Servicios Personalizados
Revista
Articulo
texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por emailIndicadores
-
Citado por SciELO -
Accesos
Links relacionados
-
Similares en
SciELO
Compartir
Permalink
Revista Chapingo serie ciencias forestales y del ambiente
versión On-line ISSN 2007-4018versión impresa ISSN 2007-3828
Rev. Chapingo ser. cienc. for. ambient vol.26 no.1 Chapingo ene./abr. 2020 Epub 03-Mar-2021
https://doi.org/10.5154/r.rchscfa.2019.01.002
Artículo científico
El color del polvo urbano como indicador de contaminación por metales pesados
1Universidad Nacional Autónoma de México, Centro de Investigaciones en Geografía Ambiental, Laboratorio Universitario de Geofísica Ambiental. Antigua Carretera a Pátzcuaro núm. 8701, col. Exhacienda de San José de la Huerta. C. P. 58190. Morelia, Michoacán, México.
2Universidad Nacional Autónoma de México, Instituto de Geofísica, Laboratorio Universitario de Geofísica Ambiental. Antigua Carretera a Pátzcuaro núm. 8701, col. Exhacienda de San José de la Huerta. C. P. 58190. Morelia, Michoacán, México.
3Universidad Nacional Autónoma de México, Posgrado en Ciencias Biológicas. Antigua Carretera a Pátzcuaro núm. 8701, col. Exhacienda de San José de la Huerta. C. P. 58190. Morelia, Michoacán, México.
Introducción:
El polvo urbano contiene metales pesados (MP) que representan un riesgo para la salud humana.
Objetivo:
Evaluar el color del polvo urbano como indicador de la contaminación por MP en la Ciudad de México.
Materiales y métodos:
El color y los MP (Ba, Cr, Cu, Pb, Mn, Ni, V y Zn) se midieron en 455 muestras de polvo, y los índices de rojez y saturación se calcularon. Con base en el color, se formaron grupos de muestras utilizando un análisis de conglomerados. Se hicieron análisis de regresión múltiple entre los MP y los índices por grupos de color, y análisis de Kruskal-Wallis de los MP por grupos de color.
Resultados y discusión:
Las muestras de polvo urbano se clasificaron en marrón grisáceo obscuro (I), gris obscuro (II), marrón oliva obscuro (III), gris muy obscuro (IV), marrón grisáceo (V) y negro (VI). Las regresiones lineales múltiples entre los índices de color y los MP mostraron correlación alta y significativa (P < 0.05) en los grupos I, II, III y IV. Los MP del polvo urbano se encontraron de manera general en el orden Zn > Mn > Ba > Pb > Cu > Cr > Ni > V. El Cr, Cu, Ni, Pb y Zn presentaron diferencias significativas (P < 0.05) entre los grupos de color; las muestras de color gris muy obscuro a negro fueron las más contaminadas, y las de color marrón grisáceo obscuro tuvieron contenidos menores de MP.
Conclusiones:
El color del polvo urbano es un indicador de la contaminación por metales pesados en la Ciudad de México.
Palabras clave: Ciudad de México; índice de rojez; índice de saturación; zinc; Munsell
Materials and methods:
Color and HMs (Ba, Cr, Cu, Pb, Mn, Ni, V and Zn) were measured in 455 dust samples, and redness and saturation rates were calculated. Based on color, groups of samples were formed using cluster analysis. Multiple regression analysis between HMs and indices by color groups was performed, as well as a Kruskal-Wallis analysis of HMs by color groups.
Results and discussion:
Urban dust samples were classified as dark grayish brown (I), dark gray (II), dark olive brown (III), very dark gray (IV), grayish brown (V) and black (VI). Multiple linear regressions between color indices and HMs showed high and significant correlation (P < 0.05) in groups I, II, III and IV. Urban dust HMs were generally found in the order Zn > Mn > Ba > Pb > Cu > Cr > Ni > V. Also, Cr, Cu, Ni, Pb and Zn showed significant differences (P < 0.05) among the color groups; the samples from very dark gray to black were the most polluted, and those of dark grayish brown had lower HM contents.
Keywords: Mexico City; redness index; saturation index; Zinc, Munsell
Introducción
El polvo urbano es una mezcla de materiales físicos, químicos y biológicos originados por procesos naturales como la actividad volcánica, erosión de suelos e incendios forestales (Chen, Lu, Li, Gao, & Chang, 2014; Luo, Yu, Zhu, & Li, 2012) y procesos antrópicos como los industriales (Liu, Liu, Yin, Zhang, & Zhang, 2014), el tráfico vehicular (Aguilar et al., 2013; Cortés et al., 2017; Peña-García, Maciel-Flores, Rosas-Elguera, & Rentería-Tapia, 2016; Sánchez-Duque et al., 2015; Zafra, Temprano, & Tejero, 2011), la basura y el intemperismo de los edificios (García-Rico et al., 2016).
