Convalidación de Datos del Monitoreo Continuo de PM y Datos Meteorológicos Elaborada por: Joey V. Landreneau, Paul T. Roberts, Alison E. Ray, Hilary R

Convalidación de Datos del Monitoreo Continuo de PM y Datos Meteorológicos

Elaborada por:Joey V. Landreneau, Paul T. Roberts,

Alison E. Ray, Hilary R. HafnerSonoma Technology, Inc.

Petaluma, California

Para el:Curso Regional sobre Aseguramiento de la Calidad de las

Mediciones de Inmisiones y Emisiones de Contaminantes de AireUniversidad Nacional, Costa Rica

30 Marzo – 03 Abril 2009

STI-908078.03-3592

2

Temas

• Perspectiva General de la Convalidación de Datos

• La Convalidación de Datos Meteorológicos Terrestres

• Sitos Web y Fuentes de Referencia Claves

3

Perspectiva General de la Convalidación de Datos

• La Importance de la Convalidación de Datos

• Ejemplos Motivadores

• Niveles de Convalidación de Datos

• Estrategia General para la Convalidación de Datos

• Fuentes de Referencia

4

¿Por Qué Se Debe Convalidar los Datos?

• Es responsabilidad de la entidad que monitorea prevenir, identificar, corregir y definir las consecuencias de los obstáculos que podrían afectar la precisión y veracidad y/o validez de las mediciones.

• Los datos erróneos pueden causar errores graves al momento de analizar y modelar los datos (y el desarrollo posterior de políticas).

• La información correcta ayuda a la entidad a responder a las inquietudes de la comunidad.

esfuerzo para recuperar datos

tiempo

¡Hay que convalidar los datos oportunamente!

capturade datos

cantidad de datos recuperados

5

Datos “Malos”

6

Ejemplos de Problemas en las Bases de Datos PM (con las correspondientes acciones de convalidación)

• Los datos sobre PM y lecturas del flujo fueron erróneos durante el proceso de calibración, pero fueron incluidos en la base de datos. Los datos fueron señalados como producto de la calibración del flujo.

• Durante unas horas las lecturas PM2.5 fueron mayores que las lecturas PM10. Los datos fueron señalados como dudosos.

• Las concentraciones de PM no pasaban de 1000 μg/m3. La investigation descubrió que el valor máximo estaba mal programado. Las lecturas de 1000 μg/m3 fueron señalados como dudosos porque los valores reales eran entre 1050 y 1200 μg/m3. El valor máximo fue ajustado.

7

Ejemplos de Problemas en las Bases de Datos Meteorológicos (con las correspondientes acciones de convalidación)

• Los datos indicaban que la dirección del viento no varía pero que la velocidad del viento sí varía. La inspección descubrió que la veleta estaba pegada. La situación fue corregida y los datos fueron invalidados.

• En un sitio se registraron vientos leves mientras que todos los demás sitios cercanos registraron vientos fuertes. Los datos indicando vientos leves fueron señalados como dudosos.

8

Estrategia General para la Convalidación de Datos

• Revisar los datos.

• Manipular los datos (clasificarlos, convertirlos en gráficos, mapearlos) para que cuenten una historia.

• Suele ocurrir que no se descubren errores u otros aspectos importantes de los datos hasta que alguien empiece a aplicarlos para algún propósito.

• Ejemplos:

– Dispersigrama (scatter plot)

– Gráfica de serie temporal

– Box whisker plot

– Estadísticas sumarias

PM

en

Siti

o 1

(μ

gm/m

3)

PM en Sitio 2 (μgm/m3)

9

Se Recomienda la Presentación Gráfica

Más fácil y rápido para la convalidación de datos.Parameter LST PM10 (μg/m3) PM2.5 (μg/m3) Q tot PM10 (Lpm) Q tot PM2.5 (Lpm)

