan: la distribución de las presiones, la distribución de las temperaturas y la rotación de la Tierra. De estos factores dependerán la dirección y la velocidad de los vientos a nivel global.

Para satisfacer el equilibrio térmico en la Tierra entre las zonas deficitarias, los polos, y la zona excedentaria, el ecuador, existe un flujo energético del ecuador a los polos a través de dos fluidos, como son el aire y la masa oceánica.

4.1. Circulación general de la atmósfera

Los flujos y la circulación del aire que se originan en la troposfera dan lugar a masas de aire que pueden ser muy distintas entre sí, dependiendo del lugar de origen, de la trayectoria seguida o de la resistencia encontrada en ese camino. Por tanto, podemos definir las masas de aire como grandes flujos de aire que comparten las mismas características en relación a los factores climáticos que la componen, tales como humedad o temperatura. Estas masas de aire se separan unas de otras por medio de superficies frontales, y cuando se encuentran a nivel de la superficie terrestre hablamos de frentes.

Desde un punto de vista general, atendiendo a la circulación general de la atmósfera, se observa que las regiones alrededor del ecuador, a 0º de latitud, son calentadas por el Sol más que las zonas del resto del globo. El aire caliente que se encuentra en esta zona es más ligero que el aire frío que envuelve las regiones de mayor latitud. Ese aire caliente subirá hasta alcanzar una altura aproximada de 10 kilómetros y se extenderá hacia el norte y el sur. Si el globo no rotase, el aire simplemente llegaría al Polo Norte y Polo Sur, para posteriormente descender y volver al ecuador.


17

El examen del esquema de la circulación atmosférica muestra en ambos hemisferios tres cinturones de viento. Para el hemisferio norte, entre el ecuador y los 30º de latitud el viento sopla del NE, son los famosos vientos alisios; entre los 30º y los 60º son vientos del SO los que predominan y, finalmente, entre los 60º y el Polo reaparecen los vientos del NE.

Figura 2.- Circulación general de la atmósfera

Fuente: Strahler (1994)

A esta circulación general atmosférica teórica le corresponde la siguiente distribución de la presión atmosférica sobre el hemisferio norte: la presión aumenta desde el Ecuador, donde existe un cinturón de bajas presiones, hacia el norte, para alcanzar un valor máximo alrededor del paralelo 30º donde, aparece un cinturón de altas presiones; luego disminuye al aumentar la latitud hasta alcanzar un nuevo mínimo al llegar a la región del frente polar (entre 50º y 60º de latitud), para volver a aumentar hasta alcanzar un valor máximo secundario sobre el Polo.

Las masas de aire tienen su origen en unas regiones determinadas que se llaman regiones fuente o manantial. Estas regiones se encuentran principalmente en desiertos, regiones polares y grandes llanuras, es decir, en zonas estables y uniformes en cuanto a humedad y temperatura y con mínimas variaciones en su superficie. En cambio, las latitudes medias, donde nos encontramos, se caracterizan por las continuas variaciones de tiempo debido al choque de masas de aire frías y calientes.

Existen dos criterios para clasificar las masas de aire: la temperatura y la humedad. Según la temperatura de la región fuente sobre la que se han formado, las masas de aire pueden ser polares, tropicales, ecuatoriales, árticas o antárticas. Según la humedad adquirida por el tiempo que hayan estado en contacto con océanos o continentes, pueden ser continentales o marinas.

Las características mencionadas hacen que las masas de aire puedan dividirse en dos tipos: masas de aire frías (secas y estables o húmedas e inestables) y calientes (secas,


18

inestables en superficie y estables en altura, húmedas e inestables). También puede establecerse una clasificación atendiendo a la temperatura terrestre circundante.

Tabla 1.- Clasificación de las masas de aire

Masa de aire

Origen Nombre Características Temperatura

media Humedad absoluta

Ártica Indistinto A Muy fría y seca -46 ºC 0,1 g/m3 Polar Continental PC Fría y seca -11 ºC 1,4 g/m3 Polar Marítimo PM Fría y húmeda 4 ºC 4 g/m3 Tropical Continental TC Cálida y seca 24 ºC 11 g/m3 Tropical Marítimo TM Cálida y húmeda 24 ºC 17 g/m3 Ecuatorial Indistinto E Cálida y húmeda 28 ºC 19 g/m3

En función de las características de las regiones fuente y de las características de humedad, temperatura, estabilidad, etc. de las zonas por donde pasan esas masas de aire, tendremos un tiempo determinado en las regiones por las que se desplazan, siendo en las latitudes medias donde hay mayores variaciones y cambios de tiempo. Como se ha dicho, todas estas variaciones se deben a los choques de masas de aire, es decir, los frentes.

En los frentes fríos la masa de aire frío avanza y desplaza la masa de aire cálido, y como aquélla es más densa iniciará un movimiento por debajo de ésta a lo largo de una pendiente muy reducida, haciendo que la masa cálida sea obligada a ascender rápidamente, originando nubes, lluvia y viento.

El frente cálido se forma cuando es el aire frío el que se ve obligado a retroceder por la masa cálida. En este caso, al igual que en el anterior, la masa de aire cálido asciende y origina nubes y posteriormente precipitaciones en una banda de mal tiempo mayor que en el primer caso.

Cuando emergen dos frentes, uno frío y otro cálido, y el frente frío se impone al cálido, se forman frentes ocluidos. Los frentes ocluidos pueden ser llamados oclusiones de frentes cálidos o fríos. Sin embargo, cualquiera sea el caso, una masa de aire más fría predomina sobre una no tan fría. Las regiones en las que predominan los frentes ocluidos presentan pocas nubes, cantidades mínimas de precipitaciones y pequeños cambios diarios de temperatura.

El último tipo de frente es el estacionario. Como su nombre lo indica, las masas de aire alrededor de este frente no se encuentran en movimiento. Será semejante al frente cálido y producirá condiciones climáticas similares. Un frente estacionario puede provocar malas condiciones climáticas que persistan durante varios días. Este tipo de frente es el que provoca las peores condiciones en relación a contaminación atmosférica y permanencia de emisiones en el terreno.

4.2. Formación y composición del viento: Los vientos teóricos

Todas las fuentes de energías renovables, excepto la maremotriz y geotérmica, e incluso la energía de los combustibles fósiles, provienen, en último término, del Sol. Aproximadamente, alrededor de un 1 a un 2 por ciento de la energía proveniente del Sol es convertida en energía eólica. Esto supone que la Tierra recibe 1,74 x 1017 W de potencia por hora a través del Sol.


19

El viento es un desplazamiento del aire predominantemente horizontal. En las áreas montañosas el relieve determina en gran parte la importancia de los componentes no horizontales.

La velocidad del viento real es la resultante de tres fuerzas llamadas: viento de gradiente (proporcional al gradiente barométrico), fuerza geostrófica (debida a la rotación de la Tierra y al efecto de Coriolis o fuerza de Coriolis que resulta de ella), fuerza ciclostrófica (fuerza centrífuga que actúa, sobre todo, sobre los vientos ciclónicos de fuerte curvatura). En latitudes medias (30º a 70º) donde la fuerza ciclostrófica es débil en relación con las otras dos (centros de acción de gran diámetro = fuerza de Coriolis alta a causa de la latitud), se llama viento de gradiente aquel cuya velocidad se calcula a la vez en función del gradiente y de la fuerza de Coriolis. El gradiente barométrico es la diferencia de presión expresada en milibares, medida sobre una línea perpendicular a las isobaras, entre dos puntos distantes entre sí un grado de meridiano (aproximadamente 111 Km.).

Los vientos corresponden a traslados de aire cuyo resultado general es estudiado bajo el nombre de circulación atmosférica, en la que se puede dividir en flujos permanentes y estacionales. Un flujo es la resultante estacional o anual de los vientos en una zona o dominio climático. Existen flujos meridianos orientados en el sentido norte–sur o sur–norte como, por ejemplo, los monzones de China y Japón, y flujos zonales orientados en el sentido de los paralelos, oeste – este (westerlies, monzón ecuatorial) o este – oeste (alisios). Sobre los grandes océanos, alrededor de los anticiclones subtropicales (anticiclón de las Azores) se organiza una circulación celular caracterizada por flujos zonales y meridianos que trazan un circuito en torno a las altas presiones. La circulación zonal rápida que es dominante en las capas altas de la troposfera es denominada circulación planetaria.

Los vientos violentos localizados en una sección reducida de la atmósfera, un poco debajo de la tropopausa, se llaman corrientes de chorro (jet-stream). En circulación libre el flujo zonal es rápido y poco sinuoso; en circulación bloqueada, el flujo zonal deja lugar localmente a un flujo meridiano, donde la circulación atmosférica es entonces muy sinuosa.

El desplazamiento de las masas de aire está provocado por las diferencias de presión y temperatura entre unas zonas y otras, y por una serie de fuerzas, como se acaba de comentar, a las que está sometida cada partícula de aire. Estas fuerzas se pueden resumir, ahora de forma más esquemática, en las siguientes:

1. Fuerza de la gravedad

2. Fuerza de presión (arrastra hacia la depresión o núcleo de bajas presiones)

3. Fuerza de Coriolis (perpendicular al movimiento de la partícula)

4. Fuerza centrífuga (si las isobaras son curvas)

5. Rozamiento (opuesto a la velocidad)

La aceleración de una partícula, si consideramos la aceleración local (variación del vector viento por unidad de tiempo), se puede expresar así:

( )vvtv

dtvd

∇⋅+∂∂

=

dtvd = Aceleración total

tv∂∂ = Aceleración local


20

( )vv ∇⋅ = Aceleración advectiva, causada por el proceso de transferencia provocado por el movimiento de la masa de aire

Si consideramos que la velocidad del viento tiene como componentes:

'uuu += 'vvv += 'www += siendo u, v y w las componentes según los ejes x, y, z y u’, v’ y w’ las fluctuaciones

aleatorias de las mismas, de valor medio igual a cero.

Y si consideramos además que la aceleración según el componente w, dtdw , se

puede despreciar respecto a g (aceleración de la gravedad), tendremos que la aceleración del viento con relación al movimiento en cada uno de los ejes del espacio tridimensional x, y, z respectivamente, será:

xFfvxP

dtdu

ρρ11

++∂∂

−=

yFfuyP

dtdv

ρρ11

+−∂∂

−=

gzP

dtdw

−∂∂

==ρ10

Donde:

Fx, Fy = Componentes del vector o fuerza de rozamiento por unidad de volumen

ρ = Densidad

Fz = Componente vertical de F , de escaso valor al lado de g, por lo que se desprecia para la última ecuación y no se incluye.

En cada una de las tres ecuaciones, el primer sumando de la parte derecha representa la fuerza neta de presión por unidad de masa en las direcciones de los ejes x, y, z respectivamente.

Por otra parte, como la atmósfera puede ser considerada como un gas perfecto, dentro de situaciones más o menos normales, no extremas, habrá que tener en cuenta, además de las tres ecuaciones anteriormente indicadas, la correspondiente ecuación de estado de un gas ideal y la de continuidad, cuyas expresiones se muestran seguidamente:

( ) 0=∇+∂∂ v

tρρ RTP ρ=

Donde:

R = Constante propia del gas (aire) ρ = Densidad T = temperatura en grados Kelvin (K).

La fuerza de Coriolis, llamada así debido al matemático francés Gustave Gaspard Coriolis (1792 – 1843), impone una desviación a los flujos atmosféricos en la superficie terrestre en razón de la rotación del globo. Se calcula a partir de la fórmula siguiente:

F = 2·ω·V·seno (ς)

donde:


21

ω = velocidad angular de rotación de la Tierra

V = velocidad del flujo en función del gradiente de presión

ς = latitud del lugar de observación.

Esta desviación se ejerce sobre la derecha del viento de gradiente en el hemisferio Norte y sobre la izquierda en el hemisferio Sur. Es decir, en el hemisferio Norte el viento tiende a girar en el sentido contrario al de las agujas del reloj (visto desde arriba) cuando se acerca a un área de bajas presiones. En el hemisferio Sur el viento gira en el sentido de las agujas del reloj alrededor de áreas de bajas presiones.

El viento teórico cuya dirección y velocidad resultan del gradiente de presión y de la fuerza de Coriolis se llama viento geostrófico.

Se llama viento geostrófico al que se forma en la tropopausa y la capa límite de la superficie terrestre, y que sólo depende del gradiente de presión y de la rotación de la Tierra. Es un viento paralelo a las isobaras que soplará desde las áreas de latas presiones a las zonas de bajas presiones, teniendo en el hemisferio a su derecha las altas presiones y a su izquierda las bajas.

Figura 3.- Balance de fuerzas producidas por el viento geostrófico

El viento se moverá más rápidamente a través de isobaras inclinadas, es decir,

cuanto más juntas se encuentren. Los vientos son más suaves cuando las isobaras están más alejadas porque la pendiente entre estas no es tan inclinada; por consiguiente, el viento no ejerce tanta fuerza.

4.3. Intensidad y dirección del viento: Vientos de altura y de superficie

Hasta ahora se ha analizado la formación del viento producida por causas físico – químicas generales relacionadas con la radiación del sol y la rotación de la tierra, así como el transporte de calor entre unas latitudes y otras.

Es importante hacer notar la diferencia entre los vientos de altura, es decir, los formados en las capas altas de la atmósfera y debidos a la circulación general de la


22

atmósfera y los vientos de superficie que están más relacionados con las condiciones locales del clima y con la topografía y lo accidentado del terreno.

La fricción o rozamiento, por tanto, es la última fuerza principal que afecta al viento. Empieza a actuar cerca de la superficie terrestre hasta que llega a altitudes aproximadas de 500 a 1.000 m. La sección de la atmósfera donde actúa el rozamiento se denomina capa límite planetaria o atmosférica. Por encima de esta capa, el rozamiento, y por tanto la topografía, deja de influir en el viento.

La topografía del terreno, como se podría esperar, afecta sobre todo al flujo del aire más próximo a la superficie terrestre. Los rasgos topográficos afectan la atmósfera de dos maneras: térmicamente (a través del calor) y geométricamente (o mecánicamente). La turbulencia térmica se produce por el calentamiento diferencial. Los objetos emiten calor en tasas distintas. Por ejemplo, un área recubierta de vegetación no emite la misma cantidad de calor que una zona asfaltada. Por otro lado, la turbulencia mecánica es causada por el viento que fluye sobre objetos de tamaños y formas diferentes. Por ejemplo, el flujo del viento que rodea un edificio será diferente del de un cultivo.

El efecto de la fricción en el viento influye significativamente en el transporte de los contaminantes del aire. Cuando una pluma o penacho de contaminantes del aire emerge de una chimenea, es probable que ascienda a través de la capa límite atmosférica donde la fricción cambia la dirección del viento con la altura. Esto la dispersará horizontalmente en direcciones distintas. Además, los contaminantes liberados en diferentes alturas de la atmósfera pueden moverse en direcciones diferentes.

Un viento catabático es un viento acelerado por el descenso “por detrás de” o “a partir de” un relieve montañoso. El ejemplo más característico de este viento es el producido por el efecto foehn. Éste viento A pesar de que Cordillera Central no ejerce un efecto de pantalla tipo foehn al uso, sí se deben tener muy en cuenta las consecuencias debidas a la existencia de este obstáculo natural a la hora de calcular la dirección y velocidad del viento.

4.4. Los vientos locales

Según nos acercamos a la superficie terrestre aumenta la preeminencia del régimen turbulento a causa de los gradientes de temperatura y presión y, sobre todo, de la rugosidad del terreno y de los rasgos topográficos. Éstos no sólo influyen en el calentamiento de la Tierra y del aire que la rodea sino también en los flujos de aire, es decir, la velocidad y dirección de los vientos.

4.4.1. Vientos de valle, de ladera y de montaña

la dispersión atmosférica en los terrenos complejos puede ser muy diferente y mucho más complicada que en los terrenos planos. Los efectos del terreno complejo en la dispersión atmosférica han sido investigados en modelos de fluidos y por medio de experimentos de campo.

La turbulencia mecánica en terrenos con montañas y valles siempre depende del tamaño, la forma y la orientación de los rasgos. El aire tiende a elevarse sobre un obstáculo que se presenta en su camino y una parte trata de abrirse paso por los diferentes lados. Si una inversión de temperatura elevada (aire cálido sobre aire frío) cubre la mayor elevación, entonces el aire tratará de encontrar su camino por los costados de la montaña. Cuando el


23

flujo de aire es bloqueado, se produce una recirculación del aire. Durante la noche, las montañas producen flujos de vientos descendentes porque el aire es más frío en las grandes elevaciones. Por lo general, los vientos descendentes son ligeros. Sin embargo, bajo condiciones correctas, se pueden producir vientos más rápidos.

Las montañas y los valles se calientan de manera desigual debido al movimiento del sol en el cielo. Por la mañana, el sol calienta e ilumina un lado de una montaña o valle. El otro lado todavía esta oscuro y frío. El aire se eleva sobre el lado iluminado y desciende sobre el oscuro. Al mediodía, incide sobre ambos lados y los calienta. Al final de la tarde, la situación es similar a la de la mañana. Después de la oscuridad, a medida que el aire se enfría debido al enfriamiento radial, el aire desciende al valle desde las colinas más altas.

4.4.2. Brisas: Interfase agua-tierra

La tierra y el agua no sólo presentan superficies con accidentes de diferentes características, sino también distintas propiedades de calentamiento. Puede ser muy difícil predecir el flujo del aire y, por lo tanto, la dispersión y el transporte de las plumas en este caso.

Dentro de las clases de brisas, las que son importantes en la Comunidad de Madrid están relacionadas con los vientos locales en las orillas de los grandes pantanos. Si bien puede ser significativo en ciertas circunstancias, no deja de ser un efecto muy local y reducido.

4.4.3. Vientos en áreas urbanas

Las áreas urbanas presentan accidentes adicionales y características térmicas diferentes debido a la presencia de elementos hechos por el hombre. La influencia térmica domina la de los componentes friccionales. Materiales de construcción como el ladrillo y el asfalto absorben y retienen el calor de manera más eficiente que el suelo y la vegetación de las áreas rurales. Cuando el sol se pone, el área urbana continúa irradiando calor desde los edificios, las superficies pavimentadas, etc. El aire que este complejo urbano calienta, asciende y crea un domo sobre la ciudad. Este fenómeno se llama efecto de la isla de calor. La ciudad emite calor durante toda la noche. Cuando el área urbana empieza a enfriarse, sale el sol y empieza a calentar el complejo urbano nuevamente. Por lo general, debido al continuo calentamiento, las áreas urbanas nunca recobran condiciones estables.

La turbulencia mecánica sobre las áreas urbanas es muy parecida a la que se produce en un terreno complejo. Los edificios, separados y en conjunto, alteran el flujo del aire: cuanto más altos sean, más aire se distribuye. Además, las áreas públicas canalizan y dirigen el flujo de maneras intrincadas. Del mismo modo que es imposible predecir detalles exactos sobre superficies con montañas y valles, se carece de una descripción exacta del flujo en las áreas urbanas.

4.5. El viento en la Península Ibérica

En general, los vientos fuertes y persistentes no son una característica climática destacada de la Península, y menos aún de la Comunidad de Madrid. Solamente la velocidad media anual del viento sobrepasa los cinco metros por segundo (18 kilómetros por hora) en áreas relativamente pequeñas de la periferia peninsular (NO de Galicia, NE de


24

Cataluña, cabos de San Antonio y Gata y la región del estrecho de Gibraltar) y en el valle del Ebro. Sin embargo, se pueden producir vientos fuertes o muy fuertes ligados a situaciones sinópticas de fuerte gradiente de presión, con ráfagas o rachas instantáneas que superan los 100 kilómetros por hora.

Aunque la dirección de los vientos está fuertemente influida por la orografía o los contrastes térmicos derivados de la distribución de las grandes masas de agua que provocan alteraciones locales en el régimen del viento (brisas costeras o de valle), en general y durante el invierno, predominan los vientos de componente oeste en la península, mientras que durante el verano el flujo de procedencia marítima es más persistente, lo que para algunos autores constituye una señal del carácter monzónico de la península, consecuencia de la configuración de ésta como un pequeño continente.


25

Figura 4.- Velocidad media del viento y rosas de viento anuales en España

Fuente: Atlas Geográfico Nacional (1992). Climatología. Instituto Geográfico Nacional.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Obtención y preparación de datos de base

26

5. Obtención y preparación de datos de base

En este capítulo se describirán las técnicas y aparatos de obtención de datos de dirección y velocidad de viento. Además se analizará la toma de datos realizada, su tratamiento y posterior homogeneización y los resultados de esos datos de base, para cada una de las fuentes de información

5.1. Técnicas e instrumentos de medida de viento

La medición y el registro de las variables meteorológicas permiten obtener información necesaria para controlar y comprender el transporte y la dispersión de los contaminantes emitidos al aire, ya sea debido a un accidente tecnológico como a la expulsión de compuestos contaminantes procedentes del funcionamiento normal de industrias.

Cuando se empezó a estudiar el campo vectorial relacionado con el flujo de aire en la atmósfera se puso de manifiesto la extraordinaria variabilidad existente en el espacio y en el tiempo. Básicamente ese campo vectorial se puede representar de dos formas: bajo un sistema lagrangiano o bajo un sistema euleriano. En el primero se supone el espacio dividido en cada instante en pequeñas unidades de volumen y en cada una de ellas un vector representativo del movimiento instantáneo de esa pequeña masa de aire. La trayectoria de esos volúmenes vendrá representada por vectores de posición:

r = r (t,a,b,c)

Donde r es variable en el tiempo t, y a, b, c las coordenadas en el instante t0

En la representación euleriana, por el contrario, se considera la velocidad y dirección de movimiento de las “partículas” de fluido que pasan por cada punto, con lo que se define el campo vectorial “instantáneo” de la velocidad:

v = v (u,v,w)

Siendo las componentes, cartesianas locales generalmente, funciones del tiempo y del espacio:

u = u (x,y,z,t) v = v (x,y,z,t) w = w (x,y,z,t)

Todas estas consideraciones serán importantes a la hora de explicar, en el capítulo 4, las convenciones matemáticas y geográficas relacionadas con los vectores de viento.

Seguidamente se revisará el instrumental requerido para la medición de las variables meteorológicas involucradas en los estudios de contaminación del aire y dispersión de gases; es decir, la velocidad y la dirección del viento.

5.1.1. Velocidad del viento

En cuanto a la velocidad del viento, los instrumentos utilizados para medir la velocidad o presión, dirección y fuerza del viento son los anemómetros. Se debe señalar


27

que su medición se puede expresar en m/s, en km/h, en nudos o según la escala de Beaufort.

Los aparatos utilizados, los anemómetros, se pueden dividen en:

• Anemómetros de molinete y de hélice: Son los más utilizados. Constan de un captador, que puede ser un molinete

compuesto por cuatro cazoletas o cubetas separadas por ángulos rectos o una hélice, y de un sistema de transmisión, que puede estar compuesto, a su vez, por un reductor mecánico, por un generador eléctrico o por un dispositivo de impulsos. Al soplar el viento hace girar la rueda de las cazoletas o el eje de la rueda con velocidad proporcional a la del viento.

Figura 5.- Tipos de anemómetros

Fuente: EPA (2005)

La ecuación básica que relaciona la velocidad de rotación del molinete o de una hélice con la velocidad del viento, es:

U = a·Ω + Uo

Donde:

U = Velocidad real del viento

A = Coeficiente de contraste del anemómetro

Ω = Velocidad de rotación del aparato

Uo = Nivel de arranque del anemómetro

• Anemómetros estáticos:

Entre los cuales se encuentra el anemómetro de tubo de Pitot, el cual es un captador direccional que mide la presión del aire sobre un tubo con forma de L, con un extremo abierto hacia la corriente de aire y el otro conectado a un dispositivo medidor de presión. Este modelo fue inventado por el físico francés Pitot (1695-1771) en 1732. Comparando la presión ejercida por el aire, que impacta en una de las bocas, con la presión atmosférica normal, se obtiene la velocidad del viento, con la fórmula:

ρpu Δ⋅

=2

Siendo:

u = Velocidad media del viento


28

2

2up ρ=Δ = Presión de detención del aire

ρ = Masa específica del aire

Otro tipo de aparato estático es el llamado anemómetro de arrastre, que se basa en el arrastre de cuerpos cuyo coeficiente de arrastre sea constante dentro de un amplio margen de velocidades de viento. Utilizan la fórmula:

2

2uACF xx ρ=

Donde:

xF = Arrastre A = Área de la sección del cuerpo perpendicular al movimiento

xC = Coeficiente de arrastre

Si se conoce además la temperatura del aire, se puede obtener la velocidad del viento.

Los anemoclinómetros se basan en un péndulo ligero que, en función de la velocidad del viento, se desplazará de la vertical más o menos, en un cambio constante e inestable. Este tipo de anemómetros proporcionan informaciones bastante groseras.

Otros anemómetros emplean dos filamentos calentados mediante una corriente eléctrica, realizados con un material cuya resistencia varía bastante con la temperatura. Uno de los filamentos está expuesto a la corriente, mientras que otro está protegido del aire. La diferencia de temperatura, y por lo tanto la de resistencia entre los dos filamentos, da una indicación de la velocidad del aire. A este tipo de anemómetros se les denomina anemómetros térmicos.

• Anemómetros sónicos

Se basan en el principio de que el sonido se propaga más rápidamente en el sentido del viento. Se determinan las componentes del viento según los tres ejes de coordenadas mediante dobles parejas de transmisor – receptor definiendo cada eje.

Se aplican las fórmulas:

sCdtt 2

21 ≅+ y 21

067,20 vs TC ⋅=

Siendo:

1t = Tiempo de tránsito del sonido del emisor 1 al receptor 1.

2t = Tiempo de tránsito del sonido del emisor 2 al receptor 2.

d = Distancia entre emisor y receptor.

sC = Velocidad del sonido.

vT = Temperatura virtual del aire.

Así, obtenemos, según los tiempos de tránsito, la velocidad del viento en cada eje de coordenadas.


29

Normalmente ahora se utilizan, en vez de las dobles parejas de emisor – receptor, transductores que funcionan alternativamente como emisores y como receptores.

5.1.2. Dirección del viento

En cuanto a lo que se refiere a la dirección del viento, la Organización Mundial Meteorológica (OMM) dice que ésta se debe indicar en grados a partir del Norte geográfico y en el sentido de las agujas del reloj.

La dirección del viento es aquella desde la que sopla, y se redondea a la decena de grados más próxima, dentro de una rosa de los vientos de 36 direcciones. La dirección se mide mediante veletas o mangas de viento, las cuales pueden ser registradoras o no.

Las veletas son instrumentos móviles, sobre su eje vertical, sujetos a un mástil elevado. Las veletas deben estar equilibradas para que la mitad de su peso recaiga en cada lado de su eje vertical, pero también, diseñadas para que las áreas expuestas no sean las mismas con el fin de que la veleta rote y minimice la fuerza del viento sobre su superficie. Pueden tener diferentes formas, buscándose con ellas la mejor respuesta posible a los movimientos del aire, que será función de su diseño, de su longitud de onda, de su tasa de amortiguación de la respuesta, del rozamiento del eje, etc.

Figura 6.- Ejemplos de veletas

Fuente: EPA (2005)

Generalmente se transmite la información a una estación remota donde se van registrando las variaciones a lo largo del día sobre la rosa de los vientos. Para la transmisión de esa información se pueden utilizar reostatos, potenciómetros, codificadores de ángulos numéricos o condensadores variables.

Otro tipo de aparato para medir la dirección del viento es la manga de viento, compuesta por una tela cilíndrica abierta por los dos extremos, donde uno de ellos está sujeto a un soporte circular que asegura la entrada de aire a través de ella. El soporte está sujeto a un poste o mástil alto que le permite rotar libremente según la dirección del viento. Si la velocidad de viento es mayor la manga permanecerá casi horizontal.


30

5.2. Tratamiento de la información de base

La información de base para realizar el mapa de vientos ha sido obtenida de cuatro fuentes distintas:

1. El Instituto Nacional de Meteorología

2. La Base de datos de calidad del aire del Ministerio de Medio Ambiente.

3. Red de Vigilancia de la Contaminación Atmosférica del Ayuntamiento de Madrid.

4. Red Meteorológica Municipal del Ayuntamiento de Madrid.

A continuación se presenta la distribución espacial de las estaciones meteorológicas según las diferentes fuentes de donde se han obtenido los datos:

Figura 7.- Distribución espacial de las estaciones meteorológicas

coord_estacionesTIPO

BDCA

INM

RED METEOROLOGICA

RED VIGILANCIA

Distribución espacial de las estaciones meteorológicas con datos de viento según organismo suministrador.

En la siguiente tabla se muestra la relación de estaciones meteorológicas de donde se han obtenido los datos de dirección y velocidad de viento. En ella aparece la altitud, sus coordenadas UTM y la fuente de información. Los números asignados a esta última columna hacen referencia a la lista que aparece al principio de este epígrafe.


31

Tabla 2.- Localización y fuente de las estaciones meteorológicas utilizadas

Estación Provincia Altitud X Y Fuente*Segovia Segovia 1.002 406.688 4.534.619 2 Ávila Ávila 1.150 357.673 4.501.345 2 Guadalajara Guadalajara 691 486.405 4.498.241 2 Azuqueca de Henares Guadalajara 630 477.669 4.490.841 2 Aranjuez Madrid 501 449.644 4.432.029 2 Colmenar Viejo Madrid 905 434.692 4.501.974 2 Alcorcón Madrid 695 430.449 4.467.057 2 Toledo Madrid 500 411.778 4.415.332 2 Leganés Madrid 676 436.093 4.465.980 2 Torrejón de Ardoz Madrid 585 459.064 4.478.608 2 Getafe Madrid 667 437.997 4.462.371 2 Coslada Madrid 612 453.183 4.475.512 2 Alcalá de Henares Madrid 595 468.042 4.481.247 2 Alcobendas Madrid 688 445.535 4.488.121 2 Fuenlabrada Madrid 699 431.747 4.459.533 2 Majadahonda Madrid 730 425.730 4.477.881 2 Móstoles Madrid 660 425.656 4.464.323 2 Chapinería Madrid 675 397.830 4.470.604 2 Campisábalos Guadalajara 1.360 474.537 4.565.365 2 Madrid – Retiro Madrid 667 442.467 4.473.686 1 Torrejón – Base aérea Madrid 611 461.835 4.481.579 1 Madrid – Barajas Madrid 582 453.857 4.478.387 1 Madrid – Cuatro Vientos Madrid 687 433.006 4.470.064 1 Getafe – Base aérea Madrid 617 438.595 4.461.382 1 Navacerrada – Puerto Madrid 1.890 414.748 4.514.966 1 La China Madrid 566 442.369 4.464.004 4 Centro mpal. de acústica Madrid 587 437.243 4.477.521 4 Dept. de calidad del aire Madrid 636 441.586 4.472.490 4 San Blas Madrid 640 448.185 4.475.741 4 Hortaleza Madrid 704 444.325 4.479.500 4 Fuencarral Madrid 729 442.168 4.483.741 4 Villaverde Madrid 594 439.631 4.466.863 4 Moratalaz Madrid 687 451.646 4.467.886 4 Casa de Campo Madrid 645 436.467 4.474.906 3 Fuente: Elaboración propia. * Los números en el campo “fuente” hacen referencia a: (1): Instituto Nacional de Meteorología (2): Base de Datos de Calidad del Aire del Ministerio de Medio Ambiente (3): Red de Vigilancia de la Contaminación Atmosférica del Ayuntamiento de Madrid (4): Red Meteorológica Municipal del Ayuntamiento de Madrid

En total, se obtuvieron datos dirección y velocidad del viento de treinta y cuatro estaciones meteorológicas. Para que no hubiese problema a la hora de aplicar los valores de las estaciones y para cerciorarse de que los datos no hubiesen sufrido ninguna manipulación se prefirió pedir los datos con el mayor desglose temporal posible. De este modo se recibieron los valores, en ángulos, para cada hora del día, de los años 2002, 2003 y 2004.

Por otra parte, se recibieron datos de velocidad del viento de todas las estaciones con el mismo desglose temporal. Las unidades en las que se recibieron los datos fueron m/s.


32

Esta cantidad de datos adquiridos permite tener una relativa amplia muestra, en especial de la zona central de la provincia, de las condiciones meteorológicas sobre dirección y velocidad de viento dentro de la Comunidad de Madrid (hay seis estaciones que se ubican fuera de la provincia, en lugares próximos), a pesar de la deficiente distribución de las estaciones.

A continuación, en la siguiente figura, se detalla la ubicación de las estaciones con relación a los límites municipales y al modelo digital del terreno de la zona de estudio.

