Evaluación de aerosoles troposféricos del AMCM por medio de imágenes de satélite GOES

Abstract

RESUMEN:

La evaluación de aerosoles urbanos vía percepción remota ha incrementado su interés debido a las evidencias del efecto de los aerosoles en la transferencia de la radiación solar, el clima, la calidad del aire y la salud humana. La calidad del aire en las megaurbes se monitorea tradicionalmente vía redes de monitoreo que emplean datos de concentración de PA y gases criterio para evaluar las emisiones y los cambios en la calidad del aire, en estaciones puntuales. La percepción remota proporciona una moderna herramienta para monitorear los aerosoles y gases a escala local y regional justo porque está en constante actualización y desarrollo, lo que permite la observación de ciudades con instrumentos de alta resolución espacial-temporal. Este estudio explora la capacidad del Satélite Geoestacionario Operacional Ambiental (GOES) para detectar aerosoles urbanos en localizaciones dispersas a lo largo del Área Metropolitana de la Ciudad de México (AMCM). La profundidad óptica de los aerosoles (AOD) recuperada del canal 1 (visible, 0.52-0.71 µm) del GOES 12 y 13 se compara con las observaciones hechas en tierra por las estaciones de monitoreo de la Red Automática de Monitoreo Atmosférico de la Ciudad de México, tanto de PM10 y PM2.5 como de gases criterio y variables meteorológicas para apreciar su efecto sobre esta propiedad. Además, se utilizó información del canal 4 (infrarrojo, 10.2- 11.2 µm) para remover señales remanentes de nubosidad y vapor de agua. Las imágenes satelitales multi-temporal libres de nubosidad y el algoritmo basado en el análisis de la reflexión solar mostraron variación local y estacional del AOD de los aerosoles. El modelo de regresión lineal múltiple empleado permitió explicar la variabilidad temporal, aunque no capturo toda la variabilidad espacial de las tres regiones del AMCM. Las regresiones lineales múltiples tienen un poder de predicción juzgado por r2 ajustado en el rango de 0.4 - 0.6. Los resultados obtenidos permiten afirmar que la profundidad óptica obtenida del canal visible del satélite GOES es capaz de predecir la variabilidad de la concentración diaria de PM10 y PM2.5 a escala regional.

ABSTRACT:

Urban aerosol assessment by remote sensing arouses increasing interest due to the mounting evidence of the aerosol effects on radiative transfer, climate, air quality and human health. Urban air quality has traditionally been monitored with networks of ground monitoring stations that use PM and criteria gases concentration to evaluate emissions and changes in air quality at discrete points. Remote sensing provides a modern way to monitor aerosols and gases at local and regional scale just because it is currently in significant development thanks to the achievement of instruments allowing the observation of cities at high spatial – temporal resolution. This study explores the ability of the Geostationary Operational Environmental Satellite (GOES) to detect urban aerosol for locations scattered in Mexico City Metropolitan Area (MCMA). The aerosol optical depth (AOD) retrieved from GOES 12 and 13 channel 1 (the visible, 0.52-0.71 µm) is used to compare with ground-based observations particulate matter (PM10 and PM2.5) measured as part of the Atmospheric Monitoring Network from Mexico City (SIMAT, GDF) and meteorology parameters are considered like contributors to this aerosol optical property. In addition, information from channel 4 (infrared, 10.2-11.2 µm) are used to remove remaining clouds signal from the comparisons using spectral difference and spatial uniformity tests. The multitemporal satellite cloud- free images and algorithm based on the analysis of solar reflectance show seasonality and aerosols local variations in AOD. The multiple linear regressions have a predicting power judged by adjusted r2 in the range 0.4 – 0.6. The AOD model explains the temporal variability, but not captures all the aerosol spatial variability in the three discrete regions of MCMA. AOD GOES visible is able to predict the temporal variability in daily PM2.5 and PM10 concentrations at regional scale.