PM10 3/7/09 0:00 6 1 0.7 0.7PM10 3/7/09 1:00 5 -1 0.7 0.7PM10 3/7/09 2:00 7 -3 0.7 0.7PM10 3/7/09 3:00 7 -2 0.7 0.7PM10 3/7/09 4:00 49 0 0.7 0.7PM10 3/7/09 5:00 23 1 0.7 0.7PM10 3/7/09 6:00 18 1 0.7 0.7PM10 3/7/09 7:00 6 1 0.701 0.701PM10 3/7/09 8:00 8 -2 0.7 0.7PM10 3/7/09 9:00 11 -5 0.7 0.7PM10 3/7/09 10:00 9 -5 0.7 0.7PM10 3/7/09 11:00 4 -3 0.7 0.7PM10 3/7/09 12:00 4 -2 0.7 0.7PM10 3/7/09 13:00 5 -2 0.7 0.7PM10 3/7/09 14:00 4 -3 0.7 0.7PM10 3/7/09 15:00 2 -3 0.7 0.7PM10 3/7/09 16:00 2 -4 0.7 0.7PM10 3/7/09 17:00 5 -3 0.7 0.7PM10 3/7/09 18:00 5 -1 0.7 0.7PM10 3/7/09 19:00 3 -1 0.7 0.7PM10 3/7/09 20:00 5 -1 0.7 0.7PM10 3/7/09 21:00 11 0 0.7 0.7PM10 3/7/09 22:00 13 -1 0.7 0.7PM10 3/7/09 23:00 10 -1 0.7 0.7PM10 3/8/09 0:00 7 0 0.7 0.7PM10 3/8/09 1:00 7 -3 0.7 0.7PM10 3/8/09 2:00 6 -2 0.7 0.7PM10 3/8/09 3:00 7 1 0.7 0.7PM10 3/8/09 4:00 7 0 0.701 0.701PM10 3/8/09 5:00 8 -2 0.7 0.7PM10 3/8/09 6:00 6 -4 0.7 0.7PM10 3/8/09 7:00 6 -5 0.701 0.701PM10 3/8/09 8:00 9 -3 0.7 0.7PM10 3/8/09 9:00 13 0 0.7 0.7PM10 3/8/09 10:00 9 -2 0.7 0.7PM10 3/8/09 11:00 6 -3 0.7 0.7PM10 3/8/09 12:00 7 -3 0.7 0.7PM10 3/8/09 13:00 4 -4 0.7 0.7PM10 3/8/09 14:00 4 -2 0.7 0.7PM10 3/8/09 15:00 6 -3 0.7 0.7PM10 3/8/09 16:00 8 -5 0.7 0.7PM10 3/8/09 17:00 7 -3 0.7 0.7PM10 3/8/09 18:00 4 1 0.7 0.7PM10 3/8/09 19:00 4 0 0.7 0.7PM10 3/8/09 20:00 8 2 0.7 0.7PM10 3/8/09 21:00 8 3 0.7 0.7PM10 3/8/09 22:00 5 0 0.7 0.7PM10 3/8/09 23:00 0 -2 0.7 0.7PM10 3/9/09 0:00 -1 0 0.7 0.7PM10 3/9/09 1:00 0 0 0.7 0.7PM10 3/9/09 2:00 -2 0 0.7 0.7PM10 3/9/09 3:00 -1 1 0.7 0.7PM10 3/9/09 4:00 1 1 0.7 0.7PM10 3/9/09 5:00 0 0 0.7 0.7PM10 3/9/09 6:00 -1 0 0.7 0.7PM10 3/9/09 7:00 0 0 0.7 0.7PM10 3/9/09 8:00 1 -3 0.7 0.7PM10 3/9/09 9:00 2 -4 0.7 0.7PM10 3/9/09 10:00 3 -2 0.7 0.7PM10 3/9/09 11:00 4 -1 0.7 0.7PM10 3/9/09 12:00 4 -3 0.7 0.7PM10 3/9/09 13:00 2 -2 0.7 0.7PM10 3/9/09 14:00 4 -1 0.7 0.7PM10 3/9/09 15:00 4 -4 0.7 0.7PM10 3/9/09 16:00 2 -3 0.7 0.7PM10 3/9/09 17:00 5 -2 0.7 0.7PM10 3/9/09 18:00 5 -1 0.7 0.7PM10 3/9/09 19:00 4 0 0.7 0.7PM10 3/9/09 20:00 5 2 0.7 0.7PM10 3/9/09 21:00 4 1 0.7 0.7PM10 3/9/09 22:00 3 -3 0.7 0.7PM10 3/9/09 23:00 3 -3 0.7 0.7PM10 3/10/09 0:00 3 -1 0.7 0.7PM10 3/10/09 1:00 3 -1 0.7 0.7PM10 3/10/09 2:00 3 -3 0.7 0.7PM10 3/10/09 3:00 4 -4 0.7 0.7PM10 3/10/09 4:00 5 -4 0.7 0.7PM10 3/10/09 5:00 5 -4 0.7 0.7PM10 3/10/09 6:00 6 -3 0.7 0.7PM10 3/10/09 7:00 8 -1 0.701 0.701PM10 3/10/09 8:00 7 -1 0.7 0.7PM10 3/10/09 9:00 0 0 0 0PM10 3/10/09 10:00 985 985 0 0PM10 3/10/09 11:00 985 985 0 0PM10 3/10/09 12:00 1 1 0.7 0.7PM10 3/10/09 13:00 1 0 0.7 0.7PM10 3/10/09 14:00 1 -3 0.7 0.7PM10 3/10/09 15:00 3 -4 0.7 0.7PM10 3/10/09 16:00 7 -3 0.7 0.7PM10 3/10/09 17:00 6 -1 0.7 0.7PM10 3/10/09 18:00 2 0 0.701 0.701PM10 3/10/09 19:00 3 -1 0.701 0.701PM10 3/10/09 20:00 5 -2 0.7 0.7PM10 3/10/09 21:00 5 -2 0.7 0.7PM10 3/10/09 22:00 5 0 0.7 0.7PM10 3/10/09 23:00 3 1 0.7 0.7PM10 3/11/09 0:00 2 1 0.7 0.7PM10 3/11/09 1:00 3 -1 0.7 0.7PM10 3/11/09 2:00 0 -1 0.7 0.7PM10 3/11/09 3:00 1 2 0.7 0.7PM10 3/11/09 4:00 5 -1 0.7 0.7PM10 3/11/09 5:00 4 1 0.7 0.7PM10 3/11/09 6:00 6 0 0.7 0.7PM10 3/11/09 7:00 9 -4 0.701 0.701PM10 3/11/09 8:00 6 -3 0.7 0.7PM10 3/11/09 9:00 3 -2 0.7 0.7

~~~~~~~~~~

Parameter LST

PM10 3/7/09 0:00 6 1 0.7 0.7PM10 3/7/09 1:00 5 -1 0.7 0.7PM10 3/7/09 2:00 7 -3 0.7 0.7PM10 3/7/09 3:00 7 -2 0.7 0.7PM10 3/7/09 4:00 49 0 0.7 0.7PM10 3/7/09 5:00 23 1 0.7 0.7PM10 3/7/09 6:00 18 1 0.7 0.7PM10 3/7/09 7:00 6 1 0.701 0.701PM10 3/7/09 8:00 8 -2 0.7 0.7PM10 3/7/09 9:00 11 -5 0.7 0.7PM10 3/7/09 10:00 9 -5 0.7 0.7PM10 3/7/09 11:00 4 -3 0.7 0.7PM10 3/7/09 12:00 4 -2 0.7 0.7PM10 3/7/09 13:00 5 -2 0.7 0.7PM10 3/7/09 14:00 4 -3 0.7 0.7PM10 3/7/09 15:00 2 -3 0.7 0.7PM10 3/7/09 16:00 2 -4 0.7 0.7PM10 3/7/09 17:00 5 -3 0.7 0.7PM10 3/7/09 18:00 5 -1 0.7 0.7PM10 3/7/09 19:00 3 -1 0.7 0.7PM10 3/7/09 20:00 5 -1 0.7 0.7PM10 3/7/09 21:00 11 0 0.7 0.7PM10 3/7/09 22:00 