Figura 8.- Distribución y dirección de las estaciones meteorológicas sobre MDT

¡

¡¡

¡¡

¡

¡¡

¡¡¡

¡

¡

¡

¡

¡¡¡

¡

¡

¡

¡¡

¡

¡

¡

¡

¡

¡¡¡

¡ ¡

¡

Distribución espacial de las estaciones meteorológicas en relación al MDT y municipios de la zona de estudio.

La forma de gestión y tratamiento de los datos de base ha sido la siguiente:

De todos los datos disponibles, se ha obtenido la moda mensual (como dirección más representativa de cada estación meteorológica en cada mes) de cada una de las estaciones mediante fórmulas matriciales incorporadas en el programa Excel y en función de las ocho direcciones de viento principales: N, NE, E, SE, S, SO, O y NO.

Por otro lado, para cada uno de los datos de velocidad de viento se ha llevado a cabo la media de cada uno de los datos horarios y, en una secuencia de abajo a arriba, se han ido agregando hasta obtener los datos de las estaciones a nivel mensual y anual.


33

A continuación se muestra una representación gráfica de la dirección predominante de los vientos para una estación determinada. Se realiza un histograma de frecuencias en función de las ocho direcciones principales. La moda en este caso sería el ángulo 45º por ser el valor más repetido. De este modo el viento dominante vendría del noreste.

Figura 9.- Rosa de los vientos

En otro sentido, se han desarrollado varias fórmulas para construir escalas homogéneas que permitan tener una comprensión más exacta velocidad del viento. La más importante de todas ellas y la que, a la postre, se ha impuesta es la siguiente:

La escala Beaufort fue un intento de calificar la intensidad del viento sin necesidad de utilizar aparatos. Mide velocidades de viento en función de las características percibidas sobre la superficie terrestre. Para que la escala sea homogénea en cualquier parte donde se mida el viento, se debe evaluar a una altura de 10 metros sobre el suelo y en terreno llano y despejado. Francis Beaufort (1774 – 1857) nacido en Irlanda creó la escala que lleva su nombre en 1806. La escala, inicialmente, no incluía velocidades de viento sino que listaba una serie de condiciones marítimas cualitativas graduadas de 0 a 12 y relacionadas con el comportamiento teórico de un barco bajo esas condiciones. La escala se convirtió en estándar para los navíos de la Royal Navy inglesa a finales de la tercera década del siglo XIX. Posteriormente, la escala fue adaptada a propósitos y situaciones terrestres a mediados del siglo XIX mediante la concordancia de ésta con las rotaciones de los anemómetros. Éstas sólo llegaron a estandarizarse en 1921 y más tarde fueron modificadas por requerimientos en meteorología. La velocidad del viento, sobre la escala Beaufort puede expresarse mediante la siguiente fórmula, donde B es el número de la escala Beaufort:

v = 0.837 * B * 3/2 m/s

Existen unas reglas de conversión entre la escala Beaufort y las diferentes unidades de velocidad:

• 2 x nº de la escala Beaufort – 1 = velocidad en m/s

• (2 x nº de la escala Beaufort – 1) x 3 = velocidad en km/h para los seis primeros números de la escala de Beaufort.

• (2 x nº de la escala Beaufort – 1) x 4 = velocidad en km/h para los restantes

0

2

4

6

80

45

90

135

180

225

270

315

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Obtención y preparación de los datos de base

34

Tabla 3.- Escala Beaufort

Unidades escalares Nombre

Nudos m/s Km./h m.p.h Características para la velocidad en tierra

0 Calma 1 0 – 0,2 1 1 Calma, el humo se eleva verticalmente

1 Ventolina 1 – 3 0,3 – 1,5 1 – 5 1 – 3 La dirección del viento se registra por el movimiento del humo, pero no por las veletas.

2 Brisa muy débil 4 – 6 1,6 – 3,3 6 – 11 4 – 7 El viento se percibe en el rostro, las hojas se agitan, la veleta se mueve.

3 Brisa débil 7 – 10 3,4 – 5,4 12 – 19 8 – 12 Las hojas y ramitas se agitan constantemente, el viento despliega las banderolas.

4 Brisa moderada 11 – 16 5,5 – 7,9 20 – 28 13 – 18 El viento levanta polvo y hojas de papel, las ramitas se agitan constantemente.

5 Brisa fresca 17 – 21 8,0 – 10,7 29 – 38 19 – 24 Los arbustos con hojas se balancean, se forman olitas con cresta en las aguas interiores (estanques).

6 Viento fresco 22 – 27 10,8 – 13,8 39 – 49 25 – 31 Las grandes ramas se agitan, los hilos telegráficos silban, el uso del paraguas se hace difícil.

7 Viento fuerte 28 – 33 13,9 – 17,1 50 – 61 32 – 38 Los árboles se agitan, la marcha contra el viento se hace penosa.

8 Viento duro 34 – 40 17,2 – 20,7 62 – 74 39 – 46 El viento rompe las ramas, es imposible la marcha en contra del viento.

9 Viento muy duro 41 – 47 20,8 – 24,4 75 – 88 47 – 54 El viento ocasiona ligeros daños en las viviendas (arranca cañerías externas, chimeneas, tejados, etc.).

10 Temporal 48 – 55 24,5 – 28,4 89 – 102 55 – 63 Raro en continentes, árboles arrancados, importantes daños en viviendas.

11 Borrasca 56 – 63 28,5 – 32,6 103 – 117 64 – 72 Observado muy raramente, acompañado de extensos destrozos.

12 Huracán ≥ 64 ≥ 32,7 ≥ 118 ≥ 73 Estragos graves e intensos.


35

A continuación se muestra una forma de representar la dirección y velocidad de viento, muy común dentro de la meteorología:

Tabla 4.- Intensidad de viento en nudos.

Símbolo Intensidad de viento

5 nudos

10 nudos

15 nudos

20 nudos

25 nudos

30 nudos

35 nudos

40 nudos

50 nudos

60 nudos

70 nudos

Tabla 5.- Procedencia de la dirección de viento.

Símbolo Procedencia del viento

Sur

Suroeste

Oeste

Noroeste

Norte

Noreste

Este

Sureste

Es sistema de representación Se indica por medio de una línea, en ocasiones acabada en un círculo o punto, que indica la dirección hacia la que sopla el viento. Esta línea tiene en su extremo final una serie de líneas perpendiculares que indican la velocidad del viento. Una línea corta indica 5 nudos, una larga 10 nudos y un triángulo 50 nudos.

Como se puede observar en el mapa siguiente, donde se representa la dirección de procedencia del viento según lo registrado en las estaciones meteorológicas, existe una dirección predominante del S y SO. Se puede consultar el siguiente epígrafe 3.3 para analizar las direcciones dominantes según los histogramas de frecuencias.

Aquí, se debe hacer notar que la forma de representación en el siguiente mapa corresponde a la procedencia del viento. Es decir, a pesar de indicar la procedencia con un vector (sistema lagrangiano) debería indicarse ésta con “medidas registradoras de estación” (wind barb), que son representaciones bajo un sistema euleriano (ver epígrafe 4.1).


36

Figura 10.- Velocidad y dirección de viento de las estaciones meteorológicas

E

EE

E EE

E

E

E

E

E

EE

EE

EE

E E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

estacionesVelocidad del viento

E 0,9 - 1,5

E 1,5 - 3,3

E 3,3 - 5,4

E 5,4 - 7,9

E 7,9 - 10,7

E 10,7 - 13,8

0 10 205 Kilómetros ±

Velocidad e intensidad de viento de las estaciones consideradas. La escala sigue la el patrón de escala Beaufort

La escala utilizada para representar la gradación de la velocidad sigue el patrón de escala Beaufort. Para ver la concordancia entre velocidades (m/s y Beaufort) se puede consultar la tabla 3.

5.3. Estudio de la información meteorológica

Se debe realizar una primera aproximación a los datos de base mediante el análisis de las variables obtenidas de las estaciones meteorológicas. En la figura 10 se muestra la velocidad media por meses del año. En ella se aprecia un incremento de la misma en los meses centrales del año. La velocidad media anual ronda los 3,5 m/s.


37

Figura 11.- Medias mensuales de la velocidad

Medias mensuales de velocidad

0,00,51,01,52,02,53,03,54,04,5

Enero

Febrer

oMarz

oAbri

lMayo Jun

ioJul

ioAgo

sto

Septie

mbre

Octubre

Noviem

bre

Diciembre

Meses

(m/s)

En el siguiente gráfico se resalta la procedencia predominante de los vientos

medidos en las estaciones estudiadas. Se aprecia que las direcciones dominantes son S y SO y también, aunque en menor medida, la NE. Esta distribución de direcciones coincide plenamente con el histograma de frecuencias de la interpolación realizada (figura 33).

Figura 12.- Direcciones de viento dominantes

Direcciones de viento predominantes

0123456789

10

0 45 90 135 180 225 270 315

Procedencia del viento


38

Tabla 6.- Valores mensuales (en grados) de la dirección de viento en cada punto de observación

Estación Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Segovia 90 270 270 270 270 90 270 315 270 270 90 270 Ávila 180 180 180 180 180 180 180 225 180 180 180 180 Guadalajara 180 180 180 180 180 180 180 180 180 180 180 180 Azuqueca de Henares 180 180 180 180 180 180 180 180 180 0 0 180 Aranjuez 45 225 225 225 270 225 180 45 225 45 45 225 Colmenar Viejo 0 0 225 0 225 225 0 0 0 45 0 315 Alcorcón 135 135 315 135 135 135 135 0 315 315 315 135 Toledo 180 315 315 180 315 315 315 315 315 315 180 315 Leganés 45 225 45 225 45 45 45 45 45 45 45 45 Torrejón de Ardoz 225 225 225 225 225 225 225 225 225 225 225 225 Getafe 90 270 270 90 270 270 270 90 270 45 225 225 Coslada 45 45 225 45 225 90 225 90 0 0 0 0 Alcalá de Henares 45 270 90 225 225 225 225 225 225 315 0 270 Alcobendas 0 225 225 225 45 225 225 225 225 45 0 0 Fuenlabrada 90 270 90 90 90 90 90 90 90 90 90 90 Majadahonda 45 270 270 225 90 225 90 90 225 225 45 225 Móstoles 45 0 45 45 45 45 45 45 270 45 45 225 Chapinería 135 135 270 135 135 90 135 135 135 135 135 135 Campisábalos 135 135 135 0 135 135 135 135 135 90 135 135 Madrid – Retiro 225 225 225 225 225 225 225 225 225 45 225 225 Torrejón – Base aérea 225 225 225 225 225 225 225 225 225 45 225 225 Madrid – Barajas 180 180 180 225 180 180 45 45 180 45 180 180 Madrid – Cuatro Vientos 90 225 90 225 90 90 45 45 225 45 45 45 Getafe – Base aérea 45 225 225 225 225 90 225 90 225 90 90 225 Navacerrada – Puerto 180 180 180 180 180 45 180 45 180 45 180 180 La China 315 315 315 315 315 45 45 45 315 45 315 315 Centro mpal. de acústica 45 45 45 45 45 45 45 90 45 45 45 45 Dept. de calidad del aire 90 315 315 315 315 315 315 315 315 90 90 315 San Blas 90 225 225 270 270 270 270 90 90 90 90 90 Hortaleza 90 225 270 90 270 225 225 225 225 90 90 270 Fuencarral 0 180 180 180 180 180 180 0 180 0 0 180 Villaverde 45 45 45 45 225 225 45 45 225 45 90 90 Moratalaz 45 225 45 225 270 90 225 225 225 45 45 45 Casa de Campo 0 45 0 0 0 0 0 0 0 0 0 45


39

Tabla 7.- Valores mensuales de velocidad (en m/s) en cada punto de observación

Estación Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Segovia 0,74540 0,95239 1,04316 1,13231 1,08125 1,09814 0,97068 0,88316 0,77771 0,96552 0,68268 0,79007 Ávila 1,17944 1,11050 1,11883 1,22170 1,17943 0,84985 0,88901 0,72209 0,63206 0,81967 0,79791 1,14990 Guadalajara 1,34781 1,44382 1,49823 1,63833 1,55771 1,66847 1,64065 1,52773 1,59076 1,37112 1,35653 1,37374 Azuqueca de Henares 1,39788 1,37176 1,64167 1,75975 1,58779 1,60523 1,66593 1,56029 1,47812 1,54365 1,31826 1,40251 Aranjuez 1,73456 1,54653 1,81461 1,85449 2,37491 2,03289 1,53452 1,64400 1,54426 1,61066 1,35556 1,63961 Colmenar Viejo 1,77715 1,55184 1,69700 1,90170 2,00514 1,90045 2,01951 1,86591 1,59554 1,91340 1,54241 1,70630 Alcorcón 1,77469 1,74330 1,84113 1,93618 1,82734 1,91944 1,97799 1,87715 1,73164 1,81631 1,67875 1,95636 Toledo 1,82656 1,87162 2,29752 2,26935 2,37359 2,52347 2,31020 2,11737 1,96848 1,68385 1,28407 1,49149 Leganés 1,95456 1,77377 1,97107 2,41088 2,39767 2,35384 2,42942 2,25912 2,11749 2,16290 1,99356 2,21270 Torrejón de Ardoz 2,04690 2,45521 2,55147 2,74977 2,82467 2,77806 2,81259 2,64278 2,56929 2,32527 2,21676 2,29401 Getafe 2,18714 2,14246 2,38206 2,66616 2,85492 2,80917 2,91057 2,66514 2,43663 2,48395 2,41912 2,74424 Coslada 2,73253 2,64785 2,66553 2,92774 2,97267 2,77724 2,88741 2,64817 2,57491 2,50143 2,38380 2,54220 Alcalá de Henares 2,46304 2,48150 2,71244 3,02157 3,07914 3,15858 3,23901 2,98625 2,84968 2,68059 2,24856 2,32581 Alcobendas 2,75031 2,53894 2,76691 3,00676 3,04165 2,96692 3,05917 2,93875 2,63345 2,78950 2,36083 2,64440 Fuenlabrada 2,84581 2,68238 2,69824 2,82698 3,04519 2,96960 2,96624 2,84841 2,92306 2,77772 2,58226 2,80744 Majadahonda 2,94646 2,87382 2,89024 3,05900 3,26838 3,15389 3,30959 3,11766 2,78123 3,03905 2,59139 2,84081 Móstoles 3,12395 3,05329 3,22406 3,24223 3,06732 3,11950 3,16290 3,05148 2,79099 2,83950 2,55787 2,96814 Chapinería 3,00308 2,88144 2,78319 3,12471 3,40507 3,41113 3,79142 3,51642 3,05037 3,11647 2,87689 3,06730 Campisábalos 6,87084 5,42484 5,17181 5,56691 5,35215 3,96047 4,02480 3,86401 3,66320 5,49057 5,13229 6,92204 Madrid – Retiro 5,56048 6,60714 7,62500 7,48750 7,74597 8,10833 8,35337 7,71649 7,67348 6,81624 5,90000 6,57258 Torrejón – Base aérea 9,49976 8,69345 8,78495 10,27500 10,06183 9,72222 11,25269 10,38710 9,40556 9,41129 8,35000 8,29570 Madrid – Barajas 10,05108 8,49107 9,31989 10,47222 10,15591 9,96667 10,95968 10,48656 9,03333 10,46237 8,63889 8,65591 Madrid – Cuatro Vientos 10,52793 9,39583 10,84946 11,78611 11,67204 12,15833 12,40860 11,72043 10,47222 11,52419 9,45278 11,03763 Getafe – Base aérea 10,61828 9,59226 10,67473 12,04167 12,11022 12,34444 13,15860 11,75269 10,43056 11,16667 9,79722 10,84677 Navacerrada – Puerto 16,28372 13,62635 12,43744 13,40606 12,81183 15,21111 12,59409 14,02151 14,10000 18,16398 15,22222 6,57258 La China 1,07502 1,09616 1,17938 1,36421 1,33493 1,30199 1,23665 1,14211 1,11586 1,03429 0,90610 1,11321 Centro mpal. de acústica 1,18965 1,10422 1,20835 1,39208 1,35920 1,32733 1,31184 1,25208 1,10913 1,07050 0,73419 1,16303 Dept. de calidad del aire 1,01657 0,94697 1,11594 1,25164 1,31523 1,40299 1,51164 1,39066 1,22143 1,21904 0,95971 1,00626 San Blas 1,07612 1,20507 1,28168 1,45237 1,56384 1,62311 1,58477 1,42773 1,38097 1,24532 0,99147 1,14231 Hortaleza 1,33834 1,05644 1,24059 1,50647 1,40447 1,45287 1,58228 1,57874 1,45206 1,52416 1,14873 1,16726 Fuencarral 1,53133 1,33533 1,44531 1,37101 1,58164 1,52579 1,57084 1,55319 1,34231 1,52669 1,22548 1,38015 Villaverde 1,39867 1,05959 1,29466 1,79558 1,43770 1,49093 1,71485 1,77127 1,55833 1,65531 1,09075 1,19918 Moratalaz 1,85660 1,87218 2,18453 2,17691 2,37634 2,55682 2,44586 2,31889 2,31677 1,99440 1,27426 1,20626 Casa de Campo 2,36066 2,11508 2,48387 2,75231 2,65681 2,60833 2,72984 2,65323 2,44167 2,54794 2,04954 2,16532

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Interpolaciones superficiales no lineales

40

6. Interpolaciones superficiales no lineales

Las interpolaciones llevadas a cabo por los sistemas de información geográfica están basadas en variables en cuya resolución sólo intervienen factores lineales. Por ejemplo, en la interpolación de temperaturas a partir de datos de una serie de estaciones meteorológicas sobre un área de estudio tan solo interviene la elección del método de interpolación pero los resultados siempre deberán estar comprendidos entre los valores de los puntos cuyo valor se conoce.

Con respecto a variables cuyo fenómeno es “no lineal”, como por ejemplo la interpolación de datos de dirección de viento, tanto las matemáticas implicadas como los procesos previos para llevar a cabo la interpolación se complican.

Un ejemplo de la dificultad a la hora de abordar las situaciones no lineales está descrito mediante la utilización de la rosa de los vientos. En este caso se pueden dar valores de 0 a 359 grados. Cuando tenemos datos de dirección de viento de dos estaciones meteorológicas, los valores que pueden tomar los píxeles que se encuentren entre estos dos puntos pueden tomar valores diferentes según el camino que se tome dentro de la rosa de los vientos (según las agujas del reloj o en sentido contrario).

Figura 13.- Diferencias entre los sistemas lineales y los “no lineales”

Diagrama de un sistema lineal (a) y de un sistema “no lineal” (b). Si nos movemos desde el punto inicial (estrella) hasta el final (recuadro) la diferencia esencial entre los dos sistemas es que el sistema inicial sólo tiene un camino para llegar al final mientras que el sistema “no lineal” tiene más de uno.

A continuación se tratará de explicar la metodología utilizada para llevar a cabo este tipo de interpolaciones no-lineales. Más tarde se analizará el método de interpolación lineal involucrado en el proceso y por último, se aplicarán todos estos aspectos teóricos en la obtención práctica de los mapas de vientos (velocidad y dirección) para la Comunidad de Madrid.


41

6.1. Exposición metodológica

La información proporcionada por cada una de las estaciones meteorológicas resulta en la formación de un vector constituido por dos tipos de información. Por un lado encontramos que la velocidad del viento puede ser expresada como el argumento del vector, es decir, la longitud del mismo. Por otro lado, la dirección del viento está expresada por un ángulo que puede estar comprendido entre los 0 y los 360 grados (0≤α<360).

La velocidad del viento es una propiedad lineal y por tanto no debe presentar problema pero la dirección del viento no es lineal y debe ser transformada. Una forma sencilla de llevar a cabo esta operación es separar el vector en las dos componentes axiales. Una componente latitudinal y otra longitudinal, con lo que se obtienen dos valores para cada datos de dirección de viento en las estaciones meteorológicas, uno que representa la dirección con respecto al norte y otra con respecto al este.

X = H Cos θ Y = H Sen θ

Figura 14.- Descomposición de un vector en geometría

Diagrama de las componentes vectoriales y axiales usando la convención matemática

Tal como se comentaba en el apartado 3.1 hay una diferencia conceptual fundamental en el modo de representar los campos vectoriales en relación con la dirección y velocidad del viento (sistema euleriano y lagrangiano). Espacialmente, hay dos formas de representar la dirección del viento, una mediante “wind barb” y otra mediante vectores, las cuales, implican concepciones matemáticas diferentes. Un “wind barb” es una descripción de lo que el registro de la estación meteorológica está detectando cuando el viento sopla alrededor de ella. En términos matemáticos esto es un sistema euleriano (Batchelor, 1994), en el que se describe la distribución espacial del viento circundante en un momento puntual en el tiempo. Un vector, en cambio, describe el viento en un momento dado mediante el movimiento de un volumen que cambia a lo largo del tiempo y espacio (sistema lagrangiano). Si se mezclan los dos sistemas los resultados cambian en 180º.

Al mismo tiempo nos encontramos con un problema de convenciones. Mientras en matemáticas la parte derecha del eje de abscisas representa el cero, en los SIG es la parte superior del eje de ordenadas. Además, en matemáticas los ángulos son medidos en sentido contrario a las agujas del reloj pero en los SIG se cuenta en el sentido de las agujas del reloj.


42

Figura 15.- Diferentes convenciones de sentidos de rotación

Diferentes convenciones de sentidos de rotación que nos podemos encontrar en transformaciones no lineales

Con el fin de cambiar las ecuaciones anteriores, para realizar las transformaciones de forma acorde a las convenciones de los SIG, se deben trasponer, con lo que las fórmulas finales deben ser las siguientes:

X = H Sen θ Y = H Cos θ

Figura 16.- Descomposición de un vector en meteorología

Diagrama de las componentes vectoriales y axiales usando la convención GIS

Llegados a este punto, los vectores de viento no lineales se han transformado, de forma correcta y teniendo en cuenta los cambios en convenciones matemáticas, en dos componentes vectoriales lineales que representan las direcciones x e y.

A continuación se muestra la tabla en la que aparecen los valores obtenidos, para cada uno de los meses, de los puntos de observación, después de transformar los ángulos expresados en grados a radianes e introducir el valor de la velocidad (H) utilizando las fórmulas anteriores.


43

Tabla 8.- Valores mensuales (en radianes) de las componentes Norte y Este en cada punto de observación

Enero Febrero Marzo Abril Mayo Junio Estación

X Y X Y X Y X Y X Y X Y Segovia 0,74540 0,00000 -0,95239 0,00000 -1,04316 0,00000 -1,13231 0,00000 -1,08125 0,00000 1,09814 0,00000 Ávila 0,00000 -1,17944 0,00000 -1,11050 0,00000 -1,11883 0,00000 -1,22170 0,00000 -1,17943 0,00000 -0,84985 Guadalajara 0,00000 -1,34781 0,00000 -1,44382 0,00000 -1,49823 0,00000 -1,63833 0,00000 -1,55771 0,00000 -1,66847 Azuqueca de Henares 0,00000 -1,39788 0,00000 -1,37176 0,00000 -1,64167 0,00000 -1,75975 0,00000 -1,58779 0,00000 -1,60523 Aranjuez 1,22652 1,22652 -1,09356 -1,09356 -1,28312 -1,28312 -1,31132 -1,31132 -2,37491 0,00000 -1,43747 -1,43747 Colmenar Viejo 0,00000 1,77715 0,00000 1,55184 -1,19996 -1,19996 0,00000 1,90170 -1,41785 -1,41785 -1,34382 -1,34382 Alcorcón 1,25489 -1,25489 1,23270 -1,23270 -1,30187 1,30187 1,36909 -1,36909 1,29212 -1,29212 1,35725 -1,35725 Toledo 0,00000 -1,82656 -1,32344 1,32344 -1,62459 1,62459 0,00000 -2,26935 -1,67838 1,67838 -1,78436 1,78436 Leganés 1,38208 1,38208 -1,25425 -1,25425 1,39376 1,39376 -1,70475 -1,70475 1,69541 1,69541 1,66442 1,66442 Torrejón de Ardoz -1,44737 -1,44737 -1,73609 -1,73609 -1,80416 -1,80416 -1,94438 -1,94438 -1,99735 -1,99735 -1,96438 -1,96438 Getafe 2,18714 0,00000 -2,14246 0,00000 -2,38206 0,00000 2,66616 0,00000 -2,85492 0,00000 -2,80917 0,00000 Coslada 1,93219 1,93219 1,87231 1,87231 -1,88481 -1,88481 2,07022 2,07022 -2,10199 -2,10199 2,77724 0,00000 Alcalá de Henares 1,74163 1,74163 -2,48150 0,00000 2,71244 0,00000 -2,13658 -2,13658 -2,17728 -2,17728 -2,23345 -2,23345 Alcobendas 0,00000 2,75031 -1,79530 -1,79530 -1,95650 -1,95650 -2,12610 -2,12610 2,15077 2,15077 -2,09793 -2,09793 Fuenlabrada 2,84581 0,00000 -2,68238 0,00000 2,69824 0,00000 2,82698 0,00000 3,04519 0,00000 2,96960 0,00000 Majadahonda 2,08346 2,08346 -2,87382 0,00000 -2,89024 0,00000 -2,16304 -2,16304 3,26838 0,00000 -2,23013 -2,23013 Móstoles 2,20897 2,20897 0,00000 3,05329 2,27976 2,27976 2,29260 2,29260 2,16892 2,16892 2,20582 2,20582 Chapinería 2,12350 -2,12350 2,03749 -2,03749 -2,78319 0,00000 2,20951 -2,20951 2,40775 -2,40775 3,41113 0,00000 Campisábalos 4,85842 -4,85842 3,83594 -3,83594 3,65702 -3,65702 0,00000 5,56691 3,78454 -3,78454 2,80047 -2,80047 Madrid – Retiro -3,93186 -3,93186 -4,67196 -4,67196 -5,39169 -5,39169 -5,29446 -5,29446 -5,47723 -5,47723 -5,73346 -5,73346 Torrejón – Base aérea -6,71734 -6,71734 -6,14720 -6,14720 -6,21190 -6,21190 -7,26552 -7,26552 -7,11479 -7,11479 -6,87465 -6,87465 Madrid – Barajas 0,00000 -10,05108 0,00000 -8,49107 0,00000 -9,31989 -7,40498 -7,40498 0,00000 -10,15591 0,00000 -9,96667 Madrid – Cuatro Vientos 10,52793 0,00000 -6,64386 -6,64386 10,84946 0,00000 -8,33404 -8,33404 11,67204 0,00000 12,15833 0,00000 Getafe – Base aérea 7,50826 7,50826 -6,78275 -6,78275 -7,54817 -7,54817 -8,51474 -8,51474 -8,56322 -8,56322 12,34444 0,00000 Navacerrada – Puerto 0,00000 -16,28372 0,00000 -13,62635 0,00000 -12,43744 0,00000 -13,40606 0,00000 -12,81183 10,75588 10,75588 La China -0,76015 0,76015 -0,77510 0,77510 -0,83395 0,83395 -0,96464 0,96464 -0,94394 0,94394 0,92065 0,92065 Centro mpal. de acústica 0,84121 0,84121 0,78080 0,78080 0,85443 0,85443 0,98435 0,98435 0,96110 0,96110 0,93857 0,93857 Dept. de calidad del aire 1,01657 0,00000 -0,66961 0,66961 -0,78909 0,78909 -0,88505 0,88505 -0,93001 0,93001 -0,99207 0,99207 San Blas 1,07612 0,00000 -0,85211 -0,85211 -0,90628 -0,90628 -1,45237 0,00000 -1,56384 0,00000 -1,62311 0,00000 Hortaleza 1,33834 0,00000 -0,74701 -0,74701 -1,24059 0,00000 1,50647 0,00000 -1,40447 0,00000 -1,02734 -1,02734 Fuencarral 0,00000 1,53133 0,00000 -1,33533 0,00000 -1,44531 0,00000 -1,37101 0,00000 -1,58164 0,00000 -1,52579 Villaverde 0,98901 0,98901 0,74924 0,74924 0,91546 0,91546 1,26967 1,26967 -1,01661 -1,01661 -1,05424 -1,05424 Moratalaz 1,31282 1,31282 -1,32383 -1,32383 1,54469 1,54469 -1,53931 -1,53931 -2,37634 0,00000 2,55682 0,00000 Casa de Campo 0,00000 2,36066 1,49559 1,49559 0,00000 2,48387 0,00000 2,75231 0,00000 2,65681 0,00000 2,60833


44

Tabla 8 (continuación).- Valores mensuales (en radianes) de las componentes Norte y Este en cada punto de observación

Julio Agosto Septiembre Octubre Noviembre Diciembre Estación

X Y X Y X Y X Y X Y X Y Segovia -0,97068 0,00000 -0,62449 0,62449 -0,77771 0,00000 -0,96552 0,00000 0,68268 0,00000 -0,79007 0,00000 Ávila 0,00000 -0,88901 -0,51060 -0,51060 0,00000 -0,63206 0,00000 -0,81967 0,00000 -0,79791 0,00000 -1,14990 Guadalajara 0,00000 -1,64065 0,00000 -1,52773 0,00000 -1,59076 0,00000 -1,37112 0,00000 -1,35653 0,00000 -1,37374 Azuqueca de Henares 0,00000 -1,66593 0,00000 -1,56029 0,00000 -1,47812 0,00000 1,54365 0,00000 1,31826 0,00000 -1,40251 Aranjuez 0,00000 -1,53452 1,16248 1,16248 -1,09196 -1,09196 1,13891 1,13891 0,95852 0,95852 -1,15938 -1,15938 Colmenar Viejo 0,00000 2,01951 0,00000 1,86591 0,00000 1,59554 1,35298 1,35298 0,00000 1,54241 -1,20654 1,20654 Alcorcón 1,39865 -1,39865 0,00000 1,87715 -1,22445 1,22445 -1,28432 1,28432 -1,18706 1,18706 1,38336 -1,38336 Toledo -1,63356 1,63356 -1,49721 1,49721 -1,39192 1,39192 -1,19066 1,19066 0,00000 -1,28407 -1,05465 1,05465 Leganés 1,71786 1,71786 1,59744 1,59744 1,49729 1,49729 1,52940 1,52940 1,40966 1,40966 1,56461 1,56461 Torrejón de Ardoz -1,98880 -1,98880 -1,86872 -1,86872 -1,81676 -1,81676 -1,64421 -1,64421 -1,56749 -1,56749 -1,62211 -1,62211 Getafe -2,91057 0,00000 2,66514 0,00000 -2,43663 0,00000 1,75642 1,75642 -1,71058 -1,71058 -1,94047 -1,94047 Coslada -2,04171 -2,04171 2,64817 0,00000 0,00000 2,57491 0,00000 2,50143 0,00000 2,38380 0,00000 2,54220 Alcalá de Henares -2,29033 -2,29033 -2,11159 -2,11159 -2,01503 -2,01503 -1,89546 1,89546 0,00000 2,24856 -2,32581 0,00000 Alcobendas -2,16316 -2,16316 -2,07801 -2,07801 -1,86213 -1,86213 1,97247 1,97247 0,00000 2,36083 0,00000 2,64440 Fuenlabrada 2,96624 0,00000 2,84841 0,00000 2,92306 0,00000 2,77772 0,00000 2,58226 0,00000 2,80744 0,00000 Majadahonda 3,30959 0,00000 3,11766 0,00000 -1,96663 -1,96663 -2,14893 -2,14893 1,83239 1,83239 -2,00875 -2,00875 Móstoles 2,23651 2,23651 2,15772 2,15772 -2,79099 0,00000 2,00783 2,00783 1,80869 1,80869 -2,09879 -2,09879 Chapinería 2,68094 -2,68094 2,48648 -2,48648 2,15694 -2,15694 2,20368 -2,20368 2,03427 -2,03427 2,16891 -2,16891 Campisábalos 2,84596 -2,84596 2,73227 -2,73227 2,59027 -2,59027 5,49057 0,00000 3,62908 -3,62908 4,89462 -4,89462 Madrid – Retiro -5,90673 -5,90673 -5,45638 -5,45638 -5,42597 -5,42597 4,81981 4,81981 -4,17193 -4,17193 -4,64752 -4,64752 Torrejón – Base aérea -7,95685 -7,95685 -7,34479 -7,34479 -6,65073 -6,65073 6,65479 6,65479 -5,90434 -5,90434 -5,86594 -5,86594 Madrid – Barajas 7,74966 7,74966 7,41512 7,41512 0,00000 -9,03333 7,39801 7,39801 0,00000 -8,63889 0,00000 -8,65591 Madrid – Cuatro Vientos 8,77421 8,77421 8,28760 8,28760 -7,40498 -7,40498 8,14884 8,14884 6,68412 6,68412 7,80479 7,80479 Getafe – Base aérea -9,30454 -9,30454 11,75269 0,00000 -7,37552 -7,37552 11,16667 0,00000 9,79722 0,00000 -7,66983 -7,66983 Navacerrada – Puerto 0,00000 -12,59409 9,91470 9,91470 0,00000 -14,10000 12,84387 12,84387 0,00000 -15,22222 0,00000 -6,57258 La China 0,87444 0,87444 0,80759 0,80759 -0,78904 0,78904 0,73135 0,73135 -0,64071 0,64071 -0,78716 0,78716 Centro mpal. de acústica 0,92761 0,92761 1,25208 0,00000 0,78427 0,78427 0,75696 0,75696 0,51915 0,51915 0,82238 0,82238 Dept. de calidad del aire -1,06889 1,06889 -0,98335 0,98335 -0,86368 0,86368 1,21904 0,00000 0,95971 0,00000 -0,71153 0,71153 San Blas -1,58477 0,00000 1,42773 0,00000 1,38097 0,00000 1,24532 0,00000 0,99147 0,00000 1,14231 0,00000 Hortaleza -1,11884 -1,11884 -1,11634 -1,11634 -1,02676 -1,02676 1,52416 0,00000 1,14873 0,00000 -1,16726 0,00000 Fuencarral 0,00000 -1,57084 0,00000 1,55319 0,00000 -1,34231 0,00000 1,52669 0,00000 1,22548 0,00000 -1,38015 Villaverde 1,21258 1,21258 1,25248 1,25248 -1,10191 -1,10191 1,17048 1,17048 1,09075 0,00000 1,19918 0,00000 Moratalaz -1,72948 -1,72948 -1,63970 -1,63970 -1,63821 -1,63821 1,41025 1,41025 0,90104 0,90104 0,85296 0,85296 Casa de Campo 0,00000 2,72984 0,00000 2,65323 0,00000 2,44167 0,00000 2,54794 0,00000 2,04954 1,53111 1,53111


45

Ahora se deben llevar a cabo dos interpolaciones lineales, una para cada una de las direcciones mencionadas. Se puede realizar cualquier tipo de interpolación lineal que permita el programa ArcGIS (IDW, Kriging, Natural Neighbor, Spline…) dentro de su extensión Spatial Analyst Tool de ArcToolBox.

