Printer Friendly

Factor analysis y cluster analysis para concentraciones de [PM.sub.10] en minas de carbon a cielo abierto: Cerrejon, Colombia.

FACTOR AND CLUSTER ANALYSIS FOR [PM.sub.10] CONCENTRATIONS IN AN OPEN PIT COAL MINE: CERREJON, COLOMBIA

FACTOR ANALYSIS E CLUSTER ANALYSIS PARA CONCENTRACOES DE [PM.sub.10] EM MINAS DE CARVAO A CEU ABERTO: CERREJON, COLOMBIA

Introduccion

Colombia es el primer productor de carbon de America Latina y el decimo en el mundo, con mas de 74x[l0.sup.6] toneladas metricas de produccion anual. La mina de carbon del Cerrejon, ubicada en el departamento de La Guajira, al norte de Colombia, representa una de las minas mas grandes a cielo abierto del mundo, con aporte del 38% en la produccion y mas del 50% en la exportacion, convirtiendose en la principal compania de obtencion de carbon termico en el pais (UPME, 2006). Esta capacidad de produccion hace que las operaciones mineras realizadas a cielo abierto generen material particulado en cantidades significativas. El material particulado con diametro aerodinamico <10[micron] ([PM.sub.10]) es uno de los parametros mas importantes que se utilizan para evaluar la calidad del aire. Es sabido que la contaminacion atmosferica en areas mineras con estas caracteristicas esta ampliamente relacionada a la presencia significativa de material particulado en el ambiente (Huertas et. al., 2012, Hinwood et al., 2014). El aumento de las concentraciones de [PM.sub.10] en cercanias a zonas mineras esta asociado con el aumento de sintomas respiratorios, agravamiento del asma, ingresos hospitalarios y muerte prematura; el riesgo es mas alto para los ancianos, ninos y personas con asma o enfermedades del corazon (Qu et. al., 2007; Hendryx, 2008; Hendryx y Zullig, 2009).

Con el fin de proteger la salud humana, el Estado colombiano establece los niveles de inmision mediante la Resolucion 610 de 2010 (MAVDT, 2010) para todo el territorio nacional en condiciones de referencia. El nivel maximo permisible para un tiempo de exposicion de 24h es 100[micron]g x [m.sup.-3]. Por ende, el monitoreo de la calidad de aire en la zona minera del Cerrejon debe ser gestionado adecuadamente. La ubicacion de los puntos optimos de muestreo, asi como determinar el comportamiento y las tendencias de los niveles de concentraciones, permite aumentar la eficacia para alcanzar tales objetivos respecto a la calidad del aire.

Esta eficacia se alcanza con un analisis sistematico de los datos disponibles. Hay variadas tecnicas de analisis de datos de contaminacion atmosferica; entre ellas, la tecnica de estadisticas de factor analysis (FA) y el cluster analysis (CA) han sido utilizado en diversas areas de investigacion. El objetivo de cualquier tecnica de agrupacion es maximizar la homogeneidad de elementos dentro de los grupos y maximizar la heterogeneidad entre el cluster (Makra et al., 2011). En el area ambiental, FA se ha utilizado para identificar fuentes de contaminacion de recursos ambientales (Yaouti et. al., 2009; Masoud, 2014), para identificar perfiles tipicos en concentracion de material particulado [PM.sub.10] durante el periodo de un ano (Zibert y Praznikar, 2012), y para identificar y caracterizar las fuentes principales en un area costera afectada por las emisiones naturales y antropogenicas (Masiol et al, 2010). Por otra parte, el CA ha sido utilizado como estrategia en la identificacion y evaluacion de los mecanismos de contaminacion de cuerpos de agua (Guler et. al., 2002; Guler y Thyne, 2004; Cloutier et. al., 2008; Monjerezi et. al., 2011; Hynds et. al., 2014). En el estudio de la calidad del aire, estas tecnicas han permitido determinar tendencias temporales, distribucion espacial de contaminantesy comportamientos disimiles de contaminacion del aire (Gramsch et. al., 2006; Pires et. al, 2008, 2009; Dominick et. ai, 2012). Sus aplicaciones han sido eficaces para la toma de decisiones en zonas con grandes grupos de poblaciones y problemas de contaminacion atmosferica (Lu et. al., 2011).

El objetivo de esta investigacion es evaluar la utilizacion de FA y CA para la gestion de calidad de aire a partir del monitoreo de [PM.sub.10] en el area del Cerrejon, buscando identificar areas en la zona con compartimientos de concentraciones similares, factores comunes de emision y los mecanismo de contaminacion.

Metodologia

Area de estudio

La region de explotacion de carbon a cielo abierto mas grande de Sur

America se encuentra al norte de Colombia, cerca de la frontera con Venezuela. En el departamento de La Guajira, peninsula colombiana, esta ubicada la mina el Cerrejon, cerca al municipio de Barrancas (Figura 1). Es una de las minas a cielo abierto mas grandes del mundo. Esta ubicada en las coordenadas 11[grados]5'2"N y 72[grados]40'31"0, y limita con los municipios de Maicao, Albania, Hato nuevo, Barrancas y Fonseca.