El tamaño de las partículas del polvo urbano es variable, desde fracciones muy gruesas del tamaño de las arenas hasta partículas respirables denominadas PM0.1, PM2.5 y PM10 de tamaño entre 0.1 a 10 µm. A menudo, el polvo urbano contiene metales pesados (MP) como el Pb, V, Cr, Cu y Zn, cuya inhalación es de alto riesgo para la salud (Luo et al., 2012; Sabath & Robles-Osorio, 2012). La Organización Mundial de la Salud ha declarado que, anualmente, alrededor de 7 millones de personas mueren por contaminación atmosférica y por otras enfermedades relacionadas con la contaminación del ambiente (World Health Organization [WHO], 2014).
Los MP en el polvo urbano se miden a través de métodos químicos costosos que consumen tiempo de análisis y que generan residuos peligrosos, por lo cual se han desarrollado técnicas de análisis denominadas proxy que son económicas, rápidas y no contaminantes. Una de estas técnicas proxy es el uso del color como indicador de contaminación del polvo urbano por MP, la cual ha sido probada con éxito en la ciudad de Ensenada, México (Cortés, Bautista, Quintana, Aguilar, & Goguichaishvili, 2015) y Murcia, España (Marín et al., 2018).
En los últimos años se han diseñado equipos para la medición del color (reflectancia y transmisión de la luz) en muestras sólidas, y sistemas ópticos de color como CIE-L*a*b*, CIE-RGB, además del Munsell (Vodyanitskii & Savichev, 2017), que proporcionan parámetros cuantitativos útiles para el cálculo de los índices de color (cromaticidad, saturación y rojez). Con los parámetros e índices de color ha sido posible establecer relaciones matemáticas con las concentraciones de los MP en el polvo urbano (Cortés et al., 2015; Marín et al., 2018).
El objetivo del presente estudio fue evaluar el color del polvo urbano como indicador de la contaminación por MP en la Ciudad de México.
Materiales y métodos
La Ciudad de México (CDMX) tiene superficie de 1 485 km2 y está ubicada a una altitud de 2 240 m. La ciudad está rodeada de montañas volcánicas que impiden el paso del viento, ocasionando que los contaminantes atmosféricos no se dispersen fácilmente. En la CDMX habitan 8.9 millones de personas y su densidad de población es de 5 966 habitantes·km-2, circulan 4 millones de vehículos y funcionan 40 000 industrias pequeñas y medianas que influyen en la contaminación ambiental.
Muestreo y análisis del polvo urbano
Se tomaron muestras de polvo urbano en 455 sitios. La muestra de polvo se recolectó en la calle, sobre las banquetas, en áreas de 1 m2. Las piedras, hojas y ramas se separaron y el polvo se recogió utilizando una brocha y recogedor de plástico, para evitar la contaminación por partículas metálicas. Las muestras se depositaron en bolsas de polietileno, se etiquetaron y georreferenciaron. Posteriormente, las muestras de polvo urbano se secaron a la sombra y se tamizaron con una malla de 250 µ.
El polvo urbano se sometió a una digestión ácida de acuerdo con el método 3051A de la U. S. EPA (United States Environmental Protection Agency, 2007a). Para ello, una submuestra de polvo urbano de 0.4 g se digirió con 20 mL de HNO3 concentrado. En el programa de calentamiento, la temperatura de cada muestra incrementó a 175 ± 5 °C durante aproximadamente 5 min y se mantuvo por 4.5 min. El extracto se filtró utilizando papel Whatman núm. 42, se transfirió a un matraz de 50 mL y se aforó con agua destilada tipo A. El control de calidad para el método de digestión ácida incluyó reactivos blanco o testigo y muestras duplicadas. Los resultados de garantía de calidad y control de calidad (QA/QC) no mostraron signos de contaminación o pérdidas en los análisis.
Las muestras de polvo urbano digeridas se analizaron con un espectrómetro ICP-OES (Agilent Technologies 5100) de acuerdo con el método 6010C de la U. S. EPA (2007b). La curva de calibración se elaboró con soluciones QCS-26R de varios elementos (alta pureza). Los análisis de los MP se realizaron en el Laboratorio de Biogeoquímica Ambiental de la Universidad Nacional Autónoma de México.
Los límites de detección y cuantificación de los elementos analizados (mg·L-1) fueron Ba (0.02 y 0.06), Cr (0.01 y 0.04), Cu (0.01 y 0.02), Mn (0.04 y 0.12), Ni (0.01 y 0.05), Pb (0.03 y 0.12), V (0.01 y 0.05) y Zn (0.02 y 0.10). Los límites se refieren a la concentración mínima que el método detectó y cuantificó con confiabilidad.