El método finalmente elegido para llevar a cabo la interpolación es el del inverso de la distancia ponderada o IDW debido principalmente a la sencillez del algoritmo y la facilidad de implementación. Otro factor importante para la elección de este método es la incapacidad, debida a la falta de información de partida, de hacer cualquier suposición, en la intervenga otro aspecto geográfico, sobre variables dependientes que intervengan en la interpolación de la dirección y velocidad de viento. Parece fácil establecer una relación entre la altitud, la pendiente y la rugosidad del terreno con la dirección y velocidad del viento, tal como se ha explicado en el capítulo segundo. Los factores que influyen en la realización de un mapa de vientos son muy diversos (temperatura, presión, aspectos geográficos) pero se escapan del propósito último de este Proyecto.

A continuación se explica de forma rápida los aspectos teóricos del método de interpolación utilizado (IDW) y la forma de implementación en ArcGIS 9.

6.2. Interpolación lineal: Medias móviles con distancia ponderada (IDW)

El método de interpolación de las medias móviles o Inverso de la distancia ponderada (Inverse Distance Weighting, IDW en sus siglas en inglés) asume que cada punto muestral tiene una influencia en su vecindad que disminuye con la distancia. Este método da más peso a los puntos más cercanos a la celda de la que se trata de obtener el valor que aquellos que están más alejados. Se puede utilizar, para la obtención de cada valor interpolado, los datos de un número específico de puntos conocidos o, por ejemplo, todos los puntos dentro de un radio preestablecido.

Se ha utilizado este método de interpolación ya que parece razonable que las estaciones meteorológicas con datos de viento más alejadas del punto de cálculo tendrán menos influencia que las que están más cerca. El parámetro “potencia” en esta interpolación controla la importancia, sobre el valor interpolado, de los puntos de los alrededores. Un valor mayor de este parámetro representa una menor influencia de los puntos distantes. Existe la posibilidad de inclusión, por parte del usuario, de una “polyline” que sirva como barrera para forzar a determinados puntos interpolados a buscar sólo datos de puntos conocidos que estén al mismo lado de la línea de barrera. Este tipo de barrera puede representar una línea de fractura, un escarpe, una divisoria montañosa u otro tipo de interrupción en el paisaje. Evidentemente, si se escoge no incluir ningún tipo de barrera se utilizarán todos los puntos especificados, bien mediante un número de puntos determinado o los puntos que caigan dentro de un radio preestablecido.

El método de interpolación del Inverso de la distancia ponderada o medias móviles es el método de interpolación más sencillo y además lleva a cabo ningún análisis previo de autocorrelación de la variable a interpolar. Se identifica una vecindad alrededor de cada punto a interpolar y se toma una media ponderada que se aplica a los valores de observación dentro de esa vecindad. Los pesos decrecen en función de la distancia. El usuario tiene control, entre otros factores, sobre la expresión matemática o algoritmo que controla la interpolación, sobre la función de ponderación o sobre el tamaño de la vecindad (expresado como un número de puntos o un radio).


46

A continuación se explican someramente cada uno de estos aspectos involucrados en este método de interpolación:

1. Factor de ponderación:

La más sencilla función de ponderación es el inverso de la potencia:

Donde d es la distancia euclidiana entre el punto calculado y el punto muestral, y p

es el factor de potencia, mayor que cero. El valor de p está especificado por el usuario. La elección más corriente, y la que aparece por defecto en el programa ArcGIS 9, corresponde a un valor de p = 2. El exponente p, que afecta a la distancia, tiene el efecto de disminuir, al hacerse más grande, la influencia que en el cálculo de la interpolación ejercen los puntos maestrales más alejados del punto a calcular.

La fórmula general utilizada para la interpolación de un punto determinado usando este método es la que se muestra a continuación:

Donde:

Z es el valor del punto que se quiere interpolar

Zi es cada uno de los valores conocidos

N es el número de puntos conocidos utilizados en la interpolación.

El método Shepard (Shepard, 1968) es una variación sobre el inverso de la potencia, con dos funciones de ponderación diferentes que se aplican a dos vecindades separadas. El factor de ponderación por defecto en este método tiene un exponente de 2 en la vecindad más interior y un exponente de 4 en la vecindad exterior. La forma de la función externa se modifica para preservar la continuidad en la superficie de frontera entre las dos vecindades.

El procedimiento de las medias móviles ponderado por la distancia o inverso de la distancia ponderada puede ser exacto si se utiliza, como ponderación la inversa de la distancia con exponente 1, y aproximado si se emplea un exponente distinto de 1 para la distancia (Bosque, 1997).

2. Tamaño de la vecindad

El método puede ser global o local dependiendo del número de puntos muestrales que intervengan en el cálculo. Lo usual es no emplear todos los puntos muestrales, sino únicamente los vecinos más próximos a cada punto calculado (Bosque, 1997).

El tamaño de la vecindad determina el número de puntos que deben ser incluidos para obtener la interpolación sobre un punto determinado. Este tamaño de la vecindad se puede especificar por medio de un radio alrededor del punto a interpolar, a través de un número determinado de puntos más cercanos o por una combinación de ambas posibilidades. En este último caso, si se indica un radio específico el usuario podría también controlar un máximo de puntos sobre los que hacer la interpolación a pesar de estar dentro del radio especificado. También se puede dar el caso contrario donde se especifique un número de puntos determinado y, a la vez, exista un radio mínimo o máximo.


47

3. Corrección por el efecto cluster

En muchas ocasiones los puntos muestrales no están uniformemente distribuidos. Esta situación produce redundancia y sesgos en la interpolación ya que esos puntos soportan una sobreestimación de la ponderación al separarles distancias muy cortas. Para evitar este tipo de problemas existe una variante del método de interpolación de las medias móviles mediante la consideración de los cuadrantes. Éste consiste en escoger los vecinos dividiendo el espacio en torno a cada punto calculado en cuadrantes (a veces en octantes) y seleccionar uno o más puntos vecinos pero por cada cuadrante (Bosque, 1997). De este modo se asegura que la influencia sobre el punto calculado esté mejor repartida en todo el espacio circundante lo que, en ocasiones, produce mejores resultados.

4. Valores máximos y mínimos

Una desventaja de este método de interpolación radica en que el algoritmo está forzado a tener máximos o mínimos en los puntos con datos conocidos (muestrales) o sobre la frontera de estudio (bordes de la región).

En ArcGIS 9 se puede acceder para realizar la interpolación de las medias móviles a través de la extensión Spatial Analyst Tool de ArcToolBox. Tras la invocación de la herramienta IDW aparece la siguiente pantalla donde se deben incluir ciertos factores para afinar la interpolación. Después de elegir la cobertura de puntos sobre la que se quiere realizar la interpolación, se debe escoger el campo de la tabla asociada donde estarán los valores muestrales. Para el caso de la interpolación de vientos se escogerá cada uno de los campos donde reside la información de las componentes norte y este, en radianes, para cada uno de los meses del año o para el total del mismo.

Se debe especificar el tamaño del píxel o celda de la cobertura raster resultante. En este caso se ha optado por 250 metros de lado, lo que resulta en 16 celdas por cada kilómetro cuadrado, desglose espacial suficiente para la realización del mapa de vientos.

El factor de ponderación se ha mantenido en 2, el elegido normalmente para este tipo de interpolación. Se ha escogido que el radio de búsqueda sea variable y que el número de puntos sea 12, es decir, un tercio del número de puntos muestrales.

Figura 17.- Implementación de la interpolación IDW en ArcGIS 9


48

Después de haber especificado todas las variables, según aparece en la figura anterior, el programa nos muestra el visto bueno de haber realizado la interpolación.

Figura 18.- Mensaje de resultado de la interpolación

Una posibilidad interesante que permite el IDW y que todavía no se ha llevado a

cabo, es incorporar una capa de polilíneas ubicada a lo largo de la cresta de la cordillera que, a modo de barrera, obliguen al algoritmo a realizar las interpolaciones de determinadas zonas solamente utilizando las estaciones meteorológicas que están dentro del área de la polilínea. Esto puede ser útil a la hora de distinguir las direcciones de viento a un lado y otro del Sistema Central ya que éste es una barrera considerable para el mantenimiento de la dirección del viento a lo largo del terreno.

Como ejemplo, se muestran las interpolaciones para el mes de enero, tanto para las X como las Y mediante el como método de interpolación del Inverso de la Distancia Ponderado o medias móviles (IDW).

Figura 19.a.- Mapa resultante de la interpolación con IDW de la componente X

-0,996083438 - -0,653008841

-0,653008841 - -0,411297193

-0,411297193 - -0,255354194

-0,255354194 - -0,107208345

-0,107208345 - 0,056531804

0,056531804 - 0,212474803

0,212474803 - 0,360620651

0,360620651 - 0,578940850

0,578940850 - 0,999986947 Interpolación para el mes de enero de la componente X según el método del Inverso de la Distancia.


49

Figura 19.b.- Mapa resultante de la interpolación con IDW de la componente Y

-0,930022597 - -0,566644201

-0,566644201 - -0,352892203

-0,352892203 - -0,181890605

-0,181890605 - -0,046514340

-0,046514340 - 0,088861926

0,088861926 - 0,231363257

0,231363257 - 0,395239789

0,395239789 - 0,608991787

0,608991787 - 0,893994451 Interpolación para el mes de enero de la componente Y según el método del Inverso de la Distancia.

Una vez realizadas las dos interpolaciones lineales debemos transformar estas componentes lineales de vuelta en la forma no-lineal. De nuevo debemos recurrir a las matemáticas para, por medio de fórmulas geométricas, obtener la magnitud del vector (velocidad) y la dirección del mismo (dirección).

|S| = (X’2 + Y’2)1/2

α = Arctg (Y’ / X’)

Figura 20.- Transformación inversa de la velocidad y dirección

Transformación inversa de las componentes lineales norte y este de vuelta en la forma no lineal.


50

Para cada una de las celdas, producto de la interpolación a raster, se obtiene una dirección norte designada Y’ y una dirección este designada X’. Evidentemente, el resultado de la fórmula de |S| (velocidad del viento), debido a que sus componentes están elevadas al cuadrado, siempre tendrá un valor positivo independientemente de los valores que puedan tomar las X’ y las Y’ en cada una de las celdas. En cuanto a la dirección del viento es importante conocer los signos de los vectores (X’, Y’) de cada celda ya que estos indican la dirección positiva o negativa del viento con respecto a los ejes.

La figura siguiente representa la posición de un vector con sus componentes axiales. Como se acaba de explicar, dependiendo del signo de cada una de las componentes (longitudinal y transversal) se obtendrá un ángulo diferente que caerá sobre un cuadrante determinado.

Figura 21.- Representación de un vector en función de su cuadrante

Representación de un vector con sus componentes axiales. Dependiendo del signo de cada una de ellas, el vector puede caer sobre uno de los cuatro cuadrantes.

La transformación matemática para volver a la situación “no lineal” se complica debido a limitaciones de la función matemática de la arcotangente implicada para obtener α. Para cualquier valor que tomen la X’ o la Y’ el resultado siempre estará comprendido entre –π/2 y π/2 por lo que sólo recogemos valores en la mitad del dominio que necesitamos. La siguiente figura muestra esta situación de forma gráfica.


51

Figura 22.- Dominio de la arcotangente y signos de los vectores en cada cuadrante

Diagrama de dominio de la arcotangente (a) y ejemplo de dominio de 360º (b) para la interpolación de vientos.

La solución para resolver esta situación pasa por dos etapas. Primero, se debe calcular la dirección del viento basada en términos absolutos, y después, rotar el ángulo a su cuadrante correcto. Aún así, esta solución no funciona para todos los cuadrantes, ya que sólo es válida para el primer y tercer cuadrantes. Por ejemplo, si un ángulo del primer cuadrante quiere ser rotado 270º para trasladarlo al cuarto cuadrante es obvio que no funcionará correctamente ya que ángulos en el cuarto cuadrante deben ser imágenes especulares de los ángulos en el primer cuadrante. La figura siguiente muestra la situación del problema descrito.

Figura 23.- Traslado de ángulos a su cuadrante correspondiente

Transformación inversa de la dirección del viento α. Los ángulos α y θ son iguales en tamaño pero opuestos en dirección. El ángulo θ se calcula, para el primer cuadrante, usando valores absolutos para X’ e Y’. Este ángulo, rotado 270º para trasladarlo al cuarto cuadrante, no da como resultado el ángulo α deseado sino el ángulo θ+270º incorrecto.

La solución pasa por reconocer las situaciones geométricas planteadas y establecer correspondencias entre los ángulos y las líneas implicadas. Es decir, que es posible


52

identificar ángulos basados en reglas de simetría usando ángulos y líneas conocidos. Mediante estas correspondencias obtenemos que:

θ = 90 – α Esta relación es importante para obtener las fórmulas correctas y definitivas para

los cuadrantes segundo y cuarto que se detallan a continuación.

Figura 24.- Transformación inversa utilizando simetría angular

Transformación inversa de la dirección del viento α. Redibujado correcto de la relación entre los ángulos α y θ utilizando simetría angular.

Al final, las fórmulas obtenidas son:

Primer cuadrante Segundo cuadrante

Tercer cuadrante Cuarto cuadrante

θ = Tan-1(X’/Y’) θ = 90º - Tan-1(Y’/X’) θ = Tan-1(X’/Y’) + 180º θ = 270º - Tan-1(Y’/X’)

Notar que para la arcotangente en el segundo y cuarto cuadrantes el divisor y dividendo se invierten para, de este modo, obtener el ángulo correcto. Asimismo,

6.3. Aplicación de la metodología

En las próximas líneas se detallará el proceso realizado, mediante el programa ArcGIS 9, siguiendo la metodología de cálculo de interpolaciones no – lineales desarrollado en los anteriores epígrafes.

1. Pasar a radianes los ángulos obtenidos

2. Realizar las fórmulas en función de la velocidad y dirección

3. Multiplicar todos los datos por 100.000


53

4. Pasar el excel a dbf. No olvidar que antes se debe cambiar el formato de las celdas a número. Se han incluido cinco decimales para que la precisión sea mayor.

5. En el arcgis, ir a tools Add x, y data. Introducir el nombre del fichero dbf e indicar la coordenada x e y de cada estación.

6. Exportar los puntos a una cobertura con formato shp para su posterior procesamiento

7. Realización de la interpolación de coordenadas x e y mediante el método IDW que se encuentra dentro de la extensión “3D Analyst”.

8. Conversión de los dos ficheros raster a ascii, mediante el comando “Raster to ascii” dentro de la extensión “Conversión tools”.

9. Conversión de los ficheros ascii previamente obtenido a raster, otra vez. Esta vez, utilizamos dentro del comando una función especial que permite la conversión a un raster con datos enteros (no en coma flotante).

10. Exportación de los ficheros resultantes a coberturas poligonales mediante el comando “Raster to Polygon” con el fin de obtener una tabla asociada con la que podamos operar.

11. Realización de una unión espacial (spatial join) de las dos coberturas de polígonos referentes a las coordenadas x e y, es decir, las componentes este y norte de cada punto interpolado. El enlace asigna los atributos de cada celda de la cobertura que se quiere unir a la celda más cercana espacialmente a la cobertura a la que se quieren añadir los datos.

12. Realización de una selección espacial de las celdas de la malla que intersecten con los municipios de la Comunidad de Madrid y posterior exportación de las mismas a una nueva cobertura para adecuar el mapa de vientos a la zona de estudio.

13. Creación de dos campos nuevos de precisión “double” en la cobertura con las tablas de atributos unidas. Utilizar la función “calculate values” apretando el botón derecho en cada una de las cabeceras de los campos nuevos e introducir una función simple que permita agregar a ese campo los datos de los anteriores divididos por 100.000 con el objeto de obtener los datos originales con cinco decimales.

14. Creación de otro campo “Ángulo” donde se utilizará la función “calculate values” con el fin de realizar la interpolación inversa mediante las fórmulas obtenidas previamente. El código en visual basic para realizar tal transformación es el siguiente:

Dim teta as double

Const f = 3.141593 / 180

If [xg] >= 0 And [yg] >= 0 Then

teta = Atn ( [xg] / [yg] )

ElseIf [xg] >=0 And [yg] < 0 Then

teta = f * 90 - Atn ( [yg] / [xg] )

ElseIf [xg] <0 And [yg] <0 Then


54

teta = Atn ( [xg] / [yg] ) + 180 * f

Else

teta = f * 270 - Atn ( [yg] / [xg] )

End If

Figura 25.- Programación en ArcGIS 9 de la transformación inversa

15. Por último, se debe añadir un campo “Angulo_GRD” para, mediante la

función “calculate values”, pasar de radianes a grados todos los valores antes obtenidos.

Figura 26.- Muestra en ArcGIS de la obtención de los ángulos en grados


55

Ahora se muestra el mapa final producto del proceso de interpolación explicado, después de la realización de todos los pasos anteriores.

Figura 27.- Mapa de vientos resultante de la interpolación no–lineal

0 10 20 30 405Kilómetros

±

Estaciones meteorológicas

Municipios

Dirección de vientoN

NE

E

SE

S

SO

S

NO

N

Fuente: Elaboración propia.

Según la leyenda del mapa anterior, la dirección del viento se ha dividido en ocho categorías según los ángulos de procedencia del viento. Las fórmulas mostradas ahora han sido realizadas para transformar la información espacial continua en formato raster a una información discreta de dirección de viento según la rosa de los vientos.

N "Angulo_GRD" <22.5 OR "Angulo_GRD" >=337.5 NE "Angulo_GRD" >= 22.5 AND "Angulo_GRD" < 67.5 E "Angulo_GRD" >= 67.5 AND "Angulo_GRD" < 112.5 SE "Angulo_GRD" >= 112.5 AND "Angulo_GRD" < 157.5 S "Angulo_GRD" >= 157.5 AND "Angulo_GRD" < 202.5 SO "Angulo_GRD" >= 202.5 AND "Angulo_GRD" < 247.5 O "Angulo_GRD" >= 247.5 AND "Angulo_GRD" < 292.5 NO "Angulo_GRD" >= 292.5 AND "Angulo_GRD" < 337.5

La razón de que aparezca repetida la dirección de viento Norte es la imposibilidad en ArcGIS de agrupar en la clasificación valores que tengan separación numérica y que, aun así, pertenezcan a una misma clase categórica. Es decir, según se aprecia en la primera


56

fórmula la dirección norte estaría comprendida entre los valores menores de 22,5 grados y los mayores que 337,5. Estos valores espacialmente están unidos pero no lo estarán a la hora de la clasificación en ArcGIS.

Después de realizar la interpolación de la dirección de viento se ha realizado, según se explicó anteriormente, en el apartado 4.1, se procede de una manera análoga a la obtención de la interpolación de la velocidad del viento. Debido a que ésta es una variable lineal el método de interpolación resulta bastante más sencillo y no implica ningún paso previo.

Tras la obtención de las componentes X e Y de cada punto del mapa se aplica la fórmula para recuperar la magnitud del vector (velocidad), es decir, el módulo en valor absoluto.

|S| = (X’2 + Y’2)1/2

En ArcGIS sería, utilizando los nombres de los campos empleados en este caso:

Velocidad = SQR ( [Viento_X] * [Viento_X] + [Viento_Y] * [Viento_Y] )

Figura 28.- Velocidad media anual – Escala Beaufort

Velocidad media anual( m / s )

0,9 - 1,5 Ventolina

1,5 - 3,3 Brisa muy débil

3,3 - 5,4 Brisa débil

5,4 - 7,9 Brisa moderada

7,9 - 10,7 Brisa fresca

10,7 - 13,8 Viento fresco

±0 10 20 30 405

Kilómetros

Fuente: Elaboración propia.


57

Las categorías representadas en este mapa se basan en la escala Beaufort. Según se desprende de este mapa, las zonas donde la intensidad del viento es mayor son las zonas de la Sierra de Madrid, debido a la velocidad registrada en la estación del Puerto de Navacerrada. Conviene añadir que las estaciones donde se registran unos valores superiores de intensidad son las pertenecientes al Instituto Nacional de Meteorología debido a que éstas están situadas a una altura de 10 metros sobre el nivel del suelo en vez de 3 metros.

6.4. Método de estimación y contraste de hipótesis

Tras todo el proceso de programación, diseño y realización de los “scripts” se deben realizar comprobaciones de los resultados obtenidos para conocer si éstos se ajustan a la realidad. A continuación se desarrolla un método común en la bibliografía (no implementado).

El problema de evaluar la calidad de los diferentes métodos de interpolación espacial ha sido objeto de estudio por distintos autores. Sin duda, de forma general, la calidad de la interpolación estará muy condicionada por las características propias de la base de datos empleada: su calidad, número de datos, distribución de los mismos, etc. Otros aspectos a tener en cuenta son las diferentes metodologías en el procesamiento de los datos, así como el método usado para evaluar la interpolación.

Dentro de los métodos para estimar la calidad de los interpoladores se ha empleado el siguiente: Error medio cuadrático producto de la validación cruzada (EVC)

La validación cruzada no es más que realizar la estimación de los puntos medidos mediante el interpolador seleccionado, empleando para ello los valores muestrales en una vecindad dada, exceptuando el valor del punto a estimar. El EVC se expresa a través de los valores reales y estimados como:

N: número total de puntos a estimar Zri: valor real del punto i-ésimo Zei: valor estimado para el punto i-ésimo

Por lo tanto, el método utilizado para investigar y reconocer la exactitud de la interpolación es eliminar una serie de estaciones, realizar la interpolación sin ellas y luego comparar los datos obtenidos con los valores reales.

A continuación se muestran las estaciones utilizadas como contraste de hipótesis, es decir, se han separado al azar once estaciones meteorológicas que se utilizaron para la realización de la interpolación previamente explicada. La forma de esta separación ha sido sesgada ya que no se ha elegido ninguna estación fuera de la Comunidad de Madrid.


58

Tabla 9.- Estaciones utilizadas para contrastar la exactitud del mapa de vientos

Estación Provincia Altitud X Y Fuente Alcorcón Madrid 695 430.449 4.467.057 BDCA Leganés Madrid 676 436.093 4.465.980 BDCA Majadahonda Madrid 730 425.730 4.477.881 BDCA Chapinería Madrid 675 397.830 4.470.604 BDCA Torrejón – Base aérea Madrid 611 461.835 4.481.579 INM Madrid – Barajas Madrid 582 453.857 4.478.387 INM Getafe – Base aérea Madrid 617 438.595 4.461.382 INM Navacerrada – Puerto Madrid 1.890 414.748 4.514.966 INM San Blas Madrid 640 448.185 4.475.741 Red Municipal Fuencarral Madrid 729 442.168 4.483.741 Red Municipal Moratalaz Madrid 687 451.646 4.467.886 Red Municipal Fuente: Elaboración propia. Las siglas en el campo “fuente” hacen referencia a: Instituto Nacional de Meteorología Base de Datos de Calidad del Aire del Ministerio de Medio Ambiente Red Meteorológica Municipal del Ayuntamiento de Madrid

Figura 29.- Estaciones utilizadas para el contraste de hipótesis

LeganésAlcorcón

San Blas

MoratalazChapinería

Fuencarral

Majadahonda

Getafe/B.Aérea

Madrid/Barajas

Torrejón/B.Aérea

Navacerrada 'Puerto'


59

El mapa siguiente representa la interpolación realizada mediante la exclusión de las once estaciones meteorológicas para, de este modo, poder llevar a cabo el estudio sobre la incertidumbre y la exactitud de los datos.

Figura 30.- Mapa de vientos producto de interpolación sin estaciones de contraste

Estaciones meteorológicas

Estaciones de contraste

Municipios

Dirección de vientoN

NE

E

SE

S

SO

O

NO

N

±0 10 20 30 405

Kilómetros

Las estaciones que aparecen en color verde han sido retiradas para la realización de

la interpolación. Se observa en este mapa una gradación más suave entre los cambios en la dirección de vientos.


60

Tabla 10.- Comparación de las componentes X e Y entre valor real e interpolación de contraste

Componente Este – X Componente Norte – Y Estación

Real Contraste Error Real Contraste Error Alcorcón 1,38336 3,15606 3,14247 -1,38336 3,33991 22,30928Leganés 1,56461 0,71799 0,71677 1,56461 1,46722 0,00948Majadahonda -2,00875 1,22004 10,42508 -2,00875 1,70435 13,78711Chapinería 2,16891 0,91613 1,56946 -2,16891 1,32117 12,18066Torrejón–B. aérea -5,86594 -1,39166 20,01918 -5,86594 -1,15860 22,15905Madrid – Barajas 0,00000 -0,51528 0,26551 -8,65591 1,04868 94,17907Getafe – B. aérea -7,66983 -2,13261 30,66081 -7,66983 0,18229 61,65579Navacerrada 0,00000 -0,07510 0,00564 -6,57258 0,78948 54,19993San Blas 1,14231 -0,96872 4,45645 0,00000 -0,01707 0,00029Fuencarral 0,00000 -0,80441 0,64708 -1,38015 -0,42956 0,90362Moratalaz 0,85296 -0,67530 2,33558 0,85296 0,47647 0,14174

Una vez realizada la interpolación retirando las estaciones que hemos descartado para llevar a cabo el contraste, se ha procedido a la comparación de los datos reales originales de las estaciones meteorológicas con los datos obtenidos, para esos mismos puntos, de la interpolación no lineal donde éstos no han intervenido.

Se ha realizado el ajuste en función de la diferencia entre los valores reales sacados de la base de datos original y los valores estimados para esos mismos puntos en la interpolación sin incluir esas estaciones. Para cada una de las componentes espaciales, norte y este se realizará el mismo proceso.

La columna error representa esa diferencia elevada al cuadrado para retirar los posibles valores negativos. Después se ha realizado la suma de todos esos valores y su posterior división entre el número de estaciones de contraste menos uno.

Introduciendo, por tanto, los parámetros de la fórmula del error medio cuadrático que aparece en la página 57, se obtienen los siguientes valores para la componente longitudinal y latitudinal:

EMC – X = 7,42 EMC – Y = 28,15

Las mayores diferencias se observan, sin duda, en la componente Y. La diferencia de signos que se muestran entre los valores de las columnas Real y Contraste para cada estación representa que, para esa dirección longitudinal o latitudinal, los valores han cambiado de sentido y por tanto, no muestran la dirección que reportaban las estaciones.

Los dos mapas incluidos a continuación muestran la zona central de la Comunidad de Madrid donde se incluyen los municipios o aglomeraciones, como: Madrid, Corredor del Henares, Alcorcón, Leganés, Getafe, etc., donde hay más población y donde se encuentran los mayores problemas de riesgos tecnológicos debido a su gran desarrollo industrial.

También se ha escogido esta zona para realizar un estudio de detalle ya que es donde existe una mayor densidad de estaciones medidoras de viento y por tanto mayor variabilidad.

En estos mapas se ha superpuesto el mapa raster de dirección de viento con una cobertura de puntos equiespaciados 2,5 kilómetros. Las flechas representan la dirección y la velocidad o intensidad del viento.


61

Figura 31.- Campo de vientos de la zona central de la Comunidad de Madrid

E

E

E

EEE E

E

E

E

E

E

E E

E

E

EE

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

E

E

E EE

E

E

E

E E

EE

E

E

E

E

EE

EE

EE

EE

E

EE

EE

E

E E

E

E

E

E

E

E

E

EE

E

E

E

EE

E

E

E

E

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

EE

E

E

EE

EE

E

E

E

EE

E

E E

E

E

EE

E E

EE

E

E

E

E

E

EEE

E

E

E

E

EE

E

EE

E

E

EE

E

E

E

E

E E

E

E

E

EE

E

E

E

EE

E

EE

E

EE

E

E

EE

E

E

E

E

E

EE

E

E

EE

E

E

E

E

E

E

E

E

E

E

EE E

E

E

E

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

E

E

E

E E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

E

E

E E

EEE

E

E

E

Madrid

Getafe

Algete

Loeches

Leganés

Arganda del Rey

Campo Real

Alcalá de Henares

Alcorcón

Alcobendas

Rivas-Vaciamadrid

Ajalvir

Fuenlabrada

CobeñaMeco

Villalbilla

Coslada

Daganzo de Arriba

Pozuelo de Alarcón

San Sebastián de los Reye

Torres de la Alameda

Móstoles

Paracuellos de Jarama

Torrejón de Ardoz

San Fernando de Henares

Camarma de Esteruelas

Las Rozas de Madrid

Boadilla del Monte

Majadohonda

Mejorada del Campo

Velilla de San Antonio

Valdilecha

Pozuelo del Rey

Villaviciosa de Odón

Valverde de Alcalá

Figura 32.- Campo de vientos realizado sin las estaciones de contraste

EE

E EE

E

E

E

EEE

E

E

EE

E

E EE

E

E

E

E

E

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

EE

E

E

E

E

E

E

EE

E

EE

E

E

E

E

E

E

EE

EE

E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

EE

E

E

EE E

E

E

E

E

E

E E

EE

E

E

EE

EE

E

E

EE

E

E

E

E

E

E

EE

E

E E

E

EE E

E

E

E

EE

EE

EE

EE

E

E E

E

E

E

E

EE

E

EE

E

E

E

E

E

E

EEE

EE

E

E

EE

E

E

E

E

E

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

EE

E

E

E

E E

E

E

E

E

E

E

E

E

E

E

E

EE

E

E

E

E E

E

E

E

E

E

E

E

E

E

E

E

E E

E

E

E E

E

E

E

E

E

E

E

E

E

E

E

E

E

E

EE

E

E

E

EE

E

E

E

E

E

E

E

E

E

E

E

EE

E EEE

E

E

E

E

E

EE

E

E E

E

EE

E Madrid

Getafe

Algete

Loeches

Leganés

Arganda del Rey

Campo Real

Alcalá de Henares

Alcorcón

Alcobendas

Rivas-Vaciamadrid

Ajalvir

Fuenlabrada

CobeñaMeco

Villalbilla

Coslada

Daganzo de Arriba

Pozuelo de Alarcón

San Sebastián de los Reye

Torres de la Alameda

Móstoles

Paracuellos de Jarama

Torrejón de Ardoz

San Fernando de Henares

Camarma de Esteruelas

Las Rozas de Madrid

Boadilla del Monte

Majadohonda

Mejorada del Campo

Velilla de San Antonio

Valdilecha

Pozuelo del Rey

Villaviciosa de Odón

Valverde de Alcalá

LeganésAlcorcón

San Blas

Moratalaz

Fuencarral

Majadahonda

Getafe/B.Aérea

Madrid/Barajas

Torrejón/B.Aérea


62

Figura 33.- Comparación de las rosas de los vientos de la Comunidad de Madrid

0

10

20

30

40

50

60

Miles de píxeles

N

NE

E

SE

S

SO

O

NO

Interpolación total Interpolación contraste

En la figura 33 anterior se muestra representada la variabilidad de la dirección de viento predominante entre las dos interpolaciones. Se ha sumado la cantidad de píxeles para cada una de las direcciones principales y se ha obtenido una rosa de los vientos en cada interpolación anual (una con todas las estaciones y otra sin los puntos de contraste).