13 -1 0.7 0.7PM10 3/7/09 23:00 10 -1 0.7 0.7PM10 3/8/09 0:00 7 0 0.7 0.7PM10 3/8/09 1:00 7 -3 0.7 0.7PM10 3/8/09 2:00 6 -2 0.7 0.7PM10 3/8/09 3:00 7 1 0.7 0.7PM10 3/8/09 4:00 7 0 0.701 0.701PM10 3/8/09 5:00 8 -2 0.7 0.7PM10 3/8/09 6:00 6 -4 0.7 0.7PM10 3/8/09 7:00 6 -5 0.701 0.701PM10 3/8/09 8:00 9 -3 0.7 0.7PM10 3/8/09 9:00 13 0 0.7 0.7PM10 3/8/09 10:00 9 -2 0.7 0.7PM10 3/8/09 11:00 6 -3 0.7 0.7PM10 3/8/09 12:00 7 -3 0.7 0.7PM10 3/8/09 13:00 4 -4 0.7 0.7PM10 3/8/09 14:00 4 -2 0.7 0.7PM10 3/8/09 15:00 6 -3 0.7 0.7PM10 3/8/09 16:00 8 -5 0.7 0.7PM10 3/8/09 17:00 7 -3 0.7 0.7PM10 3/8/09 18:00 4 1 0.7 0.7PM10 3/8/09 19:00 4 0 0.7 0.7PM10 3/8/09 20:00 8 2 0.7 0.7PM10 3/8/09 21:00 8 3 0.7 0.7PM10 3/8/09 22:00 5 0 0.7 0.7PM10 3/8/09 23:00 0 -2 0.7 0.7PM10 3/9/09 0:00 -1 0 0.7 0.7PM10 3/9/09 1:00 0 0 0.7 0.7PM10 3/9/09 2:00 -2 0 0.7 0.7PM10 3/9/09 3:00 -1 1 0.7 0.7PM10 3/9/09 4:00 1 1 0.7 0.7PM10 3/9/09 5:00 0 0 0.7 0.7PM10 3/9/09 6:00 -1 0 0.7 0.7PM10 3/9/09 7:00 0 0 0.7 0.7PM10 3/9/09 8:00 1 -3 0.7 0.7PM10 3/9/09 9:00 2 -4 0.7 0.7PM10 3/9/09 10:00 3 -2 0.7 0.7PM10 3/9/09 11:00 4 -1 0.7 0.7PM10 3/9/09 12:00 4 -3 0.7 0.7PM10 3/9/09 13:00 2 -2 0.7 0.7PM10 3/9/09 14:00 4 -1 0.7 0.7PM10 3/9/09 15:00 4 -4 0.7 0.7PM10 3/9/09 16:00 2 -3 0.7 0.7PM10 3/9/09 17:00 5 -2 0.7 0.7PM10 3/9/09 18:00 5 -1 0.7 0.7PM10 3/9/09 19:00 4 0 0.7 0.7PM10 3/9/09 20:00 5 2 0.7 0.7PM10 3/9/09 21:00 4 1 0.7 0.7PM10 3/9/09 22:00 3 -3 0.7 0.7PM10 3/9/09 23:00 3 -3 0.7 0.7PM10 3/10/09 0:00 3 -1 0.7 0.7PM10 3/10/09 1:00 3 -1 0.7 0.7PM10 3/10/09 2:00 3 -3 0.7 0.7PM10 3/10/09 3:00 4 -4 0.7 0.7PM10 3/10/09 4:00 5 -4 0.7 0.7PM10 3/10/09 5:00 5 -4 0.7 0.7PM10 3/10/09 6:00 6 -3 0.7 0.7PM10 3/10/09 7:00 8 -1 0.701 0.701PM10 3/10/09 8:00 7 -1 0.7 0.7PM10 3/10/09 9:00 0 0 0 0PM10 3/10/09 10:00 985 985 0 0PM10 3/10/09 11:00 985 985 0 0PM10 3/10/09 12:00 1 1 0.7 0.7PM10 3/10/09 13:00 1 0 0.7 0.7PM10 3/10/09 14:00 1 -3 0.7 0.7PM10 3/10/09 15:00 3 -4 0.7 0.7PM10 3/10/09 16:00 7 -3 0.7 0.7PM10 3/10/09 17:00 6 -1 0.7 0.7PM10 3/10/09 18:00 2 0 0.701 0.701PM10 3/10/09 19:00 3 -1 0.701 0.701PM10 3/10/09 20:00 5 -2 0.7 0.7PM10 3/10/09 21:00 5 -2 0.7 0.7PM10 3/10/09 22:00 5 0 0.7 0.7PM10 3/10/09 23:00 3 1 0.7 0.7PM10 3/11/09 0:00 2 1 0.7 0.7PM10 3/11/09 1:00 3 -1 0.7 0.7PM10 3/11/09 2:00 0 -1 0.7 0.7PM10 3/11/09 3:00 1 2 0.7 0.7PM10 3/11/09 4:00 5 -1 0.7 0.7PM10 3/11/09 5:00 4 1 0.7 0.7PM10 3/11/09 6:00 6 0 0.7 0.7PM10 3/11/09 7:00 9 -4 0.701 0.701PM10 3/11/09 8:00 6 -3 0.7 0.7PM10 3/11/09 9:00 3 -2 0.7 0.7

10

Niveles de Convalidación de Datos: Resumen de los Tipos de Revisión

• Nivel 0 – Revisión rutinaria durante el procesamiento inicial y generación de

los datos, incluyendo la debida identificación de los archivos de datos. Revisión de eventos inusuales, hojas de datos del campo, y reportes de resultados. Revisión del desempeño de los instrumentos.

• Nivel I– Pruebas de consistencia interna para identificar valores en los datos

que parecen atípicos cuando se comparan con otros valores dentro del mismo conjunto de datos.

• Nivel II/III– Comparación de datos recientes con datos históricos para verificar la

consistencia en el tiempo.

– Cotejo de consistencia paralelo con conjuntos de datos de la misma población (p.ej., la misma región, período, masa de aire) para identificar sesgos sistemáticos.

U.S. EPA, 1999

11

Nivel 0 – Revisiones de Campo y Laboratorio

• Cotejar los datos en forma de archivos informáticos contra las hojas de datos.

• Señalar las muestras cuando se dan desviaciones significativas en comparación con los supuestos para el proceso de medición.

• Eliminar los valores que corresponden a las mediciones que se reconocen como inválidas debido al mal funcio-namiento de instrumentos.

• En caso de una falla del sistema principal, reponer los datos generados por un sistema de captura secundario (sistema de respaldo).

Chow et al., 1996

