MODELAMIENTO DE ESTRATEGIAS PARA REDUCCIÓN DE MATERIAL

1

MODELAMIENTO DE ESTRATEGIAS PARA REDUCCIÓN DE MATERIAL PARTICULADO EN EL AIRE (CALERAS-NOBSA)

David Felipe Salcedo Pérez

UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA

TUNJA, Colombia

Octubre 2019

2

MODELAMIENTO DE ESTRATEGIAS PARA REDUCCIÓN DE MATERIAL PARTICULADO EN EL AIRE (CALERAS-NOBSA)

David Felipe Salcedo Pérez

Tesis como requisito para optar al título de:

Magister en Ingeniería Ambiental

Directora:

Msc. Dora Marcela Benítez

Codirector:

Msc. Edison Yesid Ortiz

UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA

TUNJA, Colombia

Octubre 2019

3

Gracias a Dios a mis padres por su apoyo incondicional, a mi directora Ing. Dora y codirector Ing. Edison por su orientación profesional, Alejandra M por sus regaños y consejos y a todas las personas que hicieron posible esto.

“No hay enseñanza sin investigación ni investigación sin enseñanza”

Paulo Freire

4

Tabla de contenido INTRODUCCIÓN ................................................................................................ 8

OBJETIVOS ........................................................................................................ 8

Objetivo General ................................................................................................. 8

Objetivos Específicos ...................................................................................... 8

1. MARCO DE REFERENCIAS ........................................................................ 9

1.1 MARCO TEÓRICO .................................................................................... 9

1.1.1. Proceso de fabricación de cal ......................................................... 9

1.1.2. Material particulado menor a 10 micras .......................................... 9

1.1.3. Estabilidad atmosférica .................................................................... 10

1.1.3. Capa de mezcla ............................................................................ 11

1.1.4. Brisas de valle montaña ................................................................ 12

1.1.5. Viento anabatico............................................................................ 13

1.1.6. Vientos catabatico (viento de montaña) ........................................ 13

1.1.7. Modelo de calidad del aire ............................................................ 14

1.1.8. Modelo de dispersión atmosférica ................................................. 14

1.1.9. Modelo de dispersión AERMOD.................................................... 15

1.1.10. Modelo de dispersión CALPUFF ................................................ 15

1.1.11. Redes de monitoreo de calidad del aire ......................................... 16

1.2. MARCO DESCRIPTIVO ...................................................................... 16

1.2.1. Localización .................................................................................. 16

1.2.2. Clima ............................................................................................. 17

1.2.3. Biota ................................................................................................. 17

1.2.4. Economía. ........................................................................................ 17

1.3. Incertidumbre de los modelos .............................................................. 18

2. ANÁLISIS METEOROLÓGICO Y DE SUPERFICIE ..................................... 19

2.1. METEOROLOGÍA DE LA ZONA DE ESTUDIO...................................... 19

2.1.1. Meteorología simulada de superficie y perfiles verticales ................. 19

2.1.2. Dirección y velocidad del viento. ...................................................... 19

2.1.3. Temperatura. .................................................................................... 20

2.1.4. Precipitación ..................................................................................... 21

2.1.5. Humedad Relativa ............................................................................ 22

2.2. CARACTERÍSTICAS DE SUPERFICIE .................................................. 24

2.2.1. Rugosidad superficial ....................................................................... 24

5

2.2.2. Coeficiente de albedo ....................................................................... 25

2.2.3. Relación de Bowen ........................................................................... 25

3. INVENTARIO DE EMISIONES ..................................................................... 27

3.1. Inventario de fuentes de emisión industria calera. .................................. 27

3.1.1. Descripción y método utilizado ......................................................... 27

3.1.2. Calculo de emisiones ....................................................................... 28

3.1.3. Consolidado del inventario de hornos de cal. ................................... 31

3.2. Fuentes móviles...................................................................................... 32

4. ESTRUCTURA DEL MODELAMIENTO DE AERMOD Y CALPUFF ............ 35

4.1. Estructura general del modelo AERMOD ............................................... 35

4.1.1. Dominio de la modelación ................................................................ 35

4.1.2. Rango ............................................................................................... 35

4.1.3. Malla de receptores .......................................................................... 36

4.1.4. Elevación de receptores ................................................................... 36

4.1.5. Meteorología .................................................................................... 36

4.1.6. Tiempo de vida media/ constante de decaimiento ........................... 36

4.1.7. Selección del periodo del modelamiento y escenarios. .................... 37

4.1.8. Dinámica de funcionamiento de las Fuentes fijas (hornos de cal) en

la zona productiva. ..................................................................................... 37

4.2. Estructura general del l modelo CALPUFF ............................................. 37

4.2.1. Dominio de modelación .................................................................... 37

4.2.2. Rango ............................................................................................... 38

4.2.3. Receptores ....................................................................................... 38

4.2.4. Elevación de receptores ................................................................... 38

4.2.5. Meteorología .................................................................................... 39

4.2.6. Tiempo de vida media/ constante de decaimiento ........................... 39

4.2.7. Selección del periodo de modelación y escenarios. ......................... 39

4.2.8. Resultados de la modelación ........................................................... 39

5. ANÁLISIS Y RESULTADOS ......................................................................... 40

5.1. Identificación de puntos de control. ........................................................ 40

5.2. Determinación de zonas de influencia. ................................................... 41

5.3. Evaluación de PM10 con el modelo AERMOD ....................................... 43

5.3.1. Escenario 1. Todos los hornos prendidos ........................................ 43

5.3.2. Escenario 2. Pico y placa ambiental ................................................. 45

6

5.3.3. Escenario 3. Pico y placa ambiental más re suspensión por vías .... 49

5.3.4. Consolidado de escenarios modelados con AERMOD. ................... 50

5.4. Evaluación de PM10 con el modelo CALPUFF ...................................... 52

5.4.1. Escenario 1. Todos los hornos prendidos. ....................................... 52

5.4.2. Escenario 2. Pico y placa ambiental. ................................................ 53

5.4.3. Escenario 3. Pico y placa ambiental más re suspensión por vías. ... 55

5.4.4. Consolidado de escenarios modelados con CALPUFF. ................... 56

5.5. Validación de los modelos ...................................................................... 58

CONCLUSIONES ............................................................................................. 60

BIBLIOGRAFÍA ................................................................................................. 61

Lista de figuras

Figura 1. Distribución del tamaña de partículas en el material particulado. ...... 10 Figura 2. Altura de la capa de mezcla. .............................................................. 12 Figura 3.Brisas de valle y de montaña. ............................................................. 12 Figura 4. Viento anabatico. ............................................................................... 13 Figura 5. Vientos catabatico y anabatico. ......................................................... 14 Figura 6. Representación esquemática de un modelo de dispersión. ............... 15 Figura 7. Ubicación de la red de monitoreo de calidad del aire de Sogamoso. 16 Figura 8. Localización del municipio de Nobsa. ................................................ 17 Figura 9. Rosa de vientos para los años 2014 y 2017. ..................................... 20 Figura 10. Temperatura mensual para los años 2014 y 2017. .......................... 21 Figura 11. Precipitación mensual de los años 2014 y 2017. ............................. 22 Figura 12.Humedad relativa ménsula para los años 2014 y 2017. ................... 23 Figura 13.Presion atmosférica mensual para los años 2014 y 2017................. 24 Figura 14. Formato del inventario. .................................................................... 28 Figura 15. Registro vehicular. ........................................................................... 32 Figura 16. Ubicación de receptores en el dominio de la modelación. ............... 35 Figura 17. Ubicación de los receptores y dominio. ........................................... 38 Figura 18. Ubicación de puntos de control en la zona de estudio. .................... 40 Figura 19. a__Identificación de zonas de influencia de emisiones, satelital. b__Identificación de zonas de influencia de emisiones .................................... 42 Figura 20.Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1 periodo 2014. ................................................................................ 43 Figura 21. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1 periodo 2017. ................................................................................ 44 Figura 22. Pico y placa ambiental. .................................................................... 46 Figura 23. Modelo de dispersión de concentraciones totales diarias de PM10 en el escenario 2. ................................................................................................... 48 Figura 24. Modelo de dispersión de concentraciones totales de PM10 en el escenario 3. ...................................................................................................... 49 Figura 25. Consolidado por punto. .................................................................... 51

7

Figura 26. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1. ...................................................................................................... 52 Figura 27. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 2. ...................................................................................................... 54 Figura 28. Modelo de concentraciones diarias de PM10 escenario3 . .............. 55 Figura 29. Consolidado por punto. .................................................................... 57 Figura 30. Consolidado por punto. .................................................................... 57

Lista de tablas

Tabla 1.Clasificacion de estabilidad atmosférica. ............................................. 10 Tabla 2. Valores de rugosidad (m) superficial para distintas estaciones. ......... 25 Tabla 3.Valores de Albedo (adimensionales) superficial para las distintas estaciones. ........................................................................................................ 25 Tabla 4. Valores de Bowen (adimensionales) según el uso de la tierra y las estaciones del año para condiciones húmedas. ............................................... 26 Tabla 5. Principales parámetros para caleras, según combustible. .................. 28 Tabla 6. Ejemplo de cálculo de emisiones PM10 en caleras. ........................... 31 Tabla 7. Consolidado del inventario de hornos de cal del 2017. ....................... 31 Tabla 8.Resumen de los escenarios a modelar con AERMOD......................... 37 Tabla 9.Resumen de los escenarios a modelar con CALPUFF. ....................... 39 Tabla 10. Ubicación de puntos de control. ........................................................ 41 Tabla 11.Puntos de mayor concentración para el años 2014 y 2017 obtenidos por el modelo de dispersión AERMOD. ............................................................ 45 Tabla 12.Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión. ....................................................................................... 49 Tabla 13. Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión. ....................................................................................... 50 Tabla 14. Consolidado de los escenarios modelos. .......................................... 51 Tabla 15. Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión CALPUFF. ...................................................................... 53 Tabla 16.Puntos de mayor concentración para el año 2017, obtenidos en el modelo CALPUFF. ............................................................................................ 55 Tabla 17. Putos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión CALPUFF. ...................................................................... 56 Tabla 18. Consolidado de los escenarios. ........................................................ 57 Tabla 19. Validación de promedio diarios de concentración de PM1, modelo AERMOD. ......................................................................................................... 58 Tabla 20. Validación de promedio diarios de concentración de PM10, modelo CALPUFF.......................................................................................................... 58

8

INTRODUCCIÓN Los problemas de contaminación de calidad del aire presentados en los últimos años en el valle de Sogamoso han traído varias políticas para la disminución de la contaminación presentada por los hornos de cal del municipio de Nobsa. Es por esto que a partir de modelos de dispersión que cada vez están siendo más utilizados para evaluar el impacto ambiental producido por contaminación para apoyarlas políticas implementadas para la descontaminación y evaluando las estrategias implementadas.

OBJETIVOS

Objetivo General Modelar las emisiones provenientes de la industria calera y de las fuentes

móviles de la zona aledaña con las herramientas de planificación AERMOD y CALPUFF como medio de análisis de la dispersión de material particulado para los años 2014 y 2017.

Objetivos Específicos Consolidar una base de datos la cual incluya información meteorológica,

orográfica como primer insumo del proceso de modelamiento y; el inventario de emisiones de referencia que incluye Fuentes fijas y móviles presentes en las veredas Caleras, Capilla y Ucuaca con el fin de categorizar las fuentes de acuerdo a ubicación, capacidad de producción y potencial de emisión entre otras.

Analizar la base de datos en cuanto a calidad y pertinencia de la información con el fin de reducir la incertidumbre para la estimación de las emisiones utilizando factores de emisión.

Modelar con AERMOD y CALPUFF como medio de estimación y comparación de tres diferentes escenarios de emisiones (1 escenario. El 100% de los hornos encendidos, 2 escenario: pico y placa ambiental y 3 escenario: pico y placa ambiental y re suspensión por vías de material particulado procedentes de las Fuentes fijas y móviles de la zona)

9

1. MARCO DE REFERENCIAS

1.1 MARCO TEÓRICO

1.1.1. Proceso de fabricación de cal La Cal (CaO) es un producto generado por la calcinación de la piedra caliza. Su producción caliza. Su producción ocurre en hornos de carbón que utilizan carbón como combustible donde se alcanzan temperaturas de hasta 900 C que separan el CO2 de la producción de cal. La reacción química que sufre la piedra caliza la cual tiene ente un 97% y 98% de carbonato de calcio (CaCO3).

Las caleras son reconocidas por su alto impacto ambiental evidente a simple visto presentando un gran nivel de emisiones de partículas, el humo y polvo es bastante alto. La capacidad de cargue de un horno varía desde 20 a 30 ton1.

El proceso de la producción de cal es la siguiente:

La piedra caliza se saca de canteras en forma se escalone, el método más común es el de voladura con dinamita, haciendo perforaciones en la roca que luego son llenados con material explosivo.

La piedra caliza es luego triturada en molinos. La cocción de la caliza se hace en hornos de llama dormida, el periodo de quema dura aproximadamente 7 días.

1.1.2. Material particulado menor a 10 micras Las partículas de diámetro menor a 10 micras, también llamadas PM10, pueden ingresar a las vías respiratorias debido a su menor tamaño. Al mismo tiempo, estas últimas se dividen en mayores y menores de 2.5 micras, dado que las de diámetro aerodinámico más pequeño pueden llegar incluso a las vías aéreas más finas, como el alvéolo pulmonar. En tanto, las de mayor tamaño van quedando atrapadas en la mucosa que recubre las vías respiratorias superiores2

Normalmente, la distribución del tamaño de las partículas sigue una distribución bimodal. Las partículas finas se producen principalmente por la combustión o por condiciones super-saturadas, mientras que las partículas gruesas proceden principalmente de Fuentes naturales como el polvo que se levanta por efectos del viento3. En la Figura 1 se puede apreciar dicha distribución.

1 Corpoboyaca. Gestión de la calidad del aire. 2016 2 Diana Marcela Gonzalez, ‘Suesca ( Cundinamarca ) Evaluación de La Calidad Del Aire En El

Municipio de Suesca ( Cundinamarca )’, 2016. 3 THAI, Amy. Particulate Matter Exposure Along Bicycle Routes in Vancouver,Universtity of British

Columbia. Canada, 2006.

10

Figura 1. Distribución del tamaño de partículas en el material particulado.

FUENTE: THAI, 2006.

1.1.3. Estabilidad atmosférica La troposfera presenta una estratificación estable y comúnmente que hay estabilidad atmosférica, cuando se separan verticalmente tanto hacia arriba como hacia abajo, la partícula de aire dependiendo de dónde tiende a volver a una posición primitiva.