Se aprecia que hay una clara tendencia a la dirección procedente del SO en ambas interpolaciones, pero mucho más acusada en la interpolación total.

Las imágenes 34 y 35 siguientes exponen las variables estadísticas básicas de las interpolaciones anuales. Dentro de éstas, en la parte derecha de cada imagen, aparece el histograma de frecuencias que representa la distribución según el ángulo obtenido para cada celda de la malla de 250 metros de lado

Figura 34.- Histograma y estadísticos del mapa de vientos anual

Media = 183,63

Desviación estándar = 61,13


63

Figura 35.- Histograma y estadísticos del mapa de contraste

Media = 175,42

Desviación estándar = 117,32

Para los dos mapas la media de los valores es parecida, pero la desviación estándar es la que marca la diferencia realmente de la dirección de viento.

En la figura siguiente se muestra el resultado del proceso llevado a cabo para la obtención del mapa de vientos del mes de mayo.

Figura 36.a.- Mapa de vientos – Mayo

E

E

E

EE

EE

E

E

EE

E

E

E

E

EEE

E

E

EE

E

EE

E

E

E

EEE

E

E

EMayoDirección del viento

N

NE

E

SE

S

SO

O

NO

N

±0 10 20 30 405

Kilómetros


64

La rosa de los vientos asociada da valores aproximados a la interpolación anual pero con una importancia grande de la dirección sur.

Figura 36.b.- Rosa de vientos predominantes en mayo

0

10

20

30

40

50

Miles de píxeles

N

NE

E

SE

S

SO

O

NO

Interpolación mayo

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Conclusiones sobre el mapa de vientos

65

7. Conclusiones sobre el mapa de vientos

En este apartado se tratarán de analizar las diferencias encontradas entre las dos interpolaciones realizadas; tanto desde el punto de vista espacial, con el análisis geográfico de los dos mapas anuales; como los problemas o deficiencias encontrados a lo largo del proceso, que pueden dar luz y aclarar las razones de las divergencias encontradas. Por último se realizará una valoración final de la metodología utilizada y sus posibilidades prácticas.

7.1. Análisis espacial de las interpolaciones

Las diferencias apreciadas entre los dos mapas de interpolación realizados se muestran en las figuras 24 y 27. Según se desprende de la interpolación realizada con todas las estaciones, la dirección predominante en el este y sur de la Comunidad de Madrid es vientos provenientes del SO, para la zona de la sierra suroeste el viento viene del SE y para la Sierra central y septentrional los vientos proceden del sur. Por el centro de la región la situación no es tan uniforme debido a un mayor número de estaciones con datos heterogéneos. Destaca por encima de ellos el caso de Alcobendas, con dirección norte.

Para el mapa elaborado sin las estaciones de control, se aprecia una mayor gradación entre las direcciones a lo largo de la Comunidad, pasando desde el oeste de la región hasta el noreste a lo largo de las diferentes direcciones de viento: NE para la sierra occidental, N para la sierra central y NO, O, SO, S, SE según nos acercamos al este de la provincia y norte de la Sierra. En cuanto a la variabilidad en la zona central, desciende notablemente, aunque aún encontramos islas de dirección, como el sentido norte en Coslada.

7.2. Problemas y dificultades encontrados

A continuación se exponen los aspectos más destacados que han supuesto trabas para la realización de la interpolación. Se han dividido, por un lado, las dificultades generadas por los datos de base y, por otro, los problemas del empleo de esta metodología.

7.2.1. Problemas debidos a los datos de base

1. Poco número de estaciones meteorológicas. El número de 34 estaciones es bajo debido a que es un territorio de unos 8.000 kilómetros cuadrados y la densidad de estaciones es baja.

2. Desigual reparto espacial de las estaciones. Se produce un sesgo y sobreestimación en los puntos centrales de la Comunidad de Madrid (municipio de Madrid, Corredor del Henares y Sur industrial) en detrimento del resto de la región.


66

3. Heterogeneidad de fuentes de información. La obtención de los datos a partir de cuatro fuentes distintas supone un problema debido a las diferencias en la calidad de los datos, las diferencias en los estándares de ubicación de las estaciones con respecto al entorno, los diferentes instrumentos utilizados, etc.

4. Posible ubicación inadecuada de las estaciones (urbanas, apantallamiento, etc). Este factor contribuye a que los datos de las estaciones no puedan ser extrapolables a otras zonas cercanas, tal como se presupone en la metodología. Sin duda los datos serán correctos pero para un área menor alrededor de la estación. A pesar de ello, no se tiene evidencia de que esto ocurra, aunque es posible ya que muchas de las estaciones son urbanas.

5. Falta de verificación de los datos. Los datos obtenidos no han sido verificados personalmente con lo que la calidad de los datos podría no ser la más precisa aunque, como en el punto anterior, se presupone.

6. La serie temporal sobre la que se han trabajado los datos quizá es demasiado corta para tratar de obtener unos datos estables, teniendo en cuenta que el fenómeno que se está estudiando es muy variable en el tiempo y por tanto, se necesitarán largos periodos de estudio para recabar datos representativos. (2002, 2003 y 2004)

7. Diferente altura sobre el suelo de las estaciones del INM con respecto al resto. Las cinco estaciones del Instituto Nacional de Meteorología están ubicadas a una altura de 10 metros sobre el suelo mientras que el resto de las estaciones, independientemente de la fuente de adquisición, están situadas a una altura de entre 2 y 3 metros. Esta diferencia implica diferencias de medida en velocidad y dirección.

7.2.2. Problemas debidos a la metodología

1. No se tiene en cuenta la rugosidad del terreno. Este método de interpolación no tiene en cuenta variables como lo quebrado del terreno que influyen en la dirección y velocidad del viento, según se explicó en el capítulo 2.

2. Así mismo, tampoco se tiene en cuenta la pendiente del terreno que está estrechamente relacionada con la variable del punto anterior.

3. En este sentido, por último, tampoco se tiene en cuenta la orientación de las laderas que pueden recoger datos similares de viento.

4. Tal como se ha explicado en la metodología. Éste es un método en el que no intervienen otras variables importantes a la hora de caracterizar una zona por sus condiciones climáticas. En general, no se toman datos de otras fuentes meteorológicas como la presión, temperatura, cobertura nubosa, etc. Se explicó en el capítulo segundo de este proyecto la importancia general de estos factores para la explicación del tiempo y clima de una zona, sobre todo en altura. Aunque es cierto que en superficie no son tan importantes, donde sí es fundamental la topografía del terreno.


67

5. El método de interpolación lineal elegido para hallar los campos de las componentes longitudinales y latitudinales ha sido el del inverso ponderado de la distancia o medias móviles. Se hubiese podido haber utilizado otro método. El método Spline permite suavizar curvas o superficies con datos interpolados a partir de una serie limitada de puntos.

6. En la interpolación IDW realizada en ArcGIS se han introducido las variables por defecto. En especial, se ha mantenido la función de “búsqueda de puntos maestrales” (search radius settings) inalterada. De este modo, el algoritmo ha realizado la interpolación con los doce puntos más cercanos.

7.3. Conclusiones finales

A pesar de los problemas encontrados en la obtención de los datos de base y la metodología empleada se puede concluir que la aproximación a los mapas de viento para su posterior inclusión en la realización de una cartografía de exposición a riesgos tecnológicos, supone un avance con respecto a la elaboración de ésta a base de áreas de influencia sin tener en cuenta ninguna característica espacial.

Existe la posibilidad de la obtención de nuevos datos de numerosas estaciones meteorológicas repartidas por zonas donde ahora no hay información. La Dirección General de Tráfico posee numerosos datos meteorológicos, entre los que están la dirección y velocidad de viento, procedentes de puntos de medida repartidos a lo largo de las carreteras estatales, en zonas sin apantallamiento, etc. Esta es una posibilidad que se debe explotar para refinar el resultado del análisis.

La conclusión general es que es un método sencillo e intuitivo que permite añadir nuevas variables al estudio cartográfico de los riesgos tecnológicos. Además, desde un punto de vista académico, genera nuevos retos metodológicos, que se podrán resolver en el futuro, para así mejorar los estudios de exposición de riesgos.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Instalaciones potenciales de riesgo

68

8. Instalaciones potenciales de riesgo

Con base en los distintos tipos de procesos y productos relacionados con las actividades industriales, comerciales y de servicios se deben establecer nomenclaturas y clasificaciones de actividades e instalaciones potencialmente susceptibles de sufrir un accidente de cualquier tipo (explosiones, sobrepresiones, escapes, etc.).

En los accidentes mayores, por lo general, interactúa una serie de fenómenos sobre los cuales, la mayoría de las veces, no se tiene un buen conocimiento. Es perentorio establecer una clasificación de las instalaciones peligrosas con el fin de poder modelar las consecuencias de un accidente y por tanto, delimitar las zonas más expuestas a este tipo de eventos.

La importancia de los factores a considerar para la prevención de los riesgos tecnológicos exige prudencia cuando se trata de evaluarlos debido a la multiplicidad de factores que intervienen en su génesis.

8.1. Tipología de sucesos y accidentes

La lista de tipologías que se expone a continuación es el fruto del análisis de los sucesos o accidentes ocurridos, de los estudios de riesgos ya existentes y presentados por la industria siguiendo las prescripciones establecidas por la Directiva Seveso1, así como de la determinación Cuantitativa-probabilística, igualmente realizada en casos de accidentes ya sucedidos, siguiendo metodológicamente la clasificación recogida en AINSA.

Cada una de las tipologías que se mostrarán a continuación comprende los dos siguientes criterios de referencia:

• Hipótesis relacionadas con las condiciones del accidente: Características de la fuga, condiciones meteóricas.

• Criterios de gravedad para caracterizar los efectos del accidente: Toxicidad, radiaciones térmicas, sobrepresiones.

Ahora se explicarán someramente cada una de las características de las diferentes tipologías, detallando cada tipo de accidente, los efectos y ejemplos de aplicación.

1. Riesgos inherentes a las instalaciones de gases licuados combustibles: Instalaciones fijas, semimóviles o móviles.

a. Tipología A: Explosión del tipo BLEVE2.

Es una explosión a la atmósfera debida a la ruptura abrupta del recipiente o contenedor donde está almacenado el gas, por fusión a perforación del mismo. El gas licuado se evapora y es inflamado por una fuente exterior.

1 La Directiva Seveso es una reglamentación de la Unión Europea sobre actuaciones en situaciones de Riesgos Naturales y Tecnológicos realizada después de lo acontecido en Seveso (Italia) en los años 70. 2 BLEVE: Boiling Liquid Expanding Vapor Explosion: Explosión expansiva de gases lícuados por encima de la temperatura de ebullición.


69

En cuanto a los efectos, se debe señalar que éstos se producen en forma más o menos concéntrica a la zona de almacenamiento y los alcances son muy poco dependientes de las condiciones meteorológicas.

Para ilustrar este punto se muestra a continuación la diferencia en la exposición y alcance espacial en función de la distinta velocidad de viento en el momento del escape. Las dos figuras siguientes representan una explosión tipo BLEVE de un depósito de propano. Se han mantenido constantes todas las variables requeridas por el modelo de dispersión atmosférica ALOHA salvo la velocidad del viento.

Figura 37.a.- BLEVE: velocidad de viento a 5 m/s

200 100 0 100 200200

100

0

100

200

Figura 37.b.- BLEVE: velocidad de viento a 20 m/s

200 100 0 100 200200

100

0

100

200

En la primera figura se ha introducido un valor de velocidad del viento de 5 metros por segundo, en la segunda de 20 metros por segundo. Las diferencias son apreciables pero no muy significativas.

Por otro lado, en relación a los efectos producidos, éstos se suelen dividir según la literatura en térmicos o bola de fuego (fireball) o efectos de sobrepresión (overpressure) o efectos de impacto por onda expansiva (hazardous fragments).

b. Tipología B: Explosión del tipo UVCE3

Cuando un compuesto inflamable se libera a la atmósfera, debido por ejemplo, a la ruptura de una válvula o del depósito donde se encuentra confinado, se forma una nube de vapor que se dispersará a sotavento. Si la nube encuentra una fuente de ignición las partes de la nube con la concentración suficiente empezarán a arder. La velocidad del frente de la explosión determinará si ésta se trata de una deflagración o de una detonación. En algunas ocasiones la nube arderá de manera tan instantánea que se formará una explosión en forma de bocanada (blast wave o explosion force).

La gravedad de una explosión de este tipo depende del compuesto químico, del tamaño de la nube química en el momento de la ignición, del tipo de ignición y del nivel de concentración del compuesto en la nube.

3 UVCE: Unconfined Vapor Cloud Explosion: Explosión de gases no confinados, formando nube.


70

Dos tipos de efectos se asocian normalmente a una explosión UVCE: efectos de sobrepresión y efectos de impacto de onda expansiva. ALOHA sólo puede modelizar los primeros.

Ejemplos de este tipo de accidentes son los producidos en Flixborough (Reino Unido) en 1974 donde se produjo una fuga en una válvula y la consiguiente explosión de 50 toneladas de ciclohexano. También en Garmish-Partenkirchen (Alemania) hubo un escape de vapores de un tanque de propano. O en Pasadera (EE.UU.) donde se dio una explosión de vapores de etileno y sobutanol en una fábrica de polipropileno.

2. Riesgos inherentes a los almacenamientos de gases tóxicos licuados o no, con riesgo de explosión por su manipulación, por explosiones internas o por agresiones externas.

a. Tipología C: Pérdida total o instantánea del confinamiento en el recipiente donde se mantienen los gases.

En este tipo de accidente las condiciones meteorológicas sí influyen decisivamente en las consecuencias de aquel. Debido a ello, se suelen estudiar sus fenómenos dentro de las condiciones de difusión más desfavorables, es decir, atmósfera estable y poco viento.

El método de evaluación de los efectos en consideración consiste en estimar en primer lugar la masa de producto contenida dentro del tanque o depósito. Según el producto considerado y su modo de almacenamiento la masa tóxica estará constituida por tres partes diferenciadas: la masa de gas o vapor liberado instantáneamente por efecto de la ruptura del recipiente de almacenamiento, la fracción de producto lanzado al aire en forma de aerosol y la fracción del líquido derramado sobre el suelo o inmediatamente vaporizado por el efecto del aporte térmico en contacto con el suelo.

Ejemplos de este tipo de accidentes son la liberación de cloro licuado bajo presión donde se genera poco aerosol, y por otro lado la liberación de amoniaco o ácido fluorhídrico, donde se genera mucho aerosol.

3. Riesgos relacionados con las instalaciones de gases y residuos tóxicos y peligrosos (cuando sus dispositivos de almacenamiento son diseñados para resistir a las agresiones externas o a las reacciones internas de los productos).

a. Tipología D: Ruptura instantánea del dispositivo de mayor almacenamiento causando un gran flujo de gases. Por lo general, los escapes suelen proceder de tuberías, válvulas u otro tipo de accesorios de unión.

Las condiciones meteorológicas, en este tipo de accidentes, también influyen por lo que la huella contaminante tendrá una forma de pétalo orientada en la dirección del viento.

Ejemplos de este tipo de accidentes son la fuga del almacenamiento de cloro de una piscina en Fort Lauderdale (EE.UU.) en 1981. Otro ejemplo es la fuga, en junio de 1981, durante 25 minutos, de 50 toneladas de anhídrido de amonio de un tanque de almacenamiento en una fábrica. En enero de 1990, en Asfeld (Alemania), se produjo una rotura durante una operación de suministro de cloro a un depósito de 50 toneladas en una fábrica de pasta de papel.


71

4. Riesgos inherentes a los almacenamientos de líquidos inflamables de gran capacidad.

a. Tipología E:

i. Fuego en el dispositivo de almacenamiento.

ii. Explosión de la fase gaseosa en los tanques de techo o cobertura fija.

iii. Bola de fuego y proyección de los productos inflamables por el fenómeno de ebullición o sobrecalentamiento.

En estos casos las condiciones climatológicas no tienen efecto. De este tipo de fenómenos pueden sobrevenir incendios prolongados y difícilmente controlables.

Cuando se modela un fenómeno de este tipo en ALOHA se asume que se forma una nube gaseosa y ardiente en expansión llamada bola de fuego (fireball). Esta bola de fuego está formada por el compuesto químico en ebullición y el compuesto lanzado en todas direcciones tras la explosión. ALOHA estima que la cantidad de compuesto en la bola de fuego es tres veces la cantidad de compuesto en ebullición.

5. Riesgos relacionados con la utilización y almacenamiento de explosivos o de productos explosivos.

a. Tipología F: Explosión de la mayor masa de productos explosivos almacenados y/o explosión de otros productos explosivos próximos.

Es decir, se produce una explosión de los productos almacenados debido a reacciones. Las condiciones meteorológicas no tienen efecto en este caso.

Los efectos normales son la sobrepresión, debidos en forma directa o indirecta a la propagación de una onda de choque explosiva.

8.2. Los residuos urbanos

Se entiende por residuo cualquier producto en estado sólido, líquido o gaseoso procedente de un proceso de extracción, transformación o utilización, que carente de valor para su propietario, éste decide abandonar.

Los residuos sólidos urbanos (RSU) se definen en la Ley de Residuos como los generados en los domicilios particulares, comercios, oficinas y servicios, así como todos aquellos que no tengan la calificación de peligrosos y que por su naturaleza o composición puedan asimilarse a los producidos en los anteriores lugares o actividades.

El creciente nivel de desarrollo e industrialización experimentado por el mundo tiene su correlato en un aumento de la cantidad de residuos producidos por habitante, y más especialmente de la producción de residuos urbanos. En la Comunidad de Madrid la población creció en el último decenio un 3,5%, mientras que la tasa de generación de RSU por habitante y día lo hizo en un 44,22% (UNED – Semana de la Ciencia). Paralelamente, el crecimiento acelerado de la urbanización está originando la formación de grandes áreas metropolitanas donde una elevada densidad de población genera la producción de grandes volúmenes de residuos urbanos en espacios relativamente pequeños.


72

La gestión de residuos trata de contemplar todos los aspectos sobre reducción, reutilización, reciclaje y recuperación energética (valorización), dando una respuesta integral desde el punto de vista medioambiental.

En este proceso de gestión de los residuos se producen “rechazos”, es decir, materiales que por su naturaleza o estado no son reciclables. Estos rechazos se pueden valorizar mediante combustión controlada en las incineradoras, utilizando residuos como combustible para producir energía (en este proyecto se especifica la incineradora como un foco puntual de riesgo tecnológico debido a sus emisiones peligrosas).

Por otro lado, existe una fracción de rechazos que no es valorizable y que termina en el vertedero de cola. Igualmente ocurre con las escorias fruto de la valorización. Las cenizas generadas deben terminar en un depósito de seguridad pues se trata de materiales muy peligrosos (en este proyecto también se tienen en cuenta os depósitos de seguridad como factores de riesgo).

De todas formas, de los residuos depositados en vertederos se podría obtener rendimiento económico extrayendo y recuperando el biogás producto de la descomposición anaerobia de la materia orgánica y que por su composición, muy rico en metano, puede aprovecharse para generar energía. Lo que ocurre en la Comunidad de Madrid es que muchos vertederos no están preparados para llevar a cabo esta valorización y por tanto se emite metano a cielo abierto. En los vertederos donde sí se valoriza existen fugas a su vez, por lo que se han incluido todos ellos como instalaciones de riesgo.

8.3. Los residuos peligrosos

Los residuos peligrosos4 son todos aquellos que contienen en su composición una o varias sustancias que les confieren características peligrosas, en cantidades o concentraciones tales, que representan un riesgo para la salud humana, los recursos naturales o el medio ambiente.

Lo que diferencia a los "Residuos Tóxicos y Peligrosos" del resto de los residuos industriales, a la hora de establecer una gestión y tratamiento diferente son básicamente dos factores:

1. Sus efectos son nocivos a corto, medio o largo plazo sobre el medio ambiente, sobre los recursos naturales o sobre la salud de las personas.

2. Debido a ello requieren tratamientos en condiciones exigentes y bajo un mayor control.

En la gestión de los residuos, la primera acción a tomar consiste en caracterizar un residuo lo mejor posible, es decir, conocer su composición y propiedades, a fin de poder evaluar las posibilidades de su valoración, su tratamiento o su deposición en instalación autorizada.

En España se ha dado en los últimos años un proceso similar al que se había producido anteriormente en los países más avanzados. Hasta mediados de la década de los 80, no se ha contado con la legislación específica sobre esta materia. La Ley sobre "Desechos y Residuos Sólidos Urbanos" de 1975 (BOE, 1975) promulgada en el mismo año que la CEE dictaba su Directiva 75/442/CEE relativa a la gestión de residuos sólidos en general (DOCE, 1975), aunque competente sobre los residuos industriales, no regulaba

4 Ver la relación de sustancias o materias tóxicas y peligrosas en los anexos.


73

su gestión, ni establecía base alguna para su desarrollo reglamentario. Por lo tanto la gestión de residuos tóxicos y peligrosos (RTPs) no ha existido prácticamente hasta el momento en que se promulgó la Ley 20/1986 de 14 de Mayo, Básica de Residuos Tóxicos y Peligrosos (BOE, 1986), pudiendo afirmarse que más del 85% de este tipo de residuos eran eliminados incontroladamente.

Estas consideraciones y la circunstancia del ingreso en la CEE, condujeron a la promulgación de dicha ley.

La definición de Residuos Tóxicos y Peligrosos a efectos de esta ley (cap. 1°, artículo 2º) es la siguiente:

"los materiales sólidos, pastosos, líquidos, así como los gaseosos contenidos en recipientes, que, siendo el resultado de un proceso de producción, transformación, utilización o consumo, su productor destine al abandono y contengan en su composición alguna de las sustancias y materias que figuran en el Anexo de la presente ley en cantidades o concentraciones tales que representen un riesgo para la salud humana, recursos naturales y medio ambiente".

Queda excluido de su ámbito las actividades o los residuos que por sus características poseen un tratamiento legislativo propio, como son los residuos radiactivos, mineros, emisiones a la atmósfera y efluentes cuyo vertido al alcantarillado, a los cursos de agua o al mar esté regulado por la normativa vigente.

Con objeto de identificar el potencial carácter tóxico o peligroso, en 1988 se establece el Real Decreto 833/88, de 20 Junio LBOE, 1988) por el que se aprueba el Reglamento para la ejecución de la Ley Básica de Residuos Tóxicos y Peligrosos, donde establece en su Anexo I el mecanismo de identificación de residuos en base a un conjunto de códigos que estructuran la información, simplificando la identificación.

Estos códigos consideran:

- Razones por las que los residuos deben ser gestionados, Código Q.

- Operaciones de gestión, Código D/R.

- Tipos genéricos de residuos peligrosos, Códigos L, P, S ó G

- Constituyentes que dan a los residuos su carácter peligroso, Código C

- Características de los residuos peligrosos5, Código H

- Actividades generadoras de los residuos, Código A

- Procesos en los que se generan los residuos, Código B

Este sistema de identificación, conjuga códigos referentes al origen (Q, A y B) junto con las características propias del estado físico del residuo (L, P, S ó G), sus constituyentes (C), su potencial carácter peligroso (H), así como las operaciones de gestión a las que se somete al residuo (D/R).

Este esquema de caracterización concuerda básicamente con las recientes directivas comunitarias (DOCE, 1991 a; DOCE, 1991 b).

Las dificultades principales del esquema anterior de caracterización se encuentran en la asignación de los Códigos C y H, ya que éstos son los que le confieren la consideración de tóxico y peligroso. Un residuo se considerará como tal, cuando en su identificación posea al menos uno de los constituyentes incluidos en el Código C, que le

5 Ver nomenclatura detallada sobre las características de los residuos peligrosos en los anexos.

http://www.esi.unav.es/Asignaturas/ecologia/informes/residuos/identifi.htm


74

dan el carácter peligroso, conjuntamente con alguna de las características de peligrosidad, Código H.

8.4. Clasificación de instalaciones

Debido a que la Comunidad de Madrid se caracteriza por ser una región densamente poblada y fuertemente urbanizada, se plantean a menudo problemas de relevancia a la hora de abordar la ordenación y planificación sobre un territorio en donde conviven zonas de altas densidades demográficas con zonas industriales e infraestructuras que pueden constituir focos potenciales de riesgo.

Se hace necesario en este punto, por tanto, establecer cuales son, en concreto, las fuentes o factores de riesgo tecnológico que potencialmente pudieran ocasionarse en la Comunidad de Madrid.

La enumeración de estos factores es compleja y en muchas ocasiones incompleta pues siempre se podrá encontrar alguna otra instalación que sea potencialmente perjudicial para la población y/o medio.

Por un lado nos encontramos con instalaciones de transporte y almacenamiento energético, supuestas amenazas para la población y el medio en función de la posibilidad de que en ellas se produzcan accidentes:

1. Depósitos de almacenamiento de combustible

2. Gasolineras (repartidas densamente por toda la Comunidad de Madrid)

3. Aeropuertos: Barajas, Cuatro Vientos y las Bases Aéreas de Getafe y Torrejón de Ardoz.

4. Oleoductos y gasoductos

Por otro lado, hay instalaciones relacionadas con la gestión y tratamiento de residuos, tanto de residuos sólidos urbanos (RSU) como de residuos tóxicos y peligrosos (RTP):

1. Plantas de la Comunidad de Madrid creadas para la gestión unitaria de todos los RTP producidos en la región. Entre ellas se encuentran el Depósito de Seguridad de San Fernando de Henares y la Planta de Tratamiento físico-químico de Valdebebas, así como la Planta de Tratamiento biológico de Manoteras, propiedad del Ayuntamiento de Madrid.

2. Gestores autorizados por la Comunidad de Madrid para el transporte y tratamiento de residuos tóxicos y peligrosos.

3. En el caso de los Residuos sólidos urbanos (RSU) se han incluido aquellas instalaciones que el Plan Autonómico de Gestión de Residuos sólidos urbanos de la Comunidad de Madrid:

a. Incineradora de Valdemingómez propiedad del Ayuntamiento de Madrid.

b. Vertederos sanitariamente controlados (cinco de la Comunidad de Madrid y uno del Ayuntamiento de Madrid).

c. Estaciones de transferencia de residuos sólidos urbanos.


75

d. Estaciones depuradoras de aguas residuales que recoge el Plan de Saneamiento de la Comunidad de Madrid

Industrias dedicadas a actividades peligrosas o que generan RTP:

1. Se han seleccionado los polígonos industriales que hay en la Comunidad de Madrid. La relación de actividades productoras de RTP (Gómez Delgado, 1995) ha servido para seleccionar del Directorio de Establecimientos de la Comunidad de Madrid (1996) aquellas empresas que, por su tipo de actividad, se pudieran considerar como potenciales productoras. Se observó que en todos los polígonos industriales existía al menos una empresa potencialmente peligrosa por lo que se han incluido todos los polígonos industriales en este proyecto.

A continuación se muestran localizadas espacialmente las instalaciones potencialmente productoras de riesgos tecnológicos. En la figura siguiente aparecen las relacionadas con el abastecimiento energético

Figura 38.- Fuentes de riesgo – Abastecimiento energético

789<

789<

789<

789<

789<

789<789<

789<789<

#

#

##

#

##

#

###

##

#

#

##

#

#

#

#

#

##

#

#

#

##

#

#

#

#

#

#

#

#

#

##

#

##

#

##

#

#

##

##

#

#

#

##

#

###

##

# #

#

#

#

#

##

#

#

#

#

##

#

#

##

##

###

#

##

###

#

#

#

#

# # #

# #

###

##

#

#

#

#

#

#

#

##

###

#

#

##

#

#

##

#

#

#

#

##

#

##

#

#

##

#

###

#

####

#

#

#

#

#

#

#

#

##

#

#

##

##

# #

#

#

#

#

#

#

##

#

#

#

##

#

#

#

##

±

# Gasolineras

789< Depósitos de combustible

Oleoductos

Gasoductos

Aeropuertos

0 10.000 20.000 30.000 40.000Metros


76

Como se puede apreciar en la figura anterior, las estaciones de servicio y depósitos de combustible se pueden considerar como focos puntuales, dada la escala a la que estamos trabajando. Por otro lado, los aeropuertos y bases aéreas, espacialmente están representados por polígonos, debido a que se tiene en cuenta todo el recinto aeroportuario como posible factor de riesgo, es decir, donde pueden mover los aviones en tierra. Por último, los oleoductos y gasoductos son instalaciones de canalización y transporte de combustible lineales.

En esta próxima figura se representan las instalaciones relacionadas con la gestión de residuos, tanto residuos tóxicos y peligrosos como residuos sólidos urbanos, ubicadas en la Comunidad de Madrid.

Figura 39.- Fuentes de riesgo – Gestión de residuos

$1 $1

#0

"J

%,%, %,

%,

%,

%,

%,

%,%,

%,

%,

%,

%,

%,

%,

%,

%,

%,

[

[

[[

[

[

[

[

Depuradoras

[ Estaciones de transferencia

%, Gestores

Vertederos

"J Depósito de seguridad

#0 Incineradora

$1 Planta tratamiento RTP

±0 10 20 30 405

Kilómetros

El mapa de la figura 39 muestra una distribución uniforme de las estaciones

depuradoras, muy numerosas por toda la provincia, los gestores se concentran en el eje sur – corredor del Henares, al igual que los vertederos. Las estaciones de transferencia se localizan en los municipios relativamente equiespacidos. La incineradora está situada en el sur del municipio de Madrid, el depósito de seguridad en San Fernando y las plantas de tratamiento en el noroeste del municipio de Madrid.


77

Figura 40.- Fuentes de riesgo – Instalaciones industriales

Polígonos industriales

±0 10 20 30 405

Kilómetros

En la figura 40 anterior se muestra la distribución espacial de los polígonos

industriales presentes en la Comunidad de Madrid. Se puede apreciar claramente como la localización de la actividad industrial se concentra primordialmente sobre un eje suroeste – noreste a lo largo de la provincia, que corresponde con los municipios del sur, la zona meridional del municipio de Madrid y el Corredor del Henares.

La dispersión atmosférica caracteriza la pauta seguida, tanto en el tiempo como en el espacio, de un conjunto de sustancias (aerosoles, gases, partículas, etc.) expulsadas a la atmósfera.

La emisión de un compuesto a la atmósfera puede deberse a dos tipos de situaciones:

1. Emisiones a la atmósfera más o menos continuas o periódicas en el tiempo.

2. Accidentes, con emisiones a la atmósfera puntuales en el tiempo y no deseadas. Entre este tipo de situaciones se encuentra la fuga de sustancias de un depósito y los posibles incendios originados en las plantas donde se utilizan, fabrican o almacenan estos compuestos.


78

Como hemos podido comprobar, existe una gran diversidad de lugares potencialmente peligrosos. Las causas potenciales de fallo o accidente en estas instalaciones son numerosas. Entre ellas se encuentran causas internas y externas.

1. Entre las causas internas se distinguen

a. Productos tóxicos, explosivos utilizados, fabricados o almacenados.

b. Procesos de fabricación más o menos peligrosos en función de su estado (líquido o gaseoso) o de sus parámetros físicos (temperatura, presión, etc.).

c. Instalaciones construidas en función de los materiales almacenados, de la forma de almacenamiento: líquido o gaseoso, en superficie o subterráneos; y de los materiales utilizados para la construcción.

d. Los factores humanos, que se estiman en un 50%, entre los que se encuentran la negligencia, el error de apreciación, de manipulación o poco conocimiento del problema.

2. Entre las causas externas se puede incluir:

a. Explosiones que pudiesen ocasionar escapes u otras explosiones en cadena como la producida, por ejemplo, por un camión en el momento de repostaje o carga/descarga.

b. Accidentes en cadena en zonas industriales. Es lo que se conoce como efecto dominó.

c. Presencia de fenómenos naturales tales como sismos, inundaciones, etc.

d. La rarísima ruptura potencial o colapso de una presa.

e. La caída o accidente de un avión.

Todos estos aspectos anteriores han tratado de recogerse en las diferentes coberturas

A continuación se resumen en una tabla todas las instalaciones de posibles riesgos tecnológicos. Se ha realizado una clasificación en función del tipo de depósito y del tipo de combustible o compuesto químico liberado, la forma de la fuente emisora o instalación y el modelo o tipo de accidente considerado.