Los depositos de carbon se encuentran en una extension de 69 000ha, dentro de la cual, hay cinco areas de explotacion (canteras) denominadas: tajo patilla, tajo 100, tajo Oreganal, tajo Tabaco y tajo La Puente.

Maestreo

Las concentraciones de [PM.sub.10] fueron registradas en la Red de Vigilancia de calidad de aire del Cerrejon desde enero 2012 hasta noviembre 2013. La Red de Vigilancia de calidad de aire es administrada por la misma empresa, con reporte periodico a la corporacion autonoma ambiental de la region. Esta red cuenta con informacion de 18 estaciones, registrando mediciones de particulas sedimentables, TSP, [PM.sub.10] y [PM.sub.2.5]. Para este estudio se tomaron las estaciones con equipos [PM.sub.10] y que estuvieran cercas a centros urbanos. Segun estos criterios, se estudiaron las concentraciones de [PM.sub.10] de ocho sitios: Barrancas, Casitas 3, Patilla, Provincial, Roche, Sol y Sombra, Vivienda y Nuevo Roche. La Tabla I muestra las coordenadas y altitudes de estas estaciones, mientras que la Figura 2 muestra su localizacion geografica en la zona.

La concentracion de [PM.sub.10] fue determinada gravimetricamente segun lo establecido en el metodo de referencia del Codigo de Regulaciones Federales de los EEUU (CFR, por sus siglas en ingles) por el cual se determina material particulado en la atmosfera <10[micron]m (Appendix J to Part 50, 1997). Se empleo un muestreador de alto volumen con cabezal [PM.sub.10]. El equipo Hi-Vol se opero durante las 24h, desde las 00:00 hasta las 24:00. Se utilizo filtros de fibra de cuarzo. El muestreo se desarrollo con un flujo constante de 1.13[m.sup.3] x [min.sup.-1] Los filtros se colocaron antes y despues del muestreo en un desecador por un periodo de 24h y de igual manera, se pesaban antes y despues del muestreo en una balanza analitica con camara de pesaje con precision de 1 [micron]g. Los filtros fueron codificados con el nombre de la estacion, la numeracion del equipo y la fecha. El equipo se calibro siguiendo el estandar de calibracion recomendado por el fabricante. En cada punto se tomaron 120 muestras en el periodo comprendido desde el 01/01/2012 hasta el 30/11/2013.

Meteorologia

Debido a que la caracteristica topografica de la zona donde estan ubicadas las ocho estaciones es plana, la meteorologia de los region fue caracteriza por los datos recogidos de una estacion representativa del complejo carbonifero del Ce rrejon. La estacion meteorologica del Centro de Desarrollo Ambiental (CDA), esta ubicada en las coordenadas 11[grados]7'59, 39[grados]N y 72[grados]37'49,88"0. Datos horarios de los anos 2012 y 2013 fueron procesados para los parametros velocidad y direccion del viento, temperatura, y precipitaciones. La rosa de viento se calculo utilizando el programa WindRose para los periodos de tiempo efectivo de muestreo.

Analisis estadistico

El factor analysis (FA) se utiliza para condensar un conjunto de variables medibles en un numero menor de variables transformadas llamadas factores subyacentes o factores comunes; adicionalmente se identifica una estructura subyacente o patron de un conjunto de datos multivariados (Yang y Trewn, 2004). En algunas areas, el FA se utiliza para comprobar si las medidas de los factores son consistentes con el entendimiento y la naturaleza de las cargas y estructuras factoriales, lo que implica en el desarrollo de los modelos restricciones a priori dadas por hipotesis (Costa et. al., 2014). El modelo esta dado por la Ec. 1:

x = [my] + [omega]f + [elemento de] (1)

donde f: vector de mx1 que contiene las variables latentes o factores comunes, [omega]: matriz de pmx que contiene las cargas de los factores, y e: vector de pxl que contiene las perturbaciones no observadas con distribucion Np(0, ([fi]), donde [fi]: matriz diagonal que no esta correlacionada con los factores. En el modelo de FA x~([my], [suma]) cada observacion esta dada por la Ec. 2:

[x.sub.ij] = j + [[omega].sub.jl] [f.sub.li] + [[omega]j.sub.2f] [f.sub.2i] + ... + [[omega]j.sub.2m] [f.sub.mi] + [[elemento de].sub.ij] i = 1, 2, ..., (2) N; j = 1, 2, ..., N

La aplicacion de FA a la contaminacion atmosferica es idonea porque las variables originales son expresadas y estan determinadas por combinaciones lineales de los factores, a diferencia de los componentes principales, que estan definidos como combinaciones lineales de las variables originales (Rencher y Christensen, 2012). El FA busca explicar las covarianzas o correlaciones entre las variables presuponiendo un modelo estadistico formal de generacion de las muestras dadas, donde los factores generan las variables observadas (Kim y Mueller, 1978; Basilevsky, 2009). Estas variables observadas y cuantificadas pueden ser interpretadas con base en los razonamientos ambientales de actividades propias de la zona. El numero de variables se reduce a un numero minimo de variables independientes que describe adecuadamente los datos.