La estabilidad Atmosférica está dada por la relación existente entre la temperatura y la altura. Está definida para el día y la noche categorizando en 7 clases (Extremadamente inestable A=1, Moderadamente inestable B=2, Ligeramente inestable C =3, Neutral D = 4, Ligeramente estable E =5, Moderadamente Estable F = 6 y Extremadamente estable G = 7) y se presenta su clasificación en la tabla 1.

Tabla 1.Clasificacion de estabilidad atmosférica.

Fuente: D. B. Turner, Workbook of Atmospheric Dispersion Estimates, HEW, Washingtong, 1969. Tomado de: Manual de Control de la calidad del aire [1]. 2002.

11

La clase neutra D, se debe considerar para condiciones encapotadas durante el día o la noche.

Para el proceso de dispersión de los contaminantes es imprescindible que los procedimientos de AC/CC se implementen lo cual permite reducir el rango de incertidumbre en los datos y registros encontrados y calculados, previa determinación de los objetivos de calidad de los datos (DQOs, por sus siglas en inglés), que deben involucrar:

Precisión (o incertidumbre) de los datos o registros de emisión Nivel en que los datos están completos Representatividad Grado de comparación

1.1.3. Capa de mezcla La capa de mezcla se interpreta como el espesor de la atmosfera en que se difunde los contaminantes. El espesor de la capa de mezcla depende de las condiciones meteorológicas, en particular dela clase de estabilidad, de la radiación solar, de la velocidad del viento y del tipo de terreno. La altura de la capa de mezcla es la altura de la capa de la atmosfera donde se encuentra relativamente el absoluto la mezcla vertical, por el calentamiento radiactivo de la superficie de la superficie terrestre. Cuando no se produce ninguna intersección (cuando el gradiente vertical ambiental es mucho mayor que el gradiente vertical adiabático), la altura de la capa de mezcla se puede extender a alturas mayores de la atmosfera. El aire que se encuentra debajo de la altura de mezcla conforma la capa de mezcla. Mientras más profunda sea esta capa, mayor será el volumen de aire disponible para la dispersión de los contaminantes4.

4 Moragues, J. A. (2017, agosto 1). Clasificacion de estabilidad. Retrieved from

http://ceiucaweb.com.ar/documentos/2-ambiental/3er-anio-1er-

cuatri/meteorologia/apunte/capa%20de%20mezcla.pdf

12

Figura 2. Altura de la capa de mezcla.

Fuente:

1.1.4. Brisas de valle montaña La brisa de valle y montaña se desarrolla a lo largo de las laderas de los sistemas montañosos. Durante el día, la radiación solar calienta las paredes del valle, lo que a su vez calienta el aire en contacto con ellas. El aire calienta, al ser menos denso que el de la misma altitud sobre el valle, se eleva como un suave viento de pendiente ascendente conocido como brisa del valle por la noche, el flujo se revierte. Las laderas de las montañas se enfrían rápidamente, enfriando el aire en contacto con ellas. El aire más frio y más denso se desliza cuentas abajo hacia el valle, proporcionando una brisa de montaña. El ciclo diario de viento se desarrolla mejor en un clima de verano despejado cuando los vientos dominantes son ligeros.

Figura 3.Brisas de valle y de montaña.

Fuente: comet program.

13

En muchas áreas, los vientos ascendentes (brisas de valle) comienzan temprano en la mañana y la dirección inversa al final de la tarde. La brisa de montaña alcanza su máximo en las primeras horas de la mañana, generalmente justo antes del amanecer. Cuando los vientos ascendentes están en desarrollados y tienen suficiente humedad pueden desarrollarse la aparición de cúmulos sobre la cumbre de las montañas5.

1.1.5. Viento anabatico Este tipo de circulación determina un flujo que sopla desde el valle en el día por efecto del calentamiento radiativo sobre la superficie. Se presenta cuando las parcelas de aire próximas a las laderas y los valle están calientes por lo tanto la densidad del aire disminuye y va ascendiendo hasta la cima siguiendo el recorrido de la superficie topográfica en que se encuentre. Este aire ascendente cálido se denomina viento anabatico y es compensando por subsidencia en el valle.

Figura 4. Viento anabatico.

Fuente: comet program.

A medida que el aire calienta intenta elevarse, deja la presión ligeramente inferior adyacente a la pendiente, generando un gradiente de presión horizontal. Cuando el aire cálido alcanza la cima del complejo montañoso se eleva verticalmente con las parcelas de aire que presentan menor densidad y mayos temperatura con respecto al ambiente circundante. Este movimiento ascendente la presencia de la humedad genera nubes tipo cumulo, conocidas como anabaticas (tipo cúmulos).

1.1.6. Vientos catabatico (viento de montaña) Son flujos de viento generalmente débil, que sopla desde la cima de las montañas o ante planicies con dirección del valle. El viento catabatico se caracteriza por ser recurrente en el día y modulado o interrumpido por la presencia de flujo convectivo y/o ascenso por el calentamiento del valle (anabatico). Se desarrolla con más intensidad en días despejados al atardecer, durante la noche y la madrugada, producto del enfriamiento del suelo por radiación. El proceso se intensifica si en el valle se desarrollan focos térmicos provocados por el uso de suelo enfocado al desarrollo de actividades urbanas,

5 COMPONENTE GEOGRÁFICA DEL CLIMA.

14

impulsando a la circulación de alta presión (cima de la montaña) hacia el valle (baja presión).

Figura 5. Vientos catabatico y anabatico.

Fuente. comet program

1.1.7. Modelo de calidad del aire Los modelos de calidad de aire utilizan técnicas matemáticas y numéricas para simular los procesos físicos y químicos que afectan a los contaminantes del aire, ya que se dispersan y reaccionan en la atmósfera. Basado en las entradas de datos meteorológicos y de información de Fuente como las tasas de emisión y de altura de pila, estos modelos están diseñados para caracterizar contaminantes primarios que son emitidos directamente a la atmósfera y, en algunos casos, contaminantes secundarios que se forman como resultado de reacciones químicas complejas dentro de la atmósfera. Estos modelos son importantes en nuestro sistema de gestión de la calidad del aire debido a que son ampliamente utilizados por los organismos encargados de controlar la contaminación del aire tanto para identificar las contribuciones de origen a problemas de calidad del aire y ayudar en el diseño de estrategias eficaces para reducir los contaminantes atmosféricos nocivos. Por ejemplo, los modelos de calidad del aire se pueden usar durante el proceso de autorización para verificar que una nueva Fuente no excederá los estándares de calidad del aire ambiente o, si es necesario, determinar los requisitos de control adicionales apropiados. Además, los modelos de calidad del aire también se pueden utilizar para predecir futuras concentraciones de contaminantes provenientes de múltiples Fuentes después de la implementación de un nuevo programa de regulación, con el fin de estimar la eficacia del programa en la reducción de la exposición dañina para los seres humanos y el medio ambiente6.

1.1.8. Modelo de dispersión atmosférica Desde el punto de vista de la dispersión de contaminantes, la modelación se utiliza para saber, entre otras cosas, cómo cambia en el tiempo y el espacio la

concentración de una sustancia habitualmente identificada como contaminante criterio, a objeto de predecir y analizar la calidad del aire y de esta forma

6 EPA. (2017, 7 4). EPA. Retrieved from https://www.epa.gov/scram/air-quality-models

15

colaborar en las decisiones políticas y de planificación respecto a la gestión, mediante el desarrollo de planes, programas, proyectos y normatividad7.

Figura 6. Representación esquemática de un modelo de dispersión.

Fuente: LADY JOHANA URIBE BARÓN, 2009

La modelación de dispersión atmosférica tiene diversas aplicaciones como facilitar el análisis del impacto en la calidad del aire por los contaminantes atmosféricos y el cálculo de los límites de emisión que se requieren para satisfacer los estándares de calidad ambiental del aire8.

1.1.9. Modelo de dispersión AERMOD AERMOD es un modelo avanzado, diseñado para predecir concentraciones de contaminantes de Fuentes continuas. Su desarrollo tuvo un gran avance entre los años 1990 y 2000.AERMOD es un modelo gaussiano y posee características que lo hacen diferente: en la Capa Limite Estable, la distribución de la concentración es asumida como un modelo gaussiano en dirección horizontal y vertical, en la capa limite Conectiva la distribución horizontal es gaussiana pero la dispersión vertical es descrita como la función de la densidad dela probabilidad Bi-Gaussiana.9

1.1.10. Modelo de dispersión CALPUFF El modelo CALPUFF, fue desarrollo por Earth Tech para simular emisiones continuas usando los campos de vientos particulares de una región específica10. El modelo CALMET, calcula las estructuras de viento del área de estudio y CALPUFF es el encargado de calcular la dispersión de los contaminantes en los sitios de los receptores. Este modelo es recomendado por USEPA, es capaz de calcular las concentraciones de los contaminantes, distribuidos en un área de estudio, a diferentes horas, para los contaminantes PM10, SO2 y especie de nitrógenos (NOx).

7 BUSTOS, Cristian. Aplicación de modelos de dispersión atmosférica en la evaluación de impacto

ambiental: análisis del proceso. Universidad de Chile. Santiago de Chile, 2004.

8 ARZATE E., Carmen I. Realización de software educativo para simular la dispersión de contaminantes

atmosféricos. Universidad de las Américas Puebla. México, 2004.

9 Rodríguez Vargas, David. Aplicación del modelo ISC para determinar los niveles de incumplimiento de

la norma de calidad del aire para material particulado(PM10),en el sector industrial de patio bonito en el

municipio de NEMOCON(CUNDINAMARCA) 10 EPA,2000

16

1.1.11. Redes de monitoreo de calidad del aire Las Redes de Monitoreo de la Calidad del Aire, están constituidas por sensores semiautomáticos o automáticos, que permiten medir la concentración de los diferentes contaminantes en el aire y son la base para evaluar los niveles de contaminación del aire, con el fin de obtener información apropiada y confiable que permita tomar decisiones a las diferentes autoridades ambientales, que orientan su gestión a mejorar la calidad de vida de la población.

La corporación autónoma de Boyacá tiene instalada una red de monitoreo de calidad del aire en el valle de Sogamoso instala desde el año 2000, conformada por unas estaciones ubicadas en el barrio el recreo del municipio de Sogamoso, en el barrio Nazareth del municipio de Nobsa y el club Bavaria del municipio de Duitama, las cuales miden concentraciones de MP10, O3, CO y SO211.

Figura 7. Ubicación de la red de monitoreo de calidad del aire de Sogamoso.

Fuente: Sistema de información de calidad del aire.

1.2. MARCO DESCRIPTIVO

1.2.1. Localización El municipio de Nobsa está ubicado a 2 horas de la capital del departamento, está rodeado de un sistema montañoso y tiene en su área de influencia 2 empresas importantes para la región como lo son HOLCIM y ACERÍAS PAZ DEL RIO. El municipio limita por el norte con Floresta, por el este con Corrales, por el sur con Sogamoso y en el oeste con Tibasosa.

11 Corpoboyaca y alcaldía de Sogamoso. red de monitoreo de calidad del aire del valle de Sogamoso.

informe general. Tunja, 2004.

17

Figura 8. Localización del municipio de Nobsa.

Fuente: Google Earth

1.2.2. Clima El municipio de Nobsa presenta un promedio anual de 780,1 mm/ ano, siendo los meses más lluviosos abril, mayo y octubre. Con una temperatura media de 15, 2 grados centígrados. La nubosidad para el municipio corresponde a un día parcialmente nublado, con una estabilidad atmosférica en horas de la noche.

El brillo solar de muestra que el municipio tiene altas concentraciones de contaminantes atmosféricos, reflejado en el paso de luz solar sobre el municipio.

1.2.3. Biota La vegetación en el municipio es diversa entre arbustos, árboles y herbácea, dependiendo del sector del municipio. Posee flora nativa y exótica, ala ves existen varias reforestaciones con pino y eucalipto, eliminando la posibilidad de preservar el ecosistema.

1.2.4. Economía. Nobsa conjuntamente con Duitama y Sogamoso constituye el centro económico más importante del departamento. Importancia derivada de la presencia de las industrias como Acerías Paz del Rio y Holcim, conjuntamente con el sector artesanal se constituye en importante factor del desarrollo, Fuente de empleo y riqueza de la región llevando a Nobsa a ocupar el primer lugar en la participación del producto interno bruto (PIB) industrial del departamento con el 22%12.

Los sectores que constituyen la base económica del municipio en su orden de importancia son:

12 POT, ALCALDIA DE NOBSA 2018

18

El sector industrial y minero, los cuales acaparan la mayor parte de la población tanto rural como urbana a nivel de empleo.

La producción artesanal de madera, la fabricación de muebles rústicos, forja y fundida de hierro y lonas.

El sector agropecuario y forestal. Sector comercial y prestación de servicios.

1.3. Incertidumbre de los modelos Si bien en el valle de Sogamoso existe información meteorológica oficial, a través de las estaciones meteorológicas del IDEAM y Corpoboyaca, estas estaciones proporcionan solamente información de temperatura, humedad, presión, viento y nubosidad. Sin embargo, los datos meteorológicos de estas estaciones son descartados para el modelo de dispersión, debido a que el mismo requiere datos meteorológicos con una resolución temporal de 1 hora y otras variables no medidas por dichas estaciones como nubosidad, visibilidad, altura del techo, clima actual y temperatura de derretimiento. Al verificar los datos meteorológicos aportados por el ideam, se encontró que la falta datos horarios de la estaciones necesitadas, es por esto que al consultar con Corpoboyaca sobre la estación meteorológica automática ellos comentaron que la validación de los datos está a partir del año 2017 por lo anterior se opta por la información aportada con WRF para bajar la incertidumbre de los modelos.

La aplicación de las encuetas para el inventario de emisiones como instrumento al ser validado con varias pruebas de campo, se redujo la incertidumbre de los datos aportados por cada una, para generar los balances de masas el cual determina el cálculo de emisiones.

19

2. ANÁLISIS METEOROLÓGICO Y DE SUPERFICIE

2.1. METEOROLOGÍA DE LA ZONA DE ESTUDIO La meteorología de la zona de estudio, donde se lleva el proceso de cocción de cal es uno de los insumos más importantes para la correcta modelación de los procesos de dispersión y transporte de los contaminantes. El análisis presentado en el presente capitulo, tiene como objeto presentar la dinámica de las variables meteorológicas involucradas en el modelamiento.

2.1.1. Meteorología simulada de superficie y perfiles verticales Se utilizaron los datos simulados por el modelo meteorológico WRF (Weather Research and Forecasting) provistos por la empresa Colombiana MeteoColombia S.A.S para la caracterizar la zona de estudio. WRF es un modelo numérico euleriano no hidrostático de meso escala, utilizando principalmente para la predicción del tiempo atmosférico. En este caso, los datos provistos por el modelo WRF corresponde a los años 2014 y 2017, se encuentran organizados en dos archivos que contienen registros horarios de las variables de interés. El primero con los datos de superficie y el segundo con los datos de altura.