12

Nivel I – Revisar la Consistencia Interna

• Inspeccionar las series temporales. ¿Las concentraciones medidas son normales según la hora del día, el día de la semana, y la temporada del año?

• Comparar las concentraciones de contaminantes. ¿Se notan las relaciones que se esperaban?

• Identificar y señalar los valores anormales, incluyendo:– Los valores que normalmente muestran un patrón espacial o

temporal cualitativamente predecible.– Los valores que normalmente se varían junto con otras variables

en el tiempo.– Valores extremos o muy alejados de lo normal

Al encontrar una medición inesperada, primero se debe suponer que el valor inusual es producto de un error de medición. Si se llega a descartar esa posibilidad después de inspeccionar la vía de medición, luego se puede suponer que el valor

representa el resultado válido de una situación ambiental.

Chow et al., 1996

13

Nivel II/III – Comparción con Otros Conjuntos de Datos

• Comparar mediciones del mismo parámetro hechas con equipos en el mismo sitio.

• Comparar las relaciones (p.ej., relación temporal, relación entre especies) observadas entre los datos recientes con las relaciones observadas en otros sitios o en años anteriores.

• Comparar las concentraciones de contaminantes con los factores meteorológicos.

14

Ejemplo de un Proceso de Convalidación

• Configurar la base de datos de Nivel 0 ó Nivel I.

• Colocar los datos en un formato común con información descriptiva respecto a las variables, nivel de convalidación, claves QC, estándar temporal, unidades estándar y metadatos (información sobre el sitio, etc.).

• Verificar que los resultados y sugerencias de todo informe de auditoría hayan sido incorporados a la base de datos.

• Revisar las estadísticas sumarias en busca de valores máximos o mínimos irrealistas y para verificar la consistencia con los sitios cercanos. (Los datos aún están al Nivel I.)

• Realizar comparaciones espaciales y temporales de los datos. (Comienzo del Nivel II.)

• Cotejar los datos (p.ej., de dos instrumentos). (Los datos ya están en el Nivel III.)

15

Ejemplo de una Perspectiva General de los Datos

• Durante la convalidación del Nivel 1 se recomienda elaborar un resumen de la red de monitoreo por año para indicar cuáles sitios han producido datos y cuántos datos cada año.

• Este resumen sirve para detectar problemas potenciales (como faltantes de datos) y determinar cuáles tipos de análisis se podrán realizar.

Site Year Ozone CO NO2 SO2 PM10

HiVOL

PM10

Dichot

PM10

BAM

PM2.5

Dichot

PM2.5

Dichot

PM2.5

BAM

Chicago-Jardine

1999 8432 8212

Chicago-Jardine

2000 8401 …

Recuerde clasificar las mediciones de aerosolesen diferentes categorías analíticas y por tamaño.

Resumen de Datos: Cifras representan la cantidad de valores disponibles (de un total de 8760 horas en un año).

16

Aspectos por Considerar al Evaluar los Datos

• Niveles de otros contaminantes

• Hora del día / época del año

• Observaciones hechas en otros sitios

• Auditorías

• Historial de desempeño de los instrumentos

• Desviación de la línea base

• Características del sitio

• Meteorología

• Eventos extraordinarios

17

Analizando Mediciones Inusuales

• Revisar el rango esperado: concentraciones mínimas y máximas

Los valores extremos pueden variar en en el tiempo.

• Revisar la consistencia temporal: prueba de hora pico

¿Los datos concuerden con el perfil diurno esperado?

• Revisar la velocidad de variación o analizar los picos

• Revisar otros sitios: cotejar datos de los sitios cercanos

• Inspeccionar instrumentos que posiblmente están pegados: los datos reflejan valores idénticos consecutivos

18

Fuentes de Referencia

• Conocimientos del operario.

• Documentación histórica sobre el sitio y resultados de anteriores esfuerzos de convalidación de datos.

• Lineamientos de la EPA (disponibles en el sitio web del AMTIC).