Por otro lado, en la tecnica de cluster analysis (CA), el numero de conglomerado puede ser elegido de acuerdo al conocimiento del usuario de la serie de datos; sin embargo, muchos investigadores lo determinan graficamente a traves de un dendograma o a traves de la regla #CA [menor gue igual a] [raiz cuadrado de n], donde n: numero de datos (Romesburg, 2004; Pires et. al, 2009; Masoud, 2014). Desde el analisis de conglomerados se intenta determinar los vectores de observacion que son similares y agruparlos en grupos, y muchas tecnicas utilizan un indice de similitud o proximidad entre cada par de observaciones (Rencher y Christensen, 2012). Una medida conveniente de la proximidad es la distancia entre dos observaciones. Una funcion de distancia comun es la distancia euclidiana entre dos vectores x= ([x.sub.1], [x.sub.2], ..., [x.sub.p]) e y = ([y.sub.1], [y.sub.2], [y.sub.p]), definidas por la Ec. 3:

d(w,y) = [raiz cuadrado de (w - y)' (w - y)] = [suma.sup.p.sub.j=1] [([x.sub.j] = [y.sub.j].sup.2]] (3)

Para el ajuste de diferentes varianzas y covarianzas entre las variables p, se podria utilizar la distancia estadistica dada por la Ec. 4:

d(x,y) = [raiz cuadrado de (x - y)' [s.sup.-1] (x - y)] (4)

donde S es la matriz de covarianza de muestra.

Se han sugerido otras medidas de distancia para comparar nivel, variacion y forma entre las variables, por ejemplo la distancia euclidiana al cuadrado, la cual

es [d.sup.2](x,y) = [p.suma de j=1] [(x.sub.j] - [y.sub.j]).sup.2]] y se

expresa por la Ec. 5:

[d.sup.2](x,y) = [([v.sub.x] - [v.sub.y]).sup.2]] + p[([bar.x]- [bar.y]).sup.2]] + 2[v.sub.x] [v.sub.y] (l - [r.sub.xy]) (5)

donde [v.sup.2.sub.x] = [suma.sup.2.sub.j=1] [([x.sub.j] - [bar.x]).sup.2]] y [bar.x] =

[suma.sup.p.sub.j=1] [x.sub.j] / p, y, con similar expresion para [v.sup.2.sub.y] para y. La correlacion [r.sub.xy] esta dada por la Ec. 6:

[r.sub.xy] = [suma.sup.p.sub.j=1] ([x.sub.j] - [bar.x])([y.sub.j] - [bar.y])/[raiz cuadrado de [suma.sup.p.sub.j=1] [([x.sub.j] - [bar.x]).sup.2]] [suma.sup.p.sub.j=1][([y.sub.j] - [bar.y]).sup.2]] (6)

Todo el analisis estadistico fue desarrollado con los programas STATGRAPHIC S Centurion XVI.I y R Project (I386 3.1.0). FA y CA fueron aplicados para el analisis de las concentraciones de [PM.sub.10] registradas en los ocho sitios seleccionados. Los registros de las concentraciones fueron estandarizados para tener media= 0 y desviacion estandar= 1. Se minimizo el numero de variables en cada factor, con coeficientes elevados en valor absoluto a traves de rotaciones varimax. El tratamiento de valores faltantes se realizo por el metodo de listwise. De igual modo, para la aplicacion CA se estandarizaron los valores de las variables. Las similitudes para la conformacion de grupos fue determinada por el metodo de Ward y la metrica de distancias aplicada fue la euclidiana al cuadrado.

Resultados y Discusion

La Figura 3 muestra la variabilidad de las concentraciones de [PM.sub.10] medida en cada estacion en el de 2012 a 2013, incluyendo una comparacion con la norma de calidad del aire local. Se muestra un gran porcentaje de variabilidad entre los valores minimos y maximos registrados. La estacion Casitas 3 presento el mayor promedio de concentraciones entre las estaciones durante el periodo de estudio, con valor de 41,42[micron]g x [m.sup.-3], el segundo valor maximo de concentracion diaria con un 86,34[micron]g x [m.sup.-3] y es la unica estacion en la que se presento un valor superior de la mediana con respecto a la media, con una desviacion estandar de 16,68[micron]g x [m.sup.-3], lo que sugiere una posibilidad rela tivamente alta de proyecciones superiores anuales a los 50g[micron]g x [m.sup.-3]. El promedio de las concentraciones en todas las estaciones registraron valores superiores a 29[micron]g x [m.sup.-3], a excepcion de la estacion Sol y Sombra, que presento una media de 20,37[micron] x [m.sup.-3]. La estacion Provincial registro el valor maximo de concentracion diaria con 87,39[micron]g x [m.sup.-3]. Los niveles de [PM.sub.10] registrados en las ocho estaciones fueron inferiores a los obtenidos en minas de carbon ubicadas al norte de Colombia pero mas al sur del Cerrejon (Angulo et. al., 2011; Huertas et. al., 2012). Estos niveles son mayores si se comparan con concentraciones reportadas en zonas urbanas de ciudades a menos de 180km de la zona minera (Amaya, 2008; Rojano et al., 2011, 2013; Alvarez y Salazar, 2013; Candanoza et. al., 2013). Estos niveles de concentracion no exceden el nivel maximo permisibles diario para [PM.sub.10] del estado colombiano, que es de 100[micron]g x [m.sup.-3] (MAVDT, 2010).