El color del polvo urbano se midió con un colorímetro Konica Minolta Cr-5 (Japón); los parámetros de color L, a, b se determinaron mediante el sistema CIE-L*a*b*, y los parámetros X, Y, Z a partir del sistema CIE-XYZ. Con los parámetros de color del sistema CIE-L*a*b* se determinó el índice de rojez (IRLab) (Vodyanitskii & Savichev, 2017) mediante la siguiente ecuación:
El sistema CIE-RGB se basa en la suma de colores primarios, R (rojo), G (verde) y B (azul) de acuerdo con la teoría de triestímulos. Este sistema cuenta con un mayor número de índices que posibilitan la descripción de las propiedades de la muestra, tales como el índice de rojez (IR), índice de matiz (IH) e índice de saturación (IS). Para el uso de este sistema fue necesaria la transformación de los parámetros de color CIE-XYZ a CIE-RGB (Cortés et al., 2015).
Para la transformación de CIE-XYZ, se escalaron los parámetros X, Y y Z entre 0 y 1, y posteriormente se utilizó la matriz cuadrada 3 x 3 para el iluminante estándar D65 con ángulo de observación a 2° (Viscarra-Rossel, Fouad, & Walter, 2008):
Los índices IH, IS e IR se calcularon con los parámetros RGB (Cortés et al, 2015; Levin, Ben-Dor, & Singer, 2005; Mathieu, Poujet, Cervelle, & Escafal, 1998), a partir de las siguientes ecuaciones:
El IH registra los colores primarios como el rojo, el verde y el azul, y el IS registra los colores neutros como el gris (Mathieu et al., 1998). Estos índices son el resultado de la simplificación de las ecuaciones de saturación y matiz (Liu & Moore, 1990). El IR proporciona el contenido de hematita y una aproximación de la rojez del suelo.
Relación entre el color y los metales pesados
Las muestras de polvo urbano se agruparon utilizando los índices de color IS e IR y análisis de conglomerados, debido a los tonos opacos y obscuros observados a simple vista en las muestras de polvos urbanos (entre grises y negros). El índice IH no se utilizó debido a que es un índice susceptible a los colores primarios, los cuales no se presentaron en los polvos urbanos de la Ciudad de México. El nombre del color de cada grupo se identificó con las tablas Munsell (Munsell Color Laboratory, 2000).
La relación entre el color del polvo urbano mediante IR e IS (variables dependientes) y los MP como el Ba, Cr, Cu, Pb, Mn, Ni, V y Zn (variables independientes) se analizó mediante un ajuste de regresión lineal múltiple a partir de la siguiente ecuación:
donde,
Ind Col |
variable dependiente (índice de color) |
X n |
variables independientes (MP) |
|
número de parámetros a encontrar |
|
error de predicción aleatoria |
Los niveles de R2 se consideraron bajos (R2 < 0.5), moderados (0.5 < R2 < 0.7), altos (0.7 < R2 < 0.9) y muy altos (R2 > 0.9), con una significancia del 95 % y P < 0.05.
Con el objetivo de identificar los grupos de color más contaminados, se realizó la prueba de Kruskal-Wallis (1952) para cada MP, considerando diferencias estadísticamente significativas con P < 0.05. Posteriormente se hizo la prueba de comparaciones múltiples de Dunn (1964), para identificar los grupos estadísticamente diferentes.
Resultados
Formación de los grupos por color
Se conformaron seis grupos de polvo urbano por color con un análisis de conglomerados; cada grupo tuvo un color característico que va entre el marrón grisáceo obscuro al negro. El número de muestras varió en los seis grupos: el grupo I con 73, grupo II con 110, grupo III con 70, grupo IV con 45, grupo V con 148 y el grupo VI solo con nueve (Cuadro 1).
Cuadro 1 Grupos de muestras de polvo urbano por color nombrados de acuerdo con las tablas de Munsell.
| Grupos | |||||||
|---|---|---|---|---|---|---|---|
| I | II | III | IV | V | VI | Total | |
| Muestras | 73 | 110 | 70 | 45 | 148 | 9 | 455 |
| Proporción (%) | 16 | 24.18 | 15.4 | 9.9 | 32.5 | 2 | 100 |
| Color |
Marrón grisáceo obscuro |
Gris obscuro |
Marrón oliva obscuro |
Gris muy obscuro |
Marrón grisáceo muy obscuro |
Negro |
|
| L* | 47.2752 | 39.9656 | 33.9493 | 31.7658 | 36.3179 | 27.6044 | |
| a* | 1.5060 | 1.6528 | 1.8251 | 1.9202 | 1.6222 | 1.9278 | |
| b* | 10.2659 | 9.1964 | 8.7871 | 8.6833 | 8.8993 | 7.7733 | |
Relación entre los grupos de muestras del polvo urbano por color y los metales pesados.
