Modelación bajo la Lupa

Quienes vivimos en ciudades del centro y sur Chile valoramos cada vez más poder respirar un aire limpio, aunque con algunas de nuestras acciones no aportemos mucho a que eso ocurra.

¿Sucede lo mismo con las industrias? Por si no lo sabe, los proyectos que se someten al Sistema de Evaluación de Impacto Ambiental (SEIA) y vayan a emitir contaminantes a la atmósfera, frecuentemente deben incluir en sus declaraciones o estudios de impacto ambiental herramientas de modelación de la calidad del aire. Esto, "como método para estimar concentraciones de contaminantes atmosféricos y evaluar el impacto sobre la calidad del aire, a partir de las emisiones de contaminantes asociados a las distintas fases (construcción, operación y cierre) de los proyectos sometidos a evaluación", precisa la segunda edición de la Guía para el Uso de Modelos de Calidad del Aire en el SEIA. Ello "permite estimar el consecuente impacto sobre otros objetos de protección, como recursos naturales renovables y la salud de la población", agrega el documento.

Avances importantes

Sobre la evolución que han tenido estos modelos, en la consultora Jaime Illanes & Asociados (JIA) comentan que "en los últimos años hemos observado un aumento en las exigencias técnicas dentro del proceso de evaluación, solicitándose cada vez mayor nivel de detalle tanto en la modelación de la dispersión como en la estimación de emisiones. Esto responde a la necesidad de contar con análisis más robustos y representativos de la realidad local".

Destacan también que, aunque ningún modelo de dispersión atmosférica puede ofrecer resultados completamente exactos, "la precisión de Calpuff mejora significativamente cuando se alimenta con datos reales y de calidad. En ese sentido, su uso está alineado con los estándares y requerimientos actuales del Servicio de Evaluación Ambiental (SEA), permitiendo una proyección razonablemente confiable de los impactos atmosféricos".


Este documento ha sido de gran ayuda para titulares y evaluadores de proyectos.

Para JIA, uno de los avances más relevantes ha sido la incorporación de nuevas funcionalidades en Calpuff View, "lo que ha permitido representar de forma más precisa las distintas fuentes emisoras".

Luis Díaz, gerente general de la empresa Partículas, plantea que en los últimos años las herramientas de modelación de calidad del aire se han ido perfeccionando, "impulsados por mejoras en la capacidad computacional, la integración de datos satelitales, y el desarrollo de técnicas de inteligencia artificial (IA) y machine learning (ML). La actualización de la Guía del SEIA refleja esta evolución al incorporar criterios más precisos para modelos como Aermod, Calpuff y modelos fotoquímicos como WRF-Chem, CMAQ y CAMx. La Guía enfatiza configuraciones dinámicas de modelos meteorológicos, análisis de efectos acumulativos, y un enfoque más riguroso en la incertidumbre".

El Dr. en Ingeniería Ambiental (Calidad del Aire) aclara que su precisión o desempeño depende del tipo de modelo, la calidad de los datos de entrada y las condiciones del terreno.

En JIA especifican que el modelo de dispersión más utilizado en evaluaciones normativas dentro del SEIA es Calpuff. La razón es "su capacidad para representar adecuadamente condiciones meteorológicas complejas, terrenos variables y fuentes de emisión de distinta naturaleza (puntuales, lineales, superficiales), lo que lo convierte en una herramienta versátil y robusta para evaluar impactos atmosféricos a escala local y regional", acotan.

Junto con Calpuff, Díaz releva a Aermod, WRF-Chem, CMAQ y CAMx. Lo justifica: "Cumplen con los criterios de la Guía (disponibilidad de documentación, soporte técnico y experiencia nacional) y son adecuados para la heterogeneidad del territorio chileno. En Partículas seleccionamos Aermod para proyectos simples, Calpuff para impactos a mayor escala y terrenos complejos, y CMAQ para modelaciones fotoquímicas, incluyendo las emisiones biogénicas generadas por el modelo Megan, ajustándonos a las necesidades del proyecto y las exigencias regulatorias".