FA se aplico como un metodo no parametrico de clasificacion para catalogar los sitios de monitoreo en clases que tienen el mismo comportamiento de contaminacion y que difieren de otras clases. La Tabla II muestra los resultados al aplicar FA a las concentraciones de [PM.sub.10] en las estaciones estudiadas. El uso de cuatro factores para los datos de concentraciones considera una varianza acumulativa cercana al 100%. Las cargas factoriales rotadas, resaltadas en negritas, indican las variables que influyen sobre todo el FA correspondiente.

Para FA1 tiene significativas contribuciones de las estaciones Barrancas, Provincial y Nuevo Roche; mientras que FA2 fue muy cargado con los aportes de los sitios Patilla, Sol y Sombra, y Vivienda. FA3 tuvo importante contribucion de la estacion Casitas 3, mientras que FA4 fue asociado con la estacion Roche. El FA1 geograficamente representa las estaciones ubicadas en la zona sur, a excepcion de la estacion Casitas 3, influenciada por 3 pits y por comunidades asentadas en el area. Aunque la estacion Casita 3 se encuentra en esta area, su similitud y comportamientos de contaminacion la ubicaron dentro de FA3, factor que probablemente esta determinado por su cercania al pit (llamado tajo 100) y la direccion predominante del viento.

CA tambien fue utilizado para agrupar los sitios de monitoreo basado en la similitud de las concentraciones de [PM.sub.10] estandarizadas. Se utilizo la distancia euclidiana cuadrada para calcular la metrica de las distancias y el metodo de conglomeracion fue el metodo de Ward para maximizar la homogeneidad dentro de los grupos. Para ello, el metodo plantea todas las posibles fusiones en cada etapa concreta y elige la que maximiza la homogeneidad a traves de calculo de los centroides de los grupos resultantes de las posibles fusiones; posteriormente, calcula la distancia al centroide de todas las observaciones del grupo (Basilevsky, 2009). La solucion con menor suma de cuadrados total es la elegida. La Figura 4 muestra el dendograma resultante de la aplicacion de CA a la concentracion de masa de [PM.sub.10].

Los resultados obtenidos muestran tres grupos diferenciables. El grupo CA1 esta compuesto por las estaciones de monitoreo que integran al FA1; los factores predominantes estan determinados por asentamientos significativamente poblados e influencia de los tajos de produccion de la zona sur. El CA2 reune como factores comunes aproximaciones cercanas a fuentes de emisiones altas en el proceso minero como vias de acarreos y remocion de esteril. El grado de impacto esta relacionado con la velocidad y direccion de vientos. Igualmente, CA3 lo integran estaciones donde debido a la direccion de los vientos sus registros se ven poco influenciados por las actividades mineras; podrian considerarse estaciones de fondo. La Figura 5 muestra el comportamiento de la concentracion de [PM.sub.10] por los grupos del CA.

Se interpreto los resultados analizando el efecto de la direccion del viento sobre las concentraciones de [PM.sub.10], con el fin de inferir posibles fuentes de emisiones que pueden impactar directamente sobre los sitios agrupados por CA y FA. La rosa de los vientos para el ano 2012 (Figura 6a) muestra una direccion predominante de NE, pero baja velocidad media del viento (2,82m x [s.sup.-1]) y bajo porcentaje de viento en calma (2,20%). El ano 2013 (Figura 6b) registro mayor promedio de velocidad de viento (2,92m x [s.sup.-1]) y mayor porcentaje de viento en calma (7,57%) que el ano 2012. El ano 2013 registro diferencia del 10% en la velocidad del viento en el intervalo 3,6-8,8m x [s.sup.-1] en relacion con el 2012. Este intervalo de velocidad permite mayor dispersion de los contaminantes y aumenta la dilucion de los mismos, haciendo que se presenten menores concentraciones en los receptores.

En los dos anos se presento una frecuencia predominante de NE y un 70% de velocidad del viento en el rango 2,1-5,7m x [s.sup.-1]. El vector de direccion resultante de 61[grados] (NNE) se presento en el 68% de los resultados, lo que indica un transporte de contaminante en el 68% en la direccion 241[grados] (SOO). Estudios en zonas mineras cercanas al area de estudio mostraron resultados donde los parametros meteorologicos de estaciones ubicadas en mineria a cielo abierto al norte de Colombia (departamento del Cesar) mostraron un alto nivel de correlacion (R2>0,95) con las concentraciones de PST (Huertas et al., 2014), por lo que se puede inferir que todo el aporte de [PM.sub.10] originados en los tajos u otras actividades mineras, tiene alta probabilidad de impactar a los receptores en la direccion predominante.