La relación entre el IRLab y las concentraciones de los MP fue alta y significativa (R2 = 0.7) en los grupos I, III y IV, y baja pero significativa (P < 0.05) en los grupos II (R2 = 0.5) y V (R2 = 0.3). En el grupo VI, la relación fue alta (R2 = 1) pero no significativa, debido al bajo número de muestras que forzó el valor de R2 (Cuadro 2).
Cuadro 2 Regresión lineal múltiple de los metales pesados (Cr, Cu, Ba, Pb, Mn, Ni, Zn y V) con el índice de rojez (IRLab) en el polvo urbano de cada grupo de color.
| Grupos | Color | IRLab | R2 |
|---|---|---|---|
| I | Marrón grisáceo obscuro |
|
0.7* |
| II | Gris obscuro |
|
0.5* |
| III | Marrón oliva obscuro |
|
0.7* |
| IV | Gris muy obscuro |
|
0.7* |
| V | Marrón grisáceo muy obscuro |
|
0.3* |
| VI | Negro |
|
1.0 |
* Regresión significativa (P < 0.05)
El análisis por ajuste lineal múltiple entre el IS y los MP presentó una correlación múltiple alta, positiva y significativa en los grupos I, II, III y IV, y correlación baja pero significativa en el grupo V. En el grupo VI, la correlación no fue significativa debido al bajo número de muestras (n = 9). (Cuadro 3).
Cuadro 3 Regresión lineal múltiple de los metales pesados (Cr, Cu, Ba, Pb, Mn, Ni, Zn y V) con el índice de saturación (IS) en el polvo urbano de cada grupo de color.
| Grupos | Color | IS | R2 |
|---|---|---|---|
| I | Marrón grisáceo obscuro |
|
0.7* |
| II | Gris obscuro |
|
0.6* |
| III | Marrón oliva obscuro |
|
0.7* |
| IV | Gris muy obscuro |
|
0.6* |
| V | Marrón grisáceo muy obscuro |
|
0.25* |
| VI | Negro |
|
1 |
* Regresión significativa (P < 0.05)
El IR del sistema RGB tuvo una correlación múltiple positiva de moderada a baja y significativa con los MP en el orden IV, I, III, II y V. Solo el grupo VI tuvo una correlación alta, pero no fue significativa (Cuadro 4).
Cuadro 4 Regresión lineal múltiple entre los metales pesados (Cr, Cu, Ba, Pb, Mn, Ni, Zn y V) y el índice de rojez (IR) en las muestras del polvo urbano agrupadas por color, mediante el sistema CIE-RGB.
| Grupos | Color | IR | R2 |
|---|---|---|---|
| I | Marrón grisáceo obscuro |
|
0.5* |
| II | Gris obscuro |
|
0.3* |
| III | Marrón oliva obscuro |
|
0.4* |
| IV | Gris muy obscuro |
|
0.6* |
| V | Marrón grisáceo muy obscuro |
|
0.2* |
| VI | Negro |
|
1 |
* Regresión significativa (P < 0.05)
Este análisis mostró que la relación del IR del sistema CIE-L*a*b* con los MP fue más alta que con el IR del sistema CIE-RGB, debido a una mayor variabilidad de las coordenadas del sistema CIE-L*a*b*.
Metales pesados por grupos de color de las muestras del polvo urbano
Los valores de la mediana de las concentraciones de los MP del polvo urbano se encontraron de manera general en el orden Zn > Mn > Ba > Pb > Cu > Cr > Ni > V; el mismo patrón se repitió en cuatro de los seis grupos (III, IV, V y VI) y solo el Mn > Zn en los grupos I y II (Cuadro 5).
Cuadro 5 Estadística descriptiva de las concentraciones de los metales pesados de las muestras de polvo urbano agrupadas por color.