79

Tabla 11.- Instalaciones potenciales de riesgo

Fuente Tipo de vertido Compuesto liberado Forma de la fuente Modelado utilizado

Gasoducto Líquido, gas Propano, gas natural Lineal BLEVE. Líquido inflamable desde tanque cilíndrico horizontal

Oleoducto Líquido Gasolina, benceno Lineal BLEVE. Líquido inflamable desde tanque cilíndrico horizontal

Depósito de combustible Líquido, gas Propano Puntual BLEVE. Líquido inflamable desde tanque cilíndrico vertical

Gasolinera Líquido Gasolina, propano Puntual BLEVE. Escape debido a rotura en tanque esférico

Polígono industrial Gaseoso Dióxido de nitrógeno – NO2 Superficial Fuente directa

Plantas de gestión de RTP Líquido, gas Amoniaco – NH3 Puntual Balsa o depósito evaporándose

Depósito de seguridad Líquido, gas Amoniaco – NH3 Puntual Balsa o depósito evaporándose

Incineradora Gaseoso Dióxido de azufre – SO2 Puntual Fuente directa

Gestor autorizado de RTP Líquido, gas Amoniaco – NH3 Puntual Balsa o depósito evaporándose

Vertedero de RSU Gaseoso Metano – CH4 Superficial, puntual Fuente directa

Depuradora EDAR Gaseoso Metano – CH4 Puntual Fuente directa

Estación de transferencia RSU Gaseoso Metano – CH4 Puntual Fuente directa

Aeropuerto Líquido Queroseno, propano Superficial BLEVE. Líquido inflamable desde tanque cilíndrico vertical

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Difusión de contaminantes atmosféricos

80

9. Difusión de contaminantes atmosféricos

La tendencia de los humos y gases a difundirse, a través del viento, es muy variable. A veces un contaminante viaja a grandes distancias sin apenas difundirse, mientras que otras veces se difunde con rapidez desde la fuente, tanto horizontal como verticalmente. Estudios empíricos y teóricos indican que el poder de difusión de la atmósfera depende de la velocidad del viento, de la rugosidad del suelo y de la estabilidad térmica.

9.1. Aspectos generales teóricos

Para conocer y calcular el transporte y dispersión de los contaminantes en la atmósfera se debe tomar como base de partida el principio de continuidad-conservación, que puede representarse así:

PFFFtA

se −+−=ΔΔ , donde

A = Dimensión del medio (volumen)

eF = Flujo entrante

sF = Flujo saliente

F = Fuente contaminante (depósito de combustible, chimenea...)

P = Pozo o sumidero (zonas de absorción y deposición de contaminantes)

tAΔΔ = Variación de la masa por unidad de tiempo

Este principio se aplica en la baja atmósfera para la masa de contaminantes, para el caudal del fluido (masa de aire con contaminantes desplazándose), para su energía cinética y para su energía térmica.

Los mecanismos que intervienen en los desplazamientos (aportes y salidas de las masas de aire con contaminantes) y en el análisis de este principio, son básicamente los siguientes:

1. Advección: Flujos de entrada y de salida de contaminantes arrastrados por el viento. Dependen de la velocidad y dirección del viento.

2. Dilución: En nuestro caso la achacamos a la velocidad del viento, que cuanto mayor sea más dilución provocará, pues para una emisión dada, constante de contaminante, el caudal de aire que provoca la dilución aumentará en la medida en que aumente la velocidad del viento (más volumen de aire para una misma cantidad de compuestos peligrosos)

3. Flujo turbulento: El régimen turbulento se expresa en nuestro caso con la relación:

R (f) = K * G

Siendo:

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Difusión de contaminantes atmosféricos

81

R(f) = Relación de flujo

K = Coeficiente de dispersión

G = Gradiente de concentración de contaminantes

La turbulencia es un movimiento caótico, desordenado y aleatorio. Es un factor de base importante del movimiento de las masas de aire de las capas bajas de la atmósfera. Su modelado es extremadamente difícil, existiendo para ello diversos métodos de cálculo matemático.

4. Estado térmico de la atmósfera: Puede acelerar o frenar la dispersión vertical de los contaminantes. A medida que aumenta la estabilidad térmica atmosférica, los máximos de concentración de los compuestos se alejan de los puntos de emisión. El estado térmico de la atmósfera determina la altura de la capa de mezcla o altura de mezcla, que se refiere a una capa de aire en la que se distribuyen los contaminantes.

5. Efecto fuente – sumidero: Añadir contaminantes (fuente) o consumirlos (sumidero) supone alterar en uno u otro sentido el contenido en contaminantes (concentración y composición).

6. Altura de emisión: Es el factor determinante de las inmisiones a nivel del suelo, que serán en parte menores en función de la altura de la fuente de emisión.

7. Presencia de obstáculos: Un obstáculo provoca torbellinos y turbulencias que favorecen la dispersión o la mitigan.

8. Precipitaciones verticales: La lluvia o la nieve, al arrastrar parte de los compuestos hacia el suelo, modifican sus niveles de presencia en el aire.

9. Reacciones fotoquímicas: En la atmósfera y en presencia de luz, humedad y temperaturas apropiadas, se desarrolla una serie de reacciones entre los diversos compuestos involucrados, que pueden favorecer o frenar la dispersión.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Modelos de dispersión de gases a la atmósfera

82

10. Modelos de dispersión de gases a la atmósfera

En el análisis de la estimación de las consecuencias de las emisiones accidentales a la atmósfera de contaminantes procedentes de actividades industriales, uno de los aspectos clave a considerar es su dispersión en el medioambiente.

10.1. Características generales

Una de las características principales que condicionan la evolución de un gas/vapor en la atmósfera es su densidad, distinguiéndose tres posibilidades:

1. Gases ligeros: Densidad inferior a la del aire.

2. Gases pasivos o neutros: Densidad similar a la del aire.

3. Gases Pesados: Densidad mayor que la del aire.

A efectos prácticos no se puede hablar, en la mayoría de los casos, de un comportamiento puro de gas ligero, neutro o pesado, ya que los factores que influyen en él son múltiples, complejos y variables en el tiempo. De esta forma, una mezcla gas/aire puede evolucionar como un gas pesado, sin serlo, debido a:

1. Peso molecular del gas.

2. Temperatura del gas.

3. Temperatura y humedad del aire circundante.

4. Presencia de gotas líquidas arrastradas en la emisión.

5. Reacciones químicas en la nube, etc.

Otra característica es la duración del escape, que puede dar lugar a:

1. Escapes instantáneos formando una bocanada (puff).

2. Escapes continuos sin depender del tiempo, formando un penacho (plume).

3. Escapes continuos dependiendo del tiempo.

La mayoría de los incidentes por escape empiezan con una descarga de un producto peligroso desde su continente normal. Estos incidentes se pueden originar por orificios o roturas de recipientes de proceso, por juntas de unión en bridas o por válvulas y venteos de emergencia, por destacar las causas más frecuentes.

Los escapes se pueden producir, en función de los compuestos involucrados y la temperatura, en forma de gas, de líquido o en fase mixta líquido-gas (se puede utilizar el programa ALOHA para escapes o fugas gaseosas, y el trabajo realizado por Unamuno (2001) para los vertidos líquidos). Se tratará únicamente el primer tipo, si bien debe señalarse que en fase líquida y mixta la aportación másica del escape es muy superior y la velocidad de evaporación determinará la cantidad aportada para la formación de la nube.


83

De ahí la peligrosidad de escapes de gases licuados del petróleo (GLP) o de cloro licuado, por citar unos ejemplos típicos.

Los Modelos de dispersión o difusión atmosférica son herramientas matemáticas basadas en el comportamiento físico de los gases, partículas o radiación cuya función se centra en la previsión del impacto ambiental atmosférico producido por las emisiones o escapes de aquellas sustancias cuya fuente son instalaciones de industrias contaminantes.

Los modelos de dispersión atmosférica se presentan como instrumentos de gran utilidad a la hora de abordar un número elevado de problemas ambientales. Entre estos, nos encontramos los siguientes:

1. Evaluaciones de impacto ambiental realizadas para estimar la contaminación proveniente de uno o varios focos emisores se carácter puntual, lineal o superficial, existentes o previstos.

2. Optimización de alturas de chimeneas para grandes y medianas instalaciones industriales.

3. Planificación urbana e industrial (escala regional y local).

4. Diseño de redes de calidad del aire.

5. Programas de prevención y predicción de la contaminación potencial.

A continuación se mostrará una clasificación de los modelos de dispersión desde el punto de vista espacial, temporal y matemático.

10.2. Clasificación de los modelos de dispersión

Los modelos que describen la difusión y el transporte de contaminantes atmosféricos pueden ser clasificados atendiendo a una serie de variables distintas, entre las que cabe distinguir:

• Escala espacial: Se puede distinguir, tal como se ha analizado previamente, una escala global, regional a continental, local a regional o local.

• Escala temporal: Donde cabe diferenciar entre modelos episódicos o modelos estadísticos de largo periodos.

• Tratamiento de las ecuaciones de difusión: Modelos eulerianos o lagrangianos.

• Tratamiento de los procesos: Químico, deposición seca o húmeda.

• Complejidad del modelo.

Aparentemente podría parecer imposible realizar una clasificación de todos los modelos de dispersión atmosférica existentes. Una posibilidad, desarrollada por Kielland, basa el análisis clasificatorio en relación a la escala del fenómeno de la dispersión (de global a local).

Evidentemente, la dispersión de la contaminación en el medio atmosférico está influenciada, de forma decisiva, por los procesos atmosféricos, los cuales suelen ser clasificados en relación a su escala espacial. Según Orlanski (1975) se pueden distinguir las siguientes escalas:


84

• Macroescala: Se caracteriza por longitudes que exceden los 1.000 kilómetros de distancia. A esta escala el flujo atmosférico se asocia con fenómenos sinópticos, como por ejemplo la distribución geográfica de los sistemas de presión. Esta clase de fenómenos son debidos principalmente a inhomogeneidades a escala global del balance energético superficial. Todos los procesos envueltos en la dispersión a nivel mundial, y la mayoría de los relacionados con la escala regional-continental, tienen que ver con procesos atmosféricos de macroescala, para los que una aproximación hidrostática (dinámica general de la atmósfera) puede ser válida.

• Microescala: Se caracteriza por longitudes menores de 1 kilómetro. A esta escala, por regla general, el flujo aéreo es muy complejo debido a que depende mucho de las características de la superficie, por ejemplo, la forma de los edificios, su orientación en relación a la dirección del viento, etc. Aunque los efectos térmicos puedan contribuir a la generación de estos flujos, éstos están determinados básicamente por efectos hidrodinámicos, por ejemplo, canalización del flujo o efectos producidos por la rugosidad del terreno, los cuales deben ser descritos de manera correcta para que el modelo simulado sea preciso.

• Mesoescala: Área caracterizada por distancias entre 1 y 1.000 kilómetros. La configuración de los procesos a este nivel escalar depende de efectos hidrodinámicos (efectos de la rugosidad del terreno o efecto tubo producido por valles angostos o edificios) por una parte y de inhomogeneidades en el balance energético (variaciones espaciales en los usos del suelo, la vegetación, el agua, orientación del terreno y pendientes) por otra. Este es el tipo de escala que correspondería a este proyecto.

Siguiendo la metodología de clasificación de Zannetti (1993) se podrían distinguir las siguientes categorías de modelos:

1. Modelos de ascensión de penacho (Plume-rise models): En la mayoría de los casos, los contaminantes liberados en la atmósfera poseen una temperatura más elevada que el aire circundante. Por otra parte, casi la totalidad de los contaminantes de origen industrial tienen como fuente de emisión una chimenea o un foco elevado y, por tanto, poseen un momentum (cantidad de movimiento) vertical inicial. Ambos factores, la fuerza ascensional debida a la temperatura del contaminante junto con la cantidad de movimiento vertical, contribuyen al incremento de la altura media del penacho sobre la parte superior de la chimenea. Este tipo de modelos de ascensión de penacho calculan el desplazamiento vertical y el comportamiento del compuesto en los estadíos iniciales de la difusión del mismo.

2. Modelos semi-empíricos: En esta categoría se engloba una cantidad de tipos de modelos que han sido desarrollados para aplicaciones prácticas. A pesar de las grandes diferencias conceptuales halladas dentro de esta clase, todos estos modelos se caracterizan por una drástica simplificación y un alto grado de parametrizaciones empíricas. Un ejemplo clásico es el llamado Modelo de cajas (Box model) en el que, de forma muy sencilla, se podría relacionar la velocidad del viento y la altura de mezcla de los contaminantes para obtener un volumen efectivo en donde los contaminantes se pueden mezclar. Se toma un volumen determinado de una masa de aire, que se repite varias veces (multicajas), en el que la dispersión se puede representar


85

mediante una dilución homogénea en todo ese volumen. El volumen que indicamos puede corresponder a una ciudad, a una calle, a un valle, a una comarca o a un territorio superior. La representación se realiza mediante la fórmula:

yuLQXΔ

= , donde:

X = Concentración de la inmisión (g/m3) Q = Caudal de emisión de contaminantes (g/s) u = Flujo saliente de advección, es decir la velocidad del viento en m/s L = Altura del foco (m)

yΔ = Anchura de la caja (m) 3. Modelos eulerianos: El transporte de contaminantes inertes en el aire

puede ser convenientemente modelado con la ayuda de modelos que solucionen matemáticamente ecuaciones de difusión atmosférica, por ejemplo, la ecuación de la conservación de la masa del contaminante.

4. Modelos lagrangianos: Como una alternativa al modelo anterior, la aproximación realizada por estos modelos consiste en la descripción de la mecánica de fluidos de los elementos después del escape instantáneo. En este tipo de modelos se incluyen las huellas contaminantes que se pueden dividir en distintos elementos (partículas, segmentos, nubes emisoras). Estos modelos lagrangianos utilizan una serie de particulas ficticias para simular el comportamiento dinámico de cualquier parámetro físico (Monte Carlo techniques). Además, el transporte debido al viento medio y a la fracción turbulenta debida a fluctuaciones del viento se tienen en cuenta en este tipo de modelos.

5. Modelos químicos: Numerosos modelos incluyen módulos para el cálculo de las transformaciones químicas. La complejidad de estos módulos varía, desde aquellos que incluyen una reacción simple y primaria (transformación del dióxido de azufre en sulfatos) a otros que describen complejas reacciones fotoquímicas. Se han estudiado numerosos procesos de reacciones químicas que simulan la manera de interactuar de los compuestos químicos. Estos estudios se han implementado en modelos químicos eulerianos y langrangianos. Tal como se explicó en el capítulo 5.1 sobre el significado de estos se puede añadir que en los primeros, se establece una malla tridimensional que cubre todo el dominio de estudio y donde se simulan las reacciones químicas en cada celda y en cada intervalo de tiempo. En los segundos, se supone el espacio dividido en cada instante en pequeñas unidades de volumen y en cada una de ellas un vector representativo del movimiento instantáneo de esa pequeña masa de aire. La trayectoria de esos volúmenes vendrá representada por vectores de posición.

6. Modelos de inmisión o del receptor: Al contrario que los modelos de dispersión, que calculan la contribución de una fuente emisora sobre un receptor como el producto de la cantidad emitida por el coeficiente de dispersión, los modelos de inmisión empiezan por observar las concentraciones en un punto determinado y tratan de distribuir las concentraciones observadas en punto entre los diferentes tipos de fuentes. Esta técnica puede ser realizada si se conocen la composición química de la fuente y los materiales del receptor. Estos modelos se basan en ecuaciones


86

de balance de masa y deben ser tomados como estudios estadísticos ya que no aportan una relación causa-efecto entre las emisiones y las concentraciones. A pesar de lo anterior, metodologías mixtas de dispersión-inmisión se han desarrollado con cierto éxito.

7. Modelos estocásticos: Estos modelos están basados en técnicas estadísticas o semi-empíricas con el fin de analizar las tendencias, periodicidades e interrelaciones entre la calidad del aire y los datos atmosféricos para predecir la evolución de los episodios de contaminación. Entre estas técnicas se encuentra el análisis de la distribución frecuencial, el análisis de series temporales, modelos de cajas, etc. La aplicación de este tipo de modelos es limitada ya que no se establece una relación causa-efecto, aunque sí es útil en situaciones en tiempo real con predicciones a corto plazo donde la información disponible sobre concentraciones medidas es más relevante que aquella obtenida de análisis determinísticos.

8. Modelos gaussianos: Este tipo de modelo es el más utilizado dentro de la modelización de contaminantes aerotransportados. Está basado en la suposición de que la concentración en el penacho, a una misma distancia a sotavento de la fuente de emisión, muestra una distribución gaussiana independiente en ambas direcciones, en la horizontal y vertical. Casi todos los modelos recomendados por la Agencia de Protección Medioambiental (EPA) de los Estados Unidos siguen un modelo de dispersión gaussiano. Este tipo de modelos de dispersión han sido modificados y mejorados para incorporar casos de difusión especiales. Más adelante se desarrollará en profundidad este tipo de modelo desde el punto de vista matemático y teórico-práctico. actúan los siguientes mecanismos:

a. Dilución b. Estabilidad térmica c. Efecto fuente, principio de continuidad-conservación. d. Dispersión turbulenta

Se consideran, además, las siguientes hipótesis: a. Viento constante b. Situación estacionaria (fenómeno constante en un punto dado a lo

largo del tiempo) c. Terreno llano d. Terreno sin obstáculos e. Escalas de tiempo de 10 a 20 minutos f. Al llegar los contaminantes cerca del suelo rebotan por reflexión

turbulenta

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Modelo de dispersión gaussiano

87

11. Modelo de dispersión gaussiano

El modelo de dispersión gaussiano describe el transporte y la mezcla de los contaminantes y es la aproximación computerizada más aceptada para calcular la concentración de un contaminante en un punto determinado. Este modelo ha sido el utilizado en este proyecto para la obtención de las superficies expuestas a riesgos tecnológicos. El programa de modelado de la dispersión atmosférica ALOHA, explicado más adelante, tiene implementado el modelo gaussiano.

11.1. Hipótesis y formulación

Asume que la dispersión de estos en la dirección vertical y horizontal tomará como forma representativa una curva gaussiana normalizada en donde la máxima concentración se localiza en el centro (unión de los ejes vertical y horizontal) del penacho contaminante.

El modelo gaussiano de fuente puntual continua supone como hipótesis de partida que las concentraciones de contaminante, en cualquier punto considerado a sotavento, están estabilizadas y no dependen del tiempo. Este modelo, por tanto, describe comportamientos de los gases de fuerza ascensional neutra, dispersados en la dirección del viento y arrastrados a la misma velocidad.

Los gases pesados muestran una elevación inicial del penacho debida al impulso de salida, como sucede en todo escape, seguida de una cierta caída en curva por influencia de su densidad.

Figura 41.- Evolución del penacho de gases pesados

Comparándolos con los gases neutros se ve que los gases pesados presentan en los

momentos iniciales un comportamiento distinto, por lo cual se han desarrollado modelos sofisticados. Sin embargo, al cabo de cierto tiempo y a medida que se diluyen en el aire, las características y el comportamiento se pueden asimilar a los de un gas neutro. Si el escape de un gas pesado es de una proporción o intensidad de descarga moderadas, se puede tratar aceptablemente con el modelo gaussiano de gas neutro que es de aplicación mucho más sencilla.


88

Figura 42.- Representación de las superficies gaussianas en el penacho

En la figura anterior, el cilindro naranja representa la fuente de emisión, es decir, el

fuste de una chimenea, por ejemplo. A es la altura física de la chimenea y B es la altura efectiva de la misma. Las curvas rojas representan la dispersión en la dirección horizontal y las azules en la dirección vertical. Hay dos curvas para cada dirección, tratando de mostrar que las curvas gaussianas pueden ser anchas o estrechas pero que siempre mantienen la misma área.

Existen numerosas versiones del modelo gaussiano de dispersión. Una ecuación clásica y siempre utilizada es la enunciada por el modelo Pasquill-Gifford.

La ecuación de distribución gaussiana emplea cálculos relativamente simples, que sólo requieren dos parámetros de dispersión ( y ) para identificar la variación de las concentraciones de contaminantes que se encuentran lejos del centro de la pluma, D.B. Turner, 1970. Esta ecuación determina las concentraciones de contaminantes en el nivel del suelo sobre la base de las variables atmosféricas de tiempo promedio (por ejemplo, la temperatura y la velocidad del viento).

A continuación se muestra la fórmula normalizada para la dispersión de una fuente puntual elevada.

( ) ( )⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

⎟⎟⎠

⎞⎜⎜⎝

⎛ +−+⎟⎟

⎠

⎞⎜⎜⎝

⎛ −−⋅

⎥⎥⎦

⎤

⎢⎢⎣

⎡⎟⎟⎠

⎞⎜⎜⎝

⎛−⋅= 2

2

2

2

2

2

2exp

2exp

2exp

2),,(

zzyzy

HzHzyuQzyxC

σσσσσπ

donde:

C = Concentración del contaminante en el aire en las direcciones x, y, z (μg/m3).

x = Coordenada horizontal a lo largo de la dirección del viento (m).

y = Coordenada horizontal transversal, perpendicular a la dirección del viento (m).

z = Coordenada vertical (m).

Q = Caudal másico de contaminante emitido (μg/s).

u = Velocidad del viento en la dirección x, a la altura de emisión (m/s).


89

σy = Desviación estándar de la distribución de concentración horizontal transversal, consecuencia de la turbulencia horizontal (m).

σz = Desviación estándar de la distribución de concentración vertical, consecuencia de la turbulencia vertical (m).

H = Altura efectiva de emisión de la fuente (m).

Se puede asumir que las concentraciones de contaminantes en la pluma están distribuidas normalmente, como se señala en la figura siguiente:

Figura 43.- Distribución normal de la concentración de contaminantes

Fuente: EPA (2005)

La distribución gaussiana determina el tamaño de la pluma a sotavento de la fuente. La figura siguiente muestra otra representación esquemática de la pluma gaussiana. El tamaño de la pluma depende de la estabilidad de la atmósfera y de su propia dispersión en dirección horizontal y vertical. Los coeficientes de la dispersión horizontal y vertical ( y

, respectivamente) sólo representan la desviación estándar de la normal en la curva de distribución gaussiana en las direcciones y y z. Estos coeficientes de dispersión, y , son funciones de la velocidad del viento, de la cobertura de nubes y del calentamiento de la superficie por el sol.

Figura 44.- Representación gráfica de las desviaciones estándar horizontal y vertical

Fuente: Turner, 1970.


90

Para la distribución gaussiana es necesario que el material en la pluma o penacho se mantenga. En otras palabras, se debe dejar que el borde de la pluma se refleje desde el suelo sin perder ninguna contaminación. Además, la distribución gaussiana y la elevación de la pluma dependen de que el suelo sea relativamente plano a lo largo del recorrido. Como se expuso anteriormente, la topografía afecta el flujo y la estabilidad atmosférica del viento. Por consiguiente, un terreno desigual debido a la presencia de cerros, valles y montañas afectará la dispersión de la pluma y la distribución gaussiana deberá ser modificada.

La figura siguiente muestra la aportación de cada parte de la ecuación Pasquill – Gifford para la distribución y emisión de contaminantes a lo largo de la dirección del viento y en su sentido perpendicular.

Figura 45.- Representación gráfica de los componentes del modelo Pasquill-Gifford

La altura efectiva de la chimenea es igual a la altura física de la misma más el

ascenso del penacho contaminante. La elevación de éste ha sido tema de estudio durante muchos años. Las fórmulas más usadas son las desarrolladas por Gary A. Briggs. La ecuación siguiente incluye la fórmula que se aplica a las plumas dominadas por la flotabilidad. Las fórmulas de la elevación de la pluma se usan en penachos con temperaturas mayores que la del aire ambiental.

Ecuación de Briggs:

( )uxFH b16,1 3/23/1 ⋅⋅⋅=Δ

Donde Fb es:

⎟⎟⎠

⎞⎜⎜⎝

⎛ −⋅=

g

agb T

TTVdgF4

2

y donde cada término representa:

ΔH = Incremento de altura del penacho desde la fuente (m). x = Distancia horizontal a lo largo de la dirección del viento (m). u = Velocidad del viento sobre la dirección x (m/s). Fb = Flujo de ascenso (Buoyancy Flux) (m4/s3).


91

g = Aceleración debida a la gravedad (m/s2). d = Diámetro de la fuente o chimenea (m). V = Velocidad inicial de salida (m/s). Tg = Temperatura del gas (ºK). Ta = Temperatura del aire (ºK).

Para obtener el modelo de una pluma mediante la distribución gaussiana, es necesario que:

• La dispersión de la pluma tenga una distribución normal (esto es, una distribución acampanada, como se muestra en la figura 43)

• La tasa de emisión o caudal másico (Q) sea constante y continua. • La velocidad y la dirección del viento sean uniformes • La reflexión total de la pluma se produzca en la superficie

11.2. Clasificaciones de estabilidad

Como se señaló anteriormente, la estabilidad de la atmósfera depende de la diferencia de temperatura entre una porción de aire y el aire que la rodea. Por consiguiente, se pueden producir diferentes niveles de estabilidad según cómo de grande o pequeña sea la diferencia de temperatura entre la porción de aire y el aire circundante. Como se describió en el capítulo 4 sobre la circulación atmosférica, ésta puede comportarse como estable, condicionalmente estable, neutra, condicionalmente inestable o inestable. Sin embargo, para estimar la dispersión y los propósitos del modelo, estos niveles de estabilidad se clasifican en seis clases basadas en cinco categorías de velocidad del viento superficial, tres tipos de insolación diurna y dos tipos de nubosidad nocturna. Estos tipos de estabilidad se denominan clases de estabilidad Pasquill-Gifford, incluidas en la tabla 12. Como puede verse en el cuadro, las estabilidades A, B y C representan las horas diurnas con condiciones inestables. La estabilidad D, los días o noches con cielo cubierto con condiciones neutrales. Las estabilidades E y F, las condiciones nocturnas estables, y se basan en la cantidad de cobertura de nubes. Por consiguiente, la clasificación A representa condiciones de gran inestabilidad y la clasificación F, de gran estabilidad.

Tabla 12. Clave para las categorías de estabilidad

Viento superficial Insolación Noche

Velocidad a 10 m(m/s)

Alta Moderada LigeraCobertura de nubes bajas ≥ 4/8

Cobertura de nubes ≥ 3/8

< 2 A A – B B - - 2 – 3 A – B B C E F 3 – 5 B B – C C D E 5 – 6 C C – D D D D > 6 C D D D D

* Ligeramente cubierto Nota: Se deben asumir clases neutrales D para condiciones de cielo cubierto durante el día o la noche.

En los modelos gaussianos, la dispersión de la pluma lejos de la línea central está representada por los coeficientes de dispersión, σy (horizontal) y σz (vertical). La dispersión de la pluma depende de la clasificación de estabilidad asignada al escenario bajo estudio. En la parte izquierda de la figura 46 se muestran los valores que los modelos gaussianos emplean para la dispersión horizontal según la clasificación de la estabilidad y la distancia a


92

sotavento de la chimenea o foco de emisión. Como es de suponer, los coeficientes de dispersión horizontal aumentan a medida que las condiciones atmosféricas se hacen menos estables (van de F a A). De manera similar, en la parte derecha de la figura 46 se muestran los valores usados por modelos gaussianos para estimar la dispersión vertical. Si se comparan los dos gráficos, se puede observar que la clasificación de la estabilidad afecta a la dispersión vertical más radicalmente que a la horizontal. Los siguientes gráficos de los coeficientes de dispersión se pueden usar a fin de obtener valores para σy y σz empleados como datos de alimentación para la ecuación de distribución gaussiana.

Figura 46.- Coeficientes de dispersión horizontal y vertical

Fuente: EPA (2005)

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos El modelo de dispersión ALOHA

93

12. El modelo de dispersión ALOHA

El programa de modelado de dispersión atmosférica empleado ha sido el ALOHA en su versión más reciente, la 5.4, aparecida en febrero de 2006 y donde, como novedad, se recoge la posibilidad de modelar los accidentes de tipo BLEVE, es decir, explosiones

Este software está integrado dentro del paquete informático de respuesta y gestión de emergencias estadounidense CAMEO (Computer-Aided Management of Emergency Operations). Es un conjunto de programas creado conjuntamente por la E.P.A. (Environmental Protection Agency) en su sección de emergencias químicas (Chemical Emergency Preparedness And Prevention Office), y por la agencia NOAA (National Oceanic And Atmospheric Administration), de la división de respuesta ante riegos materiales (Hazardous Materials Response Division). El ALOHA (Areal Locations of Hazardous Atmospheres) es un programa diseñado especialmente para ser usado por equipos de respuesta en accidentes de tipo químico, para el entrenamiento y planificación de dichas respuestas. El ALOHA puede evaluar escapes de elementos químicos por rotura de válvulas, tanques de almacenamiento o evaporación de líquidos encharcados. Su función principal es predecir cómo una nube de gas peligroso se dispersa en la atmósfera después de un escape accidental.

12.1. Parámetros básicos del programa

El ALOHA precisa para su funcionamiento de cuatro parámetros básicos:

1. La localización: La situación de la fuente se utiliza para hacer cierta referencia a la posición solar, al igual que se indica la fecha y la hora.

2. El elemento químico: Tener claras las condiciones de escape no resulta fácil de obtener, ya que es impredecible conocer, en muchos casos las cantidades y los volúmenes de estas sustancias pueden o podrían no estar a disposición pública.

3. Las condiciones meteorológicas: Los datos que se requieren en este apartado son los propios que se estiman en la recogida de datos meteorológicos de una estación. Idealmente el programa permite conectar con una estación meteorológica móvil (Station for Atmospheric Measurement – SAM) para introducir los datos de manera directa. Entre la información que se requiere destaca la velocidad del viento, la dirección del viento y la altura de la medida meteorológica. Por otro lado se requieren las características de rugosidad del terreno (variaciones de altitud del entorno del foco – campo abierto, ciudad o zona forestal), el nivel de cobertura del cielo, es decir, valorar de 1 a 10 la nubosidad existente. Por último, se ha de introducir la temperatura del aire, la clase de estabilidad atmosférica (ver tabla 12 en capítulo 11), la posible existencia de inversión térmica y la humedad del ambiente.

4. El tipo de emisión: El programa requiere de la mayor cantidad de información disponible sobre el tipo de escape que se haya producido. En caso de ser por rotura de un tanque de combustible o almacenamiento, de


94

una tubería o gaseoducto, o por emisión directa. Todos los supuestos requieren de información sobre la liberación, sea la temperatura del gas, la presión, el diámetro del orificio de salida en caso de rotura, si ha sido por emisión brusca o continuada, el tiempo transcurrido durante la emisión, etc. En definitiva, las características reales o probables de una emisión de gases.

El programa ALOHA tiene ciertas limitaciones, como cualquier modelo de dispersión atmosférica, que impiden la realización de huellas de contaminantes precisas y realistas. Las limitaciones advertidas por el propio programa son las siguientes:

1. Condiciones de viento de muy baja velocidad. Para velocidades de viento menores a 2 nudos o 1 metro por segundo medidas a 3 metros de altura sobre el terreno, las huellas contaminantes no son fiables ya que en esas condiciones tan estables los contaminantes se pueden dispersar por zonas fuera de la huella o penacho.

2. Condiciones atmosféricas muy estables. Relacionado con lo expuesto en el punto anterior, bajo condiciones de gran estabilidad atmosférica habrá por lo general velocidades de viento muy bajas y a penas mezcla de contaminantes entre la nube de gas y la atmósfera circundante.

3. Cambios en la dirección de viento y efectos del terreno. Bajo el programa ALOHA se asume que la velocidad y dirección de viento son constantes a cualquier altura y a lo largo del trazado seguido por la nube contaminante o tóxica después de un escape químico. ALOHA también considera que el terreno bajo la nube de gas es relativamente llano y libre de obstáculos.

4. No se puede predecir la concentración del gas liberado después de un escape en un instante y un punto determinados a sotavento del escape ya que, entre otras cosas, ello depende de factores aleatorios. ALOHA, en cambio, muestra concentraciones que representan medias para periodos de tiempo de varios minutos. ALOHA predice que las concentraciones medias serán mayores más cerca del punto del accidente o escape y a lo largo del eje que muestra la dirección del viento.

Si en los anteriores párrafos se ha explicado las dificultades que ALOHA tiene para predecir las huellas de contaminantes en ciertas situaciones, con resultados que hay que tomar con prevención, a continuación se resaltarán las situaciones que están fuera del alcance del programa y que en ningún caso se podrán modelar:

1. Los derivados de la combustión tras fuegos o explosiones. Es decir, ALOHA no tiene en cuenta los derivados de la combustión, por ejemplo el humo, ya que éste se eleva justo después de la explosión y antes de que el viento actúe. Por otro lado, ALOHA tampoco modela las reacciones químicas que se puedan ocasionar en la interacción de los gases expulsados en el escape y los gases propios de la atmósfera.