Si bien en el valle de Sogamoso existe información meteorológica oficial, a través de las estaciones meteorológicas del IDEAM y Corpoboyaca, estas estaciones proporcionan solamente información de temperatura, humedad, presión, viento y nubosidad. Sin embargo, los datos meteorológicos de estas estaciones son descartados para el modelo de dispersión, debido a que el mismo requiere datos meteorológicos con una resolución temporal de 1 hora y otras variables no medidas por dichas estaciones como nubosidad, visibilidad, altura del techo, clima actual y temperatura de derretimiento.

Los datos obtenidos por la simulación con WRF proporcionada por Meteocolombia son procesados por los preprocesadores AERMET y CALMET el cual estima los parámetros necesarios para la modelización con el modelo de dispersión AERMOD y CALPUFF. Estos parámetros describen la región baja de la atmosfera en donde se dispersaran los contaminantes, esta capa se denomina capa límite planetario, que sigue la incidencia de las características de la superficie terrestre como cobertura de suelo, topografía, entre otros sobre él.

2.1.2. Dirección y velocidad del viento. De acuerdo con la Organización meteorológica mundial, el viento consiste en el movimiento de un masa de aire desde una zona hasta otra13.La información meteorológica con respecto a las variables dirección y velocidad del viento son obtenidos a través del modelo WRF y analizada con WRPLOT (Blowing to). En la Figura 9, que corresponde a la rosa de vientos para el año 2014, el 11% de los datos se encuentra e dirección Nor-Este, teniendo una dirección del viento predominante del Sur-Oeste con una velocidad del viento mayor a 5,1m/s. El 7% de los datos se encuentran con dirección Sur-Oeste, teniendo una dirección del viento predominante del Noreste con una velocidades entre 4,1m/s a 5,1m/s.

En la Figura 9 con la correspondiente rosa de vientos para el año 2017 con una tendencia de Oeste con 16,9% en dirección al este con una velocidad del viento

13 Organización meteorológica mundial

20

mayor de 8,8 m/s, el 13,9% de los datos se encuentran en dirección suroeste con una velocidad 5,7 m/s. La rosa de vientos identifica que el Valle de Sogamoso se encuentra con una corriente de aire predominante del cañón del rio chicamocha.

Figura 9. Rosa de vientos para los años 2014 y 2017.

2014

2017

Fuente: el autor.

2.1.3. Temperatura. Según el IDEAM la temperatura es una magnitud relacionada con la rapidez del movimiento de las partículas que constituyen la materia, cuanta mayor agitación presenta estas, mayor será la temperatura14. En la Figura 10 se resumen los valores de temperatura durante los años 2014 y 2017. La línea continua ilustra el promedio mensual donde se identificó que el año 2014 presento un valor un

14 IDEAM

21

promedio de 150C, mientras el año 2017 presenta valores promedio de 130C. Los meses de mayor temperatura para los 2 años el mes marzo y el de menor temperatura el mes de julio.

Figura 10. Temperatura mensual para los años 2014 y 2017.

Fuente. El autor.

2.1.4. Precipitación Según el IDEMA, la precipitación es el resulta del ascenso y enfriamiento del aire húmedo, ya que a menos temperatura no puede retener el vapor de agua, parte del cual se condensa rápidamente15. En la figura 11 se observar el comportamiento general para los años 2014 y 2017. Las precipitaciones mensuales acumuladas varían por meses, para el año 2014 se identifica que el mes con de mayor precipitación es Mayo y el de mínimas es Enero. En el periodo 2017 el mes de Abril es el que presenta las máximas y el mes de mínimas precipitaciones es el Marzo para el año 2017.

15 IDEAM

22

Figura 11. Precipitación mensual de los años 2014 y 2017.

Fuente. El autor.

2.1.5. Humedad Relativa La humedad relativa es la relación porcentual entre masa de vapor de agua contenida en un volumen dado de aire y la masa que tendría si el aire estuviese saturado a la misma temperatura16. La Figura 12, ilustra la variación en el tiempo de la humedad relativa, en valores mensuales para los años 2014 y 2017. Para el año 2014 el mes de Noviembre presenta los promedios mensuales elevados alrededor de 73,53 % de humedad relativa y los meses de Enero y Febrero con los valores mínimos de 66,50%. El año 2017 se observa que en mayo los promedios mensuales son elevados alrededor de 76,65% de Humedad Relativa y el mes de Diciembre se encuentra con los valores mínimos 68,07%.

16 Meteorología Y Climatología, Meteorología y Climatología Semana de La Ciencia y La Tecnología

2004 FUNDACIÓN ESPAÑOLA PARA LA CIENCIA Y LA TECNOLOGÍA <www.fecyt.es>.

23

Figura 12.Humedad relativa ménsula para los años 2014 y 2017.

Fuente. El autor.

2.1.6. Presión atmosférica

La presión atmosférica es el peso que ejerce el aire atmosférico sobre una determinada superficie. Esta variable experimenta fluctuaciones asociadas con los cambios meteorológicos (como la temperatura y la humedad), así como la altitud17. En la Figura 13 se muestra una línea solida la cual representa el valor de la mediana. Para el año 2014 la media de la presión atmosférica fluctúa entre 734mbar y 759mbar. La media de la presión atmosférica fluctúa entre 743mbar y 745mbar en promedio por meses para Nobsa Boyacá en el año 2017.

17 Lic Horacio and E Sarochar, Curso de Divulgación INTRODUCCIÓN a La METEOROLOGÍA

GENERAL.

24

Figura 13.Presion atmosférica mensual para los años 2014 y 2017.

Fuente. El autor.

2.2. CARACTERÍSTICAS DE SUPERFICIE

2.2.1. Rugosidad superficial El desplazamiento del viento a través de distintos obstáculos que encuentra en el camino, se generan patrones de flujo en los cuales puede presentarse turbulencias mecánica debido a la rugosidad de la superficie. La rugosidad de la superficial es caracterizada a través de la denominada “altura de rugosidad”, la cual se define como la altura sobre el suelo en el que la velocidad del viento tiene a cero. Entre más grande la longitud de rugosidad más grande será la magnitud de la turbulencia genera por el paso del viento que pasa sobre una determinada superficie. Las características topográficas, los edificios y la vegetación afectan la rugosidad superficial, la cual impacta en el mezclado vertical del aire y modificando el perfil de velocidad del viento18

Con base en las recomendaciones de US-EPA (2014), se identificó que la zona analizada se encuentra compuesta por una zona árida y arbustos. Los valores utilizados para la longitud de rugosidad en la zona fueron determinados con base en las temporadas obtenidas empleando el climograma de Gaussen19. Para los meses secos se empleó el valor correspondiente a “verano”, mientras que en los meses húmedos, se empleó el valor de primavera, como se muestra en la tabla 2:

18 ‘PEQ 93 Informe de Modelación_Comentarios_rev-Eyo’. 19 User’s Guide for the AERMOD Meteorological Preprocessor (AERMET).

25

Tabla 2. Valores de rugosidad (m) superficial para distintas estaciones.

Fuente: US-EPA (2008)

2.2.2. Coeficiente de albedo El albedo es la relación entre la radiación reflejada y la radiación solar incidente debido a la reflexión de la superficie terrestre. Este parámetro depende del uso del suelo; así la superficie clara tiene valores de albedo superiores a las oscuras. Esta relación fluctúa entre 0 (superficies totalmente absorbentes) y 1 (superficies totalmente reflectivas)20. Dado que la superficie de la zona de estudio está compuesta principalmente de superficie árida y zona de pastizales, los valores empleados siguieron la misma deducción que se realizó para los valores de longitud de rugosidad21.

Tabla 3.Valores de Albedo (adimensionales) superficial para las distintas estaciones.


2.2.3. Relación de Bowen La relación de bowen es un indicador de la cantidad de humedad superficial y se lo define como la razón entre la transferencia de calos sensible y latente de un medio. Dado que la presencia de humedad afecta el balance de calor resultante del enfriamiento por evaporación, el cual a su vez afecta la estimación de la

20 ‘PEQ 93 Informe de Modelación_Comentarios_rev-Eyo’. 21 User’s Guide for the AERMOD Meteorological Preprocessor (AERMET).

26

estabilidad atmosférica, representada mediante el parámetro de longitud de Monin-Obukhov22.

Dado que la zona de estudio está compuesta principalmente de superficie árida y zona de pastizales, los valores empleados siguieron la misma deducción que se realizó para valores de longitud de rugosidad.

Tabla 4. Valores de Bowen (adimensionales) según el uso de la tierra y las estaciones del año para condiciones húmedas.


22 User’s Guide for the AERMOD Meteorological Preprocessor (AERMET).

27

3. INVENTARIO DE EMISIONES

3.1. Inventario de fuentes de emisión industria calera.

3.1.1. Descripción y método utilizado La industria calera del municipio de Nobsa data de los años 80, desde esta época hasta hoy se han generado cambios en la operación e infraestructura de los hornos; en primer lugar cambio de proporción de la cantidad de combustible y del tipo de combustible (carbón a coque), periodo de quemas y reconvención tecnología entre otras. Para el año 2009 la Universidad de la Salle realizo un inventario de los hornos encontrando 132, mediante revisión de expedientes en Corpoboyaca, en el año 2014 la Universidad de Boyacá realizo como proyecto de investigación un inventario de hornos encontrando 128 con la metodología de visita horno a horno. Para el año 2017 la Universidad Pedagógica y Tecnológica de Colombia con apoyo de la alcaldía de Nobsa realiza un inventario médiate censo implementando encuestas con temáticas como: operación del horno yaqué por medio de balance de masas se calculan las emisiones, además se incluyen los aspectos definidos por los Protocolos de Inventario según propósito que en este caso es el de modelamiento23.

El instrumento que se implementó para la encuesta cumplió con proceso de prueba y validación preliminar de tal forma que se ajuste para aplicar a los propietarios de los hornos. La encuesta se aplicó en el mes de diciembre del año 2017.

En la zona de estudio pasa la autopista principal que comunica las ciudades de Sogamoso y Nobsa con Duitama y la capital de departamento, es por esto que hay un flujo de transito constante que genera re suspenda de material particular de la vía al medio ambiente.

El proyecto realiza inventario de fuentes fijas (figura 14) y el formato implementado (anexo 1) permite identificar aspectos fundamentales como tiempos de operación, carga, dimensiones, tipo de combustible, entre otros.

1I

23 Ministerio De Ambiente, ‘Manual de Inventario de Fuentes Según Próposito’.

28

Figura 14. Formato del inventario.

Fuente. El autor.

3.1.2. Calculo de emisiones El cálculo de emisiones se realiza por el método, de factores de emisión. Para la industria calera al ser hornos únicos de tipo tradicional sin tecnificación no se pueden utilizar los factores de emisión de la EPA; es por esto que la CORPORACIÓN AUTÓNOMA DE BOYACA (Corpoboyaca), para el año 1999 realizo un muestreo isocinetico a los hornos de cal y planteo el factor de emisión para esta industria. La tabla 5 consolida los parámetros para caleras y plantea los factores de emisión. Para el cálculo de MP10 en hornos de cal se tuvieron en cuenta los siguientes supuestos:

Tiempo de cocción es de 7 días y cada horno prende una vez al mes.

Los hornos utilizan como combustible coque y carbón en diferentes proporciones.

Ninguno de los hornos tiene sistema de control de emisiones atmosféricas. (ER=0%)

Tabla 5. Principales parámetros para caleras, según combustible.

PARÁMETRO COMBUSTIBLE

COQUE CARBÓN Eficiencia 130kg coque/ ton caliza 360 kg carbón/ ton caliza Consumo de combustible 572 ton coque 1584 ton carbón Emisión MP 57,2 ton MP 1425,6 ton MP Factor de emisión 22,05 lb/ ton 198,414 lb / ton

29

Tiempo de quema 62 horas / hornada 110 horas / hornada

Fuente. Corpoboyaca, 1999 y Universidad de la Salle 2009.

La resolución 802 de 1999, expedida por Corpoboyaca implementas estos factores de emisión para la industria calera. Teniendo en cuenta los parámetros anteriores, de Corpoboyaca (1999) y la Universidad de la Salle en (2009) el factor de emisión se calcula de la siguiente forma:

𝐹𝐸𝑐𝑜𝑞𝑢𝑒 = 𝐸𝑅𝑐𝑜𝑞𝑢𝑒 ∗ 𝐶𝐶𝑐𝑜𝑞𝑢𝑒

𝐹𝐸𝑐𝑜𝑞𝑢𝑒 =57,2 𝑡𝑜𝑛𝑀𝑃

4400 𝑡𝑜𝑛 𝑐𝑎𝑙𝑖𝑠𝑎𝑥

4400 𝑡𝑜𝑛 𝑐𝑎𝑙𝑖𝑠𝑎

572 𝑡𝑜𝑛 𝑐𝑜𝑞𝑢𝑒 𝑥

1000 𝑘𝑔 𝑀𝑃


2,2046 𝑙𝑏 𝑀𝑃

1 𝑘𝑔 𝑀𝑃

𝐹𝐸 𝑐𝑜𝑞𝑢𝑒 = 22,046 𝑙𝑏 𝑀𝑃

𝑡𝑜𝑛 𝐶𝑜𝑞𝑢𝑒

Donde:

FE coque= Factor de emisión para coque (lb MP / ton COQUE)

ER coque= emisión resolución para coque (ton MP/ton CALIZA)

CC coque = consumo de combustible (ton CALIZA /ton COQUE)

𝐹𝐸𝑐𝑎𝑟𝑏𝑜𝑛 = 𝐸𝑅𝑐𝑎𝑟𝑏𝑜𝑛 ∗ 𝐶𝐶𝑐𝑎𝑟𝑏𝑜𝑛

𝐹𝐸 𝑐𝑎𝑟𝑏𝑜𝑛 =1425,6 𝑡𝑜𝑛𝑀𝑃

4400 𝑡𝑜𝑛 𝑐𝑎𝑙𝑖𝑠𝑎𝑥

4400 𝑡𝑜𝑛 𝑐𝑎𝑙𝑖𝑠𝑎


1000 𝑘𝑔 𝑀𝑃


2,2046 𝑙𝑏 𝑀𝑃

1 𝑘𝑔 𝑀𝑃

𝐹𝐸 𝑐𝑜𝑞𝑢𝑒 = 198,414 𝑙𝑏 𝑀𝑃

𝑡𝑜𝑛 𝐶𝑎𝑟𝑏𝑜𝑛

Donde:

FE coque= Factor de emisión para carbón (lb MP/ton CARBÓN)