En este estudio, el analisis de velocidad y direccion del viento muestra que el grupo CA1, comprendido por las estaciones de Barrancas, Provincial y Nuevo Roche, esta directamente influenciado por el tajo Patilla (el tajo de mayor dimension y actividad en la mina) y el botadero Patilla (zona de almacenaje de material esteril). La estacion Provincial es la mas cercana al tajo Patilla (<5km) y esta ubicada directamente en la direccion predominate del viento, coincidiendo con los mayores registros y promedio en el periodo de estudio en esta estacion. El analisis estadistico de CA y FA no describe un fenomeno fisico de causa y efecto; por lo tanto, no se puede utilizar para identificar las fuentes de contaminacion influyentes en las estaciones Barrancas, Provincial y Nuevo Roche. Sin embargo, las principales fuentes de emision son las fuentes del area, que estan asociados con las actividades de extraccion de carbon, y se puede inferir una influencia del tajo y el botadero Patilla en el aporte de [PM.sub.10].

El grupo CA2, conformado por las estaciones Las Casitas 3, Patilla y Roche, estan influenciado por los tajos: Ore ganal, 100, Comunero, Patilla y Caypa. La estacion Las Casitas 3 esta a menos de 3km de los tajos Comunero y 100, y esta directamente en el vector de direccion resultante del viento de 241[grados] (SOO). Esta estacion es la que presenta las mayores concentraciones en este estudio. Entre esta estacion y los tajos mencionados no hay fuentes significativas de emision de [PM.sub.10], por lo que se concluye que el aporte potencial de material particulado en esta esta estacion es producido por las actividades de extraccion de los tajos Comunero y 100.

Por ultimo, el grupo CA3 esta integrado por las estaciones Sol y Sombra, y Vivienda. Estas estaciones estan ubicadas viento arriba del area de extraccion. Solo son afectadas cuando se presentan vientos en la direccion NNO y, segun el analisis meteorologico, esta direccion registro una frecuencia de 2% en el periodo 2012 y 2013. Se puede inferir que estas dos estaciones captan aporte de [PM.sub.10] de actividades normales en centros urbanos, sea transporte, resuspension de material, manipulacion mecanica de suelos y otros. Los resultados de estas dos estaciones son parecidos a los reportados por Mendoza y Rojano (2010) en zonas rurales sin intervencion minera a 20km al oeste de la mina el Cerrejon.

La Tabla III presenta el porcentaje de frecuencia en las concentraciones, registradas en 2012, con referencia a las direcciones del viento. La Figura 6 muestra la rosa de viento para los anos 2012 y 2013. Los resultados revelan que las fuentes ubicadas NE-E ejercen mayores influencias significativas sobre las estaciones ubicadas en la zona sur. Las concentraciones pertenecientes a las estaciones que integran a CA1 se vieron influenciadas en gran manera por la direccion del viento. La direccion NE-E fue la predominante, con valores de frecuencias >34% entre los intervalos de concentraciones de 21-40[micron]g [m.sup.-3], direcciones que sugieren fuentes de emisiones debido a los pits. La estacion Casita 3 muestra que en mayores frecuencia del viento proveniente de NE-E se alcanzan valores >40[micron]g [m.sup.-3]. El CA3 infiere que alcanza concentraciones relativas provenientes de los pits de la zona norte.

La existencia de diferentes comportamientos de contaminacion del aire en la red de monitoreo puede ser explicada por la ubicacion geografica de las fuentes de emisiones compuestas por los diferentes tajos, por la variabilidad de las direcciones del viento, y el tipo de actividad en la zona. El numero de grupos de centros con similares comportamiento de la contaminacion fue influenciado por las caracteristicas geograficas de la ubicacion de las fuentes y las tasas de emisiones de la zona; esto significa que los sitios pueden ser agrupados de acuerdo a este comportamiento especifico. Se muestra que FA y CA tienen un gran potencial para la gestion de aire en sistemas de monitoreo de la calidad de aire.

Conclusiones

El factor analysis (FA) mostro que la agrupacion de las estaciones de [PM.sub.10] en la zona esta definida por cuatro facto res que contiene el 99,68% de la varianza acumulada de los datos originales, indicando una fuente principal de contaminacion de [PM.sub.10] (operaciones mineras en los tajos). El FA3 mostro solamente el sitio de monitoreo de las Casitas 3, estacion donde se presentaron los mayores niveles de [PM.sub.10]. El cluster analysis (CA) indico que las estaciones de Barrancas, Provincial y Nuevo Roche presentan comportamientos similares. Su explicacion esta sustentada por encontrarse en un area influenciada por las mismas actividades de mineria en la zona y el asentamiento de zonas residenciales cercanas. Este metodo agrupo tres grupos, donde el CA1 pertenece a FA1 y donde CA3 representa los sitios de monitoreo con menor influencia de las actividades mineras por las direcciones predominantes de los vientos (direccion NE-E). En resumen, la contribucion significativa de polvo mineral se debe a las fuentes locales de operacion mineras.