• Libros de práctica (p.ej., sobre las Estaciones PAMS y el análisis de datos PM2.5).

• Publicaciones científicas y presentaciones hechas en conferencias (p.ej., el II Congreso Colombiano y Confe-rencia de Calidad del Aire y Salúd Pública, del 14 al 17 de Julio de 2009 en Cartagena: http://sur.uniandes.edu.co/eventos/)

• Fuentes académicas.

http://sur.uniandes.edu.co/eventos/

19

Convalidación de Datos sobre Material Particulado

• Perspectiva General

• Nivel IEstrategia de Convalidación y Ejemplos

• Nivel II/IIIEstrategia de Convalidación y Ejemplos

20

Material Particulado (PM) (1 de 2)

• Material Particulado (PM) es el término general que se refiere a una mezcla de partículas sólidas y vapores que se encuentran en el aire ambiental.

• A diferencia del ozono, PM no es un compuesto químico específico, sino una mezcla de partículas de diferentes tamaños, formas, composiciones y propiedades químicas, físicas y termodinámicas.

• El PM es el producto de las emisiones primarias (que provienen directamente de fuentes emisoras) y las emisiones de compuestos gaseosos que forman partículas secundarias.

21

Material Particulado (PM) (2 de 2)

• Las partículas secundarias se forman en la atmósfera mediante reacciones químicas entre el oxígeno, otros gases y vapor de agua, especies reactivas como el ozono, radicales como el hidroxilo y el nitrato, y contaminantes como SO2, NOx, amo-niaco y compuestos orgánicos volátiles (VOCs) de fuentes naturales y antropogénicos.

• Las partículas atmosféricas contienen iones inorgánicos (p.ej., nitrato, sulfato, sodio), compuestos metálicos, carbono elemental (EC), compuestos orgánicos y compuestos corticales (p.ej., hierro, calcio).

• La porción orgánica del PM es sumamente compleja, ya que consiste de cientos de compuestos orgánicos.

22

Tipos de Datos para Medir el PM

• Parámetros de Medición

– PM2.5 (material particulado [PM] menor a 2.5 micrones)

– PM10 (PM menor a10 micrones

– PMcoarse (PM entre 2.5 y 10 micr.)

– TSP (total de part. suspendidas)

• Intervalos de Muestreo

– Medición del filtro con promedio para 24 horas (masa y especiación)

– Medición continua (≤1-hr) (masa y especiación)

23

Nivel I

Revisión de la consistencia interna para identificar los valores entre el conjunto de datos que parecen atípicos en comparación con la totalidad de los datos.

24

Ejemplos de Criterios de Convalidación: 1-hr Masa PM10

• Revisiones

– A menudo se enfocan en un solo sitio.

– Se pueden enfocar en una hora específica.

– Pueden hacerse con un proceso automático.

• En todo caso, ¡hay que inspeccionar los datos visualmente!

Revisar Ejemplos de Criterios*

Máximo > 400 μg/m3

Mínimo – 9.9 μg/m3

Velocidad de Variación

> 2 x diferencia entre lecturas horarias

Instrumento Pegado

> 3 horas

Contaminante Relacionado

PM2.5 > PM10

* Criterios para señalar valores posiblemente inválidos para investigar con mayor detalle.

25

Ejemplos de Criterios de Convalidación: 1-hr Masa PM2.5

• Revisiones

– A menudo se enfocan en un solo sitio.

– Se pueden enfocar en una hora específica.

– Pueden hacerse con un proceso automático.

• En todo caso, ¡hay que inspeccionar los datos visualmente!

Revisar Ejemplos de Criterios*

Máximo > 200 μg/m3

Mínimo – 5 μg/m3

Velocidad de Variación

> 50 μg/m3/hr

Sitio Cercano ± 50 μg/m3 (hasta 5 sitios)

Instrumento Pegado

> 50 μg/m3 por 5 horas

Contaminante Relacionado

PM2.5 > PM10

U.S. EPA, 1999

* Criterios para señalar valores posiblemente inválidos para investigar con mayor detalle.

26

Ejemplo: Concentraciones Demasiado Bajas M

asa

PM

2.5

(μg/

m3 )

1 Año

2 Días

27

Ejercicio: Concentraciones Inusuales (1 de 2)

0

10

20

30

40

2/24/06 2/25/06 2/26/06 2/27/06 2/28/06 3/1/06

Co

nce

ntr

atio

n (m g

/m3 )

PM10

PM2.5

28

Ejercicio: Concentraciones Inusuales(2 de 2)