ER coque= emisión resolución para carbón (ton MP/ton CALIZA)

CC coque = consumo de combustible (ton CALIZA/ton CARBÓN)

La emisión de MP10, generado por caleras fue calculado por medio de factores de emisión hallado anteriormente así:

𝐸𝑐𝑜𝑞𝑢𝑒 = 𝐹𝐸𝑐𝑜𝑞𝑢𝑒 ∗ 𝐶𝑐𝑜𝑞𝑢𝑒

𝐸𝑐𝑎𝑟𝑏𝑜𝑛 = 𝐹𝐸𝑐𝑎𝑟𝑏𝑜𝑛 ∗ 𝐶𝑐𝑎𝑟𝑏𝑜𝑛

𝐸𝑀𝑃10 = (𝐸𝑐𝑜𝑞𝑢𝑒 + 𝐸𝑐𝑎𝑟𝑏𝑜𝑛) ∗ 0,588

Donde

E coque= Emisión para coque (g/s)

30

E carbón= Emisión para carbón (g/s)

E MP10= Emisión total de MP10 (g/s)

FE coque= Factor de emisión para coque (lb/ton)

FE carbón = Factor de emisión para carbón (lb/ton)

El cálculo para de las emisiones de carbón y coque son así:

Carbón:

𝐸𝑐𝑎𝑟𝑏𝑜𝑛 = (𝐹𝐸 𝑐𝑎𝑟𝑏𝑜𝑛 ∗ 𝐶 𝑐𝑎𝑟𝑏𝑜𝑛)

𝐸 𝑐𝑎𝑟𝑏𝑜𝑛 = (198,414 𝑙𝑏𝑡𝑜𝑛⁄ ∗

453,59 𝑔1 𝑙𝑏

⁄ ) ∗ (0,0023 𝑡𝑜𝑛ℎ⁄ ∗ 1 ℎ

3600 𝑠⁄ )

𝐸𝑐𝑎𝑟𝑏𝑜𝑛 = 0,057 𝑔/𝑠

Coque:

𝐸𝑐𝑜𝑞𝑢𝑒 = (𝐹𝐸 𝑐𝑜𝑞𝑢𝑒 ∗ 𝐶 𝑐𝑜𝑞𝑢𝑒)

𝐸 𝑐𝑜𝑞𝑢𝑒 = [(22,05 𝑙𝑏𝑡𝑜𝑛⁄ ∗

453,59 𝑔1 𝑙𝑏

⁄ ) ∗ (0,0565 𝑡𝑜𝑛ℎ⁄ ∗ 1 ℎ

3600 𝑠⁄ )]

𝐸𝑐𝑜𝑞𝑢𝑒 = 0,157𝑔

𝑠

La emisión total emitida de MP10, por un horno de cal es:

𝐸 = 𝐸𝑐𝑜𝑞𝑢𝑒 + 𝐸 𝑐𝑎𝑟𝑏𝑜𝑛) ∗ 0,588

𝐸 = ( 0,057𝑔

𝑠+ 0,157

𝑔

𝑠) ∗ 0,588

𝐸 = 0,126 𝑔/𝑠

Como ejemplo, se calcula la emisión producida por un horno de cal, teniendo en cuenta la información suministrada por el propietario del horno:

31

Tabla 6. Ejemplo de cálculo de emisiones PM10 en caleras.

Fuente. El autor

3.1.3. Consolidado del inventario de hornos de cal. En la tabla 7 se registra el proceso de actualización del inventario realizado en año 2017 en el municipio de Nobsa, con la información de: producción, capacidad de carga y emisiones de cada tipo de horno.

Tabla 7. Consolidado del inventario de hornos de cal del 2017.

Producción (Ton/horno)

# hornos Capacidad de carga(ton)

Tiempo de operación

Emisión (g/s)

18 52 30 7 0,139

19 2 33 7 0.126

20 41 30 7 0,139

22 22 36 7 0,139

Fuente. El autor.

Los hornos de cal del municipio de Nobsa, tiene un producción muy pareja como lo son entre 18 a 22 ton/ horno de cal esto depende de la cantidad de piedra caliza con la carguen entre 30 y 36 ton con una cocción de 7 días.

La estimación de la emisión de PM10 de la industria calera para el periodo 2014 es 120,67 g/s mientras que el 2017 presenta una emisión de 16,251 g/s se observa un decrecimiento en la emisión de material particulado a la atmosfera. Hay que tener en cuenta que para el periodo 2014 se estaba promoviendo el proyecto de compra de emisiones realizado por Corpoboyaca, como otro de los planes piloto para la reducción de las emisiones de PM se generó un pico y placa ambiental y una reconversión de pasar de quemar con carbón a coque.

PST CARBON

(lb/ton)

PST COQUE

(lb/ton)PST (g/s) MP10 (g/s)

1 Luis Fernando Plazas llama dormida 19 33 198,414 22,05 0,214 0,126

2 Luis Fernando plazas llama dormida 19 33 198,414 22,05 0,214 0,126

3 Jhon Daniel Hernandez llama dormida 20 33 198,414 22,05 0,214 0,126

4 Cediel Plazas llama dormida 20 33 198,414 22,05 0,236 0,139

5 Francisco Plazas llama dormida 18 33 198,414 22,05 0,236 0,139

6 Edelmira Plazas llama dormida 18 33 198,414 22,05 0,236 0,139

7 Alirio Ramirez llama dormida 18 33 198,414 22,05 0,236 0,139

8 Ramon Tristancho llama dormida 20 33 198,414 22,05 0,236 0,139

9 Ramon Tristancho llama dormida 20 33 198,414 22,05 0,236 0,139

NÚMERO

EMPRESASPROPIETARIO

EMISION PUNTUALTIPO DE

HORNO

PRODUCCIÓN

(Ton/horn)piedra caliza

FACTOR DE EMISION POR

COMBUSTIBLE

32

3.2. Fuentes móviles El Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), en su informe del estado de la calidad del aire para el año 2017indica que el mayor aportante en la calidad del aire de las ciudades son las fuentes móviles con el 80% de las emisiones24. Es por esto que se incluye re suspensión por vías en el modelo.

Para el inventario de fuentes móviles, se tuvieron en cuenta las siguientes consideraciones.

El aforo vehicular se realizó por medio de videos con una duración de 10 horas, con conteo vehicular por cada/hora.

Generar un promedio de los pesos de los vehículos que circulan sobre la vía, se revisó la ficha técnica de los vehículos más comerciales en internet.

Para calcular las emisiones de material particulado re suspendido por el paso vehicular sobre la autopista que comunica a Nobsa con Duitama, (siendo esta el punto de estudio para ver como incide el material particulado sobre la calidad del aire en la zona de caleras). Se cuentan los vehículos que pasan por frente a la bomba Brios, entrando a Nobsa (figura 15) y que se complementó con el estudio de fuentes móviles de las estudiantes Andrea Gutiérrez y Yuliana Rodríguez de la Universidad de Boyacá del año 2017.

Figura 15. Registro vehicular.

Fuente. El autor.

24 L O S Casos D E Bogotá Y Medellín, ‘Calidad Del Aire En Colombia’, 2017.

33

En la Figura 15 se evidencia el comportamiento vehicular de la vía que por la zona transita en mayor cantidad de automóviles, camionetas y motos; es decir la flota liviana con un 62,84% y la flota pesada con un 37,16%.

En la figura 15 vemos que en la hora13 hay un pico vehicular para carros y camionetas mientras que el resto de la flota que pasa por esta vía tiene un pico a las 14 horas. El otro pico que se encuentra es a las 17 horas para la mayoría de la flota vehicular menos para los carros ya que estos su pico es en las 18 horas.

Para calcular las emisiones provenientes por la re suspensión de vías, se debe realizar el siguiente cálculo mediante la fórmula de EPA25 (2006):

𝐸𝐹 = 𝐾 ∗𝑆𝐿

2

0,65

∗𝑊

3

1,5

Fuente: US EPA, AP-42 (2006)

Donde:

EF = Factor de emisión

K = Material particulado para el rango del tamaño (g/VKT)

SL = Carga de limo en la superficie de la carretera (g/m2)

W = Peso promedio (ton) de los vehículos que recorren la carretera

Fuente: AP-42

EF= 0,62 ∗2

2

0,65∗

35

3

1,5

EF= 25 g/VKT

𝐸 = 𝐸𝐹 ∗ #𝑉𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠

𝑠𝑒𝑚𝑎𝑛𝑎∗ 𝑘𝑖𝑙𝑜𝑚𝑒𝑡𝑟𝑜𝑠 𝑟𝑒𝑐𝑜𝑟𝑟𝑖𝑑𝑜𝑠

𝐸 = 25𝑔

𝑉𝐾𝑇∗ 4825

#𝑐𝑎𝑟𝑟𝑜𝑠

𝑠𝑒𝑚𝑎𝑛𝑎∗ 1.67𝑘𝑖𝑙𝑜𝑚𝑒𝑡𝑟𝑜𝑠

𝐸 = 201443,75𝑔/𝑠𝑒𝑚𝑎𝑛𝑎

𝐸 = 201443,75𝑔

𝑠𝑒𝑚𝑎𝑛𝑎∗

1 𝑠𝑒𝑚𝑎𝑛𝑎

7 𝑑𝑖𝑎𝑠∗

1 𝑑𝑖𝑎

24 ℎ𝑜𝑟𝑎𝑠∗

1ℎ𝑜𝑟𝑎

3600𝑠𝑒𝑔

𝐸 = 0,39𝑔/𝑠

25 AP-42. Miscellaneous Sources. Unpaved Roads.

34

La emisión de la vía es 0,39 g/s, con la cual se va a modelar en el escenario correspondiente

35

4. ESTRUCTURA DEL MODELAMIENTO DE AERMOD Y CALPUFF

4.1. Estructura general del modelo AERMOD

4.1.1. Dominio de la modelación Dentro de los preprocesadores de AERMOD se encuentra el pre-procesador AERMAP. El domino es el área donde se concentran los receptores y fuentes a ser modeladas (Figura16). La coordenada inferior izquierda –73,042 E y 5,640 N y la coordenada superior derecha -72,832 E y 5,813 N, con sistema de coordenadas de referencia MAGANA SIRGAS, cuyo dominio se extiende de un cuadrado de 20x20, el cual enmarca la información del preprocesador AERMAP como base de lo que necesita el procesador AERMOD. Lo anterior de acuerdo a lo estipulado en el manual26.

Figura 16. Ubicación de receptores en el dominio de la modelación.

Fuente: El Autor.

4.1.2. Rango Es la relación del sistema de coordenadas especificado por el usuario para la ubicación del origen del móldelo y de los receptores de este. En la figura 16 el rango se extiende en una coordenada -72,843316 E y 5,647546 N, con sistema de coordenadas MAGANA SIRGAS.

26 Russell F. Lee and Warren D. Peters, ‘User’s Guide for the AERMOD Terrain Preprocessor

(AERMAP)’, 2004.

36

4.1.3. Malla de receptores En la figura 16, se presentan las concentraciones del contaminante PM10, se ubicaron de acuerdo con la siguiente configuración:

Una malla cartesiana regular de 100x75 receptores, con origen en las coordenadas -72,967 E y 5,742 N. Color rojo.

Una malla cartesiana circular de distancia 200 a 4000, con origen en las coordenadas -72,946E y 5,752N, que definen los receptores cercanos a las fuentes que se encuentran en la parte superior de la vía (hornos de cal). Color morado.

Un malla cartesiana circular de distancia 200 a 4000, con un origen en las coordenadas -72,961E y 5,750N, que definen los receptores cercanos a las fuentes que se encuentran en la parte inferior de la vía (hornos de cal). Color verde.

4.1.4. Elevación de receptores La elevación de terreno fue determinada por medio de datos provistos por la SRTM (Shuttle Radar Topography Mission), distribuidos por la Nasa y Usgs, los cuales se encuentran con un datum WGS84. Los datos se encuentran con una resolución de 3 arco-segundo (90 m aproximadamente en la zona ecuatorial).

Los datos de SRTM son procesados con AERMAP, como programa de pre-procesamiento que son desarrollados para alimentar los datos de terreno con un conjunto de capa de receptores que usa AERMOD. Este, en situaciones complejas, recoge la física esencial de la dispersión del terreno, lo que permite determinar la elevación y describe las características del terreno a modelar.

AERMAP determinar la altura de terreno y la localización en donde se encuentra la mayor influencia de la elevación en la dispersión para cada receptor individual. Como resultado, se obtienen 2 archivos, el primero contiene las elevaciones de las fuentes (.src), y el segundo, un archivo donde se encuentran las elevaciones de terreno y las alturas de colina en cada uno de los receptores (.rec). Los valores utilizados en este proyecto se encuentran en el anexo4.

4.1.5. Meteorología Los datos meteorológicos de superficie y de perfil fueron procesados en AERMET teniendo en cuenta las consideraciones planteadas en el capítulo anterior de este documento. Los archivos empleados por AERMOD y generados por AERMET .sfc y .pfl son indispensables para estimar la dispersión de los contaminantes.

4.1.6. Tiempo de vida media/ constante de decaimiento El tiempo de vida y la constante de decaimiento, son parámetros que tiene cada contamínate. Permite establecer cuánto tiempo dura una partícula del contaminante en la atmosfera. AERMOD tiene la capacidad de incluir estos parámetros por cada uno de los contaminantes. Sin embargo al realiza el análisis en el peor de los casos, se ha supuesto que los contaminantes no desaparecen en la atmosfera.

37

4.1.7. Selección del periodo del modelamiento y escenarios. El modelo se corre para los años 2014 y 2017, debido a que se cuenta con la información meteorológica y de inventario de fuentes para estos periodos .Para este periodo de tiempo, se ha determinado que las emisiones generadas por la cocción de cal, tendrá un comportamiento que dependerá de los escenarios proyectados en la investigación.

Tabla 8.Resumen de los escenarios a modelar con AERMOD.

2014 2017

Total de los hornos prendidos Total de los hornos prendidos Pico y placa ambiental Pico y placa + re suspensión por vías

Fuente. El autor.

4.1.8. Dinámica de funcionamiento de las Fuentes fijas (hornos de cal) en la zona productiva. Los datos de las Fuentes son simulados ajustando como se lleva la actividad la cual es 7 días de cocción las 24 horas prendidos estos.

La configuración de entrada para AERMOD se presenta en el Anexo 5.

4.2. Estructura general del l modelo CALPUFF

4.2.1. Dominio de modelación Dentro de los preprocesadores de CALPUFF se encuentra el pre-procesador CALMET. El domino es el área donde se concentran los receptores y Fuentes a ser modeladas (Figura17). La coordenada inferior izquierda fue –73,0358 E y 5,6503 N y la coordenada superior derecha será -72,8638 E y 5,8214 N, con sistema de coordenadas de referencia MAGANA SIRGAS, cuyo dominio se extiende de un cuadrado de 20x20. Con puntos verdes donde cada punto representa un receptor y la meteorología de este punto27.