| Grupo | Medidas de tendencia central | Ba | Cr | Cu | Mn | Ni | Pb | V | Zn |
|---|---|---|---|---|---|---|---|---|---|
| (mg·kg-1) | |||||||||
| General (n = 455) | Mediana | 122.5 | 43.7 | 82.5 | 223.6 | 35.0 | 101.2 | 26.2 | 229.9 |
| CV (%) | 0.4 | 0.7 | 0.8 | 0.3 | 0.4 | 1.1 | 0.3 | 1.1 | |
| Mínimo | 41.2 | 15.0 | 15.0 | 100.0 | 13.7 | 8.8 | 11.3 | 38.7 | |
| Máximo | 446.0 | 441.0 | 847.1 | 990.5 | 148.7 | 1 907.8 | 160.0 | 4 827.6 | |
| I (n = 73) | Mediana | 124.9 | 36.2 | 67.5 | 214.9 | 26.2 | 75.0 | 26.2 | 185.0 |
| CV (%) | 0.4 | 0.5 | 0.7 | 0.2 | 0.4 | 1.2 | 0.2 | 1.0 | |
| Mínimo | 46.2 | 15.0 | 15.0 | 100.0 | 13.7 | 10.0 | 15.0 | 47.5 | |
| Máximo | 288.7 | 167.5 | 342.3 | 359.7 | 73.7 | 897.1 | 52.5 | 1 241.6 | |
| II (n = 110) | Mediana | 121.2 | 40.0 | 73.1 | 226.1 | 33.7 | 99.9 | 26.2 | 211.8 |
| CV (%) | 0.5 | 0.7 | 0.6 | 0.3 | 0.5 | 0.7 | 0.5 | 0.7 | |
| Mínimo | 41.2 | 17.5 | 17.5 | 108.7 | 15.0 | 8.8 | 15.0 | 41.3 | |
| Máximo | 446.0 | 308.7 | 306.0 | 511.0 | 148.7 | 371.3 | 160.0 | 1 246.3 | |
| III (n = 70) | Mediana | 123.1 | 51.2 | 98.7 | 236.2 | 36.2 | 115.5 | 27.5 | 249.8 |
| CV (%) | 0.2 | 0.6 | 0.5 | 0.2 | 0.3 | 1.0 | 0.2 | 0.6 | |
| Mínimo | 66.3 | 22.5 | 28.8 | 138.8 | 16.3 | 32.5 | 16.2 | 88.7 | |
| Máximo | 239.8 | 302.3 | 297.4 | 413.5 | 68.7 | 1 141.6 | 40.0 | 1 234.4 | |
| IV (n = 45) | Mediana | 119.9 | 51.2 | 98.7 | 218.6 | 40.0 | 110.0 | 25.0 | 238.6 |
| CV (%) | 0.3 | 0.4 | 0.6 | 0.2 | 0.2 | 0.6 | 0.2 | 0.4 | |
| Mínimo | 62.5 | 21.2 | 36.2 | 156.2 | 21.2 | 26.2 | 16.2 | 91.2 | |
| Máximo | 239.9 | 127.5 | 404.7 | 386.2 | 63.7 | 452.4 | 41.2 | 546.3 | |
| V (n = 148) | Mediana | 120.0 | 46.2 | 85.6 | 225.6 | 37.5 | 101.8 | 25.0 | 246.1 |
| CV (%) | 0.4 | 0.8 | 0.9 | 0.5 | 0.4 | 1.3 | 0.3 | 1.4 | |
| Mínimo | 47.5 | 21.2 | 18.8 | 107.5 | 18.8 | 10.0 | 11.3 | 38.7 | |
| Máximo | 388.5 | 441.0 | 847.1 | 990.5 | 136.2 | 1 907.8 | 50.0 | 4 827.6 | |
| VI (n = 9) | Mediana | 133.7 | 66.2 | 112.4 | 196.3 | 36.3 | 151.1 | 23.7 | 346.0 |
| CV (%) | 0.2 | 0.3 | 0.5 | 0.2 | 0.2 | 0.5 | 0.2 | 0.3 | |
| Mínimo | 87.5 | 32.5 | 57.5 | 152.4 | 22.5 | 70.0 | 21.2 | 162.5 | |
| Máximo | 148.8 | 81.3 | 286.2 | 302.4 | 45.0 | 327.4 | 35.0 | 501.3 | |
n = número de muestras, CV = coeficiente de variación.
La Figura 1 muestra que existen diferencias (P < 0.05) en las concentraciones de Cr, Cu, Ni, Pb y Zn en las muestras de polvo urbano agrupadas por color. El grupo I fue el menos contaminado ya que tuvo las menores concentraciones de Cu, Cr, Ni, Pb y Zn, mientras que los grupos IV, V y VI tuvieron las mayores concentraciones, siendo los más contaminados.
Discusión
Acorde con las regresiones lineales múltiples, el Cu, Cr, Ni, Pb y Zn fueron los MP predominantes en concentración, por lo que se consideran elementos colorantes de los polvos urbanos de la CDMX. Los resultados de la presente investigación indican que los niveles más altos de correlación entre el color y los MP se dan con el IR (CIE-L*a*b*) e IS (CIE-RGB), debido a las tonalidades obscuras de los polvos urbanos estudiados.