0

10

20

30

40

2/24/06 2/25/06 2/26/06 2/27/06 2/28/06 3/1/06

Co

nce

ntr

atio

n (m g

/m3 )

PM10

PM2.5

PM2.5 debe ser menos que PM10

Válvula pegada: El monitor de PM2.5 no está respondiendo a las condiciones ambientales.

29

Ejercicio: Concentraciones Altas (1 de 2)

0

50

100

150

200

10/30/06 10/31/06 11/1/06 11/2/06

Co

ncen

trati

on

(m g/m

3 )

PM10

PM2.5

Concentraciones Altas

¿Son consistentes las lecturas de PM2.5 y PM10?

30

Ejercicio: Concentraciones Altas (2 de 2)

0

50

100

150

200

10/30/06 10/31/06 11/1/06 11/2/06

Co

ncen

trati

on

(m g/m

3 )

PM10

PM2.5

Concentraciones Altas

Sí, PM2.5 y PM10 son consistentes.

31

Ejercicio: PM10 para 24 Horas

Lecturas diarias de PM10 en una estación rural (zona agrícola). El gráfico muestra 10 años de datos (1988-1998). El valor alejado (outlier) queda a seis veces la desviación estándar del medio. La muestra en cuestión fue verificada porque los agricultores estaban quemando sus campos de cultivo. Uno de los factores que convalidan esta determinación consiste de los valores altos que se notan durante la misma época en años anteriores. (¡El encargado de QA notó que el filtro había quedado negro!)

PM10 - Creston Flats

0

50

100

150

200

250

300

350

400

450

12/23/88 0:00

5/7/90 0:00

9/19/91 0:00

1/31/93 0:00

6/15/94 0:00

10/28/95 0:00

3/11/97 0:00

7/24/98 0:00

12/6/99 0:00

Statistics Samples=377Mean = 28.1STD = 29.7

Grubbs Testat .01 Z=4.155

outlier =419 Z=13.15Is it Valid?

Valor Alejado

PM

10 (μ

g/m

3

Estadísticas

Muestras = 377

Medio = 28.1

STD = 29.7

Valor Alejado = 419

¿Es un valor válido?

32

Ejemplo: Altos Niveles de Polvo Transportado por el Viento

** Las concentraciones horarias de PM10 superaban por mucho las concentraciones típicas para los años 2005-2008 (1000 a 1800 horas). El incremento en las concentraciones horarias correspondía al incremento en la velocidad del viento. La velocidad máxima horaria del viento superaba el promedio hasta en un 250%.

Diferencia respecto a la Vel. Promedio del Viento**

** Datos para Mayo 2000-2008 usados para el cálculo.

PM10, 21/5/2006

Co

nce

ntr

ació

n P

M1

0 (

µg

/m3)

Dif

ere

nc

ia P

orc

en

tua

l re

sp

ec

to a

la

Ve

loc

ida

d P

rom

ed

io d

el

Vie

nto

33

Ejemplo: Lectura PM10 Alta en Dos Sitios Cercanos

La concentración PM10 para 24 horas del 19 de febrero de 1997 fue el valor más alto registrado en el mes de febrero en ambos sitios para los años 2006-2008.

0

50

100

150

200

1 6 11 16 21 26 1 6 11 16 21 26 1 6 11 16 21 26

PM

10 C

on

ce

ntr

ati

on

(µ

g/m

3)

PM10-24hr, site 0004 PM10-24hr, site 8011

Feb 2006 Feb 2008Feb 2007

24-hr NAAQS Standard

Co

nce

ntr

ació

n P

M1

0 (

µg

/m3)

34

Nivel II/III

• Comparación de datos recientes con datos históricos para verificar su consistencia en el tiempo.

• Cotejo de consistencia paralelo con conjuntos de datos de la misma población (p.ej., la misma región, período, masa de aire) para identificar sesgos sistemáticos.

35

Comparar Resultados entre Monitores Contiguos

# 1 FRM masa PM2.5 versus # 2 STN masa PM2.5 en µg/m3 por temporada: (Marzo – Mayo = 1, Junio – Agosto = 2, etc.) para un sitio urbano.

Hafner et al., 2003

• Esta comparación muestra una dispersión considerable entre las lecturas para primavera de los dos monitores contiguos.

• La investigación descubrió que el Monitor #2 reportó mediciones de masa mucho más altas que la masa recreada durante el período en cuestión. Esto indica que el Monitor #2 probablemente sufría alguna avería.

• Como resultado, los datos del Monitor #2 para la primavera fueron señalados como dudosos.

36

Resumen

Para la convalidación de datos sobre PM:

• Hay que entender la dinámica de la emisión, formación, eliminación y transporte de material particulado.