27 Joseph S Scire and others, A User’s Guide for the CALMET Meteorological Model, 2000.

38

Figura 17. Ubicación de los receptores y dominio.

Fuente. El autor.

4.2.2. Rango Para este modelo el dominio, rango y la malla de receptores es la misma de 20X20.

4.2.3. Receptores Dentro de los receptores del modelo CALPUFF se definen 2 tipos: el de grilla y los puntuales. Para los receptores de grilla rectangular se define de 20x20 kilómetros igual a dominio de la meteorología. Los receptores puntuales se definieron considerando 5 puntos los cuales se determinaron de control (tabla 10). Estos receptores serán ingresados como receptores discretos.

La ubicación de los receptores definidos se pueden observar en la Figura17 correspondiente a cada punto de la grilla.

4.2.4. Elevación de receptores La elevación de terreno fue determinada por medio de datos provistos por la SRTM (Shuttle Radar Topography Mission), distribuidos por la Nasa y Usgs, los cuales se encuentran con un datum WGS84. Los datos se encuentran con una resolución de 3 arco-segundo (90 m aproximadamente en la zona ecuatorial).

Los datos de SRTM son procesados con CALMET, como programa de pre-procesamiento que son desarrollados para alimentar los datos de terreno con un conjunto de capa de receptores que usa CALPUFF. Este, en situaciones

39

complejas, recoge la física esencial de la dispersión del terreno, lo que permite determinar la elevación y describe las características del terreno a modelar.

CALMET determinar la altura de terreno y la localización en donde se encuentra la mayor influencia de la elevación en la dispersión para cada receptor individual. Donde el archivo contiene la elevación de la fuente y la meteorología de cada punto (dat.). Los valores utilizados en este proyecto se encuentran resumidos en el anexo 6.

4.2.5. Meteorología Los datos meteorológicos de superficie y de perfil fueron procesados en CALMET teniendo en cuenta las consideraciones planteadas en el capítulo anterior de este documento. Los archivos empleados por CALPUFF y generados por CALMET (.dat) son indispensable para estimar la dispersión de los contaminantes.

4.2.6. Tiempo de vida media/ constante de decaimiento El tiempo de vida y la constante de decaimiento, son parámetros que tiene cada contamínate. Permite establecer cuánto tiempo dura una partícula del contaminante en la atmosfera. CALPUFF tiene la capacidad de incluir estos parámetros por cada uno de los contaminantes. Sin embargo al realiza el análisis en el peor de los casos, se ha supuesto que los contaminantes no desaparecen en la atmosfera.

4.2.7. Selección del periodo de modelación y escenarios. El modelo se corre para el año 2017, debido a que se cuenta con la información meteorológica y de inventario de fuentes para este periodo .Para este periodo de tiempo, se ha determinado que las emisiones generadas por la cocción de cal, tendrá un comportamiento que dependerá de los escenarios proyectados en la investigación. Como se observa en la siguiente tabla.

Tabla 9.Resumen de los escenarios a modelar con CALPUFF.

2017

Total de los hornos prendidos Pico y placa ambiental Pico y placa + re suspensión por vías

Fuente. El autor.

4.2.8. Resultados de la modelación Se realizó una corrida del modelo de dispersión, se obtuvieron datos horarios de concentración de PM10 en ug/m3, para cada uno de los receptores. Lo cual se aplica en el capítulo siguiente.

40

5. ANÁLISIS Y RESULTADOS Los resultados de los modelos de dispersión permiten simular los impactos de las actividades llevadas a cabo en cada una de las zonas analizadas, para los contaminantes de estudio. Dichos resultados, al ser sumados con sus respectivos valores de fondo, fueron comparados con los limites normativos establecidos por la resolución 2254 de 2017.

El sistema de monitoreo de calidad del aire del valle de Sogamoso comprende una amplia red de estaciones las cuales aporta datos en tiempo real de la calidad del aire de la zona. Para los datos de concentración de fondo se toma la estación más lejana de la zona de estudio; para este caso la estación del Recreo que tiene datos completos del año 2017 de PM10 y para el año 2014, se tomó los datos de la estación del aeropuerto incluidos en el estudio de Uribe y Suarez en su trabajo de grado28. Los datos de concentración de fondo se consolidan de la siguiente manera: Para 2014 es de 24,86 µg/m3, para 2017 es de 34,53 µg/m3 el cual es el promedio de los datos de los 365 días.

5.1. Identificación de puntos de control. La zona de estudio está conformada por el área en donde están ubicadas las principales fuentes de PM10 procedentes de la fabricación de cal conocida en la región como “zona de caleras”. Con el objeto de realizar seguimiento a los aportes del modelo, se definen puntos de control los cuales se muestran en la figura 18 su ubicación en la tabla 10 que corresponde a lugares en donde hay mayor concentración de población.

Figura 18. Ubicación de puntos de control en la zona de estudio.

Fuente. Google Earth.

28 Evaluación de la calidad del aire del valle de Sogamoso respecto a material particulado a 10 micras

(MP10), aplicando el modelo de dispersión AERMOD como herramienta de planificación. Lady Johana

Uribe Barón y Natalia Suarez Araque.

41

Tabla 10. Ubicación de puntos de control.

Fuente. El autor.

5.2. Determinación de zonas de influencia. Para realizar los análisis obtenidos de cada escenario, se indican las zonas de influencia. Para lo cual, se tiene en cuenta la ubicación de población en áreas generales. En la figura 19 (a y b) se muestran las 7 zonas definidas para este proceso.

1.Iglesia 727680,8 636063,5

2.Puesto de salud 727621,74 636044,78

3.Alcaldia 728178,89 638201,7

4.Punto de las Camaras 728198,3 636316,76

5.Centro deportivo 727821,6 636099,68

iD X Y

42

Determinación zona de influencia

Figura 19. a__Identificación de zonas de influencia de emisiones, satelital. b__Identificación de zonas de influencia de emisiones

Fuente. El autor.

En donde:

1. Zona de producción de cal 2. Municipio de Nobsa 3 Falda de la montaña 4.Municipio de Sogamoso

5. Parte alta de Sogamoso 6. Municipio de Tibasosa 7. Zona de punta larga

43

5.3. Evaluación de PM10 con el modelo AERMOD

5.3.1. Escenario 1. Todos los hornos prendidos 5.3.1.1. Proceso de Modelamiento. Se procede a modelar para todo el valle de Sogamoso con los promedios máximos de 24 horas para los años 2014 y 2017 todos los modelos se identifican una zona cercana a las fuentes de emisión con mayor concentración que a partir de este momento se denomina zona de influencia directa de emisiones de PM10 por el proceso de fabricación de cal. En la Figura 20. a y b se identifica que la mayor concentración esta sobre la zona de influencia directa para los 2 años con valores de 3.114,308 µg/m3 y 276,284 µg/m3 que sobrepasan lo previsto en las resoluciones 610 y 2254 correspondientemente.

Figura 20.Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1 periodo 2014.

Fuente. El autor.

Para el periodo 2014 el modelo muestra debido a la predominancia en la dirección del viento en sentido Sur, que la pluma de la emisión se dirige en el mismo sentido. AERMOD muestra que en la zona 1 es donde se encuentran altas concentraciones, entre 237,354 µg/m3 y 276,284 µg/m3.Segun el modelo, en la zona 3 y 7 las emisiones se concentran en el pie de la montaña, se observa que no tienen potencial de ascenso para sobrepasar la topografía compleja de la zona. La población del municipio de Nobsa (zona 2) es afectada por la dispersión de PM proveniente de las fuentes con unas concentraciones de 58,731 µg/m3 y 184,19 µg/m3. El impacto en la calidad del aire del municipio de Sogamoso (zona 4) por las emisiones de la quema de cal se evidencia con presencia de 37,687 µg/m3 y 98,73 µg/m3.

44

Continuando con el análisis, en la zona 5, debido a las corrientes de viento secundarias, se genera el efecto “rebote” porque la montaña (de la zona de Morca) está enfrentada a la corriente de viento que viene del cañón del rio chicamocha, en esta zona las concentraciones se ubican al pie de la montaña y no se evidencia en esta imagen potencial de ascenso. Este mismo fenómeno, ocurre en la zona aledaña al municipio de Tibasosa (zona 6) por vientos anabaticos que vienen por reflejo de zona de morca como efecto de la dinámica de los vientos locales del valle de Sogamoso.

Figura 21. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1 periodo 2017.

Fuente. El autor.

Para el periodo 2017 el modelo muestra la predominancia en la dirección de la emisión en sentido Oeste debido a que la dirección del viento incide en ese rumbo. Igual que en el análisis del 2014, se encuentra que la zona 1, presenta las mayores concentraciones de PM. El modelo arroja ya indicios de “identificación de zona de influencia directa de emisiones de PM provenientes del proceso de cocción de cal en el valle de Sogamoso.

Un resultado importante del modelado consiste en que en la imagen se observa que el PM se ubica en el pie de la montaña con mayores concentraciones sin contar la zona de afectación directa en las zonas 3 y 7 con los rangos de 28,431 µg/m3 y 36,21 µg/m3. Igualmente se evidencia que en la zona 6 los vientos del valle concentran PM entre 28,431 µg/m3 y 36,21 µg/m3. A diferencia de las anteriores zonas; la 4 no condensa las emisiones sino que en ella las concentraciones disminuyen.

45

5.3.1.2. Evaluación de la concentración en los puntos de control. La comparación de las concentraciones en los puntos de control utilizado la información de los modelos 2014; es decir, antes de compra de emisiones y 2017 del proyecto de compra de emisiones realizado por la Corpoboyaca, se muestran en la Tabla 11. Se encuentra que, los mayores efectos del impacto en la contaminación del aire se ubican en los puntos 3 y 4 para el año 2014 con concentraciones de 135,08µg/m3 y 117,74 µg/m3. Para el año 2017, los puntos 1 y 2 muestran los mayores efectos, con concentraciones aportadas por el proceso calero de 41,12 µg/m3 y 41,76 µg/m3 en concentración máxima promedio de 24 horas para el año 2014 y 2017.

Tabla 11.Puntos de mayor concentración para el años 2014 y 2017 obtenidos por el modelo de dispersión AERMOD.

Fuente. El autor.

En el 2014 la resolución vigente es la 610 del 2010 que indica una concentración máxima de PM10 en 24 de 100 µg/m3, al comparar con los valores del modelo se evidencia que se sobrepasa los límites permisibles para cuadro de los 5 puntos de control; es importante aclarar que el punto 2 está cerca de sobre pasar los límites permitidos. En el periodo 2017 entra en vigencia la nueva resolución 2254 que prevé 75 µg/m3 y el modelo muestra concentraciones por debajo del valor estipulado. Lo anterior evidencia que el proyecto de compra de emisiones disminuye la concentración de material particulado en el aire lo que mejora la calidad del aire del entorno de la población en el área de influencia directa del proceso de producción de cal.

5.3.2. Escenario 2. Pico y placa ambiental 5.3.2.1. Organización del escenario de pico y placa ambiental. Con el objeto de realizar el seguimiento a los aportes del modelo se definen puntos de control los cuales se muestran en la figura 18 y los escenarios con pico y placa ambiental implementado en el año 2017, se identifican en la figura 21 en los cuales para la semana 1 se encuentran prendidos 30 hornos y las semanas 2,3 y 4 están prendidos 29 hornos para un total 117 hornos en operación durante el mes.

1.Iglesia 727680,8 636063,5 76,58 24,86 101,44 6,60 34,52 41,12 75

2.Puesto de salud 727621,74 636044,78 75,10 24,86 99,96 7,24 34,52 41,76 75

3.Alcaldia 728178,89 638201,7 110,22 24,86 135,08 4,80 34,52 39,32 75

4.Punto de las Camaras 728198,3 636316,76 92,88 24,86 117,74 4,08 34,52 38,60 75

5.Centro deportivo 727821,6 636099,68 77,83 24,86 102,69 6,31 34,52 40,83 75

2017 (µg/m3)Conc.Fondo

(µg/m3)

Conc.Total

(µg/m3)

ESCENARIO 1

NNCA

(µg/m3)

Conc.Fondo

(µg/m3)

Conc.Total

(µg/m3)2014 (µg/m3)

PM10 24

iD X Y Cont Metr

46

Figura 22. Pico y placa ambiental.

Semana 1

Semana 2

47

Semana 3

Semana 4

Fuente. El autor.

48

5.3.2.2. Proceso de modelamiento. Se procede a modelar para todo el valle de Sogamoso con los promedios máximos en 24 horas para el año 2017 (figura 22). Se identificó que las mayor concentración esta sobre la zona de influencia directa para el escenario 2 con valores entre 204,456 µg/m3 y 215,05 µg/m3 los cuales sobre pasan los valores máximos permitidos por la resolución 2254 del 2017. Figura 23. Modelo de dispersión de concentraciones totales diarias de PM10 en el escenario 2.

Fuente. El autor.

Para el periodo 2017 el modelo muestra la predominancia en la dirección de la emisión en sentido Oeste debido a que la dirección del viento incide en ese rumbo. Igual que en el análisis del escenario 1, se encuentra que la zona 1, presenta las mayores concentraciones de PM. El modelo arroja ya indicios de “identificación de zona de influencia directa de emisiones de PM provenientes del proceso de cocción de cal en el valle de Sogamoso.

Como resultado importante se observa en la imagen que el PM se ubica en el pie de la montaña con concentraciones en la zona 3 y 7 con rangos de 14,11 µg/m3 y 41,31 µg/m3. De igual manera de evidencia que en la zona 6 los vientos del valle concentran PM entre 14,11 µg/m3 y 41,31 µg/m3. A diferencia de las anteriores zonas; la 4 no condensa las emisiones sino que en ella las concentraciones disminuyen.

5.3.2.3. Evaluación de la concentración en los puntos de control. La comparación de los modelos con pico y placa ambiental (Tabla 12), muestra que los mayores impactos se producen en los puntos 1,2 y 5 con concentraciones de 39,32 µg/m3, 39,60 µg/m3 y 38,81 µg/m3 en concentraciones máximas promedio en 24 horas para el año 2017.

49

Tabla 12.Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión.

Fuente. El autor.

En el periodo 2017 entra en vigencia la nueva resolución 254 que prevé 75 µg/m3 y el modelo establece concentraciones por debajo de la norma. Lo anterior evidencia que el pico y placa ambiental conllevo en un cambio las concentraciones de material particulado en el aire del entorno de la población en el área de influencia directa del proceso de producción de cal.

