Científicos del Centro Nacional del Medio Ambiente (Cenma) de la U. de Chile, aseguran que el modelo que utilizan -que ha tenido varios yerros- requiere sólo de algunas "precisiones", en tanto en la Universidad de Santiago (Usach), sostiene que el suyo entrega mediciones más certeras. La complementación podría ser una solución, pero falta el financiamiento para realizar pruebas conjuntas.
Un modelo de pronóstico es la pieza clave para anticipar episodios ambientales críticos y decretar medidas para resguardar la salud de la población ordenando restricciones vehiculares adicionales, prohibición del uso de chimeneas, paralización de procesos industriales y hasta la restricción de las clases de educación física en los colegios.
El actual modelo -conocido como «Cassmassi» por el apellido de su creador Joseph Cassmassi-, ha estado en operaciones desde mediados de la década de los 90, bajo el control de académicos de la Universidad de Chile. Hace poco, investigadores de la Universidad de Santiago cuestionaron la capacidad del modelo para anticipar o identificar episodios críticos.
El equipo de investigación de la Usach asegura que el modelo Cassmassi que utiliza la Comisión Nacional del Medio Ambiente de la Región Metropolitana (Conama RM), es inferior al modelo neuronal que ellos han estado probando.
El modelo »neuronal» pronosticó correctamente un 89 por ciento de los días regulares a buenos, mientras que el Cassmassi acertó en un 78 por ciento. En cuanto a las alertas ambientales, el sistema en observación pronosticó un 67 por ciento de los episodios, mientras que el oficial lo hizo en un 53 por ciento. Respecto a las preemergencias, ambos sistemas acertaron en un 52 por ciento de los casos.
Sin embargo, el jefe del laboratorio de modelación y contaminación atmosférica del Cenma, Pablo Ulriksen, en conversación con este medio señaló que la predicción de calidad de aire depende "fundamentalmente" de un buen pronostico meteorológico.
"Si mañana llueve va a ser distinto a que si la condición meteorológica es parecida a la que hay un día cualquiera. Un buen pronóstico de calidad de aire, necesariamente, está basado en un buen pronóstico de las condiciones meteorológicas que van a ocurrir. Los modelos de tipo estadístico -como el Cassmassi o el neuronal- relacionan las condiciones actuales con la calidad del aire esperada para el día siguiente y cuando empiezan a mejorar sus aciertos es cuando incorporan un pronóstico de condiciones meteorológicas" , explicó.
"Cuando el modelo de la Universidad de Santiago incorporó un índice meteorológico dado por el Cenma, el modelo neuronal mejoró su desempeñó. Cuando uno quiere hacer un buen pronóstico de calidad del aire no depende sólo de las estadísticas, sino que también de los datos climáticos", sostuvo Ulriksen.
"Conocimos los resultados del modelo neuronal. De hecho el investigador de esa universidad, Patricio Pérez, reconoció que cuando los modelos marcharon en forma paralela, al final los aciertos de los modelos eran cercanos e, incluso, que el modelo oficial era un poco mejor", agregó.
Para Ulriksen, los buenos resultados obtenidos por la Usach se deben a que "algunas de las cifras que se muestran para el modelo neuronal corresponden a un ajuste que se hizo posteriormente, lo que no es comparable si las condiciones no son las mismas para los dos modelos».
En cuanto a una posible investigación conjunta, el académico afirmó que existen posibilidades, pero no el financiamiento. "Nosotros no pensamos en alternativas, sino que en un trabajo conjunto. Cada grupo investigador aporta con sus resultados para mejorar el pronóstico de aire para Santiago y si hay otra herramienta útil que aplicar", explicó.
"Estamos llanos a trabajar con ellos. Tenemos una buena relación. Nuestra opción es trabajar con todas las personas que puedan aportar a mejorar el pronóstico. Para hacer las cosas se requiere financiamiento", agregó.
Estudios de la Usach
Según los creadores del »modelo neuronal» comparado con el actualmente en uso, detecta con mayor precisión los días en que se presentan episodios de contaminación de tipo »normal» y de »alerta ambiental». En cuanto a los días de »preemergencia» tendría un desempeño equivalente al sistema Cassmassi. No existen datos sobre los episodios de »emergencia ambiental», los que no se dieron durante el período en que se realizó la medición.
El sistema se aplicó entre el 6 de mayo y 17 de septiembre de 2002, a partir de los datos entregados por cinco estaciones de la red de monitoreo Macam II: Pudahuel, El Bosque, Cerrillos, La Florida y Parque O’Higgins, lugares que, históricamente, presentan las mayores concentraciones de contaminantes. Para obtener los resultados se trabajó con datos proporcionados por el Cenma y la Dirección Meteorológica de Chile.
Si se considera el porcentaje de días correctamente pronosticados, argumentó el investigador Patricio Pérez, las conclusiones tanto para la Conama RM -que financió parte de la investigación-, como para la Usach, fueron positivas. En términos generales, durante el periodo de medición el nuevo sistema acertó en un 85 por ciento de los episodios, mientras que el Cassmassi obtuvo sólo un 74 por ciento de aciertos.
El modelo pronosticó correctamente un 89 por ciento de los días regulares a buenos, mientras que el Cassmassi acertó en un 78 por ciento. En cuanto a las alertas, el sistema pronosticó un 67 por ciento de los episodios, mientras que el oficial lo hizo en un 53 por ciento. Respecto a las preemergencias, ambos sistemas acertaron en un 52 por ciento de los casos.
Según la Usach, esta última cifra no dejó satisfechos a los profesionales de la Conama RM. Por esta razón se inclinaron por mantener el modelo anterior, ya que el nuevo sistema no garantiza una mayor precisión para los días de preemergencia.
Artículo relacionado:
La pelea de la Usach por cambiar el modelo predictivo ambiental (19 de septiembre de 2003)
