Vista de satélite de Hong Kong y el mar adyacente. La ciudad se asienta principalmente en los valles de la zona y cercana a las costas, mientras que las montañas presentan pocas manchas urbanas.
Vista de satélite de Hong Kong en 2018. Crédito: Axelspace Corporation/Wikimedia Commons, CC BY-SA 4.0
Fuente: GeoHealth

This is an authorized translation of an Eos article. Esta es una traducción al español autorizada de un artículo de Eos

Las Organización de Naciones Unidas ha identificado que mejorar la movilidad a píe y en bicicleta de las ciudades es una meta clave en los esfuerzos para reducir la dependencia de los automóviles que emiten gases de efecto invernadero y para promover rutinas de ejercicios para la salud pública. Sin embargo, incrementar la movilidad a píe y en bicicleta puede traer algunos riesgos a la salud.

El tiempo que se pasa al aire libre, junto con otros factores, incrementa la exposición a contaminantes atmosféricos, por ejemplo. La categoría de contaminantes más dañina para los humanos incluye las partículas inhalables más pequeñas que 2.5 micrómetros, conocidas como PM2.5. Ha sido estimado que más de 4 millones de muertes prematuras en todo el mundo pueden ser atribuidas a estos contaminantes cada año.

Para ayudar a reducir los riesgos a la salud de este contaminante, Tong et al. desarrollaron un nuevo enfoque para estimar las concentraciones a nivel de piso de los PM2.5 usando observaciones de satélite e incorporándolas a una aplicación móvil de mapeo que identifica las rutas a través de Hong Kong para minimizar la exposición de los transeúntes a las PM2.5.

Los investigadores combinaron varias fuentes de información para construir su marco de referencia, el cual toma en cuenta factores específicos de la ciudad que producen y concentran PM2.5. Dieciséis estaciones de monitoreo de calidad de aire produjeron estimaciones por hora de PM2.5 a lo largo de la ciudad. Datos derivados de Landsat-8 aportaron mapas de vegetación, superficies impermeables y densidad de aerosoles. Datos meteorológicos fueron incorporados a través del uso de los pronósticos del Sistema Goddard de observación terrestre (GEOS-FP, por sus siglas en inglés) de la NASA, y datos de caminos de OpenStreetMap ayudaron a cuantificar las contribuciones del tránsito de automóviles y autobuses.

Los datos usados se utilizaron para estimar las concentraciones en tiempo real de las PM2.5 en una malla a lo largo de la ciudad. La malla fue después sobrepuesta con una gráfica con nodos representando las intersecciones de las calles y bordes representando a las calles. A cada borde se le asignó un “costo” de contaminación basado en las PM2.5 que cruzan las celdas de la malla. La contaminación respirada durante el viaje entre dos nodos es la suma de los costos en los bordes que más eficientemente los conecta.

Se muestran dos rutas para peatones o ciclistas para moverse entre las Universidades de Hong Long Politécnica y la Metropolitana. (a) La ruta “saludable” es 100 metros más larga que (b) la ruta más corta, pero la contaminación de Pm2.5 se reduce cerca de 5-10%. Haz click en la imagen para la versión más grande. Crédito: Tong et al., CC BY-NC-ND 4.0

El caso de estudio de Hong Kong incluía estimaciones de PM2.5 de 70,788 caminos. usando el desarrollo de la aplicación, el cual es visualmente similar a las aplicaciones móviles de mapas comerciales, un usuario puede comparar las rutas más rápidas y las más saludables entre dos puntos. Los investigadores observaron que una planificación de una ruta sana podría reducir la exposición de PM2.5 de 5%-25%. En un ejemplo resaltado, la aplicación indicó que escoger una ruta entre dos universidades de Hong Kong que era 100 metros más larga que la ruta más corta resultaba en un 5-10% de reducción en la contaminación respirada.

Los investigadores notaron que la generalización de su enfoque para estimaciones de alta resolución de niveles de PM2.5 significa que podría ser aplicable en otras ciudades y ser útil en otras aplicaciones y servicios de planeación de rutas y para minimizar la exposición de la gente a la contaminación (GeoHealth, https://doi.org/10.1029/2022GH000669, 2022)

—Morgan Rehnberg, Escritor de ciencia

This translation by Anthony Ramírez-Salazar (@Anthnyy) was made possible by a partnership with Planeteando. Esta traducción fue posible gracias a una asociación con Planeteando.

Text © 2022. AGU. CC BY-NC-ND 3.0
Except where otherwise noted, images are subject to copyright. Any reuse without express permission from the copyright owner is prohibited.