5.3.3. Escenario 3. Pico y placa ambiental más re suspensión por vías 5.3.3.1. Proceso de modelamiento. Se procede a modelar para el valle de Sogamoso con los promedios máximos de 24 horas para el año 2017 (figura 23). Se identifica que la mayor concentración esta sobre la vía y una parte sobre la zona de influencia directa con valores 90.989 µg/m3, 88,895 µg/m3 que sobrepasan los límites permitidos por la resolución 2254.

Figura 24. Modelo de dispersión de concentraciones totales de PM10 en el escenario 3.

Fuente. El autor.

1 (µg/m3) 2 (µg/m3) 3 (µg/m3) 4 (µg/m3)

1.Iglesia 727680,8 636063,5 1,30 0,82 1,08 1,60 4,80 34,52 39,32 75

2.Puesto de salud 727621,74 636044,78 1,35 0,83 1,15 1,76 5,08 34,52 39,60 75

3.Alcaldia 728178,89 638201,7 0,99 0,79 0,46 0,50 2,74 34,52 37,26 75

4.Punto de las Camaras 728198,3 636316,76 0,64 0,72 0,62 0,87 2,85 34,52 37,37 75

5.Centro deportivo 727821,6 636099,68 1,15 0,78 0,90 1,45 4,29 34,52 38,81 75

SEM ANA

PM10 24

iD

ESCENARIO 2

Cont Metrica YX TOTAL

(µg/m3)

Conc.Fondo

(µg/m3)

Conc.Total

(µg/m3)

NNCA

(µg/m3)

50

Para el periodo 2017 el modelo muestra la predominancia en la dirección de la emisión en sentido Oeste debido a que la dirección del viento incide en ese rumbo. Igual que en el análisis del escenario 2, se encuentra que la zona 1, presenta las mayores concentraciones de PM con rangos de 202,68 µg/m3 y 90,390 µg/m3. El modelo arroja ya indicios de “identificación de zona de influencia directa de emisiones de PM provenientes del proceso de cocción de cal y la re suspensión de la vía en el valle de Sogamoso.

Como resultado importante se observa en la imagen que el PM se ubica en el pie de la montaña con concentraciones en la zona 3 con rangos de 23,015 µg/m3 y 45,47 µg/m3. De igual manera de evidencia que en la zona 6 los vientos del valle concentran PM en esta. A diferencia de las anteriores zonas; la 4 no condensa las emisiones sino que en ella las concentraciones disminuyen.

5.3.3.2. Identificación de puntos de control. Con el objeto de realizar seguimiento a los aportes del modelo se definen puntos de control los cuales se muestran en la figura 18 su ubicación corresponde a lugares en donde hay mayor concentración de población, la figura 20 muestra el pico y placa ambiental utilizado en este escenario.

Con respecto a la re suspensión de PM por las vías se basa en la información de figura 14 del inventario de fuentes móviles, se observa en la tabla 13 que la semana 1, semana 2, semana 3, semana 4 y total de las semanas es un escenario en el cual los puntos de mayor aporte son 1, 2,4 y 5 para 24 horas con las concentraciones que predijeron de 440,97 µg/m3, 335,04 µg/m3, 359,98 µg/m3 y 328,89 µg/m3 los puntos excede la resolución 2254 del 2017.

.

Tabla 13. Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión.

Fuente. El autor.

En el periodo evaluado entra en vigencia la resolución 2254 del 2017 que prevé 75 µg/m3 y el modelo muestra que 4 de los 5 puntos de control están sobre pasando el valor estipulado. Lo anterior evidencia que la re suspensión de vía es uno de los aportantes de material particulado en el aire, lo que empeora la calidad del aire del entorno de la población en el área de influencia directa.

5.3.4. Consolidado de escenarios modelados con AERMOD.

1 (µg/m3) 2 (µg/m3) 3 (µg/m3) 4 (µg/m3)

1.Iglesia 727680,8 636063,5 101,61 101,61 101,61 101,61 406,45 34,52 440,97 75

2.Puesto de salud 727621,74 636044,78 74,96 74,96 75,63 74,96 300,52 34,52 335,04 75

3.Alcaldia 728178,89 638201,7 4,52 4,71 4,52 4,52 18,27 34,52 52,79 75

4.Punto de las Camaras 728198,3 636316,76 81,37 81,37 81,37 81,37 325,46 34,52 359,98 75

5.Centro deportivo 727821,6 636099,68 73,56 73,70 73,56 73,56 294,37 34,52 328,89 75

ESCENARIO 3

TOTAL

(µg/m3)

Conc.Fondo

(µg/m3)

Conc.Total

(µg/m3)

NNCA

(µg/m3)

Semanas

PM10 24

iD X Y Cont Metrica

51

A continuación se consolidan en la tabla 14 los resultados de las concentraciones obtenidas con el modelo AERMOD para cada punto de control en los tres diferentes escenarios previstos.

Tabla 14. Consolidado de los escenarios modelos.

Fuente. El autor.

Un aporte significativo de este proyecto es la capacidad de ofrecer escenarios (1, 2 y 3) y comparar la eficiencia de estas estrategias de gestión de la calidad del aire. Es importante notar que para el escenario 1, la reducción en promedio de la concentración según AERMOD es del 65%. Al comparar los resultados del año 2017 del escenario 1 con los del escenario 2 la variación en las concentraciones en promedio está en 1,8%; sin embargo, se especifica que el valor del escenario 2, corresponde a la sumatoria de los cuatro periodos de quema. El escenario tres (considerado como el real y actual) indica existencia del 228 % por encima de lo previsto en la resolución, YA es conocido las implicaciones en el ambiente de estos contenidos de PM debido a los estudios de la Organización Mundial de la Salud y de la EPA.

En la figura 24 se identifica que el escenario 3, que corresponde a las condiciones reales actuales de dispersión es el que identifica mayores concentraciones de PM en la calidad del aire del Valle de Sogamoso, sobrepasa la concentración en 228% con respecto a lo permitido en la resolución 2254 de 2017. El escenario 2 de pico y placa los puntos de control ninguno sobre pasa lo permitido por la resolución.

Figura 25. Consolidado por punto.

Fuente. El autor.

1.Iglesia 727680,8 636063,5 101,44 41,12 39,32 440,97 75

2.Puesto de salud 727621,74 636044,78 99,96 41,76 39,60 335,04 75

3.Alcaldia 728178,89 638201,7 135,08 39,32 37,26 52,79 75

4.Punto de las Camaras 728198,3 636316,76 117,74 38,60 37,37 359,98 75

5.Centro deportivo 727821,6 636099,68 102,69 40,83 38,81 328,89 75

Escenario 3

(µg/m3)

NNCA

(µg/m3)

Escenario 1

2014 (µg/m3) 2017 (µg/m3)

Escenario 2

(µg/m3)iD X Y Cont Metrica

PM10 24

52

5.4. Evaluación de PM10 con el modelo CALPUFF

5.4.1. Escenario 1. Todos los hornos prendidos. 5.4.1.1. Proceso de modelamiento. Se procede a modelar para el valle de Sogamoso con los promedios máximos de 24 horas para el año 2017 (figura 25). Se identifica que la mayor concentración esta sobre la zona de influencia directa para este año con valor de 276,462 µg/m3 sobre pasando lo previsto por la resolución 2254.

Figura 26. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 1.

Fuente. El autor.

Para el periodo 2017 el modelo muestra la predominancia en la dirección de la emisión en sentido Oeste debido a que la dirección del viento incide en ese rumbo, la pluma de emisión toma una forma de hojaldre. En la figura 25 se observa que la zona 1 es la de mayor concentración con rangos de 91,267 µg/m3 a 276,222 µg/m3, la zona 2 presenta rangos de concentraciones promedio de 22,799 µg/m3 a 33,62 µg/m3.

La zona 3 y 7 la dispersión de PM10 no se queda sobre la parte baja de la montana si no que presenta potencial de asenso sobre la topografía presente en el valle de Sogamoso. La zona 4 presenta concentraciones promedio de 5,471 µg/m3 a 22,79 µg/m3, sobre la parte alta de Sogamoso se presentan que el PM10 sobre pasa las montañas.

La zona 6 le llega la mayor carga contaminante producida por la cocción de cal con concentraciones promedio de 33,029 µg/m3 a 63,86 µg/m3 y sobre pasando la topografía de la zona.

53

5.4.1.2. Identificación de puntos de control. Con el objeto de realizar seguimiento a los aportes del modelo se definen puntos de control los cuales se muestran en la figura 18, su ubicación corresponde a lugares en donde hay mayor concentración de población, la figura 19 muestra las zonas donde hay mayor aporte de contaminación.

La comparación del modelo del proyecto de compra de emisiones realizado por Corpoboyaca (tabla 15), muestra que los mayores impactos se producen en los puntos 1,2 y 5 para el año 2017 con concentraciones de 48,52 µg/m3, 50,10 µg/m3 y 45,59 µg/m3 en concentración máximo promedio de 24 horas para el año 2017.

Tabla 15. Puntos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión CALPUFF.

Fuente. El autor.

En el año 2017 la resolución vigente es la 2254 que prevé 75 µg/m3 y el modelo muestra concentraciones por debajo de norma. Lo anterior evidencia que el proyecto de compra de emisiones disminuye la concentración de material particulado en el área de influencia de directa.

5.4.2. Escenario 2. Pico y placa ambiental. 5.4.2.1. Proceso de modelamiento. Se procede a modelar para el valle de Sogamoso con los promedios máximos de 24 horas para el año 2017 (figura 26). Se identifica que la mayor concentración esta sobre la zona de influencia directa para este año con valor de 276,413 µg/m3 sobre pasando lo previsto por la resolución 2254.

1.Iglesia 727680,8 636063,5 14,00 34,52 48,52 75

2.Puesto de salud 727621,74 636044,78 15,58 34,52 50,10 75

3.Alcaldia 728178,89 638201,7 1,25 34,52 35,77 75

4.Punto de las Camaras 728198,3 636316,76 6,36 34,52 40,88 75

5.Centro deportivo 727821,6 636099,68 11,07 34,52 45,59 75

escenario 1

2017 (µg/m3)iD X Y Contaminante Metrica

PM10 24

Conc.Fondo

(µg/m3)

Conc.Total

(µg/m3)

NNCA

(µg/m3)

54

Figura 27. Modelo de dispersión de concentraciones diarias de PM10 en el escenario 2.

Fuente. El autor.

En la imagen 26 se observa que la zona 1 presenta la mayor concentración con rangos de 91,267 µg/m3 a 276,472 µg/m3, de ahí se empieza a generar la dispersión en forma de hojaldre. La zona 2 presenta concentraciones de 27,230 µg/m3 a 38,20 µg/m3.

La zona 3 y 7 presentan concentraciones de 16,539 µg/m3 a 91,26 µg/m3 donde se observa que el PM10 tiene potencial de asenso sobre la topografía de la zona de estudio. La zona 4 no condensa las emisiones si no que disminuye a lo largo de la zona 5 sobre pasando las montañas. La zona 6 es la mayor afectada por la cocción de cal presentando niveles de concentración entre 38,200 µg/m3 a 105,34 µg/m3.


La comparación de las estrategias de reducción como el pico y placa ambiental realizado por Corpoboyaca (tabla 16), muestra que los mayores impactos se producen en los puntos 1,2 y 5 para el año 2017 con concentraciones de 48,52 µg/m3, 50,10 µg/m3 y 45,59 µg/m3 en concentración máximo promedio de 24 horas para el año 2017.

55

Tabla 16.Puntos de mayor concentración para el año 2017, obtenidos en el modelo CALPUFF.

Fuente. El autor.

En el año 2017 la resolución vigente es la 2254 que prevé 75 µg/m3 y el modelo muestra concentraciones por debajo de norma. Lo anterior evidencia que el proyecto de pico y placa ambiental reduje la concentración de material particulado en el área de influencia de directa.

5.4.3. Escenario 3. Pico y placa ambiental más re suspensión por vías. 5.4.3.1. Proceso de modelamiento. Se procede a modelar para el valle de Sogamoso con los promedios máximos de 24 horas para el año 2017 (figura 26). Se identifica que la mayor concentración esta sobre la zona de influencia directa para este año con valor de 276,413 µg/m3 sobre pasando lo previsto por la resolución 2254.

Figura 28. Modelo de concentraciones diarias de PM10 escenario 3.

Fuente. El autor.

1.Iglesia 727680,8 636063,5 13,998 34,52 48,52 75

2.Puesto de salud 727621,74 636044,78 15,580 34,52 50,10 75

3.Alcaldia 728178,89 638201,7 1,246 34,52 35,77 75



PM10 24

escenario 2


(µg/m3)

Conc.Total

(µg/m3)

NNCA

(µg/m3)

iD X Y Contaminante Metrica

56

Como en los otros escenario presentados por el modelo CALPUFF, presenta que la zona 6 es la que mayor carga contamínate de PM10 producida por la cocción de cal, la zona 4 y 5 presentan una disminución del PM con rangos de 6,791 µg/m3 a 27,36 µg/m3 con potencial de ascenso de este sobre la topografía de la zona.

Las zonas 3 y 7 presentan que el PM no se queda en la parte baja de la montaña si no que sobre las montañas que rodean al municipio de Nobsa, la zona 2 presenta rangos de 37,110 µg/m3 a 47,93 µg/m3. La zona 1 como en los otros escenarios es la de mayor concentración de PM10 con rangos de 276,413 µg/m3

a 110,742 µg/m3.


La comparación del escenario de pico y placa ambiental + re suspensión por vías (tabla 17), muestra que los mayores impactos se producen en los puntos 1,2 y 5 para este año con concentraciones de 50,14 µg/m3, 51,65 µg/m3 y 47,31 µg/m3 en concentración máximo promedio de 24 horas para el año 2017.

Tabla 17. Putos de mayor concentración para el año 2017 obtenidos por el modelo de dispersión CALPUFF.

Fuente. El autor.

En el año 2017 la resolución vigente es la 2254 que prevé 75 µg/m3 y el modelo muestra concentraciones por debajo de norma. Lo anterior evidencia que el escenario de pico y placa ambiental + re suspensión por vías la concentración de material particulado en el área de influencia de directa sigue sin afectación por la vía.

5.4.4. Consolidado de escenarios modelados con CALPUFF. A continuación se consolidan en la tabla 18 los resultados de las concentraciones obtenidas con el modelo CALPUFF para cada punto de control en los tres diferentes escenarios previstos.

1.Iglesia 727680,8 636063,5 15,62 34,52 50,14 75

2.Puesto de salud 727621,74 636044,78 17,13 34,52 51,65 75

3.Alcaldia 728178,89 638201,7 2,20 34,52 36,72 75



PM10 24

escenario 3


(µg/m3)

Conc.Total

(µg/m3)

NNCA

(µg/m3)

iD X Y Contaminante Metrica

57

Tabla 18. Consolidado de los escenarios.