2. Otro caso que ALOHA no tiene en cuenta son los procesos que afectan a la dispersión de partículas.

3. ALOHA ha sido diseñado para modelar sustancias químicas puras y algunas soluciones pero en ningún caso es posible predecir el comportamiento de mezclas químicas.

4. Por último, ALOHA no modela la dispersión y comportamiento de fragmentos peligrosos producto de una explosión.


95

12.2. Datos de base: Inputs y variables

A continuación se expondrá todos los pasos necesarios para obtener una correcta huella de contaminante que, posteriormente, nos permitirá representar cartográficamente la exposición derivada de los riesgos involucrados en este estudio.

Figura 47.- Interfaz del programa ALOHA

La figura anterior representa la visión de la interfaz que aparece siempre en el

programa. Sobre ese resumen de texto que está inserto sobre la ventana del programa irán apareciendo todos los valores y parámetros que se van definiendo para componer el tipo de suceso o accidente. Entre ellos se encuentra la localización de la fuente emisora, los datos del compuesto químico, los datos de la información meteorológica, los datos del tipo de emisión (tipo de fuente y forma del foco) y los niveles de alerta.

A continuación se irá exponiendo gráficamente cada uno de ellos en los siguientes apartados:

12.2.1. Localización de la fuente emisora

El programa permite definir la información referente al foco emisor donde se puede producir un accidente o un escape de algún compuesto.

Figura 48.- Datos de localización del foco


96

En la figura anterior se muestran los parámetros a introducir para añadir un foco. Entre estos se encuentran el nombre, la altitud de la instalación y las coordenadas expresadas en coordenadas geográficas.

12.2.2. Tipo de edificio

También se deben introducir las características del edificio o instalación que produce la emisión o el accidente

Figura 49.- Parámetros de infiltración de edificios

Por un lado el programa permite seleccionar el tipo de edificio, según aparece en la

figura anterior, con las características de volumen y altura del mismo.

1. Edificio cerrado de oficinas 2. Edificio de un piso

a. Alrededores resguardados (árboles, arbustos…) b. Alrededores despejados

3. Edificio de dos pisos a. Alrededores resguardados (árboles, arbustos…) b. Alrededores despejados

4. Relación de intercambio aéreo por hora Por otro lado, se requiere la introducción de las características de los edificios

circundantes. Se permiten dos posibilidades: que el edificio esté despejado de obstáculos o que el edificio esté rodeado de objetos u otros edificios que provoquen un efecto de apantallamiento a la hora de modelar las emisiones.

12.2.3. Tipo de compuesto químico

Otro factor importante es el escoger el compuesto químico adecuado, es decir, la composición del gas o líquido liberado en el suceso catastrófico.

En la figura siguiente se puede observar la ventana del programa ALOHA para la elección de ese compuesto químico. Existe la posibilidad de elegir entre una cantidad enorme compuestos químicos puros o una serie de soluciones químicas, entre las que se encuentran el ácido nítrico y otros.


97

ALOHA, para cada uno de los compuestos químicos, tiene insertadas las características físico – químicas de ellos. Destacan el punto de ebullición, la concentración, la presión, el punto de congelación, los niveles de alerta estudiados empíricamente, etc.

Figura 50.- Elección del compuesto químico

12.2.4. Datos y condiciones meteorológicas

Dentro de este apartado, los parámetros que se deben introducir necesariamente son la velocidad del viento, medida en nudos, millas por hora o metros por segundo; la dirección del viento, tanto en forma de dirección propia de la rosa de los vientos como en ángulo; la altura de medida con respecto al suelo de las variables antes mencionadas.

Figura 51.a.- Introducción de datos meteorológicos

Por otra parte, se debe incluir un valor para la rugosidad del terreno situado a

sotavento del punto de emisión. El grado de turbulencia atmosférica influye en como se mezclan la nube contaminante y el aire que le rodea. La fricción entre el terreno y el aire que pasa por esa zona es uno de los factores que influyen en la turbulencia atmosférica. Por supuesto, cuanta mayor rugosidad y, por tanto, fricción haya en la superficie, mayor será la turbulencia que se genere.

ALOHA permite introducir un valor para la rugosidad que oscila entre 0,001 (para el hielo o pista de aeropuerto) y 165 (zonas urbanas enrevesadas y altas). En general, un valor inferior a 20 es considerado como rugoso y mayor es considerado como despejado.


98

ALOHA también necesita conocer la porción de cielo que está cubierto de nubes o despejado ya que la radiación solar incidente es otro aspecto a tener en cuenta. Los valores permitidos oscilan en un rango entre 0 y 10, de completamente cubierto a despejado.

Figura 51.b.- Introducción de datos meteorológicos

En otro orden, en una segunda ventana relacionada con los aspectos atmosféricos,

se debe introducir un valor de temperatura ambiente que influirá a la hora de comparar la temperatura de escape del gas con el aire circundante. También se ha de introducir la clase de estabilidad, ya explicada en el capítulo 11.2 del presente proyecto, así como la existencia o no de inversión térmica. Este aspecto es fundamental ya que la presencia de ella hace que los contaminantes permanezcan largo tiempo en el área de emisión, agravando enormemente los problemas de salud.

Por último, se ha de incluir el dato sobre la humedad relativa. ALOHA considera importante este aspecto para calcular el valor de mezcla de contaminantes en la atmósfera, para estimar el ratio de evaporación cuando la fuente se trate de una balsa o depósito abierto (puddle) y para realizar los cálculos en la dispersión de gases pesados.

A continuación se enumeran, de forma esquemática, todos los aspectos tratados que conciernen a la situación y condiciones atmosféricas.

1. Velocidad del viento 2. Dirección del viento 3. Altura del medidor sobre el terreno 4. Rugosidad del terreno

a. Campo abierto b. Zona urbana o boscosa c. Valor de longitud de rugosidad

5. Cobertura nubosa 6. Temperatura del aire 7. Tipo de estabilidad atmosférica 8. Opciones de inversión atmosférica 9. Humedad

12.2.5. Tipo de fuente y forma del foco

La potencia de la fuente (source strength) es tanto el ratio al cual el compuesto químico entra en la atmósfera como el ratio al cual se quema, dependiendo del escenario. Puede que un compuesto sea liberado muy rápidamente (la potencia de la fuente es alta),


99

por ejemplo cuando un contenedor contiene sustancias a presión, o puede que se libere más lentamente sobre un periodo de tiempo más prolongado (la potencia de la fuente es baja), por ejemplo cuando se evapora un depósito abierto o balsa. ALOHA puede modelar cuatro tipos de fuentes distintas:

1. Directa: Se elegirá esta opción si se conoce el ratio (cantidad y duración) de emisión al cual el contaminante está siendo liberado o evaporado directamente a la atmósfera o si se tiene poca información sobre la emisión y no se puede utilizar otra opción.

Como se puede observar en la figura siguiente ALOHA pide la introducción de una serie de parámetros, como son: las unidades de masa o volumen, elección de emisión instantánea o continua, la cantidad de contaminante liberado a la atmósfera y la altura de la fuente.

Figura 52.a.- Parámetros de la fuente tipo “directa”

2. Charco o balsa o depósito a cielo abierto (puddle): Se utilizará este tipo de

fuente cuando se quiera modelar el vertido de un líquido o compuesto químico que ha formado un charco o está almacenado en una balsa y está siendo evaporando en la atmósfera.

ALOHA permite modelar dos tipos de escenarios dentro de este tipo de fuente: la evaporación de la balsa o charco y el incendio de la misma (pool fire). En el primero se contabilizan los efectos tóxicos, las nubes de vapor y la sobrepresión y en el segundo el sobrecalentamiento.

Figura 52.b.- Parámetros de la fuente tipo “balsa”

3. Tanque o depósito: El compuesto es liberado del depósito de almacenamiento,

tanto como un gas como un líquido.


100

Se debe introducir la forma y el tamaño o volumen del tanque. Más tarde, en otra ventana se pide la inclusión de otros parámetros como: el estado físico del compuesto (líquido o gas) y la temperatura del tanque, así como el volumen del líquido o gas dentro del contenedor.

Después se pide el tipo de escenario: BLEVE, depósito ardiendo (pool fire) o balsa a cielo abierto evaporándose (evaporating puddle).

Figura 52.c.- Parámetros de la fuente tipo “depósito o tanque”

4. Canalización: Escape de gas presurizado a través de la rotura de una tubería

La canalización puede estar ardiendo o no. Para el primer caso, con respecto a los riesgos potenciales, ALOHA mide los efectos de la nube tóxica que se producen a sotavento de la instalación, tiene en cuenta la nube de vapor ocasionada y los efectos de la sobrepresión después de una supuesta explosión. En el segundo caso, cuando el compuesto químico esté ardiendo, los riesgos potenciales son producto del sobrecalentamiento y de los subproductos a sotavento del escape.

Figura 52.d.- Parámetros de la fuente lineal tipo “conducción de gas”

12.3. Niveles de alerta: Levels of Concern

El Nivel de alerta (Level of Concern – LOC) es el umbral de concentración de contaminante aerotransportado a partir del cual existe riesgo El programa ALOHA da cuatro posibilidades de nivel de alerta (LOC):


101

1. IDLH: Es el acrónimo en inglés para Nivel de peligrosidad inmediato para la vida o salud (Immediately Dangerous to Life or Health). Originariamente fue un límite establecido por el Instituto Nacional para la Seguridad y la Salud en el Trabajo (National Institute for Occupational Safety and Health – NIOSH) para seleccionar mascarillas de oxígeno para su uso en lugares de trabajo. El nivel IDLH de un producto químico es una estimación de la concentración máxima en el aire a el cual un trabajador sano podría ser expuesto sin sufrir efectos permanentes sobre la salud o efectos que le imposibilitasen escapar del lugar del accidente.

2. AEGL: Los niveles guía de exposición aguda (Acute Exposure Guideline Levels – AEGL) han sido desarrollados por el Comité sobre toxicología del Consejo nacional de investigación de los EE.UU. El Comité ha llevado a cabo directrices detalladas para el desarrollo de estándares uniformes y sencillos de respuesta a emergencias para el público en general. Los criterios en las directrices han tenido en cuenta a las personas más sensibles en caso de accidente y han pretendido proteger a la inmensa mayoría de la población. El comité ha comenzado a poner las directrices en práctica desarrollando niveles AEGL para productos químicos específicos. A mediados del año 2001 se definieron valores de AEGL para cuatro productos químicos y actualmente se están preparando valores de AEGL para más productos químicos. El objetivo del comité es definir valores de AEGL para las 300 sustancias más peligrosas enumeradas en la legislación de los E.E.U.U. (la EPA ofrece una lista en internet de estas sustancias). Las directrices definen tres niveles base de AEGL:

a. AEGL 1: La concentración aerotransportada de una sustancia sobre la cual se predice que la población en general, incluyendo individuos susceptibles, podría experimentar malestar notable, irritación, o ciertos efectos no sensoriales asintomáticos. Sin embargo, los efectos no provocan daños irreversibles y permanentes después de terminar a la exposición al riesgo.

b. AEGL 2: La concentración aerotransportada de una sustancia sobre la cual se predice que la población en general, incluyendo individuos susceptibles, podría experimentar efectos sobre la salud adversos e irreversibles y también incapacidad para escaparse en una situación de peligro.

c. AEGL 3: La concentración aerotransportada de una sustancia sobre la cual se predice que la población en general, incluyendo individuos susceptibles, podría experimentar efectos peligrosos para la salud o incluso la muerte.

Cada uno de los tres niveles de AEGL (AEGL-1, AEGL-2 y AEGL-3), han sido desarrollados para cada uno de los periodos de exposición: 10 minutos, 30 minutos, 1 hora, 4 horas y 8 horas. ALOHA, sin embargo, sólo utiliza un periodo de exposición de AEGL de diez minutos.

Cuando el nivel AEGL está disponible y se conoce puede ser el mejor método de nivel de alerta. Sin embargo el juicio de experto y la experiencia deberían utilizarse para seleccionar el nivel de alerta adecuado y poder interpretar los datos obtenidos a raíz de su utilización.


102

3. ERPG: Las directrices de planificación en respuesta a emergencias (Emergency Response Planning Guidelines – ERPG) han sido desarrolladas por el comité ERPG de la Asociación americana de la industria del higiene (American Industrial Hygiene Association). Las ERPG fueron concebidas como directrices de planificación para anticiparse a los efectos adversos y nocivos sobre la población debidos a la exposición a productos químicos tóxicos. Los niveles ERPG han sido estructurados en tres grados con un denominador común: la duración de una hora a la exposición al peligro. Cada directriz identifica la sustancia, las propiedades químicas y físicas información estudiada de toxicidad sobre animales y experiencias en la población.

a. ERPG 1: es la concentración aerotransportada máxima por debajo de la cual se cree que la inmensa mayoría de las personas pudieran estar expuestas durante una hora sin sufrir otros síntomas que no sean efectos suaves y pasajeros sobre la salud o percibir un claro hedor.

b. ERPG 2: es la concentración aerotransportada máxima por debajo de la cual se cree que la inmensa mayoría de las personas pudieran estar expuestas durante una hora sin sufrir o desarrollar efectos irreversibles sobre la salud u otros efectos que pudiesen perjudicar las posibilidades de una persona para tomar medidas de protección.

c. ERPG 3: es la concentración aerotransportada máxima por debajo de la cual se cree que la inmensa mayoría de las personas pudieran estar expuestas durante una hora sin sufrir o desarrollar efectos en la salud con riego de muerte.

Las directrices ERPG no protegen a todo el mundo. Las personas hipersensibles sufrirían reacciones adversas a concentraciones mucho menores que las sugeridas por las directrices. De hecho, según aparece reflejado en el ALOHA, los niveles ERPG, como otros niveles ya vistos, están basados sobre todo en estudios sobre animales, por lo que se deben tomar con precaución cuando se pretendan aplicar a humanos. Este tipo de niveles se enfocan en el periodo temporal de una hora después de la emisión del gas o del accidente. Los periodos de exposición pueden ser más dilatados o menos, sin embargo el comité realizador de los niveles ERPG advierte contra tratar de extrapolar los niveles ERPG a periodos más amplios de tiempo.

Es importante recordar sobre los niveles ERPG que no contienen factores de seguridad, por el contrario, los ERPG se estiman mediante las supuestas reacciones del público general a exposiciones a contaminantes. Los ERPG deben servir como un instrumento de planificación y no como un estándar para proteger al público en general.

4. TEEL: Límites de exposición a emergencias temporales (Temporary Emergency Exposure Limits – TEEL) son niveles de alerta temporales similares a ERPG definidos por el Departamento de energía de los EE.UU. para usarlos cuando los niveles ERPG no están disponibles. Tal como se acaba de comentar más arriba sobre ERPG, los niveles TEEL no incorporan factores de seguridad. En cambio, están diseñados para representar la predicción sobre la supuesta respuesta del público en general


103

a incidentes relacionados con compuestos químicos a diferentes concentraciones. Estos niveles de alerta se pueden dividir en tres grados:

a. TEEL-1 predice irritación y otros efectos menores.

b. TEEL-2 predice irritación seria pero con efectos reversibles.

c. TEEL-3 predice impacto muy severo con probabilidad de muertes.

Las directrices TEEL no protegen a todo el mundo. Las personas hipersensibles sufrirían reacciones adversas a concentraciones mucho menores que las sugeridas por las directrices. De hecho, según aparece reflejado en el ALOHA, los niveles TEEL, como otros niveles ya vistos, están basados sobre todo en estudios sobre animales, por lo que se deben tomar con precaución cuando se pretendan aplicar a humanos. Este tipo de niveles se enfocan en el periodo temporal de una hora después de la emisión del gas o del accidente. Los periodos de exposición pueden ser más dilatados o menos, sin embargo el comité realizador de los niveles TEEL advierte contra tratar de extrapolar los niveles TEEL a periodos más amplios de tiempo.

Al contrario que los niveles ERPG, que se derivan de extensas experiencias sobre animales, los niveles TEEL proceden de una metodología estándar que usa niveles de alerta (LOC) disponibles y procedimientos preestablecidos para adoptarlos a los niveles TEEL. Como resultado de ello estos niveles están disponibles para una amplia gama de compuestos químicos.

La metodología para la obtención de niveles TEEL, la cual usa un mayor abanico de información disponible que la requerida para la obtención de los niveles ERPG, puede ser utilizada para obtener los niveles de alerta para una gama amplia de productos químicos. La principal ventaja de los niveles TEEL es que puede proveer referencias útiles cuando no haya ningún otro nivel de alerta (LOC) disponible.

Sobre el trazado de la huella contaminante en ALOHA, se observa que el área sombreada de distintos colores representa la huella en sí misma. Las líneas rayadas exteriores plasmadas a lo largo de ambos lados de la huella representan la incertidumbre en la dirección del viento. El viento raramente sopla de forma constante hacia una única dirección, por lo que según cambia de dirección, la nube contaminante cubrirá otra área determinada. Las líneas de incertidumbre alrededor de la huella encierran la región sobre la que 19 veces de cada 20 la nube gaseosa se espera que permanezca.

A continuación se muestran dos figuras, obtenidas del programa ALOHA, que representan distintos niveles de alerta (Level of Concern – LOC) en función de las concentraciones de los contaminantes y de la velocidad del viento. Como ejemplo, se incluyen los niveles ERPG y TEEL.


104

Figura 53.a.- Alcances de la huella contaminante según niveles de alerta

Según va disminuyendo la velocidad del viento la dirección del mismo ofrece mayor

variabilidad y por tanto, cuanto menor sea la velocidad, las líneas de incertidumbre se agrandarán y se alejarán de la huella propiamente dicha. De hecho, se llega al extremo de formarse un círculo alrededor del foco de emisión cuando la velocidad del viento es muy baja. En estos casos se forma una línea rayada circula cuyo radio es la distancia máxima entre el foco y el punto más alejado de la huella contaminante. Esta línea representa el área máxima del alcance posible de la huella contaminante. El círculo punteado se cierra entero alrededor del foco debido a la incertidumbre existente en relación a la dirección del viento debido a su escasa velocidad.

Figura 53.b.- Alcances de la huella contaminante y las líneas de incertidumbre

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Obtención de áreas expuestas a riesgos tecnológicos

105

13. Obtención de áreas expuestas a riesgos tecnológicos: Aplicación del Mapa de vientos y del Modelo de dispersión

Tras la realización del mapa de interpolación de vientos, mediante la metodología desarrollada anteriormente y, después de haber explicado los conceptos teóricos y prácticos de los modelos de dispersión atmosférica, debemos llevar a cabo la implementación de ambos aspectos para la obtención de la cartografía de exposición a riesgos tecnológicos en la Comunidad de Madrid.

Figura 54.- Esquema conceptual del Análisis geográfico de huellas contaminantes

Fuente: Chakraborty y Armstrong, 1996.

Como se puede ver en el esquema anterior de la figura 54, propuesto por Chakraborty y Armstrong, cada una de las plumas o huellas contaminantes está creada a partir de las características de la localización del foco, la información del elemento químico, tipo de escape, la potencia de escape y la información atmosférica de la zona del foco emisor.

Se realizarán, con el modelo de dispersión atmosférica ALOHA, una serie de huellas contaminantes genéricas para cada uno de los tipos de instalaciones peligrosas que se han identificado. Todas esas huellas, una vez introducidos los parámetros requeridos por el programa, se tendrán que posicionar sobre los focos mediante una traslación de la posición original de la huella a la posición del foco emisor. Luego se deberá introducir un bucle en la programación para haga esa misma traslación con el resto de los focos emisores. Por último, se le realizará una rotación de la huella para que gire y su ángulo corresponda con el que el mapa de interpolación de vientos indique para cada punto.

Localización del foco

Información química

Información atmosférica

Información del escape

Modelo de dispersión

Plumas-huellas contaminantes

Sistema de información geográfica

Mapa de exposición


106

13.1. Selección y elaboración de huellas-tipo

A continuación se exponen las diferentes huellas – tipo, es decir, la huella media producto de cada uno de los diferentes tipos de fuentes emisoras. La opción metodológica que se ha elegido ha sido suponer que cada una de las instalaciones generadoras de riesgos mantiene ciertas similitudes y características comunes dentro de cada tipología de riesgo, es decir, se ha supuesto, por ejemplo, que todas las gasolineras tienen unos depósitos de combustible con capacidad semejantes o que los vertederos emiten potencialmente la misma cantidad de metano o que la duración del escape en los polígonos industriales puede ser parecida, etc. Por tanto, se ha realizado una generalización en cuanto a los parámetros o factores de riesgo dentro de cada tipo de instalación diferente ya que no se dispone de información detallada de cada instalación de forma singularizada.

Para cada una de las instalaciones de riesgo potenciales se presenta a continuación el informe de texto que muestra el programa ALOHA después de introducir todos los parámetros necesarios para obtener la huella contaminante. En otra figura se mostrará, para cada tipo de foco, la huella contaminante tipo obtenida la cual se aplicará, mediante programación desarrollada más adelante, a cada instalación

Por otra parte, para todos los tipos de focos emisores o instalaciones se han elegido las mismas condiciones meteorológicas, salvo para la velocidad del viento y la clase de estabilidad.

La dirección del viento que se ha introducido en cada una de las huellas – tipo ha sido la de cero grados (es decir, proponer que el viento procede del norte). Es necesario introducir este valor ya que en la programación que se expone comentada a continuación en el apartado 13.2 se deben rotar todas las huellas desde ese eje y ese sentido iniciales.

13.1.1. Estaciones de servicio

En relación a las numerosas estaciones de servicio repartidas por toda la Comunidad de Madrid se ha escogido el propano como compuesto característico ya que es asimilable, en cuanto a las reacciones producidas después de un accidente, a los combustibles de gasolina y diesel que se despachan en las gasolineras. Según el programa ALOHA, el propano es un compuesto químico paradigmático en relación a los accidentes tipo BLEVE.

Se ha supuesto como accidente la rotura de un tanque esférico y el posterior escape del compuesto químico inflamable y ardiendo. Las medidas del taque son: un radio de cinco metros y un volumen de tanque que alcanza los 500 metros cúbicos. El compuesto está a temperatura ambiente y es líquido debido a su alta presión. Se ha supuesto a su vez que el tanque se encuentra a un 50 % de su capacidad total.

En cuanto a la rotura, ésta queda configurada con los siguientes parámetros: radio de 25 centímetros, a 3,80 metros de altura sobre la base del tanque.

Todas estas características quedan definidas en el siguiente resumen tomado del programa ALOHA. La figura que se encuentra a continuación (figura 56) representa la huella contaminante resultado de la introducción de todos los parámetros de la figura 55:


107

Figura 55.- Resumen de los factores introducidos en ALOHA para las EE.SS.

Figura 56.- Huella-tipo de las estaciones de servicio

1 0.5 0 0.5 1 1.5 2 1

0.5

0

0.5

1

kilometers

kilometers

>= 10.0 kW/(sq m) = potentially lethal within 60 sec>= 5.0 kW/(sq m) = 2nd degree burns within 60 sec>= 2.0 kW/(sq m) = pain within 60 sec


108

A continuación se muestran los niveles de emisión que se pueden liberar después de ciertos periodos de tiempo tras el supuesto accidente. Es decir, al cabo de dos minutos los niveles emitidos de contaminantes habrían bajado a niveles cercanos a cero. Esta gráfica muestra la evolución temporal de esas emisiones.

Figura 57.- Niveles de emisión tras el accidente en EE.SS.

0 1 2 3 0

50,000

100,000

150,000

200,000

minutes

kilograms/minute

13.1.2. Gasoductos

El combustible más transportado en este tipo de canalizaciones es el propano de ahí que se haya utilizado para el modelado de la huella – tipo de los gasoductos.

Para obtener el dato de velocidad de viento medio se ha transformado la cobertura lineal de arcGIS relativa a los gasoductos en una cobertura puntual, donde cada punto representa un vértice de la polilínea original. Después, se ha realizado una asignación espacial donde cada uno de esos vértices tomaba el valor de velocidad, producto de nuestra interpolación, del píxel más cercano. Acto seguido, se ha obtenido la media de los valores, que es el dato finalmente introducido en ALOHA para obtener la huella – tipo.

Figura 58.- Histograma y estadísticos de la velocidad para el gasoducto


109

Figura 59.- Resumen de los factores introducidos en ALOHA para el gasoducto

Se han elegido como parámetros a introducir en el modelo de dispersión

atmosférica, un tipo de accidente BLEVE con líquido inflamable confinado en un tanque o canalización cilíndrica y horizontal de 0,8 metros de diámetro y longitud entre válvulas de 1.000 metros. El volumen del tanque es de unos 500 metros cúbicos y, debido a su elevada presión, el propano se encuentra en estado líquido.

A continuación se muestra la huella contaminante obtenida en ALOHA que posteriormente se aplicará, a lo largo del gasoducto, mediante sucesivos buffers con sus distancias indicadas según los diferentes niveles de alerta


110

Figura 60.- Huella-tipo de los gasoductos

2 1 0 1 2 31.5

0.5

0

0.5

1.5

kilometers

kilometers


Como se puede observar en la figura anterior, existe un radio exterior de un kilómetro y medio dentro del cual se pueden sufrir daños dentro del minuto posterior al accidente, un segundo anillo de 941 metros de radio donde se pueden sufrir quemaduras de segundo grado y un tercer anillo interior de 666 metros de radio con riesgo potencial de muerte.

13.1.3. Oleoductos

Para caracterizar las huellas contaminantes de los oleoductos se ha elegido como sustancia química característica el benceno por ser uno de los aditivos y componentes principales en los combustibles transportados por este tipo de instalaciones.

Al igual que en el caso de los gasoductos se ha optado por un tipo de accidente BLEVE, es decir, con riesgo de explosión por escape de líquido o gas inflamable. El depósito de combustible será una canalización cilíndrica y horizontal con parecidos parámetros que los dispuestos para los gasoductos: 0,8 metros de diámetro y longitud entre válvulas de 500 metros.


111

Figura 61.- Resumen de los factores introducidos en ALOHA para los oleoductos

Figura 62.- Huella-tipo de los oleoductos

2 1 0 1 2 31.5

0.5

0

0.5

1.5

kilometers

kilometers



112

Los daños potenciales son parecidos a los de los gasoductos. Como se puede observar en la figura anterior, existe un radio exterior de 1,3 kilómetros dentro del cual se pueden sufrir daños dentro del minuto posterior al accidente, un segundo anillo de 830 metros de radio donde se pueden sufrir quemaduras de segundo grado y un tercer anillo interior de 586 metros de radio con riesgo potencial de muerte.

13.1.4. Incineradora

Los parámetros introducidos en el modelo de dispersión atmosférica para la incineradora han sido obtenidos en su mayor parte del Trabajo de investigación tutelado realizado por Roberto Budiño en el Departamento de Geografía de la Universidad de Alcalá.

Se ha escogido como sustancia química paradigmática de este tipo de instalaciones el dióxido de azufre debido a su alta peligrosidad para la salud antes los riesgos probados de enfermedades cancerosas debido a su exposición prologada.

La fuente de emisión es directa, desde la chimenea de la instalación. Los parámetros pedidos son el volumen de gas expulsado, el tiempo de emisión y la altura de la fuente emisora. Los datos introducidos son: volumen liberado de diez metros cúbicos por segundo con temperatura y presión ambientes y la duración del escape de diez minutos. El ratio de liberación será por tanto de 1,5 toneladas por minuto.

Figura 63.- Resumen de los factores introducidos en ALOHA para la incineradora


113

Figura 64.- Huella-tipo de la incineradora

1 0 1 2 3 41.5

0.5

0

0.5

1.5

kilometers

kilometers

>= 75 ppm>= 50 ppm>= 25 ppmConfidence Lines

Figura 65.- Niveles de emisión procedentes de la incineradora

0 5 10 15 0

500

1,000

1,500

2,000

minutes

kilograms/minute


114

13.1.5. Residuos tóxicos y peligrosos

Dentro de este apartado se han incluido los gestores autorizados por la administración regional para el transporte y tratamiento de residuos tóxicos y peligrosos, la planta de tratamiento físico – químico de Valdebebas, la planta de tratamiento biológico de Manoteras y el depósito de seguridad de San Fernando.

Se han escogido todos esos tipos de instalaciones dentro de esta tipología debido a las características comunes que existen entre ellos.

El amoniaco es, según el Inventario de emisiones de contaminantes a la atmósfera de España, un contaminante que puede servir como ejemplo y caracterización del tipo de emisiones y accidentes que se producen en este tipo de instalaciones.

Se ha supuesto que el contaminante se encuentra en un depósito tipo balsa de 10 metros de diámetro y con una profundidad media de un metro. El tipo de suelo es el ofrecido en ALOHA por defecto debido a que no se tiene información más precisa al respecto.

La duración del escape está limitada en ALOHA a una hora y el ratio medio de salida de los gases es de 130 kilogramos por minuto.

Figura 66.- Resumen de los factores introducidos en ALOHA para RTPs


115

Figura 67.- Huella-tipo de las plantas de RTPs

1 0 1 2 31.5

0.5

0

0.5

1.5

kilometers

kilometers

>= 750 ppm = ERPG-3>= 150 ppm = ERPG-2>= 25 ppm = ERPG-1Confidence Lines

Figura 68.- Niveles de emisión procedentes de plantas de RTPs

0 20 40 60 0

50

100

150

200

minutes

kilograms/minute


116

13.1.6. Depósitos de combustible y aeropuertos

Uno de los riesgos inherentes al tipo de accidente BLEVE ocurre en tanques contenedores cerrados que contienen gases licuados, generalmente gases que están licuados debido a su mantenimiento a altas presiones. Un gas puede ser licuado tanto si se enfría por debajo de su temperatura de ebullición o si se almacena a presione muy altas. ALOHA sólo modela los líquidos inflamables en este tipo de accidente BLEVE.

El propano es un ejemplo de compuesto químico que está envuelto en numerosos accidentes tipo BLEVE. La mayoría de los tanques dentro de las estaciones de servicio y depósitos de combustible contienen propano líquido. Los tanques de este tipo suelen estar a temperatura ambiente y ya que esta temperatura está significativamente por encima del punto de ebullición, los tanques deben estar altamente presurizados para mantener el estado líquido de la sustancia.

Un escenario tipo BLEVE sucede cuando un depósito de gas licuado es calentado debido a una fuente que lo hace prenderse, incrementado de esta forma la presión dentro del tanque hasta que éste sufre una rotura y se libera el compuesto. Es decir, cuando el contenedor sufre la rotura el compuesto químico es liberado en una explosión. Si el compuesto se encuentra por encima del punto de ebullición en el momento de la rotura, parte o todo el líquido se covertirá instantáneamente en un gas. Si el compuesto químico es inflamable se producirá una bola de fuego si hay una gran cantidad de gas liberado.

En este apartado incluimos los depósitos de combustible y los aeropuertos ya que se han considerado estos como grandes depósitos de almacenamiento de queroseno en su recinto, ya sea en los propios tanques de almacenamiento o en las propias aeronaves.

A continuación se muestran los parámetros de la velocidad del viento media para esta clase de instalaciones.

Figura 69.- Histograma y estadísticos de la velocidad para las instalaciones de almacenamiento de combustible

Los factores y características del combustible y del tanque o depósito se muestran

en la figura siguiente:

Se toma, por supuesto, un escenario tipo BLEVE en un tanque con diámetro de 10 metros y longitud de 15 lo que puede representar un almacenamiento de más de 1.000 metros cúbicos de volumen.

Debido a que el depósito está a temperatura ambiente el compuesto, en este caso propano, permanece en estado líquido. Se ha supuesto que el tanque está al 50 % de la capacidad y que el porcentaje de masa de contaminante involucrada en la bola de fuego es del 100 %.


117

Figura 70.- Resumen de los factores introducidos en ALOHA para depósitos de combustible

Figura 71.- Huella-tipo de las instalaciones de almacenamiento de combustible

2 1 0 1 2 3 42

1

0

1

2

kilometers

kilometers



118

13.1.7. Residuos sólidos urbanos

Dentro de esta categoría se han incluido las instalaciones de los vertederos, las estaciones de transferencia de residuos sólidos urbanos y las depuradoras.

A continuación se muestra el histograma de frecuencias utilizado para hallar la velocidad media de los píxeles que intersectan con los focos emisores de este tipo de instalaciones.

Figura 72.- Histograma y estadísticos de la velocidad para las depuradoras

Se ha supuesto una emisión directa, de 500 kilogramos por segundo y durante una

hora, de metano. Sin duda este es el compuesto principal que se emite en este tipo de instalaciones según el ya mencionado Inventario de emisiones.