El IS mide la pendiente general del espectro de longitud de onda de los rojos a los azules que, en otras palabras, es la desviación relativa con respecto a un espectro plano, característico de un color neutro como el gris (Liu & Moore, 1990; Mathieu et al., 1998). En este estudio se observó que el IS tuvo valores de correlación aceptables con los MP en todos los grupos de polvo urbano formados por color.
El IR se utiliza para la identificación de los óxidos de hierro; en principio, este índice se calculaba con el sistema Munsell considerando los parámetros cromaticidad, matiz y valor (Buntley & Westin, 1965; Hurst, 1977). El IR ha sido uno de los más usados en las ciencias del suelo, por lo mismo ha sufrido modificaciones, migrando a los sistemas CIE-RGB y CIE-L*a*b* (Barrón & Torrent, 1986; Torrent, Schwertmann, Fechter, & Alferez, 1983; Torrent, Schwertmann, & Schulze, 1980). Barrón y Torrent (1986) concluyen que el cálculo del IR con el sistema CIE-L*a*b* reproduce valores absolutos con mayor confiabilidad que el sistema Munsell y con una mejor relación con los óxidos de hierro (Kirillova, Vodyanitskii, & Sileva, 2015). Este índice permitió identificar que los colores obscuros se asocian con la concentración de los MP en los polvos urbanos.
De acuerdo con los estudios de Vodyanitskii y Savichev (2017), el color es una característica importante para el estudio, descripción y determinación de diversas propiedades de los suelos. El uso del color en los polvos urbanos que tienen material antrópico y suelos, y su relación con los MP, es adecuado para la estimación de la contaminación (Cortés et al., 2015), principalmente porque los minerales antrópicos como la magnetita y maghemita son de color negro (Bautista-Zúñiga, Cejudo, Aguilar, & Goguitchaichvili, 2014). Dicho de otra manera, el uso del color del polvo urbano para la identificación de muestras contaminadas con MP corresponde con la misma estrategia de uso de los parámetros magnéticos (Aguilar et al., 2013; Sánchez-Duque et al., 2015). Lo anterior debido a que la quema de combustible en industrias, chimeneas de casas y escapes de los automóviles ocasiona un aumento magnético (minerales ferrimagnéticos) y un color obscuro, a causa de los productos generados por la combustión como la maghemita y magnetita (Bautista et al., 2014)
Aun son pocos los estudios que utilizan el color como herramienta para la identificación de muestras de polvo urbano con alto contenido de elementos potencialmente tóxicos (Cortés et al., 2015; Marín et al., 2018); sin embargo, queda claro que el uso del color, como técnica de bajo costo, facilita la instrumentación de estudios de monitoreo de la contaminación en centros urbanos. No obstante, en cada ciudad se deberá hacer un estudio que sirva de base para la identificación de los colores de las muestras más contaminadas; en el caso de la CDMX fueron marrón oliva obscuro, gris muy obscuro, marrón grisáceo muy obscuro y negro.
En el estudio de los polvos urbanos, una complicación metodológica es la identificación de los niveles de fondo; sin embargo, en este trabajo podríamos considerar como valores de fondo a las concentraciones de los MP contenidos en las muestras de polvo urbano de color marrón grisáceo obscuro (menos contaminadas), pero eliminando los valores extremos.
En cuanto a los costos, los análisis químicos de cada MP por muestra se cotizan entre 100 y 200 MXN y el precio del análisis de color es de 30 MXN, por lo que el análisis químico de ocho elementos sería aproximadamente de entre 800 y 1 600 MXN; es decir, 26.7 a 53.3 veces mayor que el costo del análisis de color.
Este avance tecnológico permitirá la elaboración de diagnósticos rápidos considerando miles de muestras; de esta forma, con base en el color, se podrán seleccionar las que deben ser analizadas químicamente. Esto permitirá hacer lo que en ninguna parte del mundo se ha podido instrumentar: un sistema de monitoreo de la contaminación por MP en el polvo urbano.
Conclusiones
El color del polvo urbano es un indicador de la contaminación por metales pesados en la Ciudad de México. El polvo urbano de color gris obscuro y negro contiene mayores concentraciones de metales pesados como Cr, Cu, Ni y Pb en comparación con otros colores. Este primer estudio del color del polvo urbano como técnica proxy (ahorro de tiempo y de costos) puede ser muy útil en la instrumentación de un sistema de monitoreo de la contaminación por metales pesados, para una mejor toma de decisiones en beneficio de la salud de la población.
Agradecimientos
Los autores agradecen a la Secretaría de Ciencia, Tecnología e Innovación de la Ciudad de México por el apoyo financiero del proyecto SECITI/051/2016, y a la Dirección General de Asuntos del Personal Académico de la Universidad Nacional Autónoma de México por el financiamiento al proyecto PAPIIT IN 209218. Agradecemos también a Julio César Villalobos Gama y Carlos Jaimes Beltrán por su participación en el muestreo, así como a Margarita E. Gutiérrez-Ruiz, Agueda E. Ceniceros-Gómez y Ruth López-Santiago por los análisis químicos.