• Hay que entender las diferencias entre las mediciones y los procedimientos analíticos (¡y los laboratorios!).

• Hay que utilizar las herramientas existentes para la convalidación de datos.

37

WIND ROSE PLOT

Station #1CLIN - ,

NORTH

SOUTH

WEST EAST

4%

8%

12%

16%

20%

Wind Speed (Knots)

> 21

17 - 21

11 - 16

7 - 10

4 - 6

1 - 3

UNIT

Knots

DISPLAY

Wind Speed

CALM WINDS

10.46%

MODELER

DATE

3/20/2002

COMPANY NAME

COMMENTS

WRPLOT View 3.5 by Lakes Environmental Software - www.lakes-environmental.com

PLOT YEAR-DATE-TIME

2001 Jan 1 - Dec 31Midnight - 11 PM

AVG. WIND SPEED

4.48 Knots

ORIENTATION

Direction(blowing from)

PROJECT/PLOT NO.

Datos Meteorológicos Terrestres

• Perspectiva General

• Criterios de Convalidación

• Ejemplos

38

Uso de Datos Meteorológicos Terrestres

Las mediciones terrestres de parámetros meteorológicos son de gran utilidad para los analistas de datos:• Para entender las variaciones

diurnas en las concentraciones relacionadas con la meteorología (temperatura, velocidad del viento, altura de la capa de mezclado), especialmente durante la convalidación de datos.

• Para investigar las fuentes de emisiones que afectan al sitio de monitoreo.

• Para investigar el transporte de contaminantes.

• Para realizar ajustes con base en los factores meteorológicos para efectos de analizar tendencias.

• Para evaluar los resultados del modelado.

39

Parámetros Típicamente Medidos

• Temperatura

• Velocidad del viento; dirección del viento

• Humedad relativa

• Radiación solar

• Precipitación

• Presión barométrica

40

Ejemplos de Criterios de Convalidación: Datos Meteorológicos Terrestres (1 de 5)

41


Dirección del Viento• Menos de 0° ó más de 360°

• No varía más de 1° durante tres horas consecutivas.

• No varía más de 10° durante 18 horas consecutivas.

Temperatura• Mayor que el récord local de temperatura alta: ___°C.

• Menor que el récord local de temperatura baja: ___°C.

• Más de 5°C mayor que la máxima mensual promedio: ___°C.

• Más de 5°C menor que la mínima mensual promedio: ___°C.

• Variación mayor a 5°C en una hora.

• No varía más de 0.5°C durante 12 horas consecutivas.

42


Los datos no cumplen con los criterios de convalidación cuando…

La Diferencia Vertical en la Temperatura:

• Es mayor a 0.1°C/m durante horas diurnas.

• Es menor a -0.1°C/m durante horas nocturnas.

• Es mayor a 5.0°C/m ó menor a -3.0°C/m.

La Humedad Relativa:

• Es menor al 0% ó mayor al 100%.

• No varía más de un 0.5% durante 12 horas consecutivas.

43


Los datos no cumplen con los criterios de convalidación cuando…La Temperatura del Punto de Condensación:

• Es mayor que la temperatura ambiental.• Varía más de 5°C en una hora.• No varía más de 0.5°C durante 12 horas consecutivas.• Queda igual a la temperatura ambiental durante 12 horas

consecutivas.• Es más de 2.5°C menos que la temperatura ambiental durante

períodos de precipitación.

La Precipitación:• Es más de _____ pulgadas en una hora.• Es más de _____ pulgadas en 24 horas.• Es menos de _____ pulgadas en tres meses.

44


Los datos no cumplen con los criterios de convalidación cuando…La Presión:

• Es mayor a ____ mb.• Es menor a ____ mb.• Varía más de 6 mb en tres horas.

La Radiación Solar:• Es menos de 0 W/m2.• Es más de 0 W/m2 en horas nocturnas.• Es más de ____ W/m2.

El Sigma Theta:• Es menos de 0° ó mas de 90°.

45

Ejemplo: Convalidación de Datos Meteorológicos

veleta pegada

Ejemplos de datos meteo-rológicos cuestionables que fueron identificados durante la convalidación de datos.

• Gráfica superior: Se reportó una dirección constante del viento en Cocodrie, LA, del 31 Julio al 02 Agosto 1993. Los datos sobre la dirección del viento fueron invalidados.

• Gráfica inferior: Los fuertes vientos superficiales en la estación de Grand Isle, LA, a las 0800 horas del 29 Agosto 1993 aparecen con errores espaciales.