AGRADECIMIENTOS

Los autores agradecen a Colciencias-Cerrejon, proyecto codigo 1115-524-30465, a la Universidad de Antioquia y a la Universidad de la Guajira por el apoyo para el desarrollo de este trabajo.

REFERENCIAS

Amaya M. (2008). Estudio de Emisiones Atmosfericas para el Municipio Riohacha en los Contaminantes Particulas Suspendidas Totales (PST) y Menores de 10 micras PM 10. K2 Ingenieria-Corporacion Auto noma regional de La Guajira. Riohacha. Colombia. 116 pp.

Angulo LC. Huertas JI. Restrepo GM (2011) Caracterizacion de Particulas Suspendidas (PST) y Particulas Respirables ([PM.sub.10]) producidas en Areas de Explotacion Carbonifera a Cielo Abierto. Inf. Tecnol. 22(4): 23-34.

Alvarez ML. Salazar A (2013) Sintomas respiratorios y funcion pulmonar en ninos de 6 a 14 anos de edad y su relacion con la contaminacion por material particulado [PM.sub.10] en Santa marta Colombia. Rev. Esp. Salud Publ. 87: 239-246.

Basilevsky AT (2009) Statistical Factor Analysis and Related Methods: Theory and Applications. Wiley. Winnipeg, Canada. 768 pp.

Candanoza S. Goribar LL. Garcia F (2013) Relacion particulas respirables ([PM.sub.10])/particulas suspendidas totales (PST) en Santa Marta (Colombia). Dyna 179: 157-164.

Cloutier V, Lefebvre R. Therrien R. Savard MM (2008) Multivariate statistical analysis of geochemical data as indicative of the hydrogeochemical evolution of groundwater in a sedimentary rock aquifer system. J. Hydrol. 353: 294-313.

Costa DR. Lachosa VH. Bazanb JL. Azevedoa CL (2014) Estimation methods for multivariate tobit confirmatory factor analysis. Comput. Stat. Data Anal. 79: 248-260.

Dominick D. Juahir H. Latif MT. Zain SM. Aris AZ (2012) Spatial assessment of air quality patterns in Malaysia using multivariate analysis. Atmos. Environ. 60: 172-181.

Gramsch E. Cereceda-Balic F. Oyola P. Von Baer D (2006) Examination of pollution trends in Santiago de Chile with cluster analysis of [PM.sub.10] and Ozone data. Atmos. Environ. 40: 5464-5475.

Guler C. Thyne GD (2004) Hydrologie and geologic factors controlling surface and ground water chemistry in Indian Wells-Owens Valley area, southeastern California, LISA. J. Hydrol. 285: 177-198.

Guler C. Thyne GD. McCray JE. Turner KA (2002) Evaluation of graphical and multivariate statistical methods for classification of water chemistry data. Hydrogeol. J. 10: 455-474.

Hendryx M (2008) Mortality rates in Appalachian coal mining counties: 24 years behind the nation. Environ. Justice 1: 5-11.

Hendryx M. Zullig KJ (2009) Higher coronary heart disease and heart attack morbidity in Appalachian coal mining regions. Prev. Med. 49: 355-359.

Hinwood A. Callan AC. Heyworth J. McCafferty P. Sly PD (2014) Children's personal exposure to [PM.sub.10] and associated metals in urban, rural and mining activity areas. Chemosphere 108: 125-133.

Huertas J. Huertas M. Solis D (2012) Characterization of airborne particles in an open pit mining region. Sei. Total Environ. 423: 39-46.

Huertas JI, Huertas ME. Cervantes G. Diaz J (2014) Assessment of the natural sources of particulate matter on the opencast mines air quality. Sei. Total Environ. 493: 1047-1055.

Hynds P. Misstear BD. Gill LW. Murphy HM (2014) Groundwater source contamination mechanisms: Physicochemical profile ing. risk factor analysis and multivariate modelling. J. Contam. Hydrol. 159: 47-56.

Kim JO. Mueller CW (1978) Factor Analysis: Statistical Methods and Practical. Sage. Thousand Oaks. CA. EEUU. 88 pp.

Lu WZ. He HD. Dong LY (2011) Performance assessment of air quality monitoring networks using principal component analysis and cluster analysis. Build Environ. 6: 577-583.'

Makra L. Matyasovszky I. Guba Z. Karatzas K. Anttila P (2011) Monitoring the long-range transport effects on urban [PM.sub.10] levels using 3D clusters of backward trajectories. Atmos. Environ. 45: 2630-2641.

Masiol M. Rampazzo G. Ceccato D. Squizzato S. Pavoni B (2010) Characterization of [PM.sub.10] sources in a coastal area near Venice (Italy): An application of factor-cluster analysis. Chemosphere 80: ll\-lli.

Masoud AA (2014) Groundwater quality assessment of the shallow aquifers west of the Nile Delta (Egypt) using multivariate statistical and geostatistical techniques. J. Afr. Earth Sei. 95: 123-137.