Fuente. El autor.

Un aporte significativo de este proyecto es la capacidad de ofrecer escenarios (1, 2 y 3) y comparar la eficiencia de estas estrategias de gestión de la calidad del aire. Es importante notar que para el escenario 1, la reducción en promedio de la concentración según CALPUFF es del 67.21%. Al comparar los resultados del escenario 1 con los del escenario 2 no se presenta variación en las concentraciones; sin embargo, se especifica que el valor del escenario 2, corresponde a la sumatoria de los cuatro periodos de quema. El escenario tres (considerado como el real y actual) indica que el modelo está por debajo de lo previsto en la resolución en un 29,30%.

En la figura 24 se identifica que los 3 escenarios están cumpliendo con la resolución 2254 de 2017. Pero los puntos de mayor concentración siguen siendo el 1 y 2. Lo que indica estos escenarios es que las estrategias de reducción realizadas por Corpoboyaca están siendo efectivas.



Fuente. El autor.

1.Iglesia 727680,8 636063,5 48,52 48,52 50,14 75

2.Puesto de salud 727621,74 636044,78 50,10 50,10 51,65 75

3.Alcaldia 728178,89 638201,7 35,77 35,77 36,72 75



PM10 24

NNCA

(µg/m3)

Escenario 3

(µg/m3)

Escenario 2

(µg/m3)

Escenario 1

(µg/m3)iD X Y Cont Metrica

58

5.5. Validación de los modelos La validación de los modelos es un proceso requerido para los casos en que las fuentes de emisión estén en operación. Los métodos varían pero concluyen que es necesario tener datos de medición (fijas o campañas de monitorio). La comparación entre la concentración obtenida con los modelos y las medias se analizan por medio de procesos estadísticos como: error cuadrático medio, el error absoluto, el error absoluto medio normalizado y el sesgo29.

Para este caso según Arthur S. Rood30 recomienda en su artículo evaluar los modelos de calidad por el error cuadrático medio que corresponde a los datos observas y datos simulados, en el los datos observados son los de la estación de monitoreo del parque recreacional y los simulados es la simula de los simulados más los observados.

Para la evaluación de los modelos se utilizó el error cuadrático medio, definido como:

𝐸𝐶𝑀 = √(∅ − ∅𝑜𝑏)2

𝑁

Donde:

ECM = error cuadrático medio (µg/m3)

Ø = datos simulados (µg/m3)

Øob = datos observados (µg/m3)

N = Numero de datos analizados.

Tabla 19. Validación de promedio diarios de concentración de PM1, modelo AERMOD.

Escenario Observados (µg/m3)

Simulados (µg/m3)

% Error

1 34,52 37,628 9,003

2 34,52 36,84 6,72

3 34,52 21,35 51,10

Fuente. El autor.

Tabla 20. Validación de promedio diarios de concentración de PM10, modelo CALPUFF.

Escenario Observados (µg/m3)

Simulados (µg/m3)

% Error

1 34,52 36,580 5,96

2 34,52 36,52 5,79

3 34,52 38,617 11,86

29 R Aplicado Al, Calidad D E L Aire, and Calidad D E L Aire, Mediante El Lenguaje Estadístico R y

Paquetes Adicionales Como OPENAIR, 2012. 30 Arthur S Rood, ‘Performance Evaluation of AERMOD, CALPUFF, and Legacy Air Dispersion Models

Using the Winter Validation Tracer Study Dataset’, Atmospheric Environment, 89 (2014), 707–20

<https://doi.org/10.1016/j.atmosenv.2014.02.054>.

59

Fuente. El autor.

En las tablas 19 y 20 se presentan los errores de los móldelos AERMOD y CALPUFF en donde se indica que los modelos tienen una alta precisión para los datos en 24 horas. El escenario 3 del modelo aermod presenta el error más alto pero de igual modo este escenario ni se aprueba ni se descarta lo cual sirve para la toma de decisiones y empezar a revisar el modelo es apto para las vías.

60

CONCLUSIONES El estudio destaca la valides del uso de datos del inventario de fuentes fijas, para estimar el impacto producido por la industria calera dentro del dominio de terrenos complejos y una meteorología anual de la zona de estudio .

La herramienta del modelamiento permite identificar la eficiencia y eficacia de la gestión de la calidad del aire con respecto a las medidas aplicadas por Corpoboyaca en la zona calera. Se evidencia reducción en las concentraciones de PM en 60 % (escenario 1 y 2) y disminución de las áreas afectadas en el valle Sogamoso. Lo anterior sirve de indicador de la importancia de continuar implementando medidas para la reducción de la contaminación en el valle de Sogamoso.

La implementación de los modelos de dispersión identifican una zona preponderante y constante de afectación de máximas concentraciones que circunda el área de ubicación de los hornos de cal, la cual define y delimita la zona de influencia directa de las emisiones producidas por los hornos de cal, ya que antes de realizarse este estudio no se contaba con esta delimitación lo cual constituye una de los principales aportes para las autoridades ambientales, de salud y administrativas

A nivel Nacional según revisión bibliográfica se encuentran documentos resultados de investigaciones y de procesos de consultoría en donde aplican de forma independiente los modelos AERMOD y CALPUFF, pero no tienen en cuenta las características topográficas de la zona. Este proyecto es el primero del orden nacional que modela previa identificación de la complejidad del terreno.

Se identifican procesos de modelamiento de fuentes fijas aledañas a fuentes móviles con AERMOD y CALPUFF pero no incluyen en sus escenarios la incidencia del aporte de las fuentes móviles sino que se limitan a solo la emisión puntual. Este proyecto modela la influencia de la re suspensión de PM por primera vez en la zona, siendo un primer acercamiento a las condiciones reales de la zona. Lo anterior sirve de marco para realizar en un futuro procesos integrales para el estudio de todas las emisiones de la zona, de modo que le modelo de calidad del aire generado es una base para empezar a revisar los aportes de MP que otras fuentes en la zona.

La evaluación del modelo aermod para los escenario 1y 2 mostro que el error es mínimo lo que indica que se aprueba los modelos generados para estos escenarios y el escenario 3, el modelo no se descarta ni se aprueba pero sirve para tomarlo como referencia en la determinación de la zona de influencia, de estimación de aportantes de otras fuentes de PM y para calcular el índice de calidad del aire.

Los escenarios modelados con CALPUFF, se aprueban ya que cuentan con un error bajo lo cual sirva para la toma de decisiones y calcular el índice de calidad del aire.

Este trabajo se encuentra entre los pioneros que analiza en simultaneo el funcionamiento de los modelos como herramientas de gestión de la calidad del aire y se corrobora con Corpoboyaca que es el primero en la región en utilizar los modelos CALPUFF y AERMOD para verificar las estrategias de descontaminación utilizadas en el valle de Sogamoso aplicadas al sector calero,

61

es por esto que la importancia de los resultados aceptan las estrategias establecidas en el sitio.

Se evidencia que CALPUFF como herramienta de modelamiento aporta en las salidas un mejor acercamiento de la dispersión del modelo a lo que se observa en el territorio, muestra capacidad de ascenso y cubrimiento de las emisiones en el terreno complejo a diferencia marcada de AERMOD que solo cubre el pie de las montañas que encierran el valle de Sogamoso.

La incertidumbre manejada en los inventarios de fuentes fijas es de 0 debido a que la metodología de implementación de censo permite cubrir el100% de todas las fuentes y la aplicación del mismo instrumento del 2017 garantiza continuidad para definir que la actividad es inventario. Por lo anterior la importancia de haber probado la eficacia del instrumento en el inventario del 2014 implementado en el proyecto realizado por la Ingeniera Dora Marcela Benítez con la Universidad de Boyacá, Corpoboyaca y la Alcaldía de Nobsa.

La incertidumbre también fue tenida en cuenta para que no afectara el proyecto en la medida en que se contó con meteorología de calidad de procesamiento aportada por METEOCOLOMBIA debido a que la del IDEAM presenta deficiencias en calidad de data.

Los resultados de este proyecto tienen incidencia social de relevante importancia ya que al delimitar por primera vez la zona de influencia directa se identifica la población vulnerable expuesta a las emisiones de MP de la cocción de cal lo cual impacta e sus condiciones de salud, bienestar físico y emocional, lo cual es relévate par estudios epidemiológicos como por ejemplo para la aplicación del protocolo de las afectaciones en el sistema respiratorio por la calidad del aire.

Otro aspecto importante que aporta este proyecto es la capacidad de identifica zonas de afectación por PM que inciden en el Índice de Calidad del Aire y aporta las bases para que las autoridades emitan estrategias de prevención de riesgos para la comunidad del valle de Sogamoso.

Para los recurso de flora, fauna, suelo y agua permite este proyecto determinar las zonas desafectaciones directas e indirectas de MP en estos recursos, en la medida en que cada isopleta del modelo cubre zonas estrategias del valle de Sogamoso como cultivos, quebradas, vegetación endémica y fauna que habita los ecosistemas.

BIBLIOGRAFÍA

202-05 MODELAMIENTO DE DISPERSIÓN DE LA CALIDAD DEL AIRE PARA EL ESTUDIO DE RIESGOS PARA LA SALUD HUMANA COMPLEJO METALÚRGICO LA OROYA’, 2005 <http://icsidfiles.worldbank.org/icsid/ICSIDBLOBS/OnlineAwards/C3004/C-160_Sp.pdf> [accessed 7 June 2018]

Agency, U S Environmental Protection, Air Quality, and Assessment Division, ‘Addendum

62

User‘202-05 MODELAMIENTO DE DISPERSIÓN DE LA CALIDAD DEL AIRE PARA EL ESTUDIO DE RIESGOS PARA LA SALUD HUMANA COMPLEJO METALÚRGICO LA OROYA’, 2005 <http://icsidfiles.worldbank.org/icsid/ICSIDBLOBS/OnlineAwards/C3004/C-160_Sp.pdf> [accessed 7 June 2018]

Agency, U S Environmental Protection, Air Quality, and Assessment Division, ‘Addendum User ’ S Guide for the Aermod Terrain Preprocessor ( Aermap )’, 2011

Al, R Aplicado, Calidad D E L Aire, and Calidad D E L Aire, Mediante El Lenguaje Estadístico R y Paquetes Adicionales Como OPENAIR, 2012

Ambiente, Ministerio De, ‘Manual de Inventario de Fuentes Según Próposito’

Behrentz, Eduardo, and D C Bogotá, ‘PARA LA CIUDAD DE BOGOTÁ E IDENTIFICACIÓN DE VARIABLES LILIANA ANDREA GIRALDO AMAYA Proyecto de Grado Presentado Como Requisito Para El Título de Maestría En Ingeniería Civil Directores Internos ARTURO ARDILA Director Externo DEPARTAMENTO DE INGENIERÍA CI’, 2005

Busini, Valentina, Laura Capelli, Selena Sironi, Giuseppe Nano, Andrea N Rossi, and Simone Bonati, ‘Comparison of CALPUFF and AERMOD Models for Odour Dispersion Simulation’, 2012, XXX <www.aidic.it/cet>

Climatología, Meteorología Y, Meteorología y Climatología Semana de La Ciencia y La Tecnología 2004 FUNDACIÓN ESPAÑOLA PARA LA CIENCIA Y LA TECNOLOGÍA <www.fecyt.es>

De, Estimación, Emisiones Mediante, Modelos De Emisión, and D E Contaminantes, Estimación de Emisiones Mediante Modelos de Emisión de Contaminantes <www.epa.gov/ttn/catc/> [accessed 24 May 2019]

De, Modelación, L A Dispersión, D E Las, Emisiones De So, Y No, Termoeléctricas De, and others, ESCUELA POLITÉCNICA NACIONAL FACULTAD DE INGENIERIA CIVIL Y AMBIENTAL TESIS PREVIA A LA OBTENCIÓN DEL GRADO DE MÁSTER (MSc) EN <https://bibdigital.epn.edu.ec/bitstream/15000/8069/4/CD-5224.pdf> [accessed 25 July 2019]

Donlee, Hyung -, Jung -Wooyoo, Min - Kyoungkang, Ji - Soonkang, Jong-Hyunjung, and Kwang-Joongoh, ‘A Atm Spheric P Pollution R Research Evaluation of Concentrations and Source Contribution of PM 10 and SO 2 Emitted from Industrial Complexes in Ulsan, Korea: Interfacing of the WRF-CALPUFF Modeling Tools’, 2014, 664–76 <https://doi.org/10.5094/APR.2014.076>

Dresser, Alan L, and Robert D Huizer, ‘Journal of the Air & Waste Management Association CALPUFF and AERMOD Model Validation Study in the Near Field: Martins Creek Revisited CALPUFF and AERMOD Model Validation Study in the Near Field: Martins Creek Revisited’, 2011 <https://doi.org/10.3155/1047-3289.61.6.647>

Fernández, Adrían, Leonora Rojas, Verónica Garibay, María López, Guadalupe Tzintzun, Miriam Zuk, and others, ‘Evaluación Del Impacto de Las Emisiones de La Termoeléctrica de Tuxpan En La Calidad Del Aire de La Región , Usando El Sistema de Modelado de Dispersión CALMET-CALPUFF’, 2003, 54–64

Franco, Juan Felipe, José Pacheco, and Luis Carlos Belalcázar, ‘Bogotá, Colombia’, 28 (2015), 1–11

González Cruz, Milvia B., Saturnino F. Pire Rivas, Luis F. Cuesta Zedeño, and P. Amparo López Jiménez, ‘Metodología Para La Calibración de Modelos de Dispersión de Contaminantes Atmosféricos. Caso de Estudio: Dispersión de PM10 En El Entorno de La Habana’, Revista

63

Facultad de Ingenieria, 2013, 274–88

Gonzalez, Diana Marcela, ‘Suesca ( Cundinamarca ) Evaluación de La Calidad Del Aire En El Municipio de Suesca ( Cundinamarca )’, 2016

‘Inventario de Emisiones de Contaminantes Atmosféricos Primarios de Fuentes Fijas Puntuales En La Comuna 4 de La Ciudad de Cali’, 2010

Jaramillo, Mauricio, María Eugenia Núñez, and William Ocampo, ‘Inventario de Emisiones de Contaminantes Atmosféricos Convencionales En La Zona de Cali-Yumbo’, Revista Facultad de Ingenieria Universidad de Antioquia, unknown (2004), 38–48

La, Evaluación D E, Calidad Del, Aire Del, Valle D E Sogamoso, Respecto A Material, Particulado Menor, and others, ‘No Title’, 2009