Se ha utilizado el modelo de dispersión gaussiano aunque, debido al tipo de escape con presión al exterior y su brusco cambio de estado físico, el compuesto se podría haber comportado como un gas pesado, con lo que se podría haber utilizado ese modelo.

Figura 73.- Resumen de los factores introducidos en ALOHA para RSUs


119

Figura 74.- Huella-tipo de las plantas de RSUs

0 0.5 1 1.5 2 2.5 3 1

0.5

0

0.5

1

kilometers

kilometers

>= 50000 ppm = TEEL-3>= 25000 ppm = TEEL-2>= 15000 ppm = TEEL-1Confidence Lines

Figura 75.- Niveles de emisión procedentes de las plantas de RSUs

0 20 40 60 0

10,000

20,000

30,000

minutes

kilograms/minute


120

13.1.8. Industria y polígonos industriales

Los valores medios para la velocidad del viento en los recintos de los polígonos industriales aparecen mostrados en el histograma siguiente.

Esta cobertura, debido a su carácter poligonal (no puntual) ha tenido un tratamiento distinto que se explicará con detalle en el capítulo siguiente relativo a los resultados finales de los mapas.

Figura 76.- Histograma y estadísticos de la velocidad para la industria

El contaminante elegido como representativo de esta clase de instalaciones ha sido

el dióxido de nitrógeno. Este compuesto es el de mayor liberación a la atmósfera dentro de la combustión industrial, según se puede comprobar en el Inventario de emisiones de contaminantes a la atmósfera de España.

Se ha supuesto una fuente directa de emisión (chimeneas de las fábricas) con un ratio de emisión de 18 kilogramos por minuto, una altura de chimenea de 5 metros y una duración de la emisión de 10 minutos.

Figura 77.- Resumen de los factores introducidos en ALOHA para la industria


121

Figura 78.- Huella-tipo de la industria y polígonos industriales

0 1 2 3 4 51.5

0.5

0

0.5

1.5

kilometers

kilometers

>= 30 ppm = TEEL-3>= 15 ppm = TEEL-2>= 2 ppm = TEEL-1Confidence Lines

Una vez realizado todo el proceso de introducción de datos y parámetros en el programa ALOHA se procede, tal como se ha visto en las figuras anteriores, a la obtención de la huella contaminante por medio de la función “Threat Zone…” en el menú “Display”. Esta opción nos reproduce el área en la cual la concentración a nivel del suelo del gas contaminante se estima que supera el Nivel máximo de concentración o nivel de alerta (Level of Concern – LOC) seleccionado en un determinado momento t0 después de que se haya producido el accidente y se haya producido la liberación de los compuestos involucrados.

13.2. Exportación de huellas contaminantes

El siguiente paso será pasar las huellas contaminantes al programa SIG de ArcView.

Cuando en el programa ALOHA se elige la opción “Threat Zone…” para hallar la huella contaminante se crea automáticamente un archivo llamado alo_ftp.pas en el directorio raíz del programa. Este archivo debe ser renombrado para exportar la huella a ArcView ya que, si se cierra ALOHA, el archivo desaparecerá. En todo caso el formato “.pas” debe ser conservado para que ArcView pueda reconocer el fichero como una huella de ALOHA.


122

Para usar la extensión ALOHA en ArcView habrá que colocar el archivo ALOHA.avx6 en el directorio de extensiones de ArcView. Al iniciar ArcView, desde el menú “Archivo” en la ventana de Proyecto, se deberá seleccionar la opción Extensiones y marcar la casilla de verificación correspondiente a ALOHA para así añadir la extensión al Proyecto en uso. Cuando la extensión haya sido incorporada aparecerá un icono en la barra de botones de la ventana Vista. A continuación se debe añadir una cobertura que sirva de referencia para la localización de la huella contaminante, asegurándose que esta cobertura esté representada en grados decimales, para que ALOHA pueda interpretar la posición de la pluma.

Después de pinchar en el icono de ALOHA aparecerá un explorador de ficheros desde el que se deberá seleccionar el fichero “.pas”, donde se encuentra el dibujo de la huella, guardado previamente. Una vez seleccionado, se elegirá un nombre para la cobertura donde se quiera insertar la pluma.

Ahora, en ArcView, se debe realizar un zoom lo suficientemente amplio para poder posicionar el puntero del ratón sin ninguna duda sobre las coordenadas del punto de emisión, es decir, donde ha surgido el escape o accidente. El script de Avenue lo registra y, al presionar Enter sobre el cuadro de diálogo, la huella de contaminante o pluma de dispersión de ALOHA aparecerá dibujada en ArcView como otra cobertura más, con el sistema de coordenadas geográficas expresado en grados, minutos y segundos. Tras este proceso se debe cambiar el sistema de coordenadas a UTM 30N para hacer compatible el resto de los mapas con la cobertura de la huella.

Figura 79.- Cambio de sistema de coordenadas

Según aparece en la siguiente figura, la leyenda muestra los márgenes de variabilidad

o incertidumbre del viento (wind direction confidence lines), así como la huella del penacho contaminante sobre el terreno propiamente dicha.

6 El código de la extensión está desarrollado en el apéndice de este trabajo, al final del mismo.


123

Figura 80.- Ejemplo de inserción de huella contaminante en ArcGIS

Madrid

Getafe

Rivas-Vaciamadrid

Huella contaminanteTYPE:

Confidence lines

Footprint 0 625 1.250 1.875 2.500Metros

±

Una vez que la huella contaminante ha sido exportada correctamente, ésta puede ser analizada como una cobertura de ArcGIS normal. Se podrá entonces realizar búsquedas geográficas y uniones espaciales que permitan conocer la superficie y la población que se encuentra bajo la influencia de la emisión de cada instalación en función de la dirección del viento y la huella contaminante.

13.3. Rotación, traslación y cambio de escala

Cada una de las huellas-tipo de contaminantes correspondientes a las plumas de dispersión para cada uno de los tipos de instalaciones de riesgo potencial se procesan en el programa ALOHA, después se exportan a ArcView 3.2 y luego, se tratará de reproducir esa huella contaminante, que permitirá desarrollar el mapa de exposición de riesgos a cada una de las instalaciones detectadas en la Comunidad de Madrid.

La forma desarrollada para reproducir las huellas de las plumas de contaminación tras un supuesto accidente se concreta a continuación:

1. Primero debemos realizar una unión espacial para que los focos puntuales tomen los valores mensuales y anuales de las interpolaciones de vientos antes realizadas, tanto de velocidad como de dirección. Para llevar a cabo este paso se toman todas las coberturas donde se ha asumido que existe riesgo y se realiza una unión espacial (spatial join) con las coberturas donde se encuentran los datos de direcciones y velocidades.

2. Traslación del origen de coordenadas al punto de la polilínea que representa el foco emisor


124

3. Rotación de la figura el ángulo necesario para que concuerde con el ángulo obtenido de la interpolación de vientos.

De forma teórica tenemos: Sea un punto p1=(x1, y1) y lo giramos alrededor del origen un ángulo q para pasar a una nueva posición p2=(x2, y2). Queremos encontrar la transformación que convierte (x1, y1) en (x2, y2). Pero, antes de comprobar si alguna transformación es la adecuada, debemos saber primero que (x2, y2) debe escribirse en función de (x1, y1) y q. Para esto es necesario recordar las razones trigonométricas de seno y coseno.

Figura 81.- Definición angular en coordenadas polares para matriz de transformación

Definición de ángulo

A la vista de esta figura sabemos que

Es importante señalar que cuando la longitud del segmento es la unidad se obtiene

También emplearemos las siguientes relaciones trigonométricas para determinar

como gira un punto:

Ahora estamos listos ya para determinar la rotación de un punto alrededor del

origen.

Figura 82.- Rotación de un punto alrededor del origen

Fuente: Harrington (1983)


125

A la vista de esta figura tenemos:

donde L es la distancia del punto al origen de coordenadas. Por otro lado:

que nos lleva a

De forma análoga:

dando

A la vista de estas ecuaciones podemos imaginar una matriz que relacione las

coordenadas del punto original y del punto girado:

Así la matriz de transformación para una rotación en sentido contrario a las agujas

del reloj de ángulo Φ alrededor del origen es

Para una rotación en el sentido de las agujas del reloj, basta sustituir en la expresión

anterior el valor del ángulo por - Φ. Así nos queda

4. Traslación de la figura desde el origen de coordenadas hasta la posición del foco

(coordenadas polares):

(Ver figura 20)

Distancia euclídea: |S| = √(x2 + y2)

Ángulo: α = arctg (y/x)

5. Cambio de escala para que concuerde con los datos de velocidad de viento en cada punto:

Consideremos un punto P1= [x1 y1] como una matriz [1 x 2]. Si la multiplicamos por una matriz [2 x 2]T, obtendremos otra matriz [1 x 2] que puede ser interpretada como otro punto.

Por tanto, la matriz T es una aplicación entre el punto original P1 y el nuevo punto

P2. Si suponemos nuestra imagen (huella contaminante) compuesta por los vértices de un polígono. Si transformamos cada uno de los puntos (vértices) mediante una multiplicación por una matriz T y dibujamos el resultado obtendremos una nueva imagen. La forma y


126

tamaño de esa imagen depende de los elementos de la matriz T. Si, por ejemplo, escogemos la matriz identidad entonces la imagen no se verá alterada.

Sin embargo, si escogemos la matriz

entonces

Cada una de las nuevas coordenadas x tiene el doble de valor que las antiguas. Las

líneas horizontales serán dos veces más largas en la nueva imagen. La nueva imagen tendrá la misma altura, pero parecerá que la hemos estirado hasta alcanzar el doble del ancho original.

En general, las transformaciones de la forma

cambian el tamaño y la proporción de la imagen. Se denominan transformaciones

de escalado. Ex es el factor de escala para la coordenada x y Ey es de la coordenada y.

6. Repetición de todo el proceso para cada una de las instalaciones y huellas-tipo.

Todo este proceso se puede expresar mediante un script en ArcView que permita realizar lo expuesto hasta ahora:

Figura 83.- Programación en avenue de la rotación, traslación y cambio de escala

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Resultados y conclusiones finales

127

14. Resultados y conclusiones finales

En este capítulo se presentarán los resultados obtenidos en forma de mapas, tablas y gráficos. Se mostrará la cartografía de exposición a una serie de riesgos según el modelo y la metodología propuestos. Finalmente se realizará un análisis crítico de los resultados obtenidos y, en las conclusiones, se darán unas pinceladas para mejorar la metodología.

14.1. Resultados obtenidos

Parece razonable que para obtener los mapas resultantes se hayan mantenido, como área expuesta, los márgenes o líneas de incertidumbre ya que, tal como se comentó en el apartado 12.3 estas líneas representan la incertidumbre en la dirección del viento ya que éste raramente sopla de forma constante hacia una única dirección.

Antes de dar a conocer el mapa producto final de la exposición a riegos tecnológicos se debe señalar que debido a que los polígonos industriales están representados por una cobertura poligonal, ya que están compuestos por la unión de fábricas e instalaciones industriales juntas, el tratamiento de la metodología ha variado un poco con respecto al resto de las instalaciones peligrosas, que se representan por medio de coberturas de puntos debido a que se pueden considerar estructuras puntuales en la escala de trabajo.

El proceso para la obtención de las huellas contaminantes ha sido el siguiente: La cobertura poligonal de los polígonos industriales ha sido transformada en una cobertura de puntos mediante un script que posiciona puntos sobre las coordenadas de los vértices de los recintos industriales. Luego se ha realizado una asignación espacial de los píxeles donde está guardada la información sobre dirección de viento a los puntos que delimitan los recintos de los polígonos industriales. Por último se ha realizado la traslación y rotación, como se explicó en el apartado anterior, de todos esos puntos, donde las huellas contaminantes agregadas representaban la huella contaminante de todo el recinto.

La siguiente figura muestra un detalle de la cobertura de ArcGIS obtenida tras la aplicación de este proceso metodológico. En ella se puede observar la zona expuesta a riesgos tecnológicos producto de la actividad industrial en un polígono del sur del municipio de Madrid.

El área coloreada a cuadros rojos es la extensión del polígono industrial tal como aparece en la cobertura poligonal, los puntos rojos que bordean el polígono y que están situados sobre los vértices del recinto industrial son los que han sido utilizados para hallar las huellas contaminantes.

Estas huellas resultantes son el producto de la suma de cada una de las huellas cuyo foco es cada uno de los vértices exteriores del polígono industrial. Dentro de cada huella se distingue la zona coloreada de azul, que es la huella contaminante propiamente dicha y las áreas con trazos ortogonales negros, que representan los márgenes de incertidumbre y que también se deben incluir en el mapa final de exposición, al igual que se hace en el resto de las coberturas del resto de instalaciones.


128

Figura 84.- Exposición a riesgos provenientes de la industria (detalle)

0 500 1.000 1.500 2.000250Metros

Polígonos industriales

Margen de error

Huella contaminante

Municipios

Callejero

Madrid

Pozuelo de Alarcón

Después de mostrar la imagen de detalle de un polígono industrial en el municipio

de Madrid, se expone a continuación el mapa de exposición final para los riesgos industriales en la Comunidad.


129

Figura 85.- Exposición a riesgos industriales en la Comunidad de Madrid

En la figura siguiente se muestra una visión de detalle de una parte central de la

Comunidad de Madrid donde aparece superpuesto el mapa resultado de la interpolación de vientos, realizado mediante el método explicado en la primera parte del proyecto, con las instalaciones potenciales de riesgo en esa zona. Como se puede apreciar, dependiendo de la dirección que tome el viento en cada uno de los píxeles, las huellas contaminantes cambiarán de sentido.

Los puntos rojos representan los focos emisores, tanto para las instalaciones puntuales como para el conjunto de puntos que caracterizan los polígonos industriales. Las huellas o plumas azules son las áreas expuestas propiamente dichas y las áreas rayadas formando cuadraditos son los márgenes de confianza debido a la probable variabilidad en la dirección del viento.


130

Figura 86.- Detalle de la superposición de las huellas contaminantes y el mapa de vientos

Después de haber aplicado cada una de las huellas – tipo a cada una de las

instalaciones potencialmente peligrosas según tipo de instalación se ha realizado la superposición de esas coberturas diferentes y se han unido todas en un solo mapa que indica la exposición a riesgos tecnológicos en la Comunidad de Madrid.

Más tarde, se debe realizar una disolución de todos los polígonos en cada una de las coberturas de exposición a riesgos. Acto seguido, se realizará una unión de todas las coberturas antes mencionadas para poder obtener el mapa de exposición total (figura 86). Luego, se obtendrá la superficie total expuesta a algún riesgo mediante la introducción de estas líneas de código en el calculador de valores (función “calculate values”):

Dim dblArea as double Dim pArea as Iarea Set pArea = [shape] dblArea = pArea.area

A continuación se muestra el mapa (figura 87) final producto de todo el proceso. Como se puede ver en esta figura siguiente, las zonas expuestas a algún riesgo tecnológico ocupan una proporción elevada de la superficie de la Comunidad de Madrid. Éstas se concentran fundamentalmente sobre el eje noreste – suroeste debido al predominio de las actividades humanas e industriales en aquella zona.


131

Figura 87.- Exposición a riesgos tecnológicos en la Comunidad de Madrid

La tabla que se muestra a continuación representa la proporción de la superficie y la

población de la Comunidad de Madrid expuestas a algún riesgo tecnológico, según la metodología llevada a cabo en este trabajo, con respecto a la superficie y la población totales.

Tabla 13. Superficie y población del área expuesta en la Comunidad de Madrid

Comunidad de

Madrid Área expuesta

Superficie (km2) 8.026,72 2.080,79 Porcentaje (%) 100 25,92

Población (hab.) 5.129.979 3.866.947 Porcentaje (%) 100 75,38

Fuente: Cobertura de Sectores 96 y elaboración propia.

Para poder hacer esta comparación se ha tenido que realizar el siguiente proceso de obtención de datos de la cartografía:

Después de haber unido todas las coberturas de exposición en un final, haber disuelto los polígonos resultantes y haber hallado el área total según el procedimiento


132

expuesto más arriba, el siguiente paso para hallar estos estadísticos ha sido realizar una unión de la cobertura de exposición total con la cobertura (sectores 96) que nos da la información de densidad de población por sectores de población. Compondremos una nueva cobertura producto de esa unión con los sectores y las zonas expuestas. Ya que tenemos la densidad de población de cada uno de esos sectores, simplemente deberemos hallar las áreas de los nuevos polígonos resultantes de la unión de coberturas mediante el código de Visual Basic más arriba explicado y multiplicar los valores de área y densidad, sumar todos esos valores y obtendremos la población total expuesta.

Según se desprende de la tabla siguiente, algo más de una cuarta parte de la superficie de la Comunidad de Madrid se podría considerar afectada por algún tipo de riesgo tecnológico. La cifra obtenida, a pesar de ser elevada, es casi un diez por ciento menor que la recogida en el proyecto de “Propuesta metodológica para caracterizar las áreas expuestas a riesgos tecnológicos mediante SIG. Aplicación en la Comunidad de Madrid” (Bosque et al., 2002) realizado en la Universidad de Alcalá en el año 2002. Las diferencias se pueden deber, a parte de a la diferente metodología aplicada, a la no inclusión de los supuestos riesgos ocasionados por las líneas de tendidos eléctricos y el transporte por carretera de los RTP desde los centros productores hasta los centros de gestión y tratamiento ya que se ha considerado que estos aspectos estaban fuera del alcance de este trabajo.

De todas formas, las cifras obtenidas son importantes y muestran la importancia de la huella humana en general y de la actividad industrial en particular en la región de Madrid, con los consiguientes riesgos que pueden llevar aparejados.

Por otra parte, debido a la notable agrupación de la población en un área relativamente pequeña que concentra la mayor parte de las actividades urbanas e industriales y que discurre a lo largo del eje de la carretera A-2 (Corredor del Henares), municipio de Madrid y municipios del sur cercanos a éste, agrava la situación que se da en este escenario para la población expuesta a riesgos tecnológicos. Así, el 75 % de la población que reside dentro de la Comunidad está bajo áreas de influencia y exposición a riesgos.

En las dos figuras siguientes se muestra gráficamente la superficie y la población que están o no en zonas de riesgo tecnológico según lo desarrollado en este trabajo.

Figura 87.- Porcentajes de superficie y población en el área expuesta

Superficie

25,92%

74,08%

Área expuesta Área no expuesta


133

Población

75,38%

24,62%

Área expuesta Área no expuesta

14.2. Conclusiones

Debido a la falta de información general sobre las instalaciones generadoras de algún tipo de riesgo no ha habido más remedio, desde el punto de vista metodológico, que realizar las huellas – tipo basándose en ciertas suposiciones y generalizaciones con respecto a los tipos y características de los focos emisores.

Un aspecto que se podrá mejorar en el futuro sería la investigación exhaustiva de esos focos emisores y caracterizar más detalladamente las instalaciones en aspectos tan variados como el tamaño, forma, situación topográfica o configuración de los alrededores, así como aspectos de mayor precisión meteorológica.

Otra particularidad que conviene tener en cuenta es la variedad de niveles de alerta que existen en la literatura y que, por tanto, se han debido utilizar en este trabajo. Cada uno de ellos tiene sus peculiaridades y utilidades y ALOHA usa por defecto uno determinado según el compuesto químico liberado. Cabría esperar otros niveles de alerta y, por tanto, otra cartografía de exposición si se hubiesen utilizado otras cantidades de concentración como valores límite.

Por último y quizá más importante sea la relativa subjetividad a la hora de elegir contaminantes tipo para cada una de las instalaciones peligrosas, así como las cantidades liberadas y otros parámetros numéricos, que necesitarán probablemente de un estudio específico para obtener unos rendimientos de generalización mejores. Todo ello a pesar de toda la búsqueda bibliográfica, consultas a experto e indicaciones tomadas de los Inventarios de emisiones de contaminantes a la atmósfera (campo en el que llevo trabajando durante cuatro años).

Aspectos interesantes y que no se han tratado en este proyecto, por salirse fuera del alcance del mismo, han sido los relativos a la probabilidad espacial y la intensidad y magnitud de los riesgos (ver figura 1). Con el tratamiento de estos aspectos se podría haber afinado más en lo relativo al verdadero alcance de los riesgos tecnológicos. Sin duda, conocer la probabilidad de ocurrencia de accidentes o situaciones que entrañen riesgos sería de una gran utilidad para saber la verdadera incidencia de este tipo de instalaciones.


134

A pesar de lo expuesto hasta ahora pienso que este trabajo puede representar una sensible mejora en la tarea de conocer los riesgos inherentes a la sociedad en la que vivimos y creo que puede ser un avance metodológico debido a la combinación de aspectos geográficos, cartográficos, químicos y físicos. No cabe duda que este tipo de trabajos se basa en una estrecha colaboración entre numerosas ramas y especialidades científicas, es decir, tiene una marcada componente multidisciplinar.

El empleo de los Modelos de Dispersión Atmosféricos puede y debe ser utilizado en las consultas referentes a riesgos de origen gaseoso donde las posibilidades que pueden aportar estas herramientas matemáticas son innumerables.

Mediante las herramientas SIG y los modelos de dispersión atmosférica sería posible, una vez conseguidos cálculos fiables de las zonas de exposición a riesgos gaseosos, una planificación y ordenación territorial coherente y equilibrada, teniendo en cuenta las posibles situaciones peligrosas derivadas de los riesgos tecnológicos.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Bibliografía

135

Bibliografía

Air Pollution Training Institute (APTI) (2005): SI:409 Basic Air Pollution Meteorology Course. U.S. Environmental Protection Agency (U.S. EPA)

Asociación de ingenieros sanitarios de Antioquia – AINSA (19xx): Seminario internacional manejo integral de desastres con énfasis en riesgos tecnológicos. Planificación urbana para el manejo de riesgos tecnológicos. Sección de ingeniería. Departamento técnico planeamiento metropolitana.

Ayuntamiento de Madrid, Análisis Estadístico de Datos (2003): Libro blanco de la calidad del aire en el municipio de Madrid. Departamento de Calidad Ambiental, Área de Medio Ambiente. Ayuntamiento de Madrid.

Bosque Sendra, J. (1997): Sistemas de información geográfica. Madrid, Rialp, 2ª edición corregida.

Bosque Sendra, J., Díaz Muñoz, M. A. y Díaz Castillo, C. (2002): De la justicia espacial a la justicia ambiental en la política de localización de instalaciones para la gestión de residuos en la Comunidad de Madrid. Boletín de la Real Sociedad Geográfica, tomo CXXXVII – CXXXVIII, pp.89 – 113.

Bosque Sendra, J., Díaz Castillo, C., Díaz Muñoz, M. A., Gómez Delgado, M., González Ferreiro, D., Rodríguez Espinosa, V. M., Salado García, M. J. (2004): Propuesta metodológica para caracterizar las áreas expuestas a riesgos tecnológicos mediante SIG. Aplicación en la Comunidad de Madrid. GeoFocus (Artículos), nº 4, pp. 44 – 78.

Budiño, R. (2002): Estudio comparativo de métodos para la creación de cartografías de exposición por riesgos de origen gaseoso. Empleo de un sistema de información geográfico y un modelo de dispersión atmosférica. Trabajo de Investigación Tutelado, Programa de Doctorado Cartografía, Teledetección y SIG, Universidad de Alcalá (inédito).

Casado, L. G., Nicolás, J. P. de, Sanjuán, J. G. (1979): Climatología básica de la Subregión de Madrid. Ministerio de Obras Públicas y Urbanismo. Comisión de Planeamiento y Coordinación del Área Metropolitana de Madrid. Dirección Técnica de Planeamiento Local.

Comunidad de Madrid (CAM) (2003): Ley de residuos de la Comunidad de Madrid. Ley 5/2003 de 20 de marzo. BOE núm. 128 de 29 de mayo de 2003.

Cutter, S. L. (1996): Vulnerability to environmental hazards. Progress in Human Geography, 20(4), pp. 529 – 539.

Cutter, S. L., Mitchell, J. T. y Scott, M. S. (2000): Revealing the Vulnerability of People and Places: A Case Study of Georgetown County, South Carolina. Annals of the Association of American Geographers, 90(4), 2000, pp. 713 – 737.

Chakraborty, J. y Armstrong, M. P. (1997): Exploring the Use of Buffer Analysis for the Identification of Impacted Areas in Environmental Equity Assessment. Cartography and Geographic Information Systems, Vol. 24, nº 3, pp. 145 – 157.

Díaz Muñoz, M. A. y Díaz Castillo, C. (2002): El análisis de la vulnerabilidad en la cartografía de riesgos tecnológicos. Algunas cuestiones conceptuales y metodológicas. Serie Geográfica, nº 10, pp. 27 – 41.


136

Díaz-Pabón, R. (1988): Modelo operativo en el I.N.M. de análisis numérico tridimensional de campos meteorológicos. Publicación A – 135. Instituto Nacional de Meteorología, Ministerio de Transporte, Turismo y Comunicaciones.

Directiva 96/82/CE (1996): Directiva Seveso II relativa al control de los riesgos inherentes a los accidentes graves en los que intervengan sustancias peligrosas y efectos transfronterizos de los accidentes industriales. Decisión del Consejo de 9 de diciembre de 1996 y 23 de marzo de 1998.

Directiva 2003/105/CE (2003): Modificación de la Directiva 96/82/CE por la que se amplía el ámbito de aplicación para la inclusión de las operaciones de transformación y almacenamiento de minerales efectuadas por las industrias extractivas de la minería en que intervengan sustancias peligrosas, así como las instalaciones de eliminación de las tierras estériles utilizadas en esas actividades. Estrela, M. J., Millán, M. M. (1994): Manual práctico de introducción a la meteorología. Centro de Estudios Ambientales del Mediterráneo (CEAM).

Font Tullot, I. (1983): Climatología de España y Portugal. Instituto Nacional de Meteorología.

Fotheringham, S., Rogerson, P. (1994): Spatial Analysis and GIS. Technical Issues in Geographic Information Systems. Taylor & Francis.

Gil, A. J., Lacy, M. C. de, Rodríguez-Caderot, G. (1997): Estudio comparativo de técnicas numéricas aplicadas a la interpolación de magnitudes geodésicas. Mapping Interactivo. Número 36. Marzo/Abril, 1997.

Haltiner, G., Martin, F. (1990): Meteorología dinámica y física. McGraw-Hill. Publicado por Instituto Nacional de Meteorología.

Harrington, S. (1983): Computer Graphics. A programming Approach. McGraw – Hill Book Company.

Hewitt, K. (1997): Regions of Risk. Harlow, Longman.

Hu, J. (1995): Methods of Generating Surfaces In Environmental GIS Applications. 1995 International Users Conference. Environmental Systems Research, Inc. (ESRI).

Hutchinson, M. F. (1998): Interpolation of Rainfall Data with Thin Plate Smoothing Splines: I. Two Dimensional Smoothing of Data with Short Range Correlation. Journal of Geographic Information and Decision Analysis, vol. 2, nº 1-2, 1998, pp. 139 – 151.

Institut National de lÉnvironnement Industriel et des Risques (INERIS) (2000): Etude bibliographique relative au développement de réactions chimiques non contrôlées dans líndustrie. Direction des Risques Accidentels. Ministère de lÉcologie et du Developpement Durable.

Institut National de lÉnvironnement Industriel et des Risques (INERIS) (2002): Méthodes pour l´évaluation et la prévention des risques accidentels. Dispersion atmosphérique (Mécanismes et outils de calcul). Direction des Risques Accidentels. Ministère de lÉcologie et du Developpement Durable.

Institut National de lÉnvironnement Industriel et des Risques (INERIS) (2002): Méthodes pour l´évaluation et la prévention des risques accidentels. LE BLEVE, Phénoménologie et modélisation des effets thermiques. Direction des Risques Accidentels. Ministère de lÉcologie et du Developpement Durable.

Instituto de Estudios Medioambientales (1995): Análisis de Riesgos de las emisiones gaseosas de incineradoras de residuos sólidos urbanos. Aplicación a la incineradora de Valdemingómez. Federación Regional de Madrid de Asociaciones de Vecinos. Editado por Fundación para la investigación y desarrollo ambiental.


137

Instituto Geográfico Nacional (1992): Atlas Geográfico Nacional. Sección II, grupo 9, Climatología. Dirección General de Instituto Geográfico Nacional. Ministerio de Fomento, Transporte y Comercio.

Kielland, G., Nixon, S. C., Rees, Y. J., Gunby, J. A., Moussiopoulos, N., Berge, E., Trond, B., De Leeuw, F., Mylona, S., Tambrou, M. (1999): Ambient Air Quality, Pollutant Dispersion and Transport Models. European Environment Agency.

Lowry, J. H., Miller, H. J. y Hepner, G. F. (1995): A GIS-Based Sensitivity Analysis of Community Vulnerability to Hazardous Contaminants on the Mexico/U.S. Border. Photogrammetric Engineering and Remote Sensing, vol. 61, nº 11, pp. 1347 – 1359.

McMaster, R. B., Leitner, H. y Sheppard, E. (1997): GIS-Based Environment Equity and Risk Assessment: Methological Problems and Prospects. Cartography and Geographic Information Systems, vol. 24, nº 3, 1997, pp. 172 – 189.

National Institute for Occupational Health and Safety (NIOSH). NIOSH Pocket Guide to Chemical Hazards. Publication No. 2005-149

Ninyerola, M., Pons, X. Y Roure, J. M. (2005): Atlas climático digital de la península ibérica. Metodología y aplicaciones en bioclimatología y geobotánica. Departamento de biología animal, biología vegetal y ecología y Departamento de geografía. Universidad autónoma de Barcelona.

Pasquill, F. et al. (1983): Atmospheric Diffusion. New York, John Wiley & Sons.

RAMINP (1961): Reglamento de Actividades Molestas, Insalubres, Nocivas y Peligrosas aprobado por Decreto 2414/1961, de 30 de noviembre de 1961.

Sánchez Rodríguez, J. (1990): Instrumento meteorológicos. Publicación B – 29. Instituto Nacional de Meteorología, Ministerio de Transporte, Turismo y Comunicaciones.

Seoánez Calvo, M. (2001): Tratado de climatología aplicada a la ingeniería medioambiental. Análisis climático. Uso del análisis climático en los estudios medioambientales. Colección Ingeniería del medio ambiente. Ediciones Mundi-Prensa.

Tchepel, O., Borrego, C. and Barros, N. (1997): Using GIS in MesoScale Atmospheric Modeling, ESRI 1997 European GIS Users Conference. Environmental Systems Research Institute, Inc. (ESRI). Tomaczak, M. (1998): Spatial Interpolation and its Uncertainty using Automated Anisotropic Inverse Distance Weighing (IDW) – Cross-validation/Jackknife Approach. Journal of Geographic Information and Decision Analysis, vol. 2, nº 1-2, 1998, pp. 18 – 30.

Turner, D.B., (1970): Workbook of Atmospheric Dispersion Estimates. U.S. Environmental Protection Agency (Office of Air Programs).

Unamuno Gandiaga, A. (2001): Determinación de vertidos líquidos a partir de modelos digitales del Terreno. Trabajo de fin de carrera de la Ingeniería en Geodesia y Cartografía. Escuela Politécnica. Universidad de Alcalá (inédito).

Williams, R. G. (1999): Non-Linear Surface Interpolations: Which Is The Wind Blowing?. ESRI 1999 International Users Conference. Environmental Systems Research Institute., Inc., (ESRI). San Diego (EE.UU.).

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Anexos

138

Anexos

Tipología y características de los residuos peligrosos (tipo H)

H1 Explosivos: Sustancias y preparados que pueden explosionar bajo el efecto de una llama o que son más sensibles a los choques o a la fricción que el dinitrobenceno

H2 Comburente: Sustancias y preparados que en contacto con otros, particularmente con los inflamables, originan una reacción fuertemente exotérmica

H2A Fácilmente inflamables: Sustancias y preparados gaseosos que sean inflamables en el aire a presión normal. Sustancias y preparados que en contacto con el agua o el aire húmedo, desprenden gases fácilmente inflamables en cantidades peligrosas

H2B Inflamables: Sustancias y preparados cuyo punto de destello sea ≥ 21 °C e ≤ 55 °C

H2C Extremadamente inflamables: Sustancias y preparados líquidos con punto de destello <O°C y punto de ebullición ≤ 35°C.

H4 Irritantes: Sustancias y preparados no corrosivos que, por contacto inmediato prolongado o repetido con la piel o mucosas puedan provocar una reacción inflamatoria

H5 Nocivos: Sustancias y preparados que, por inhalación, ingestión o penetración cutánea puedan entrañar riesgos de gravedad limitada

H6 Tóxico: Sustancias o preparados que por inhalación, ingestión o penetración cutánea, puedan producir riesgos graves agudos o crónicos, incluso la muerte (o compuestos muy tóxicos).