SAI et al., 1995

46

Más Ejemplos de Meteorología Terrestre

• Ocurrió un problema con la captura de datos simultáneamente en dos sitios cercanos.

• Se realizó una visita a los sitios para determinar la causa del problema.

¿Brecha en los datos?

¿Datos malos?

47

Ejercicio #1: Meteorología Terrestre (1 de 2)

48


Humedad relativa supera el 100%

49


50


Falla del componente ‘u’ de la velocidad del viento.

51

Otro Ejemplo de Meteorología Terrestre

Sensor de radiación solar tapado por la sombra de un árbol.

52

Resumen

Para la convalidación de datos meteorológicos terrestres:

• Aplicar los criterios de convalidación establecidos.

• Revisar los datos visualmente.

• Utilizar estos datos para ayudar con la convalidación y análisis de los datos sobre contaminantes.

53

Enlaces de Referencia

• Centro de Información sobre Tecnologías de Monitoreo Ambiental (Ambient Monitoring Technology Information Center – AMTIC) http://www.epa.gov/ttn/amtic/

• Programa de la EPA para el Aseguramiento de Calidad en el Monitoreo del Aire Ambiental http://www.epa.gov/oar/oaqps/qa/index.html#back

• Libro de Práctica para el Análisis de Datos de Estaciones PAMS http://www.sonomatechdata.com/sti_workbooks/#PAMSDAW

• Procedimientos para la Convalidación de Datos PM2.5

http://www.epa.gov/ttn/amtic/files/ambient/pm25/qa/valdtmpl.pdf

• Servicio Meteorológico Nacional (National Weather Service – NWS)http://www.nws.noaa.gov

http://www.epa.gov/ttn/amtic/

http://www.epa.gov/oar/oaqps/qa/index.html#back

http://www.sonomatechdata.com/sti_workbooks/#PAMSDAW

http://www.epa.gov/ttn/amtic/files/ambient/pm25/qa/valdtmpl.pdf

http://www.nws.noaa.gov/

54

Fuentes Bibliográficas (en inglés)

Chow J.C., Watson J.G., Lu Z., Lowenthal D.H., Frazier C.A., Solomon P.A., Thuillier R.H. y Magliano K. (1996) Descriptive analysis of PM2.5 and PM10 at regionally representative locations during SJVAQS/AUSPEX (Análisis Descriptivo de PM2.5 and PM10 en Puntos Representativos de la Región durante SJVAQS/AUSPEX). Atmos. Environ. 30(12), 2079-2112.

Hafner H.R., Hyslop N.P. y Green C.N. (2003) California Regional PM10/PM2.5 Air Quality Study: Management of Anchor Site Data (Estudio Regional de la Calidad del Aire PM10/PM2.5 en California: Administración de los Datos Generados en el Sitio Principal). Elaborado para la San Joaquin Valleywide Air Pollution Study Agency y la California Air Resources Board, Sacramento, CA, pr Sonoma Technology, Inc., Petaluma, CA, 999242-2087-FR (mayo).

Main H.H. y Roberts P.T. (2000) PAMS Data Analysis Workbook: Illustrating the Use of PAMS Data to Support Ozone Control Programs (Libro de Práctica para el Análisis de Datos de Estaciones PAMS: El Uso de Datos PAMS para Apoyar los Programas de Control del Ozono). Elaborado para la Agencia de Protección Ambiental, Research Triangle Park, NC, por Sonoma Technology, Inc., Petaluma, CA, STI-900243-1987-FWB (septiembre).

Systems Applications International, Sonoma Technology Inc., Earth Tech y Alpine Geophysics (1995) Gulf of Mexico Air Quality Study. Vol 1: Summary of Data Analysis and Modeling (Estudio de la Calidad del Aire en el Golfo de México. Vol. 1: Resumen del Análisis y Modelado de Datos). Informe Final elaborado para la Dirección General de Recursos Minerales del Departamento de Gobernación de EE.UU, Región OCS (Golfo de México), New Orleans, LA. Estudio OCS MMS 95-0038.

U.S. Environmental Protection Agency (1999) Particulate Matter (PM2.5) Speciation Guidance Document (Lineamientos para la Especiación del Material Particulado PM2.5). Disponible en: http://www.epa.gov/ttn/amtic/files/ambient/pm25/spec/specpln3.pdf

http://www.epa.gov/ttn/amtic/files/ambient/pm25/spec/specpln3.pdf

Documents

Convalidación de Datos del Monitoreo Continuo de PM y Datos Meteorológicos Elaborada por: Joey V. Landreneau, Paul T. Roberts, Alison E. Ray, Hilary R