Lee, Russell F., and Warren D. Peters, ‘User’s Guide for the AERMOD Terrain Preprocessor (AERMAP)’, 2004

Marcela, Dora, ‘Revista LOGOS CIENCIA & TECNOLOGÍA Artículo de Investigación Dirección Nacional de Escuelas / Vicerrectoría de Investigación’, 8 (2017) <https://doi.org/10.22335/rlct.v8i2.303>

Márquez Armando Secretario, Aguilar, and Sosa Echeverría Rodolfo, ‘Jurado Asignado’ <http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/4443/tesis.pdf?sequence=1> [accessed 14 June 2018]

Medellín, L O S Casos D E Bogotá Y, ‘Calidad Del Aire En Colombia’, 2017

Mendoza, Alberto, and Marisa R García, APLICACIÓN DE UN MODELO DE CALIDAD DEL AIRE DE SEGUNDA GENERACIÓN A LA ZONA METROPOLITANA DE GUADALAJARA, MÉXICO, Rev. Int. Contam. Ambient, 2009, XXV <http://www.scielo.org.mx/pdf/rica/v25n2/v25n2a2.pdf> [accessed 10 July 2019]

Meza, Lourdes M, Margarito Quintero, Rafael García, and Jorge Ramírez, ‘Estimation of PM 10 and PM 2.5 Emission Factors, in City Roadways of Mexicali, Baja California, Mexico’, 21 (2010), 45–56 <https://doi.org/10.1612/inf.tecnol.4308it.09>

Ministerio de Ambiente Vivienda y Desarrollo Territorial, ‘Resolución 909 de 2.008’, Ministerio de Ambienete, Viviendaa y Desarrollo., 2008, 36 <http://www.metropol.gov.co/CalidadAire/Documents/Colombia_Resolucion_909.pdf>

‘Modelo_WRF_Bogota’, 2011

Nexo, A, ‘BASE CONCEPTUAL DEL’, 1–24

Pm, De, ‘Aplicación Del Programa AERMOD Para Modelar Dispersión de PM 10 Emitido Por Equipos de Calefacción a Leña En La Ciudad de Constitución Adrián Silva y Dagoberto Arcos Desarrollo Metodológico’, 2011, 4–10

Productos, Industria, ‘Industria Productos Minerales 11.19.2- 1’, 1–17

Qui, Leonardo, ‘Evaluación de Los Inventarios de Emisiones de Fuentes Móviles de Bogotá Mediante Datos de La Red de Calidad de Aire’, 2012

Rincón, Miguel Eduardo, and De Hoyos, ACOPLAMIENTO DEL MODELO DE MESOESCALA WRF AL MODELO DE CALIDAD DEL AIRE CALPUFF <http://bdigital.unal.edu.co/7749/1/migueleduardorincondehoyos.2012.pdf> [accessed 25 July 2019]

64

Rzeszutek, Mateusz, ‘Parameterization and Evaluation of the CALMET/CALPUFF Model System in near-Field and Complex Terrain - Terrain Data, Grid Resolution and Terrain Adjustment Method’, Science of the Total Environment, 689 (2019), 31–46 <https://doi.org/10.1016/j.scitotenv.2019.06.379>

Scire, Joseph S, Francoise R Robe, Mark E Fernau, and Robert J Yamartino, A User’s Guide for the CALMET Meteorological Model, 2000

Tartakovsky, Dmitry, David M Broday, and Eli Stern, ‘Evaluation of AERMOD and CALPUFF for Predicting Ambient Concentrations of Total Suspended Particulate Matter (TSP) Emissions from a Quarry in Complex Terrain’, Environmental Pollution, 179 (2013), 138–45 <https://doi.org/10.1016/j.envpol.2013.04.023>

U.S. EPA, ‘Addendum User’s Guide for the AMS/EPA Regulatory Model - AERMOD’, 2015, 1–189 <https://www3.epa.gov/ttn/scram/dispersion_prefrec.htm#aermod>

User’s Guide for the AERMOD Meteorological Preprocessor (AERMET)

Vía, D E U N A, and E N Bogotá, ‘ESTIMATION OF RESUSPENDED DUST EMISSION FACTORS BEFORE ’, 2017, 43–60

Yesid, Edison, and Ortiz Durán, Medición y Caracterización de La Turbulencia Atmosférica En Bogotá y Su Influencia En La Dispersión de Contaminantes, 2016 <http://bdigital.unal.edu.co/55987/7/EdisonYesidOrtizDurán.2016.pdf> [accessed 27 May 2019]

65

Anexo 1

66

67

Anexo 2

68

VEREDA # horno resol coord x coord y Diametro (m) Altura (m) Velocidad (m/s) Temp. (°K)PST CARBON

(lb/ton)

PST COQUE

(lb/ton)

PST CARBÓN

(g/s)PST COQUE (g/s) PST (g/s) MP10 (g/s)

1 Luis Fernando Plazas 3123872015 109 725408,123689 635942,688853 llama dormida 19 33 0,002272727 0,056451613 3,5 4,3 2 373,15 198,414 22,05 0,057 0,157 0,214 0,126

2 Luis Fernando plazas 3123872015 110 725401,946986 635954,956825 llama dormida 19 33 0,002272727 0,056451613 3,5 4,3 2 373,15 198,414 22,05 0,057 0,157 0,214 0,126

3 Jhon Daniel Hernandez 3107506968 111 725432,666425 635939,704044 llama dormida 20 33 0,002272727 0,056451613 4,4 4,8 2 373,15 198,414 22,05 0,057 0,157 0,214 0,126

4 Cediel Plazas 3134855034 edelmira plazas 112 725100,963035 636085,999796 llama dormida 20 33 0,002272727 0,064516129 3,9 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

5 Francisco Plazas 3138135587 113 725100,941182 636092,144729 llama dormida 18 33 0,002272727 0,064516129 3,3 4,7 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

6 Edelmira Plazas Tobias Beltran 3142830306 114 725103,974863 636101,373074 llama dormida 18 33 0,002272727 0,064516129 3,2 4,7 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

7 Alirio Ramirez 3123050358 Alirio Ramirez 3123050358 115 724962,710206 636159,246572 llama dormida 18 33 0,002272727 0,064516129 3,5 4,7 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

8 Ramon Tristancho 3223576889 Ramon Tristancho 3223576889 116 724962,732048 636153,101643 llama dormida 20 33 0,002272727 0,064516129 5,2 4,3 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

9 Ramon Tristancho 3223576889 Ramon Tristancho 3223576889 117 724962,753890 636146,956715 llama dormida 20 33 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

10 Hersan Siachoque 3208481450 Hersan Siachoque 3208481450 1 727140,355598 635186,912294 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

11 Hersan Siachoque 3208481450 Hersan Siachoque 3208481450 2 725297,406804 635171,093721 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

12 Segundo Casteblanco 3112573534 Segundo Castelblanco 3112573534 3 725512,936895 634926,061985 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

13 Leonidas Nuche 3115910404 Leonidas Nuche 3115910404 4 727283,381404 636348,848185 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

14 Leonidas Nuche 3115910404 Leonidas Nuche 3115910404 5 727280,336991 636342,692122 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

15 Juan Perez 3106196918 6 727271,170638 636333,441445 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

16 Orlando Lopez 3112420890 Orlando Lopez 3112420890 7 727258,882617 636339,542235 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

17 Orlando Lopez 3112420890 Orlando Lopez 3112420890 8 727261,927032 636345,698297 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

18 Efrain Fuentes 9 727127,453824 636219,239492 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

19 Alberto Diaz 3112016862 Henry Diaz 31087693842 10 726866,725208 636239,808626 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

20 Alberto Diaz 3112016862 Henry Diaz 3106092714 11 726860,614267 636233,641566 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

21 Alberto Diaz 3112016862 Henrry Diaz 3108763842 12 726854,481297 636233,619501 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

22 Martha Perez 3102057876 Luis Adame 3125314167 13 726863,603649 636255,160077 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

23 Manuel Diaz 3112106564 Henry Diaz 3108763842 14 726863,581619 636261,305070 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

24 Antonio Perez 3112204947 Antonio Perez 3112204947 15 726848,403396 636218,234953 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

25 Antonio Perez 3112204947 Antonio Perez 3112204947 16 726842,259411 636221,285386 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

26 Luis Perez 3118074607 Luis Perez 3118074607 17 726833,070967 636218,179794 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

27 Luis Perez 3118074607 Luis Perez 3118074607 18 726830,015494 636215,096267 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

28 Mauricio Hurtado 3123775154 Henrry Diaz 3108763842 19 726823,882523 636215,074205 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

29 Mauricio Hurtado 3123775154 Henrry Diaz 3108763842 20 726820,816038 636215,063174 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

30 Henry Diaz 3123775154 Antonio Perez 3112204947 21 726817,760564 636211,979648 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

31 Henry Diaz 3108763842 Henrry Diaz 3108763842 22 726814,705090 636208,896121 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

32 Pastor Avila 3103450071 Pastor Avila 3103450071 23 726811,638605 636208,885091 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

33 Mario Diaz Mario Diaz 24 726808,583131 636205,801565 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

34 Efrain Gomez 3115819968 Efrain Gomez 3115819968 25 726802,439148 636208,852001 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

35 Arnulfo Tobo 3105626457 Arnulfo Tobo 3105626457 26 726820,850175 636205,538437 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

36 Mauricio Hurtado 3123775154 Mauricio Hurtado 3123775154 27 726824,239828 636200,941826 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139



39 Luis Montaña 3112457468 Luis Montaña 3112457468 30 726813,226906 636193,528127 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

40 Luis Montaña 3112457468 Luis Montaña 3112457468 31 726808,649199 636187,366590 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

41 Diego Siachoque 3125428058 Diego Siachoque 3125428058 32 726774,972896 636171,882798 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

42 Fredy Siachoque 3208678818 Fredy Siachoque 3208678818 33 726768,850932 636168,788247 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139



45 Javier Siachoque Yeferson Gomez 36 726756,607001 636162,599149 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139



48 Jorge Buitrago Antonio Perez 3112204947 39 726741,296582 636156,399029 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

49 Ignacio Lopez 3124822373 Ignacio Lopez 3124822373 40 726738,230095 636156,388003 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

50 Pedro Lopez Ignacio Lopez 3124822373 41 726735,174615 636153,304483 llama dormida 18 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

51 Anselmo Lopez 3115139003 Anselmo Lopez 3115139003 42 726732,108128 636153,293457 llama dormida 20 30 0,002272727 0,064516129 4,5 5 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

52 Omar Lopez 3118148173 Omar Lopez 3118148173 43 726732,119135 636150,220963 llama dormida 20 30 0,002272727 0,064516129 4,5 5 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

53 Omar Lopez 3118148173 Omar Lopez 3118148173 44 726725,986161 636150,198913 llama dormida 20 30 0,002272727 0,064516129 4,5 5 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

54 Gustavo Lopez 7727664 Rodrigo Lopez 45 726725,997167 636147,126418 llama dormida 20 30 0,002272727 0,064516129 4,5 5 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

55 Gustavo Lopez 7727664 Rodrigo Lopez 46 726722,941687 636144,042899 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

56 Etelvina Siachoque 3208603403 Ignacio Lopez 3124822373 47 726707,565229 636156,277754 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

57 Audelina Lopez Virgilio Torres 3125238256 48 726726,052199 636131,763947 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

58 Lucia Lopez 3204245998 Anselmo Lopez 3115139003 49 726732,174169 636134,858491 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

59 Ricardo Lopez Ricardo Lopez 50 726735,229650 636137,942010 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

60 Marcolino Pesca 3115279245 Marcolino Pesca 3115279245 51 726738,285130 636141,025530 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

61 Agustin Merchan 3103052416 Luis Merchan 3103052416 52 726744,440120 636134,902592 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

62 Luis Merchan 3103052416 Luis Merchan 3103052416 53 726750,573097 636134,924643 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

63 Emigdio Gomez Yeferson Gomez 54 726753,628577 636138,008164 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

64 Diego Siachoque Diego Siachoque 55 726756,695065 636138,019190 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139



67 Sergio Lopez 58 726814,892284 636156,663691 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

68 Anselmo Lopez 3115139003 Anselmo Lopez 3115139003 59 726808,770319 636153,569137 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

69 Ines Alarcon Pedro Fuentes 3232669024 60 726729,206736 636107,195017 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

70 Etelvina Siachoque 3208603403 Pedro Fuentes 3232669024 61 726725,526949 636107,181787 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

71 Pedro Nuche 3112813142 Fredy Siachoque 3102550058 62 726726,151253 636104,111498 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

72 Pedro Nuche 3112813142 Billy Nuche 3125283922 63 726720,051291 636094,871967 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139



75 Maria Niño no tiene Luis Merchan 3103052410 66 726704,740852 636088,671863 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

76 Maria Niño no tiene Agustin Merchan 3219284014 67 726701,663358 636091,733334 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

77 Maria Niño no tiene Agustin Merchan 3219284014 68 726821,113349 636132,105783 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

78 Amparo Beltran Dora Gomez 69 726658,831530 636063,926592 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

79 Mario Lucero 3144302127 Severo Jarro 3134040803 70 726548,822764 635955,992770 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

80 Ernestina Lucero 3144302127 Severo Jarro 3134040803 71 726554,999730 635943,724831 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

81 Ernestina Lucero 3144302127 Filimon Jarro 3137584931 72 726582,609175 635940,751464 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

82 Mercedez Diaz Mario Lucero 3112222653 73 726574,530953 635627,324298 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

83 Clementina Siachoque 3202921453 Luis Jose rojas 3012921004 74 726273,409523 635795,232916 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

84 Clementina Siachoque 3202921453 Miguel Rojas 3108159990 75 726270,364983 635789,076947 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

85 Mario Lucero 3112222653 Mario Lucero 3112222653 76 726564,848795 635933,620852 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

86 Rosalba Beltran Rosalba Beltran 77 726315,879251 635924,431343 llama dormida 20 30 0,002272727 0,064516129 3,3 4,8 2 373,15 198,414 22,05 0,057 0,179 0,236 0,139

MINAS

Guaquida

Capilla

CELULRAR CELULAR

EMISION PUNTUALNÚMERO

EMPRESASPROPIETARIO ARRENDATARIO TIPO DE HORNO

UBICACIÓN GEOGRÁFICA

piedra caliza

COQUE (Ton/h)CARBON

(Ton/ h)

COMBUSTIBLEPRODUCCIÓN

(Ton/horn)

CARACTERISTICAS DE CHIMENEA Y EMISIONESFACTOR DE EMISION POR

COMBUSTIBLEEMISIÓN POR COMBUSTIBLE

69

Anexo 3

70

71

Anexo 4

72

73

Anexo 5

74

75

76

Anexo 6

77

78

79

80

81

82

83

84

85

86