H7 Cancerígenos: Sustancias o preparados que, por inhalación ingestión o penetración cutánea, puedan producir cáncer o aumentar la frecuencia

H8 Corrosivos: Sustancias y preparados que, en contacto con los tejidos vivos pueden ejercer sobre ellos una acción destructiva

H9 Infeccioso: Materias conteniendo microorganismos viables o sus toxinas que puedan causar enfermedades en los animales o en el hombre.

H10 Teratogénicos: Sustancias y preparados que, por inhalación, ingestión o penetración cutánea puedan producir lesiones en el feto durante su desarrollo intrauterino.

H11 Mutagénicos: Sustancias y preparados que, por inhalación, ingestión o penetración cutánea puedan producir alteraciones en el material genético de las células.

H12 Sustancias o preparados: Que en contacto con el agua, el aire o un ácido, desprendan un gas tóxico o muy tóxico.

H13 Materias susceptibles: Después de su eliminación, de dar lugar a otra sustancia por un medio cualquiera, por ejemplo, un producto de lixiviación, que posee alguna de las características enumeradas anteriormente.

H14 Ecotóxico: Peligrosos para el medio ambiente. Residuos que presentan riesgos inmediatos o diferidos para el medio ambiente


139

Programa (script) para exportar la huella contaminante ALOHA – ArcView 3.x

/3.1 (Extension.1 Name: "ALOHA Extension" FirstRootClassName: "Butn" Roots: 2 Roots: 4 Version: 31 About: "Enables import of footprint pass files from ALOHA." InstallScript: 5 UninstallScript: 6 ExtVersion: 1 ) (Butn.2 Help: "Imports a footprint generated within ALOHA." Icon: 3 Click: "aloha.import" ) (AVIcon.3 Name: "hula4.bmp" Data: 4e442049 6d616765 00010014 00140000 Data: 04b0ffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffff00 Data: 00000000 00ffffff ffffff00 0000ffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffff0000 Data: 00ffffff ffffff00 0000ffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffff00 00000000 00ffffff Data: 00000000 0000ffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffff0000 00000000 Data: 00000000 00000000 00000000 00000000 Data: 00000000 00000000 ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffff0000 00ffffff 00000000 Data: 0000ffff ff000000 ffffff00 0000ffff Data: ff000000 ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ff000000 ffffff00 00000000 Data: 00ffffff 000000ff ffff0000 00ffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff 00000000 00000000 00000000 Data: 00000000 0000ffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffff0000 00ffffff 000000ff


140

Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ff000000 Data: 00000000 0000ffff ffffffff ffffff00 Data: 00000000 00000000 00000000 0000ffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff 00000000 Data: 00000000 00000000 00000000 00000000 Data: 00000000 00000000 00000000 00000000 Data: 000000ff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffff0000 Data: 00000000 ffffff00 0000ffff ffffffff Data: ffffff00 00000000 00ffffff 00000000 Data: 00000000 00ffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: 00000000 00000000 00000000 00000000 Data: 00000000 00000000 ffffff00 00000000 Data: 00ffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff 00000000 Data: 0000ffff ffffffff ffffff00 00000000 Data: 00000000 ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff 000000ff ffffffff Data: ff000000 ffffffff ffff0000 00000000 Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff 000000ff ffff0000 00ffffff Data: 000000ff ffff0000 00ffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffff00 00000000 00000000 00000000 Data: 0000ffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffffffff ffffffff ffffffff ffffffff Data: ffff0000 00000001 00180007 00200001 Data: 00020000 00000000 0000 )


141

(Script.4 Name: "aloha.import" SourceCode: "theProject = av.GetProject\nalohaView = av.GetActiveDoc\nthms = av.GetActiveDoc.GetThemes\n\n'get the aloha footprint file\nalohaFile = FileDialog.Show(\"*.pas\",\"Aloha pass files\",\"Select footprint file\")\nif(alohaFile = nil) then\n MsgBox.Error(\"You must select an Aloha footprint file\",\"\")\n exit\nend\nsite = nil\nsiteThm = MsgBox.Choice(thms,\"Select the theme to place the footprint\",\"Aloha Site\")\nif(siteThm = nil) then \n exit \nend\n\n' make the site theme active & get the mouse coordinates of the release site\nsiteTh m.SetActive(true)\nd = av.GetActiveDoc.GetDisplay\n\noutFile = av.GetProject.MakeFileName(\"Aloha\", \"shp\")\noutFile = FileDialog.Put(outFile, \"*.shp\", \"Name Aloha Theme\")\nif (outFile <> nil) then\n alohaFTab = FTab.MakeNew(outFile, Polygon)\nend\n\nMsgBox.Info(\"Click at the point of release, then dismiss this box by hitting Enter. Do NOT click the OK button!! (You may movethis box if you need to)\",\"Return Mouse Click\")\n thePoint=d.returnUserPoint\n xorigin=thePoint.getx yorigin=thePoint.gety\n origin=(xorigin@yor igin)\ntheFile = LineFile.Make(alohaFile, #FILE_PERM_READ)\ntotalLines = theFile.GetSize\n'Read in the headerlines\natend=false\nheader=\"\"\nheader2=\"\"\nwhile(atend=false)\n headline = theFile.ReadElt\n if(headline.Left(2)=\"T \")then\n 'get the header information\n newline=headline.BasicTrim (\"T \", \"\")\n header=header+newline+NL\n else\n break\n end\nend\n' should be on line that says footprint; skip this & get to arcs & coordinates\n'store converted plume coordinates\nfootprint=List.make\nconfidence=List.make\no bject=footprint\nwhile(atend=false)\n nextline=theFile.ReadElt\n if(nextline=nil)then\n break\n end\n if(nextline.Left(2)=\"A \")then 'on arc\n tokens=nextLine.AsTokens(\" \")\n p=tokens.Get(1).asNumber\n q=tokens.Get(2).asNumber\n hypot=tokens.Get(3).asNumber\n p=p Mod 360.0\n q=q Mod 360.0\n if(p<0) then p=p+360 end\n if(q<0) then q=q+360 end\n if(p>q) then q=q+360 end\n while(p<q)\n x1=(p*(3.141592654/180.0)).cos * hypot\n y1=(p*(3.141592654/180.0)).sin * hypot\n y2=yorigin + (y1/111045)\n x2=xorigin + (x1/(111045*(yorigin*(3.141592654/180.0)).cos))\n object.Add(x2@y2)\n p=p+10.0\n end\n x1=(q*(3.141592654/180.0)).cos * hypot\n y1=(q*(3.141592654/180.0)).sin * hypot\n y2=yorigin + (y1/111045)\n x2=xorigin - (x1/(111045*(yorigin*(3.141592654/180.0)).cos))\n 'object.Add(x2@y2) \n elseif((nextLine.Left(1)=\"M\")or(nextLine.Left(1)=\"L\"))then 'on a coordinate in meters or \n tokens=nextLine.AsTokens(\" \")\n x1=tokens.Get(1).asNumber\n y1=tokens.Get(2).as Number\n 'convert to decimal degree distance & add to origin\n y2=yorigin + (y1/111045)\n 'test=y2.asRadians\n 'test2=test.cos\n 'test3=x1*test2/111111\n x2=xorigin + (x1/(111045*(yorigin*(3.141592654/180.0)).cos))\n object.Add(x2@y2)\n elseif(nextLine.Left(10)=\"CONFIDENCE\")then\n footList = Polygon.Make(object)\n object=confidence\n elseif(nextLine.Left(1)=\"t\")then \n newline=nextline.BasicTrim (\"t \", \"\")\n header2=header2+newline+NL\n\n else\n atend=true\n end\n \nend\n confList=Po lygon.Make(object)\n 'add new theme to view\n alohaFtab.addFields(Field.Make(\"type\",#FIELD_CHAR,8,0))\n nameFld=alohaFTab.findField(\"type\")\n shpAField = alohaFTab.FindField(\"Shape\")\n rec=alohaFTab.AddRecord\n


142

alohaFTab.SetValue(nameFld,rec,\"Footprint\")\n alohaFTab.SetValue(shpAField,rec,footList)\n rec=alohaFTab.AddRecord\n alohaFTab.SetValue(nameFld,rec,\"Confidence\")\n alohaFTab.SetValue(shpAField,rec,confList)\n alohaFTab.CreateIndex(shpAField)\n alohaThm=FTheme.Make(alohaFTab)\n alohaVie w.AddTheme(alohaThm)\n alohaThm.SetVisible(true)\n alohaView.Invalidate\n \n \n'set up the legend\ntheLegend=alohaThm.GetLegend\ntheLegend.SetLegendType(#LEGEND_TYPE_UNIQUE)\ntheLegend.Unique(alohaThm,\"type\")\nnewLegend=theLegend.Clone\nnewIndex=0 \n\ntheLegendSyms=theLegend.GetSymbols\ntheSymWin=av.GetSymbolWin\nposVals=\"Confidence\",\"Footprint\"\nclassList=theLegend.getClassifications\ncolorList=255,255,255,0,255,255\nactTypes=list.Make\nindex=list.Make\nindex=0,1 'just preinitialize\ntypeNum=0\nfor each type in posVals\n classNum=0\n for each class in classList\n curLabel=class.GetLabel \n if(type.contains(curLabel)) then\n temp=type.asString\n actTypes=actTypes+temp\n index.Set (typeNum,classNum)\n break\n end\n classNum=classNum+1\n end\n typeNum=typeNum+1\nend\nuncertColor=color.Make\nfpColor=color.Make\nloop=0\nfor each type in actTypes\n legendList=theLegend.returnClassInfo(index.get(loop))\n label=actTypes.get(loop)\n legvalue=legendList.get(1)\n oldSym=legendList.get(2)\n min1=legen dList.get(3)\n max1=legendList.get(4)\n rgbvals=colorList.get(loop)\n newColor=color.Make\n newColor.setRGBList(rgbvals)\n if(label.contains(\"Confid\"))then\n oldSym.SetOlColor (Color.GetBlack)\n oldSym.SetOlWidth(1)\n newColor.SetTransparent(true)\n oldSym.SetColor(newColor)\n else\n oldSym.SetOutlined (TRUE)\n theSymWin=av.GetSymbolWin\n newFill=theSymWin.GetPalette.GetList(#PALETTE_LIST_FILL).Get(7)\n oldSym.copy(newFill)\n oldSym.SetColor(Color.GetBlack)\n end\n newClassList=label,legv alue,oldSym,min1,max1\n newLegend.SetClassInfo(loop,newClassList)\n loop=loop+1\nend\nnewFile=FileName.Make(\"alohaLegend.avl\")\nnewLegend.Save(newFile)\ntheLegend.Load(newFile,#LEGEND_LOADTYPE_ALL)\nalohaThm.InvalidateLegend\n\n'Create a layout\n'Zoom to aloha theme\n'r=alohaThm.ReturnExtent\n'alohaView.GetDisplay.SetExtent(r.Scale(1.1))\n'Make the view frame\ntheLayout=Layout.Make\ntheDisplay=theLayout.GetDisplay\ntheDisplay.SetUnits(#UNITS_LINEAR_INCHES)\ntheDisplay.SetPageSize(8.5@11)\ntheDisplay.SetGridActive(false)\nt heDisplay.SetUsingPrinterMargins(true)\ntheDisplay.SetMarginVisible(true)\ntheLayout.GetWin.Open\nthePageExtent=theDisplay.ReturnPageExtent\nthePageOrigin=thePageExtent.ReturnOrigin\ntheRectOrigin=thePageOrigin + ([email protected])\n\nviewRect=Rect.Make(theRectOrigin,(7@7))\ntheVFrame=ViewFrame.Make(viewRect)\ntheVFrame.SetView(alohaView,true)\ntheLayout.GetGraphics.Add(theVFrame)\n'add a neatline\nneatRect=viewRect.expandBy(0.15)\ntheNeatLine=GraphicShape.Make(neatRect)\ntheLayout.GetGraphics.Add(theNeatline)\n\ntheTitle=Graphic Text.Make(header,thePageOrigin+([email protected]))\ntheTitle.SetSpacing(0.75)\ntheTextSymbol=theTitle.ReturnSymbols.Get(0)\ntheTextSymbol.SetSize(18)\nnewFont=Font.Make(\"Times\",\"Bold\")\ntheTextSymbol.SetFont(newFont)\ntheLayout.GetGraphics.Add(theTitle)\n\n'Add the caveat - keep the name


143

thetitle!!\ntheTitle=GraphicText.Make(header2,thePageOrigin+([email protected]))\ntheTitle.SetSpacing(0.75)\ntheTextSymbol=theTitle.ReturnSymbols.Get(0)\ntheTextSymbol.SetSize(14)\nnewFont=Font.Make(\"Times\",\"Normal\")\ntheTextSymbol.SetFont(newFont)\nthe number=thetitle.GetSpacing \ntheLayout.GetGraphics.Add(theTitle)\n\n'Add a neatline\n'theRect=Rect.Make(thePageOrigin+([email protected]),([email protected]))\ntheRect=Rect.Make(thePageOrigin+([email protected]),([email protected]))\ntheNeatLine=GraphicShape.Make(theRect)\ntheLayout.GetGraphics.Add(theNeatline)\n\n'Make a solid box to go behind the legend\nr = Rect.Make(thePageOrigin+([email protected]),([email protected]))\ngr = GraphicShape.Make(r)\nmySymbol=Symbol.Make(#SYMBOL_FILL)\nmyColor=Color.Make\nmyColor.SetRGBList(255,255,255)\nmySymbol.SetColor(myColor)\n'mySymb ol.SetOutlineWidth(0.15)\ngr.SetSymbol(mySymbol)\ntheLayout.GetGraphics.Add(gr)\n\n\n'Add the legend\ntheLegendFrame=LegendFrame.Make(Rect.Make(thePageOrigin+([email protected]),(1.5@1)))\ntheLegendFrame.SetViewFrame(theVFrame)\ntheLayout.GetGraphics.Add(theLegendFrame)\n\n'Group the legend & the rectangle behind\ngr.select\ntheLegendFrame.select\ntheLayout.GetGraphics.GroupSelected\n\n'Add a scalebar\nsbFrame=ScaleBarFrame.Make(Rect.Make(thePageOrigin+(0.75@1),(4@1)))\nsbFrame.setViewFrame(theVFrame)\nsbFrame.SetStyle(#SCALEBARFRAM E_STYLE_ALTFILLED)\nsbFrame.SetUnits(#UNITS_LINEAR_MILES)\nsbFrame.SetIntervals(2)\nsbFrame.SetInterval(1)\nsbFrame.SetDivisions(2)\ntheLayout.GetGraphics.Add(sbFrame)\n\n'Add a north arrow\nnArrow=NorthArrow.Make(Rect.Make(thePageOrigin+([email protected]),(1@1)))\ntheNArrODB=ODB.Open(\"$HOME/north.def\".AsFilename)\nif(theNArrODB<>nil)then\n thelist=theNArrODB.Get(0)\n theNArrowGraphic=thelist.Get(1)\n nArrow.SetArrow(theNArrowGraphic)\n theLayout.Getgraphics.Add(nArrow)\nend\n\ntheLayout.Invalidate\n\n\n\n" ) (Script.5 Name: "alohainstallscript" SourceCode: "' Checkif there is an active project\nif (av.GetProject = nil) then\n return nil\nend\n\n'Add the button\ntheButtonBar = av.GetProject.FindGui(\"View\").GetButtonBar\nmyButton=self.Get(0)\n'Make it the last button\nav.GetProject.FindGui(\"View\").GetButtonBar.Add(myButton,av.GetProject.FindGui(\"View\").GetButtonBar.GetControls.count)\n \n" ) (Script.6 Name: "alohauninstallscript" SourceCode: "if (av.GetProject=nil)then\n return nil\nend\n\n\n' don't uninstall if project is closing\nif(av.GetProject.IsClosing) then\n return nil\nend\n\n\n'Remove the button\ntheButtonBar=av.GetProject.FindGui(\"View\").GetButtonBar\ntheButtonBar.REmove(self.Get(0))\n" )


144

Relación de sustancias o materias tóxicas y peligrosas

1. El arsénico y sus compuestos de arsénico. 2. El mercurio y sus compuestos de mercurio. 3. El cadmio y sus compuestos de cadmio. 4. El talio y sus compuestos de talio. 5. El berilio y sus compuestos de berilio. 6. Compuestos de cromo hexavalente. 7. El plomo y sus compuestos de plomo. 8. El antimonio y sus compuestos de antimonio. 9. Los fenoles y los compuestos fenólicos. 10. Los cianuros orgánicos e inorgánicos. 11. Los isocianatos. 12. Los compuestos órgano-halogenados, con exclusión de los polímeros inertes y otras sustancias mencionadas en esta lista. 13. Los disolventes clorados. 14. Los disolventes orgánicos. 15. Los biocidas y las sustancias fitosanitarias. 16. Los productos a base de alquitrán procedentes de operaciones de refino y los residuos alquitranados procedentes de operaciones de destilación. 17. Los compuestos farmacéuticos. 18. Los peróxidos, cloratos, percloratos y nitruros. 19. Los éteres. 20. Las sustancias químicas de laboratorio no identificables y/o nuevas cuyos efectos sobre el medio ambiente no sean conocidos. 21. El amianto (polvos y fibras). 22. El selenio y sus compuestos de selenio. 23. El teluro y sus compuestos de teluro. 24. Residuos procedentes de la industria del dióxido de titanio. 25. Los compuestos aromáticos policíclicos (con efectos cancerígenos). 26. Los carbonilos metálicos. 27. Los compuestos solubles de cobre. 28. Las sustancias ácidas y/o básicas utilizadas en los tratamientos de superficie de los metales. 29. Los aceites usados minerales o sintéticos, incluyendo las mezclas agua-aceite y las emulsiones.

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Índice de tablas

145

Índice de tablas

Tabla 1.- Clasificación de las masas de aire ................................................................................. 18 Tabla 2.- Localización y fuente de las estaciones meteorológicas utilizadas .......................... 31 Tabla 3.- Escala Beaufort............................................................................................................... 34 Tabla 4.- Intensidad de viento en nudos. .................................................................................... 35 Tabla 5.- Procedencia de la dirección de viento. ........................................................................ 35 Tabla 6.- Valores mensuales (en grados) de la dirección de viento en cada punto de

observación............................................................................................................................. 38 Tabla 7.- Valores mensuales de velocidad (en m/s) en cada punto de observación............. 39 Tabla 8.- Valores mensuales (en radianes) de las componentes Norte y Este en cada punto

de observación........................................................................................................................ 43 Tabla 8 (continuación).- Valores mensuales (en radianes) de las componentes Norte y Este

en cada punto de observación.............................................................................................. 44 Tabla 9.- Estaciones utilizadas para contrastar la exactitud del mapa de vientos.................. 58 Tabla 10.- Comparación de las componentes X e Y en ambos mapas................................... 60 Tabla 11.- Instalaciones potenciales de riesgo ............................................................................ 79 Tabla 12. Clave para las categorías de estabilidad ...................................................................... 91 Tabla 13. Superficie y población del área expuesta en la Comunidad de Madrid................ 131

Exposición a riesgos tecnológicos mediante mapa de interpolación de vientos Índice de figuras

146

Índice de figuras

Figura 1.- Línea de investigación de Riesgos Tecnológicos y posibilidades cartográficas ... 12 Figura 2.- Circulación general de la atmósfera............................................................................ 17 Figura 3.- Balance de fuerzas producidas por el viento geostrófico........................................ 21 Figura 4.- Velocidad media del viento y rosas de viento anuales en España ......................... 25 Figura 5.- Tipos de anemómetros................................................................................................. 27 Figura 6.- Ejemplos de veletas ...................................................................................................... 29 Figura 7.- Distribución espacial de las estaciones meteorológicas........................................... 30 Figura 8.- Distribución y dirección de las estaciones meteorológicas sobre MDT............... 32 Figura 9.- Rosa de los vientos ....................................................................................................... 33 Figura 10.- Velocidad y dirección de viento de las estaciones meteorológicas ...................... 36 Figura 11.- Medias mensuales de la velocidad ............................................................................ 37 Figura 12.- Direcciones de viento dominantes ........................................................................... 37 Figura 13.- Diferencias entre los sistemas lineales y los “no lineales” .................................... 40 Figura 14.- Descomposición de un vector en geometría .......................................................... 41 Figura 15.- Diferentes convenciones de sentidos de rotación.................................................. 42 Figura 16.- Descomposición de un vector en meteorología..................................................... 42 Figura 17.- Implementación de la interpolación IDW en ArcGIS 9....................................... 47 Figura 18.- Mensaje de resultado de la interpolación ................................................................ 48 Figura 19.a.- Mapa resultante de la interpolación con IDW de la componente X................ 48 Figura 19.b.- Mapa resultante de la interpolación con IDW de la componente Y................ 49 Figura 20.- Transformación inversa de la velocidad y dirección.............................................. 49 Figura 21.- Representación de un vector en función de su cuadrante .................................... 50 Figura 22.- Dominio de la arcotangente y signos de los vectores en cada cuadrante ........... 51 Figura 23.- Traslado de ángulos a su cuadrante correspondiente ............................................ 51 Figura 24.- Transformación inversa utilizando simetría angular.............................................. 52 Figura 25.- Programación en ArcGIS 9 de la transformación inversa .................................... 54 Figura 26.- Muestra en ArcGIS de la obtención de los ángulos en grados ............................ 54 Figura 27.- Mapa de vientos resultante de la interpolación no–lineal ..................................... 55 Figura 28.- Velocidad media anual – Escala Beaufort ............................................................... 56 Figura 29.- Estaciones utilizadas para el contraste de hipótesis............................................... 58 Figura 30.- Mapa de vientos producto de interpolación sin estaciones de contraste............ 59 Figura 31.- Campo de vientos de la zona central de la Comunidad de Madrid..................... 61 Figura 32.- Campo de vientos realizado sin las estaciones de contraste................................. 61 Figura 33.- Comparación de las rosas de los vientos de la Comunidad de Madrid............... 62 Figura 34.- Histograma y estadísticos del mapa de vientos anual ............................................ 62 Figura 35.- Histograma y estadísticos del mapa de contraste ................................................... 63 Figura 36.a.- Mapa de vientos – Mayo......................................................................................... 63 Figura 36.b.- Rosa de vientos predominantes en mayo............................................................. 64 Figura 37.a.- BLEVE: velocidad de viento a 5 m/s................................................................... 69 Figura 37.b.- BLEVE: velocidad de viento a 20 m/s ................................................................ 69 Figura 38.- Fuentes de riesgo – Abastecimiento energético ..................................................... 75 Figura 39.- Fuentes de riesgo – Gestión de residuos................................................................. 76 Figura 40.- Fuentes de riesgo – Instalaciones industriales ........................................................ 77 Figura 41.- Evolución del penacho de gases pesados................................................................ 87 Figura 42.- Representación de las superficies gaussianas en el penacho................................. 88


147

Figura 43.- Distribución normal de la concentración de contaminantes................................ 89 Figura 44.- Representación gráfica de las desviaciones estándar horizontal y vertical ......... 89 Figura 45.- Representación gráfica de los componentes del modelo Pasquill-Gifford ........ 90 Figura 46.- Coeficientes de dispersión horizontal y vertical ..................................................... 92 Figura 47.- Interfaz del programa ALOHA................................................................................ 95 Figura 48.- Datos de localización del foco .................................................................................. 95 Figura 49.- Parámetros de infiltración de edificios .................................................................... 96 Figura 50.- Elección del compuesto químico ............................................................................. 97 Figura 51.a.- Introducción de datos meteorológicos ................................................................. 97 Figura 51.b.- Introducción de datos meteorológicos................................................................. 98 Figura 52.a.- Parámetros de la fuente tipo “directa”.................................................................. 99 Figura 52.b.- Parámetros de la fuente tipo “balsa” .................................................................... 99 Figura 52.c.- Parámetros de la fuente tipo “depósito o tanque”............................................ 100 Figura 52.d.- Parámetros de la fuente lineal tipo “conducción de gas” ................................ 100 Figura 53.a.- Alcances de la huella contaminante según niveles de alerta ............................ 104 Figura 53.b.- Alcances de la huella contaminante y las líneas de incertidumbre ................. 104 Figura 54.- Esquema conceptual del Análisis geográfico de huellas contaminantes........... 105 Figura 55.- Resumen de los factores introducidos en ALOHA para las EE.SS. ................. 107 Figura 56.- Huella-tipo de las estaciones de servicio ............................................................... 107 Figura 57.- Niveles de emisión tras el accidente en EE.SS.................................................... 108 Figura 58.- Histograma y estadísticos de la velocidad para el gasoducto.............................. 108 Figura 59.- Resumen de los factores introducidos en ALOHA para el gasoducto............. 109 Figura 60.- Huella-tipo de los gasoductos ................................................................................. 110 Figura 61.- Resumen de los factores introducidos en ALOHA para los oleoductos ......... 111 Figura 62.- Huella-tipo de los oleoductos ................................................................................. 111 Figura 63.- Resumen de los factores introducidos en ALOHA para la incineradora ......... 112 Figura 64.- Huella-tipo de la incineradora................................................................................. 113 Figura 65.- Niveles de emisión procedentes de la incineradora ............................................. 113 Figura 66.- Resumen de los factores introducidos en ALOHA para RTPs ......................... 114 Figura 67.- Huella-tipo de las plantas de RTPs ........................................................................ 115 Figura 68.- Niveles de emisión procedentes de plantas de RTPs .......................................... 115 Figura 69.- Histograma y estadísticos de la velocidad para las instalaciones de

almacenamiento de combustible........................................................................................ 116 Figura 70.- Resumen de los factores introducidos en ALOHA para depósitos de

combustible........................................................................................................................... 117 Figura 71.- Huella-tipo de las instalaciones de almacenamiento de combustible................ 117 Figura 72.- Histograma y estadísticos de la velocidad para las depuradoras ........................ 118 Figura 73.- Resumen de los factores introducidos en ALOHA para RSUs ......................... 118 Figura 74.- Huella-tipo de las plantas de RSUs ........................................................................ 119 Figura 75.- Niveles de emisión procedentes de las plantas de RSUs..................................... 119 Figura 76.- Histograma y estadísticos de la velocidad para la industria ................................ 120 Figura 77.- Resumen de los factores introducidos en ALOHA para la industria................ 120 Figura 78.- Huella-tipo de la industria y polígonos industriales ............................................. 121 Figura 79.- Cambio de sistema de coordenadas ....................................................................... 122 Figura 80.- Ejemplo de inserción de huella contaminante en ArcGIS ................................. 123 Figura 81.- Definición angular en coordenadas polares para matriz de transformación.... 124 Figura 82.- Rotación de un punto alrededor del origen .......................................................... 124 Figura 83.- Programación en avenue de la rotación, traslación y cambio de escala ............ 126 Figura 84.- Exposición a riesgos industriales en la Comunidad de Madrid.......................... 129 Figura 85.- Exposición a riesgos provenientes de la industria (detalle) ................................ 128 Figura 86.- Exposición a riesgos tecnológicos en la Comunidad de Madrid ....................... 131


148

Relación de páginas web

http://www.etsimo.uniovi.es/gma/index.html http://www.noalaincineracion.org/index.php? http://ai-geostats.jrc.it/papers/index.htm http://redibericamm5.uib.es/ http://enva2.env.uea.ac.uk/Research_Projects/riskassref.html http://www.ess.co.at/RISK/IMAGES/images.html http://gis.esri.com/library/userconf/proc02/pap0853/p0853.htm http://www.canarina.com/disper.htm https://www.scientificsoftwaregroup.com/sslvhosts/air-dispersion-

model/adm/index.php?cPath=25 http://archive.orr.noaa.gov/cameo/aloha.html http://opengis.uab.es/wms/iberia/index.htm http://www.geogra.uah.es/inicio/ http://www.lakes-environmental.com/lakeepa3.html http://www.fema.gov/ http://geofocus.rediris.es/principal.html http://www.cbel.com/air_quality_environment/ http://www.epa.gov/ http://www.munimadrid.es/estadistica/ http://epp.eurostat.cec.eu.int/portal/page?_pageid=1090,1137397&_dad=portal&_schem

a=PORTAL http://www.ine.es/ http://www8.madrid.org/iestadis/ http://www.mambiente.munimadrid.es/ http://www.unizar.es/guiar/1/MMPP/Clas_MMPP.htm http://www.esi.unav.es/Asignaturas/ecologia/informes/residuos/clasific.htm http://www.etsav.upc.es/personals/monclus/cursos/1301.htm http://en.wikipedia.org/wiki/Dispersion_Modeling_of_Air_Pollutants http://reports.eea.eu.int/92-9167-028-6/en/page008.html http://www.air-dispersion.com/ http://www.csun.edu/~vchsc006/469/gauss.htm http://www.rpi.edu/dept/chem-eng/Biotech-Environ/SYSTEMS/plume/gaussian.html http://www.giswebsite.com/pubs/200303/nr200303_p3.html http://www.mtas.es/insht/ntp/ntp_329.htm http://www.mtas.es/insht/ntp/ntp_475.htm http://www.rpi.edu/dept/chem-eng/Biotech-Environ/SYSTEMS/plume/plume.html http://www.gibbsfarm.net/kef/index.html http://www.astrogea.org/divulgacio/links_meteo.htm http://tis-hq.eh.doe.gov/web/Chem_Safety/teel.html TEEL http://www.orau.gov/emi/scapa/index.htm TEEL http://www.epa.gov/oppt/aegl/index.htm AEGL http://www.cdc.gov/niosh/npg/ IDLH http://www.aiha.org ERPG http://www.ineris.fr/index.php http://www.uned.es/biblioteca/rsu/pagina1.htm

http://www.etsimo.uniovi.es/gma/index.html

http://www.noalaincineracion.org/index.php

http://ai-geostats.jrc.it/papers/index.htm

http://redibericamm5.uib.es/

http://enva2.env.uea.ac.uk/Research_Projects/riskassref.html

http://www.ess.co.at/RISK/IMAGES/images.html

http://gis.esri.com/library/userconf/proc02/pap0853/p0853.htm

http://www.canarina.com/disper.htm

https://www.scientificsoftwaregroup.com/sslvhosts/air-dispersion-model/adm/index.php?cPath=25

https://www.scientificsoftwaregroup.com/sslvhosts/air-dispersion-model/adm/index.php?cPath=25

http://archive.orr.noaa.gov/cameo/aloha.html

http://opengis.uab.es/wms/iberia/index.htm

http://www.geogra.uah.es/inicio/

http://www.lakes-environmental.com/lakeepa3.html

http://www.fema.gov/

http://geofocus.rediris.es/principal.html

http://www.cbel.com/air_quality_environment/

http://www.epa.gov/

http://www.munimadrid.es/estadistica/

http://epp.eurostat.cec.eu.int/portal/page?_pageid=1090,1137397&_dad=portal&_schema=PORTAL

http://epp.eurostat.cec.eu.int/portal/page?_pageid=1090,1137397&_dad=portal&_schema=PORTAL

http://www.ine.es/

http://www8.madrid.org/iestadis/

http://www.mambiente.munimadrid.es/

http://www.unizar.es/guiar/1/MMPP/Clas_MMPP.htm

http://www.esi.unav.es/Asignaturas/ecologia/informes/residuos/clasific.htm

http://www.etsav.upc.es/personals/monclus/cursos/1301.htm

http://en.wikipedia.org/wiki/Dispersion_Modeling_of_Air_Pollutants

http://reports.eea.eu.int/92-9167-028-6/en/page008.html

http://www.air-dispersion.com/

http://www.csun.edu/~vchsc006/469/gauss.htm

http://www.rpi.edu/dept/chem-eng/Biotech-Environ/SYSTEMS/plume/gaussian.html

http://www.giswebsite.com/pubs/200303/nr200303_p3.html

http://www.mtas.es/insht/ntp/ntp_329.htm

http://www.mtas.es/insht/ntp/ntp_475.htm

http://www.rpi.edu/dept/chem-eng/Biotech-Environ/SYSTEMS/plume/plume.html

http://www.gibbsfarm.net/kef/index.html

http://www.astrogea.org/divulgacio/links_meteo.htm

http://tis-hq.eh.doe.gov/web/Chem_Safety/teel.html

http://www.orau.gov/emi/scapa/index.htm

http://www.epa.gov/oppt/aegl/index.htm

http://www.cdc.gov/niosh/npg/

http://www.aiha.org/

http://www.ineris.fr/index.php

http://www.uned.es/biblioteca/rsu/pagina1.htm


149



cartografía de exposición a riesgos naturales mediante mapa de vientos

Documents