2.1. ÁREA DE ESTUDIO Y RECOLECCIÓN DE MUESTRAS

Para este estudio fueron seleccionadas cuatro vialidades de la Ciudad de Bogotá, Colombia (Longitud: 74°4'54.3" W y latitud: 4°36'34.96" N). Las muestras fueron recolectadas en febrero de 2016, en vialidades colindantes, las cuales forman un polígono de 21 km² en la zona urbana (Figura 1).

Figura 1 Mapa de los sitios de extracción de polvo urbano de las vialidades de Bogotá, Colombia. 

La Ciudad de Bogotá se encuentra a una altitud de 2,600 metros sobre el nivel del mar, es la tercera ciudad más grande de Sudamérica con área urbana de 416 km² y tiene una población estimada de 8,181,649 habitantes (^{DNP, 2018}; ^{DANE, 2020}). La ciudad está construida sobre el Altiplano cundiboyacense con un clima templado (Clasificación de Köppen: Cfb) y temperatura media entre 12 a 13 °C (^{IDEAM, 2007}, ²⁰¹⁷, ²⁰²⁰). El muestreo se llevó a cabo durante la época de sequía (diciembre a febrero), con una temperatura media entre 14,6 a 14,9 °C, humedad relativa de 55 a 70%, precipitación de 20 a 50 mm y dirección del viento NE-SE (^{IDEAM, 2017}, ²⁰²⁰).

Se recolectaron 40 muestras de polvo urbano (PU), 10 por cada una de las cuatro vialidades seleccionadas por donde circula la ruta del sistema de transporte público de autobuses con motor diesel (Av. Caracas y Av. El Dorado) y transporte público con motor a gasolina (Carrera 50 y Calle 63) (Figura 1).

Las muestras de PU fueron colectadas en un metro cuadrado de superficie por debajo de la acera con ayuda de un colector plástico y brocha, la fracción gruesa (mayor que 2 mm) fue retirada en situ. Cada muestra fue colocada dentro de una bolsa de polipropileno con cierre y marcada con el dato de GPS en el sistema de coordenadas geográficas para su traslado al laboratorio.

2.2. ANÁLISIS MAGNÉTICOS

En el laboratorio, cada muestra fue pesada, secada y cribada por un tamiz de malla N°10 (2 mm). Una porción del material tamizado fue encapsulada en cubos de acrílico de 8 cm³ para su uso en los experimentos de magnetismo. Se realizaron mediciones de susceptibilidad magnética volumétrica (κ) con un equipo Bartington MS3 a baja (κ_lf: 0.46 kHz) y alta (κ_hf: 46 kHz) frecuencia. Se determinó el parámetro magnético de susceptibilidad magnética específica (X_lf=κ_lf/ρ, ρ es la densidad ρ=masa/volumen en kg m^-3) y el porcentaje de la susceptibilidad magnética dependiente de la frecuencia (X_df%=((κ_lf-κ_hf)/κ_lf)*100) para detectar la presencia del material magnético e identificar la concentración de partículas ferrimagnéticas ultrafinas superparamagnéticas (SP<0.05 nm) en cada muestra (^{Dearing, 1999}).

La mineralogía magnética se determinó por medio de las curvas termomagnéticas, las cuales se obtuvieron midiendo la susceptibilidad magnética en función de la temperatura con un medidor de susceptibilidad MFK-2 AGICO. Cada muestra fue calentada desde temperatura ambiente y hasta 600 °C a una razón de 10 °C/min y enfriada con la misma razón. Las fases mineralógicas o temperaturas de Curie (Tc) fueron determinadas por el método diferencial descrito por ^{Tauxe et al., (2018)}.

Se indujo la magnetización remanente isotermal (MRI-X) aplicando a cada muestra un campo magnético de 1000 mT con un magnetizador de pulsos IM-10 marca ASC Scientific y posteriormente se midió el valor de la magnetización remanente con un magnetómetro de giro JR6 marca AGICO. El valor obtenido fue normalizado con la densidad del material para obtener el valor de magnetización remanente isotermal de saturación (MRIS=MRI_1.0T/ρ). Este parámetro permitió identificar la concentración de material ferrimagnético en el PU. A continuación, la muestra se magnetiza en la dirección opuesta con un campo de 300 mT para obtener el cociente S_-300(S_-300=MRI_{-300 mT}/MRIS), el cual permite discriminar entre los minerales ferrimagnéticos (S_-300 ε [0.7,1.0]) y los antiferromagnéticos (S_-300 ε [0.0 a 1.7)) presentes en el polvo urbano, y a su vez permite identificar alteraciones y la procedencia del material magnético (^{Lu, 2000}; ^{Evans y Heller, 2003}; ^{Aguilar-Reyes et al., 2011}; ^{Cejudo et al., 2015}).

2.3. ANÁLISIS DE GEOQUÍMICOS

Se determinó la concentración de Cr, Cu, Fe, Ni, Pb, V y Zn en el PU por medio de un espectrómetro de Fluorescencia de Rayos X (FRX) portátil modelo Genius 7000 XRF de Skyray Instruments. La fuente de excitación del tubo de rayos X fue de 5 a 40 kV, con una corriente de 1 a 100 μA, objetivo de Ag y detector de estado sólido con una resolución de 139 eV. Las mediciones de FRX se hicieron con muestras de 3 g de PU tamizadas en malla N° 230 (63 μm). Cada muestra fue colocada dentro de un portamuestra cilíndrico con una ventana de mylar en posición perpendicular al obturador del espectrómetro, cada medida fue realizada por triplicado con un tiempo de exposición de 30 s. La curva de calibración fue hecha con los estándares de la serie IGL: IGLs-1, IGLgb-3 y IGLsy-1, la cual mostró un coeficiente de correlación (CC) de 0.98 (^{Lozano y Bernal, 2005}).

2.4. TAMAÑO DE PARTÍCULAS

El tamaño de partícula del PU fue determinado con un equipo de escaneo láser SPECTREX modelo PC-2200, capaz de medir partículas entre 0.5 a 100 μm. Las mediciones se hicieron con 10 g de material tamizado en malla N° 230 (63 μm), el cuál se colocó en un portamuestra cilíndrico de vidrio (grosor de pared de 5 mm) con 120 ml de agua desionizada. Cada medida fue realizada por triplicado y el tamaño de partícula fue determinado en % del peso total (^{Spectrex, 2007}).

2.5. EL MODELO DE PRONÓSTICO DE LACONTAMINACIÓN

A partir del análisis de estadística descriptiva y análisis exploratorio de datos se obtuvo la matriz normalizada para datos magnéticos, concentración de metales pesados y tamaño de partículas. Para cada sitio, se determinó el índice de carga de contaminante (PLI) de acuerdo con ^{Tomlinson et al., (1980)}, como:

Donde, CF es el factor de concentración, C_ele concentración del elemento, C_fon concentración de fondo para el elemento y n el número de elementos. Un análisis de componentes principales (ACP) fue hecho para determinar la relación entre las variables magnéticas y la concentración de cada elemento.

Colombia no cuenta con una legislación que establezca los límites máximos permisibles, ni los niveles de fondo para las concentraciones de metales pesados en suelo y polvo urbano. Por lo que se emplearon las concentraciones de metales pesados en el suelo agrícola de Brasil como valores de fondo para la determinación de PLI (^{Trujillo et al., 2016}).

La clasificación del valor de PLI fue: Si PLI ε [0,1), entonces sugiere no contaminado; Si PLI ε [1,2), contaminación baja; Si PLI ε [2,3), contaminación leve; PLI ε [3,4), entonces contaminación alta y PLI > 4, contaminación muy alta.

En este estudio, se empleó un modelo de red neuronal artificial (RNA) para el reconocimiento de patrones magnéticos que permitieran identificar sitios con altas concentraciones de metales pesados. El modelo RNA tipo perceptrón multicapas es regulado por un algoritmo bayesiano (^{López y Caicedo, 2005}). La expresión matemática del modelo RNA es:

Donde X_i e ϒ_i son los valores de los nodos en la capar anterior de la capa j; W_i es el peso de cada entrada y b_i es el peso de la neurona adaptativa a la neurona oculta j; n es el número de la etapa y F es la función de activación, en este estudio se utilizó la función sigmoide como función de activación (Ecuación 4) (^{Alizamir y Sobhanardakani, 2018}; ^{Guzmán et al., 2018}):

Donde, k es el resultado de

La precisión del modelo de la RNA se evaluó por medio de los parámetros de correlación lineal obtenida entre el valor estimado y el valor medido del valor de PLI. Los análisis estadísticos y modelación de RNA se hicieron con el software R (^{Ihaka y Gentleman, 1996}).

El modelo RNA fue entrenado con una matriz de 70 y 75% de datos, la cual se aplicó posteriormente a una a matriz de prueba con 30 y 25% de datos. Se empleó una topología en una sola dirección: de las neuronas de entrada hacia las neuronas de salidas ("Feedforward"), las cuales estuvieron agrupadas en una y dos capas ocultas (^{Morales et al., 2018}).

3.1. LOS PARÁMETROS MAGNÉTICOS EN EL POLVO URBANO

Los parámetros de X_lf y MRIS de las vialidades de transporte público con motor convencional (Carrera 50 y Calle 63) exhibieron valores menores a los encontrados para la vialidad del transporte con motor diesel (Av. El Dorado). Sin embargo, la vialidad Caracas mostró valores de X_lf y MRIS similares a los de Carrera 50 y Calle 63. Este aumento en la concentración material magnético se debe posiblemente, a que por la Av. El Dorado transita una mayor cantidad de vehículos, tiene el doble de carriles de circulación que las otras avenidas y tiene una pendiente < 4° que impide la escorrentía de agua, lo que genera una mayor concentración de material sobre la superficie.

El incremento de los valores de parámetros magnéticos de X_lf y MRIS en el PU de la vialidad de mayor tránsito vehicular concuerda con los resultados presentados por ^{Aguilar-Reyes et al. (2011)} y ^{Cejudo et al. (2015)} en Ciudad de México, para áreas y vialidades que muestran mayor tráfico vehicular y actividad industrial, en donde el contenido de minerales magnéticos se incrementa (Tabla 1 y Figura 2).

Figura 2 Gráfica de parámetros magnéticos del polvo urbano de las vialidades de Bogotá. 

El PU de las vialidades de Bogotá mostró valores de X_df % < 2.0%, indicando una concentración baja de material SP en el PU y los valores del cociente S_-300 fueron > 0.7, mostrando una mayor proporción de minerales magnéticos de baja coercitividad como la magnetita (Figura 2 y Tabla 1). Las curvas termomagnéticas muestran dos fases magnéticas principales: la primera a 320 °C, la cual es compatible con la Tc de la greigita y una segunda fase cercana a los 580 °C correspondiente con Tc de titanomagnetita con bajo contenido de Ti. Todas las curvas mostraron un incremento abrupto de la susceptibilidad a partir de 400 °C y expresando el máximo alrededor de 530 °C (Figura 3). Este comportamiento está asociado a la transformación mineralógica de los cristales magnéticos de características superparamagnéticas a la formación de cristales de magnetita, los cuales tienen un comportamiento magnético más estable (pico de Hopkinson). Este comportamiento se observa frecuentemente en muestras con partículas provenientes de emisiones vehiculares (^{Hoffman et al., 1999}; ^{Aguilar-Reyes et al., 2011}; ^{Cejudo et al., 2015}, ^{Sánchez-Duque et al., 2015}; ^{Yurtseven-Sanker y Cioppa, 2016}; ^{Tauxe et al., 2018}).

Figura 3 Curvas termomagnéticas representativas del polvo urbano encontrado en vialidades con trasporte público con motor a gasolina (izquierda) y motor diesel (Derecha) en Bogotá, Colombia. 

3.2. LOS METALES PESADOS EN EL POLVO URBANO

Los elementos más abundantes fueron Fe y Zn, los de menor concentración V y Ni (Fe>Zn>Cu>Pb>Cr>V>Ni) (Figura 4).

Figura 4 Concentración de elementos y valor de PLI encontrados en el polvo urbano de Bogotá por vialidad. 

Los PU de las vialidades Av. Dorado y Caracas mostraron concentraciones más altas de Cr, Cu, Fe, Ni, Pb, V y Zn, en comparación con los PU de Carrera 50 y Calle 63. El alto contenido de Fe, Zn y Pb son evidencias de la adición de fuentes antrópicas al ambiente cuyo origen son las emisiones vehiculares y desgaste de piezas de los automotores (Figura 4) (^{Machado et al., 2008}).

Los resultados de PLI en el PU de las vialidades de Bogotá indicaron que, las cuatro vialidades mostraron valores de PLI>1, por lo que hay contaminación por metales pesados en casi todos los sitios (Figura 4). Se encontraron algunos sitios de las vialidades Carrera 50 y Calle 63 que mostraron valores de PLI ≤ 1 que indican lugares con bajo contenido de metales pesados (Figura 4). Mientras que, las vialidades de Av. Dorado y Caracas mostraron sitios con valores de PLI > 4, por lo que se encuentran altamente contaminadas (Figura 4). De acuerdo con lo reportado para otras ciudades, el desgaste de piezas vehiculares y el uso de combustibles fósiles incrementan la concentración de Fe, Zn, Cr y Pb (^{Al-Dahabi et al., 2010}; ^{Aguilar-Reyes et al., 2011}; ^{Cejudo et al., 2015}; ^{Liu et al., 2018}; ^{Jeong et al., 2020}).

3.2.1. TAMAÑO DE PARTÍCULA

Los análisis de tamaño de partícula practicados al PU de dos vialidades mostraron en promedio una concentración menor al 10% del peso de la muestra con partículas de tamaño menor a 2.5 μm (PM2.5); para partículas menores a 1 μm (PM1.0) mostraron un valor menor al 5%; por lo tanto, existe una cantidad muy pequeña de material fino en el PU de Bogotá (Figura 5).

Figura 5 Concentración de partícula PM2.5 y PM1.0 en PU de vialidades de Bogotá. 

Las muestras de Calle 63 (vialidad con vehículo y transporte con motor a gasolina) exhibieron mayor contenido de partículas finas (PM2.5 y PM1.0) en comparación con las muestras de la Av. El Dorado (vialidad con el transporte público con motor a diesel y vehículos con motor a gasolina, Figura 5). Las concentraciones de partículas finas en ambas vialidades fueron menores al 10% del peso, existe la probabilidad de que el clima haya contribuido a la baja concentración (viento), dado que el muestreo fue hecho durante la época de sequía.

3.2.2. EL MODELO DE PRONÓSTICO DE LA CONTAMINACIÓN CON METALES PESADOS DEL POLVO URBANO

Las correlaciones lineales entre los parámetros magnéticos X_lf, SIRM, X_df% y el contenido de Cr, Cu Fe y Zn exhibieron un coeficiente de correlación (CC)> 0.3 y valor de p <0.05, indican correlaciones significativas con un nivel de confianza del 95% (Tabla 2). El valor de PLI mostró un CC<0.39 para los parámetros magnéticos de X_lf y MRIS (Tabla 2).

El modelo de RNA uso un número de neuronas y capas por proceso de ensayo y error para identificar la topología más adecuada, ya que no existe una metodología que permita optimizar el número de capas y neuronas a usar (Figura 6 y Tabla 3; ^{López et al., 2005}; ^{Bre et al., 2017}; ^{Alizamir et al., 2018}; ^{Guzmán et al., 2018}).

Figura 6 Arquitectura de la red neuronal óptima para estimar los valores de PLI en polvo urbano de vialidades de Bogotá (" Valores de entrada normalizados). 

Los resultados fueron separados en una matriz de entrenamiento (28 datos) y matriz de prueba (12 datos). Las matrices fueron normalizadas de acuerdo a los valores máximos (X_lf de 2.33 μm³ kg^-1; X_df % de 1.48 %; MRIS de 102.14 mAm² kg^-1 y PLI de 5.0) y mínimos (X_lf de 3.05 μm³ kg^-1; X_df % de 0.12 %; MRIS de 20.60 mAm^-2 kg^-1 y PLI de 1.0) de la matriz principal.

La matriz de peso y la configuración de la red neuronal que se obtuvo para la matriz de datos (70% de datos) normalizados, se muestra en la Tabla 3 y Figura 6. El modelo de regresión lineal entre el valores de PLI medido y el valor de PLI estimado (obtenido con RNA) mostró un valor de CC de 0.60 y un valor de P< 0.05, el cual indica una relación estadísticamente significativa entre las variables con un nivel de confianza del 95.0% (Tabla 4 y Figura 7), el cual es mayor al encontrado en los modelos de regresión lineal simple que mostraron un CC de 0.39 y 0.30 para X_lf y MRIS respectivamente (Tabla 2).

Figura 7 Validación cruzada de valores de PLI real vs PLI estimado por medio del modelo de red neuronal artificial para polvo urbano de Bogotá. 

Las vialidades de Bogotá que mostraron valores de PLI > 3 fueron por donde circula el transporte con motor a diesel (Av. El Dorado y Caracas), el área donde hay intersección con otras avenidas incrementan el valor de PLI (Figura 8). Los sitios de la avenida Caracas (sitios de 14 a 17) que estuvieron cerca de la zona de escorrentía en la parte este de la Ciudad, mostró valores PLI > 3, pero disminuyen el valor de PLI conforme se aleja de las partes altas, por lo que se infiere que el factor geográfico contribuye al incremento de valores de PLI (Figura 8), probablemente por material transportado por escorrentía de las áreas altas. Los sitios de las vialidades, por donde circula el transporte público con motor a gasolina presentaron valores de PLI entre 1 y 2, por lo que estos sitios se encuentran moderadamente contaminados por metales pesados (Figura 8). Los valores estimados de PLI con el modelo de red neuronal mostraron similitudes con los valores calculado de PLI obtenidos por las concentraciones. Sin embargo, se observó que la red neuronal estima un número mayor de sitios con valores de PLI más altos, tal es el caso de la Calle 63, en donde se observó sitios con valores de PLI estimados entre 2 y 3, en comparación con los valores de PLI determinados de 1 a 3 (Figura 8).

Figura 8 Mapa del índice de carga de contaminación determinado por concentración de elementos (superior) y por el modelo de red neuronal artificial (inferior) para las vialidades de Bogotá, Colombia. 

El modelo RNA mostró un buen desempeño para la identificación de sitios con valores altos de PLI para vialidades primarias. El modelo de RNA y parámetros magnéticos podrían ser una herramienta adicional para la evaluación de la contaminación vehicular, el cual es muy complejo (^{Khare y Nagendra, 2006}). En este estudio, el área fue una fracción pequeña del centro urbano, por lo que es necesario evaluar el modelo de RNA en áreas de mayor tamaño, las cuales tienen vialidades con diferentes tipos de transportes, con la finalidad de determinar la capacidad de predicción del modelo RNA para identificar sitios contaminados en vialidades más complejas.