REFERENCIAS
Aguilar, B., Bautista, F., Goguichaishvili, A., Quintana, P., Carvallo, C., & Battu, J. (2013). Rock-magnetic properties of topsoils and urban dust from Morelia (>800,000 inhabitants), Mexico: Implications for anthropogenic pollution monitoring in Mexico’s medium size cities. Geofísica Internacional, 52(2), 121-133. doi: 10.19155/geofint.2013.052.2.1528 [ Links ]
Barrón, V., & Torrent, J. (1986). Use of the Kubelka-Munk theory to study the influence of iron oxides on soil colour. Journal of Soil Science, 37(4), 499-510. doi: 10.1111/j.1365-2389.1986.tb00382.x [ Links ]
Bautista-Zúñiga, F., Cejudo-Reyes, B., Aguilar-Reyes, R., & Goguitchaichvili, A. (2014). El potencial del magnetismo en la clasificación de suelos: una revisión. Boletín de la Sociedad Geológica Mexicana, 66(2), 123-134. doi: 10.18268/BSGM2014v66n2a11 [ Links ]
Buntley, G. J., & Westin, F. C. (1965). A comparative study of developmental color in Chestnut-Chernozem-Brunizem soil climosequence. Soil Science Society of America Journal Abstract, 29(5), 579-582. doi: 10.2136/sssaj1965.03615995002900050029x [ Links ]
Chen, H., Lu, X., Li, L.Y., Gao, T., & Chang, Y. (2014). Metal contamination in campus dust of Xi’an, China: A study based on multivariate statistics and spatial distribution. Science of the Total Environment, 484, 27-35. doi: 10.1016/j.scitotenv.2014.03.026 [ Links ]
Cortés, J. L., Bautista, F., Quintana, P., Aguilar, D., & Goguichaishvili, A. (2015). The color of urban dust as indicator of contamination by the potentially toxic elements: the case of Ensenada, Baja California México. Chapingo Serie Ciencias Forestales y del Ambiente, 21(3), 255-266. doi: 10.5154/r.rchscfa.2015.02.003 [ Links ]
Cortés, J.L., Bautista, F., Delgado, C., Quintana, P., Aguilar, D., García, A., & Gogichaishvili, A. (2017). Spatial distribution of heavy metals in urban dust from Ensenada, Baja California, Mexico. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 23(1), 47-60. doi: 10.5154/r.rchscfa.2016.02.005 [ Links ]
Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241-252. doi: 10.2307/1266041 [ Links ]
García-Rico, L., Meza-Figueroa, D., Gandolfi, A. J., Del Río-Salas, R., Romero, F. M., & Meza-Montenegro, M. (2016). Dust-metal sources in an urbanized arid zone: Implications for health-risk assessments. Archives of Environmental Contamination and Toxicology, 70(3), 522-533. doi: 10.1007/s00244-015-0229-5. [ Links ]
Hurst, V. J. (1977). Visual estimation of iron in saprolite. Geological Society of America Bulletin, 88(2), 174-176. doi: 10.1130/0016-7606(1977)88<174:VEOIIS>2.0.CO;2 [ Links ]
Kirillova, N. P., Vodyanitskii, Y. N., & Sileva, T. M. (2015). Conversion of soil color parameters from the Munsell system to the CIE-L*a*b*. System, Genesis and Geography of Soils, 48(5), 468-475. doi: 10.1134/S1064229315050026 [ Links ]
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583-621. doi: 10.2307/2280779 [ Links ]
Levin, N., Ben-Dor, E., & Singer, A. (2005). A digital camera as a tool to measure colour indices and related properties of a sandy soils in semi-arid environments. International Journal of Remote Sensing, 26(24), 5475-5492. doi: 10.1080/01431160500099444 [ Links ]
Liu, J. G., & Moore, McM. J. (1990). Hue image RGB colour composition. A simple technique to suppress shadow and enhance spectral signature. International Journal of Remote Sensing, 11(8), 1521-1530. doi: 10.1080/01431169008955110 [ Links ]
Liu, Q., Liu, Y., Yin, J., Zhang, M., & Zhang, T. (2014). Chemical characteristics and source apportionment of PM10 during Asian dust storm and non-dust storm days in Beijing. Atmospheric Environment, 91, 85-94. doi: 10.1016/j.atmosenv.2014.03.057 [ Links ]
Luo, X. S., Yu, S., Zhu, Y. G., & Li, X. D. (2012). Trace metal contamination in urban soils of China. Science of the Total Environment, 421-422, 17-30. doi: 10.1016/j.scitotenv.2011.04.020 [ Links ]