Mendoza YI. Rojano R (2010) Moni toreo de la Calidad de Aire (Particulas Menores de 10 mieras ([PM.sub.10]). Polvo Sedimentales y Gases S[O.sub.2] y N[O.sub.2]): en la Poblacion de Angostura-Municipio de Hatonuevo. Departamento de la Guajira. Instituto de Estudios Ambientales. LTniversidad de La Guajira. Colombia. 180 pp.

MAVDT (2010) Resolucion 0610 de 2010. Por la cual se Establece la Norma de Calidad del Aire o Nivel de Inmision, para todo el Territorio Nacional en Condiciones de Referencia. Ministerio de Ambiente. Vivienda y Desarrollo Territorial Diario Oficial 47.672 de abril 6 de 2010. 17 pp. Bogota. Colombia.

Monjerezi M. Vogt RD. Aagaard P. Saka JD (2011) Hydrogeochemical processes in an area with saline groundwater in lower Shire River valley. Malawi: an integrated application of hierarchical cluster and principal component analyses. Appl. Geochem. 26: 1399-1413.

Pires JCM. Sousa SIV. Pereira MC. Alvim-Ferraz MC. Martins FG (2008) Management of air quality monitoring using principal component and cluster analysis Part I: SO, and [PM.sub.10]. Atmos. Environ. 42: 1249-1260.

Pires JCM. Pereira MC. Alvim-Ferraz MC. Martins FG (2009) Identification of redundant air quality measurements through the use of principal component analysis. Atmos. Environ. 43: 3837-3842.

Qu Y. Tang Y. Cao D. Wu F. Liu J. Lu G. Zhang Z. Xia Z (2007) Genetic polymorphisms in alveolar macrophage responserelated genes, and risk of silicosis and pulmonary tuberculosis in Chinese iron miners. Int. J. Hygiene Environ. Health 210: 679-689.

Rencher AC. Christensen WF (2012) Methods of Multivariate Analysis. 3" ed. Wiley. Hoboken. NJ. EEUU. 800 pp'

Rojano R. Angulo LC. Restrepo G (2013) Niveles de Particulas Suspendidas Totales (PST). [PM.sub.10] y PM25 y su Relacion en Lugares Publicos de la Ciudad Riohacha. Caribe Colombiano. Inf. Tecnol. 24: 37-46.

Rojano R. Perez J. Deluque J (2011) Analisis comparativo de las mediciones de material particulado [PM.sub.10]. Rev. Fac. Ing. Univ. Antioquia 58: 27-35.

Romesburg C (2004) Cluster Analysis for Researchers (Vol. 12), Lulu Press. Morrisville. NC. EEUU. 334 pp.

UPME (2006) Plan Nacional para el Desarrollo Minero. Vision Ano 2019. LTnidad de Planeacion Minero Energetica. Ministerio de Minas y Energias. Bogota. Colombia. 125 pp.

Yang K. Trewn J (2004) Multivariate Statistical Methods in Quality Management. McGraw Hill. Nueva York. NY. EEUU. 229 pp.

Yaouti FE. Mandour EA. Khattach D. Benavente J. Kaufmann O (2009) Salinization processes in the unconfined aquifer of BouAreg (NE Morocco): A geostatistical. geochemical. and tomographic study. Appl. Geochem. 24: 16-31.

Zibert J. Praznikar J (2012) Cluster analysis of particulate matter ([PM.sub.10]) and black carbon (BC) concentrations. Atmos. Environ. 5: 1-12.

Recibido: 06/11/2014. Modificado: 20/12/2016. Aceptado: 21/12/2016.

Roberto Rojano. Ingeniero Industrial, Universidad de la Guajira (Uniguajira), Colombia. Maestria en Ingenieria Ambiental, Universidad del Zulia, Venezuela. Candidato a Doctor en Ingenieria Ambiental, Universidad de Antioquia (UdeA), Colombia. Profesor, Uniguajira, Colombia. Direccion: Grupo de Investigacion GISA, Facultad de Inge nieria, Uniguajira. Km 5 Via a Maicao, Riohacha, Colombia. E-mail: rrojano@uniguajira. edu.co

Heli Arregoces. Ingeniero Ambiental, Uniguajira, Colombia. Maestria en Ingenieria, UdeA, Colombia. Profesor, Uniguajira, Colombia.

Luis C. Angulo. Ingeniero de Minas, Universidad Pedagogica y Tecnologica de Colombia. Maestria en Ciencias Ambientales, Sistema Universitario Estatal del Caribe Colombiano. Doctor en Ingenieria Ambiental, UdeA, Colombia. Profesor, Uniguajira y Universidad Popular del Cesar, Colombia.

Gloria Restrepo. Ingeniera Quimica, Universidad Pontificia Bolivariana, Colombia. Doctora en Ciencias Quimicas, Universidad de Sevilla, Espana. Profesora, UdeA, Colombia.

Juan M. Marin. Ingeniero Quimico, Maestria en Ingenieria Ambiental y Doctor en Ciencias Quimicas, UdeA, Colombia. Profesor, UdeA, Colombia.

