Monitoreo de la calidad del aire en Mendoza, Argentina: aplicación de técnicas de Machine Learning para la predicción de PM10

HEREDIA, BRUNO; CANIZO, BRENDA; DIEDRICHS, ANA; ALTAMIRANO, JORGELINA C.; CLAUSEN, R.; MARTINIS, ESTEFANIA; QUINTAS, PAMELA

Congreso; XIII Congreso Argentino de Química Analítica; 2025

En este estudio, se combinaron diferentes metodologías estadísticas para evaluar la relación entre las concentraciones de PM10 y variables meteorológicas (temperatura, humedad relativa, dirección y velocidad del viento y presión atmosférica) y sus asociaciones con otros contaminantes (CO, NO2, NO y O3) registrados durante el período 2021-2024 en la ciudad de Mendoza, Argentina. Los resultados indican que el aumento de la humedad y la temperatura podría reducir los niveles de PM10 al mejorar la dispersión y deposición de partículas. Las correlaciones positivas entre PM10, NO y NO2 sugieren un origen común, probablemente proveniente de las emisiones vehiculares.Para analizar con mayor detalle el comportamiento de las PM10, se desarrollaron modelos de predicción para clasificar los niveles de PM10 como “buenos” (≤ 45 μg/m³) o “malos” (>45 μg/m³) según las directrices de calidad del aire de la OMS. Se evaluó y comparó el rendimiento de los algoritmos de bosque aleatorio (RF) y regresión logística (LR). Además, se evaluó la influencia de las variables atmosféricas y las concentraciones de contaminantes para determinar su impacto en las predicciones de PM10.El modelo RF demostró el mayor rendimiento predictivo para el nivel de PM10. Los resultados indican que los NOx (NO2 y NO) contribuyen significativamente a la formación de PM10, probablemente debido a fuentes antropogénicas comunes. La temperatura, la humedad y la velocidad del viento también influyen en las predicciones de PM10, aunque en menor medida que las concentraciones de contaminantes. La inclusión de estas variables destaca su papel en la dispersión y transformación de los contaminantes atmosféricos. La implementación de estos modelos podría proporcionar a los responsables políticos datos en tiempo real para mejorar el control de la contaminación y la protección de la salud pública.