Marín, P., Sánchez-Navarro, A., Díaz-Pereira, E., Bautista, F., Romero, M. M., & Delgado, I. M. J. (2018). Assessment of heavy metals and color as indicators of contamination of traffic intensity and sampling location. Sustainability, 10(11), 4105. doi: 10.3390/su10114105 [ Links ]
Mathieu, R., Poujet, J., Cervelle, B., & Escafal, R. (1998). Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typic soil color of an arid environment. Remote Sensing of Environment, 66(1), 17-28. doi: 10.1016/S0034-4257(98)00030-3 [ Links ]
Munsell Color Laboratory. (2000). Munsell soil color charts. New Windsor, Nueva York, USA: GretagMacbeth. Retrieved from https://www.worldcat.org/title/munsell-soil-color-charts/oclc/869844188?referer=di&ht=edition [ Links ]
Peña-García, L., Maciel-Flores, R., Rosas-Elguera, J., & Rentería-Tapia, V. (2016). Distribución de polvo urbano en la zona metropolitana de Guadalajara, México. Revista de Investigación y Desarrollo, 3(4), 16-23. Retrieved from http://www.ecorfan.org/spain/researchjournals/Investigacion_y_Desarrollo/vol2num4/Revista_de_Investigaci%C3%B3n_y_Desarrollo_V2_N4_4.pdf [ Links ]
Sabath, D. E., & Robles-Osorio, L. (2012). Medio ambiente y riñón: Nefrotoxicidad por metales pesados. Nefrología: Publicación oficial de la Sociedad Española de Nefrología, 32(3), 279-286. doi: 10.3265/Nefrologia.pre2012.Jan.10928 [ Links ]
Sánchez-Duque, A., Bautista, F., Goguichaishvili, A., Cejudo-Ruiz, R., Reyes-López, J. A., Solís-Domínguez, F. A., & Morales-Contreras, J. J. (2015). Evaluación de la contaminación ambiental a partir del aumento magnético en polvos urbanos. Caso de estudio en la ciudad de Mexicali, México. Revista Mexicana de Ciencias Geológicas 32(3), 501-513. Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S1026-87742015000300501&lng=es&nrm=iso [ Links ]
Torrent, J., Schwertmann, U., Fechter, H., & Alferez, F. (1983). Quantitative relationships between soil color and hematite content. Soil Science, 136(6), 354-358. Retrieved from https://journals.lww.com/soilsci/Abstract/1983/12000/QUANTITATIVE_RELATIONSHIPS_BETWEEN_SOIL_COLOR_AND.4.aspx [ Links ]
Torrent, J., Schwertmann, U., & Schulze, D. G. (1980). Iron oxide mineralogy of some soils of two river terrace sequences in Spain. Geoderma, 23(3), 191-298. doi: 10.1016/0016-7061(80)90002-6 [ Links ]
United States Environmental Protection Agency (U. S. EPA). (2007a). Method 3051A (SW-846): Microwave assisted acid digestion of sediments, sludges, and oils. Retrieved August 13, 2019 from https://www.epa.gov/homeland-security-research/us-epa-method-3051a-microwave-assisted-acid-digestion-sediments-sludges [ Links ]
United States Environmental Protection Agency (U. S. EPA). (2007b). Method 6010 C (SW-846). Inductively coupled plasma-atomic emission spectrometry. Retrieved from https://www.epa.gov/sites/production/files/2015-07/documents/epa-6010c.pdf [ Links ]
Viscarra-Rossel, R. A., Fouad, Y., & Walter, C. (2008). Using a digital camera to measure soil organic carbon and iron contents. Biosystems Engineering, 100(2), 149-159. doi: 10.1016/j.biosystemseng.2008.02.007 [ Links ]
Vodyanitskii, Y. N., & Savichev, A. T. (2017). The influence of organic matter on soil color using the regression equations of optical parameters in the system CIE-L*a*b*, Annals of Agrarian Science, 15(3), 380-385. doi: 10.1016/j.aasci.2017.05.023 [ Links ]
World Health Organization. (2014). 7 million premature deaths annually linked to air pollution. Retrieved April 12, 2018, from http://www.who.int/mediacentre/news/releases/2014/air-pollution/en/ [ Links ]
Zafra, C. A., Temprano, J., & Tejero, M. J. M. (2011). Distribution of the concentration of heavy metals associated with the sediment particles accumulated on road surfaces. Environmental Technology, 32(9), 997-1008. doi: 10.1080/09593330.2010.523436 [ Links ]
Recibido: 11 de Enero de 2019; Aprobado: 16 de Agosto de 2019
This is an open-access article distributed under the terms of the
Creative Commons Attribution License