Leyenda: Figura 1. Localizacion del area de estudio. Toamado de Rojano et al. (2013).

Leyenda: Figura 2. Localizacion de las estaciones de monitoreo en el area del Cerrejon. >

Leyenda: Figura 3. Boxplot de las concentraciones de [PM.sub.10] en las estaciones de monitoreo.

Leyenda: Figura 4. Dendograma estaciones de [PM.sub.10].

Leyenda: Figura 5. Identificacion de grupos de concentraciones de [PM.sub.10] agrupados por CA. CA1: grupo 1; CA2: grupo 2 y CA3: grupo 3.

Leyenda: Figura 6. Rosa de viento para los anos 2012 (izquierda) y 2013 (derecha) en la mina el Cerrejon.
TABLA I
COORDENADAS Y ALTITUD DE LAS ESTACIONES

       Estaciones           Coordenada   Coordenada   Elevacion
                                N            E         (msnm)

Barrancas (BAR)              1704078      1141838       149,6
Casitas 3 (CAS)              1703093      1146071       162
Patilla (PAT)                1713775      1152240       115,1
Provincial (PRO)             1711039      1145997       156
Roche (ROC)                  1717243      1157236       119,3
Sol y Sombra (SOL)           1724465      1170756       117,6
Vivienda (VIV)               1725454      1160780        96,4
Nuevo Roche (NRO)            1700690      1138702       150
Est. Meteorologica (MET)     1723728      1160903       110

TABLA II
PRINCIPALES RESULTADOS DE LA APLICACION DE
FA PARA [PM.sub.10] EN LAS ESTACIONES DE MONITOREO

Estaciones                   FA1       FA2       FA3       FA4

Barrancas                    0,739     0,409     0,226     0,260
Casitas 3                    0,444     0,146     0,592     0,232
Patilla                      0,401     0,588     0,243     0,319
Provincial                   0,805     0,337     0,183     0,149
Roche                        0,363     0,428     0,367     0,629
Sol y Sombra                 0,134     0,656     0,165     0,162
Vivienda                     0,300     0,674     0,014     0,079
Nuevo Roche                  0,789     0,237     0,360     0,190
Varianza (%)                82,08     10,43      5,69      1,49
Varianza acumulada (%)      82,08     92,50     98,19     99,68

* : Significativas contribuciones de las estaciones.

TABLA III
FRECUENCIAS DE DIRECCION DE VIENTO EN LAS CONCENTRACIONES
DE [PM.sub.10] REGISTRADAS EN EL 2012 Y 2013, EN %

                    Barrancas                  Casitas 3
Direccion
del viento     0-20    21-40     >40      0-20    21-40     >40

N-NE           0,0      6,6      0,0      0,0      3,3      3,3
NE-E           6,6      39,3     9,8      6,6      16,4     32,8
E-SE           11,5     13,1     1,6      6,6      9,8      9,8
SE-S           1,6      4,9      3,3      1,6      3,3      4,9
Otros          1,6      0,0      0,0      0,0      1,6      0,0

                    Patilla                    Provincial
Direccion
del viento     0-20    21-40     >40      0-20    21-40     >40

N-NE           0,0      6,6      0,0      0,0      3,3      3,3
NE-E           8,2      39,3     8,2      0,0      34,4     21,3
E-SE           4,9      16,4     4,9      6,6      16,4     3,3
SE-S           0,0      4,9      4,9      1,6      4,9      3,3
Otros          0,0      1,6      0,0      1,6      0,0      0,0

                       Roche                    Sol y Sombra
Direccion
del viento     0-20    21-40     >40      0-20    21-40     >40

N-NE           1,8      3,6      0,0      44,3     0,0      0,0
NE-E           5,5      43,6     3,6      6,6      9,8      1,6
E-SE           9,1      16,4     3,6      16,4     8,2      1,6
SE-S           1,8      9,1      0,0      3,3      6,6      0,0
Otros          0,0      1,8      0,0      0,0      1,6      0,0

                    Vivienda                   Nuevo Roche
Direccion
del viento     0-20    21-40     >40      0-20    21-40     >40

N-NE           0,0      6,6      0,0      1,6      3,3      1,6
NE-E           1,6      8,2      14,8     3,3      39,3     13,1
E-SE           4,9      11,5     9,8      11,5     9,8      1,6
SE-S           1,6      39,3     0,0      3,3      6,6      0,0
Otros          0,0      1,6      0,0      1,6      0,0      0,0
COPYRIGHT 2017 Interciencia Association
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2017 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Rojano, Roberto; Arregoces, Heli; Angulo, Luis C.; Restrepo, Gloria; Marin, Juan M.
Publication:Interciencia
Date:Jan 1, 2017
Words:6267
Previous Article:La ascendencia andina de gran altitud no protege contra el mal agudo de montana ni la hipoxemia arterial inducida por la altitud.
Next Article:Cluster y SIAL, enfoques divergentes en estudios del desarrollo territorial.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters