Modelando la relación entre concentraciones de dióxido de nitrógeno (NO2) y cambios en la movilidad de la población en la provincia de Buenos Aires (Argentina)

Abstract

La pandemia de COVID-19 que se desarrolló desde principios de 2020 en todo el mundo tuvo como principal medida tomada por los gobiernos nacionales la cuarentena de su población. Dicha medida tuvo como consecuencia directa la reducción de circulación de población generando una reducción en la quema de combustibles fósiles. La disminución de emisiones produjo la baja en la concentración de diversos gases contaminantes, entre los que se encuentra el dióxido de nitrógeno (NO2). Este trabajo persigue modelar los cambios en la concentración de dióxido de nitrógeno (NO2) en el territorio de la provincia de Buenos Aires (Argentina) como una consecuencia de la disminución de la movilidad de la población y el tamaño de las aglomeraciones urbanas. Para obtener la variable dependiente, es decir las concentraciones de NO2, se utilizaron imágenes del Satélite Sentinel 5P, de la misión Copernicus. Este satélite cuenta con el sensor TROPOMI que obtiene una medición diaria de todo el globo de concentraciones en distintas capas de la atmósfera de: Ozono (O3), Dióxido de Nitrógeno (NO2), Dióxido de Azufre (SO2), Monóxido de Carbono (CO), Metano (CH4), Aerosoles, Fenoaldeidos y Nubes. Como variables independientes del modelo se incluyeron a la densidad de población y las tasas de cambios en la movilidad de las personas. La primera de ella se obtuvo del cálculo de población por km2 para cada partido de la provincia de Buenos Aires con datos del Censo 2010 (INDEC, 2010); mientras que la segunda, se obtuvo de los datos de movilidad facilitados por la plataforma desarrollada por la Organización de Naciones Unidas junto a GRANDATA. Las fechas seleccionadas fueron: 10 de marzo y 10 de abril de 2020 y se obtuvo el porcentaje de cambio en la movilidad de las personas por partido. Para modelar la asociación hipotética planteada, se aplican técnicas de Regresión Geográficamente Ponderada (GWR), dado que ésta técnica estadística permite conocer la no estacionariedad espacial de las relaciones entre factores y variable dependiente (variaciones de NO2 y densidad y tamaño de las aglomeraciones urbanas), recuperando la heterogeneidad sobre el espacio geográfico. Se obtuvo una notable adecuación del modelo explicativo propuesto, alcanzanso un valor de r2ajustado de 0.89, particularmente los mejores ajustes se observan en grandes áreas urbanas e industriales de la provincia: como son Área Metropolitana de Buenos Aires (AMBA), La Plata, Bahía Blanca, Mar del Plata y Olavarría.