VER RESUMEN

Resumen generado con una herramienta de Inteligencia Artificial desarrollada por BioBioChile y revisado por el autor de este artículo.

Un estudio interdisciplinario concluyó que el modelo Cassmassi-1 no anticipó más de la mitad de los episodios críticos de PM10 en Santiago entre 2020 y 2022: detectó el 33% en 2020, el 47,4% en 2021 y el 43,8% en 2022. Además, más del 60% de sus avisos no coincidió con episodios observados, aunque las medidas aplicadas podrían haber reducido la contaminación. El equipo propone mejorar los datos y combinar variables meteorológicas con información sobre emisiones humanas.

Los resultados de una reciente investigación dejarían en evidencia que uno de los modelos utilizados en el sistema de pronóstico dentro de la Región Metropolitana no anticipó a tiempo más del 50% de las emergencias ambientales entre los años 2020 y 2022.

El estudio fue desarrollado por un equipo interdisciplinario de Chile y Ecuador. Contó con la participación de Partículas SpA, la Universidad de Santiago de Chile, la Universidad del Bío-Bío, la Pontificia Universidad Católica de Valparaíso, la Universidad Nacional de Chimborazo y la Universidad de Las Américas (EC), además de la Université de Lorraine, en Francia.

La evaluación apunta al modelo Cassmassi-1. Como conclusión del grupo investigador, este no anticipó episodios críticos de material particulado PM10 observados en el mencionado periodo en Santiago.

Según explicaron, el PM10 está compuesto por diminutas partículas suspendidas en el aire. Por su tamaño, pueden ingresar al sistema respiratorio y afectar la salud, especialmente en niños, personas mayores y quienes tienen enfermedades respiratorias.

Limitaciones en pronósticos

“En 2020 detectó apenas uno de cada tres episodios. En los dos años siguientes, su capacidad de detección mejoró, pero siguió por debajo de la mitad: identificó el 47,4 % en 2021 y el 43,8 % en 2022″, explicó la doctora Andrea Espinoza, investigadora del Departamento de Ingeniería Industrial de la Universidad de Santiago de Chile y coautora del trabajo.

El estudio examinó las limitaciones de los pronósticos y las condiciones que favorecen la acumulación de contaminantes. Para Espinoza, los resultados evidencian la necesidad de integrar mejor la información meteorológica con las actividades humanas que generan emisiones.

“Si consideramos solo las variables climatológicas, como la temperatura, el viento y la humedad, ¿nos alcanza para hacer el pronóstico? Vimos que no era suficiente. Los modelos que consideraban estas variables y las emisiones generadas por las personas se ajustaban mejor, pero aun así necesitamos que el pronóstico siga mejorando”, profundizó.

Investigación revela que modelo de predicción no anticipó más del 50% de emergencias ambientales en RM
Agencia UNO

Con el apoyo de la seremi del Medio Ambiente de la Región Metropolitana, el equipo de investigación analizó aproximadamente 1,2 millones de registros de calidad del aire y de meteorología correspondientes a los períodos de mayo a agosto de 2017 a 2022. La evaluación específica de los modelos abarcó, eso sí, los años 2020–2022, debido a la disponibilidad de registros oficiales.

Falsas alarmas

Cabe mencionar que, de acuerdo con el trabajo investigativo, más del 60 % de los avisos de episodio emitidos por Cassmassi-1 no coincidieron con ningún episodio observado. Eso sí, no necesariamente significa que el pronóstico estuviera equivocado: las restricciones aplicadas tras la alerta podrían haber reducido la contaminación y evitado que ocurriera. El estudio no determinó en cuántos casos pudo ocurrir esto.

“¿Qué pasa si esa falsa alarma nos está diciendo que la restricción vehicular sí funciona? Todavía tenemos esa duda. Nos falta estudiar cómo se comportan las personas cuando les avisamos que hay preemergencia y cuánto ayudan las medidas a reducir la contaminación”, plantea la doctora Espinoza.

Por ello, el equipo investigador propone mejorar la información de las estaciones. Además, llama a reforzar las mediciones atmosféricas en altura y probar otros modelos que se ajusten a las condiciones de Santiago.

“Lo primero es mejorar los datos, porque tuvimos estaciones que no pudimos utilizar. También podemos desarrollar otros modelos y evaluar cómo avanzar hacia su implementación sistemática a nivel gubernamental. Ya tenemos medidas de mitigación con impacto, pero la pregunta es cuándo implementarlas para que resulten eficaces. Estos análisis nos ayudan a tomar esa decisión”, concluyó Andrea Espinoza.