Dificultades

¿Qué dificultades se suelen enfrentar en este ámbito en la evaluación ambiental de los proyectos? En Jaime Illanes & Asociados señalan algunos: "El desarrollo de la ingeniería en etapas tempranas no alcanza el nivel de detalle que exige la autoridad ambiental; la falta de disponibilidad y de calidad de la información base, como datos meteorológicos, topográficos o de calidad del aire; y el creciente nivel de exigencia técnica del SEA, con solicitudes más detalladas sobre las metodologías de estimación y modelación. Para enfrentar estos desafíos se ha vuelto clave contar con una planificación temprana de los estudios ambientales y una constante actualización metodológica, en línea con los criterios técnicos y normativos vigentes".

Luis Díaz, en tanto, apunta a la falta de inventarios de emisiones completos, especialmente para compuestos orgánicos volátiles (COV) y precursores de contaminantes secundarios; a la heterogeneidad meteorológica y topográfica; a la incertidumbre en datos de entrada; al cumplimiento de efectos acumulativos; y a las exigencias regulatorias, principalmente.

En relación al primer problema, expone que "en Partículas usamos perfiles estándares de la guía del SEA (tablas 5 y 6) y complementamos con datos satelitales para estimar emisiones de fondo. También vamos a terreno para medir y estimar emisiones en áreas sin datos".


Visualización gráfica de modelación de calidad del aire con herramienta Aermod.

Opciones de mejora

A juicio del experto, las oportunidades de mejora en la modelación de calidad del aire en Chile consideran:

• Ampliar el uso de datos satelitales (Tropo mi, Sentinel-5P, Modis) para validar inventarios de emisiones y mejorar la caracterización de concentraciones de fondo, especialmente en áreas rurales o remotas.

• Usar Machine Learning (ML) para optimizar inventarios de emisiones, predecir variables meteorológicas en alta resolución, y reducir la incertidumbre en modelos fotoquímicos. Por ejemplo, redes neuronales pueden mejorar la predicción de MP2.5 en zonas urbanas como Santiago.

• Implementar inteligencia artificial (IA) generativa para crear escenarios sintéticos de emisiones o condiciones meteorológicas, facilitando la evaluación de impactos acumulativos que cumplan con los requisitos del SEIA.

• Desarrollar inventarios nacionales más completos, especialmente para COV y precursores de PM2.5. Esto fortalecería los modelos fotoquímicos.

• Capacitar a consultores y reguladores en el uso de modelos avanzados (CMAQ y Chams) y técnicas de ML.

• Adoptar plataformas de computación en la nube para reducir los tiempos de simulación de modelos fotoquímicos que actualmente toman días o semanas.

Luego afirma: "En Partículas estamos invirtiendo en estas áreas, desarrollando soluciones híbridas que combinan modelos físicos, datos satelitales y ML para ofrecer evaluaciones más precisas y eficientes".

En JIA, por su parte, abogan por una mayor estandarización de los criterios técnicos establecidos por el SEA. "Si bien en los últimos años se han publicado nuevas guías metodológicas que han contribuido a uniformar ciertos aspectos del análisis -en temas como modelación de calidad del aire-, en la práctica aún persiste un grado significativo de discrecionalidad, ya que muchos aspectos quedan sujetos al criterio del especialista evaluador. También sería beneficioso promover una mayor capacitación técnica continua, tanto para evaluadores como para consultores, con el fin de mantener criterios actualizados y coherentes con el avance de las herramientas disponibles (por ejemplo, modelos de dispersión, estimación de emisiones o análisis de líneas base)".

Manifiestan, asimismo, la limitada incorporación del factor cambio climático en los modelos de dispersión actualmente utilizados, como Calpuff. "Hoy en día, estos modelos dependen de datos meteorológicos reales o históricos, y no integran proyecciones climáticas futuras en sus simulaciones", sostienen.

DATO:

4
Modelos de calidad del aire son los más utilizados, pudiendo clasificarse en Gaussianos, Eulerianos, Lagrangeanos y tipo Puf, según la Guía para el Uso de Modelos de Calidad del Aire en el SEIA.

Artículo publicado en InduAmbiente n° 194 (mayo-junio 2025), páginas 72 a 74.