Estudio de la distribución geográfica óptima para sensores de control de calidad del aire

Autores/as

  • Camilo Andrés Salas Parodi Universidad del Norte
  • Luis Torres Herrera Universidad del Norte

DOI:

https://doi.org/10.25044/25392190.1049

Palabras clave:

sensores, calidad del aire , entorno de validez , características meteorológicas

Resumen

Esta revisión bibliográfica presenta un estudio y análisis sobre los trabajos desarrollados en torno a la forma, metodología y técnicas realizadas para la distribución de sensores de calidad del aire en un espacio determinado, teniendo en cuenta las diferentes características geográficas y meteorológicas del lugar seleccionado.  En adición, es importante destacar que el análisis se realiza a través de la escogencia de diferentes trabajos de investigación que disponen de sensores que sirven como estaciones o como sensores de bajo costo, para los cuales se tienen diferentes propósitos de uso en la toma de datos. Finalmente, se realiza un resumen a través de tablas que mencionan las principales recomendaciones de los autores, que trataron este tema en sus investigaciones y algunos de los factores importantes que se debieron tener en cuenta dado el espacio, cantidad de sensores disponibles y entorno de validez de las mediciones realizadas en los estudios.

 

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

Parry, M., Arnell, N., Hulme, M., Nicholls, R., & Livermore, M. (1998). Adapting to the inevitable. Nature, 395(6704), 741. https://doi.org/10.1038/27316

Intergovernmental Panel on Climate Change & Intergovernmental Panel on Climate Change. (2015). Drivers, Trends and Mitigation. Clim. Chang. 2014 Mitig. Clim. Chang., 351-412. https://doi.org/10.1017/cbo9781107415416.011

Global Environment Outlook – GEO-6: Summary for Policymakers. (2019). Glob. Environ. Outlook – GEO-6 Summ. Policymakers. https://doi.org/10.1017/9781108639217

Riojas-Rodríguez, H., Da Silva, A. S., Texcalac-Sangrador, J. L., & Moreno-Banda, G. L. (2016). Air pollution management and control in Latin America and the Caribbean: Implications for climate change. Rev. Panam. Salud Publica/Pan Am. J. Public Health, 40(3), 150-159.

undp_co_PUBL_julio_ODS_en_Colombia_los_retos_para_2030_ONU.

index @ luftdaten.info. (n.d.). https://luftdaten.info/

index @ www.metropol.gov.co. (n.d.). https://www.metropol.gov.co/

Gaviria, C., Benavides, Pa., & Tangarife, C. (2011). Contaminación por material particulado (pm 2, 5 y pm 10) y consultas por enfermedades. Rev. Fac. Nac. Salud Pública, 29, 241-250. https://www.redalyc.org/pdf/120/12021452003.pdf

Partículas, M. D. E., Pm, P. M. Y., La, P., La, V. D. E., & Aire, D. E. L. (2018). INTEGRACIÓN Y TEST DE MÓDULOS DE.

Morawska, L., Jayaratne, E. R., Bae, J., Bahreini, R., Birmili, W., Cao, J. J.,… Zhang, Q. (2018). Applications of low-cost sensing technologies for air quality monitoring and exposure assessment: How far have they gone? Environment International, 116, 286-299. https://doi.org/10.1016/j.envint.2018.04.018

Lancia, G., Rinaldi, F., & Serafini, P. (2018). A facility location model for air pollution detection. Math. Probl. Eng., 2018. https://doi.org/10.1155/2018/1683249

Liu, D. H. F. (2000). Air pollution. United States of America: Taylor & Francis.

Hsieh, H. P., De Lin, S., & Zheng, Y. (2015). “Inferring air quality for station location recommendation based on urban big data. Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 437-446. Doi: 10.1145/2783258.2783344.

Fontanini, A. D., Vaidya, U., & Subramanian, B. G. (2016). “A methodology for optimal placement of sensors in enclosed environments: A dynamical systems approach”. Building and Environment, 100, 145-161. Doi: 10.1016/j.buildenv.2016.02.003.

Cordero, J. M., Borge, R., & Narros, A. (2018). “Using statistical methods to carry out in field calibrations of low-cost air quality sensors”. Sensors and Actuators B: Chemical, 267, 245-254. Doi: 10.1016/j.snb.2018.04.021.

Rackes, A., Ben-David, T., & Waring, M. S. (2018). “Sensor networks for routine indoor air quality monitoring in buildings: Impacts of placement, accuracy, and number of sensors”. Science and Technology for the Built Environment, 24(2), 188-197. Doi: 10.1080/23744731.2017.1406274.

Pantazaras, A., Santamouris, M., Lee, S. E., & Assimakopoulos, M. N. (2018). “A decision tool to balance indoor air quality and energy consumption: A case study”. Energy and Buildings, 165, 246-258. Doi: 10.1016/j.enbuild.2018.01.045.

Feinberg, S. N., et al. (2019). “Examining spatiotemporal variability of urban particulate matter and application of high-time resolution data from a network of low-cost air pollution sensors”. Atmospheric Environment, 213, 579-584. Doi: 10.1016/j.atmosenv.2019.06.026.

Ma, J., Ding, Y., Cheng, J. C. P., Jiang, F., & Wan, Z. (2019). “A temporal-spatial interpolation and extrapolation method based on geographic Long Short-Term Memory neural network for PM2.5”. Journal of Cleaner Production, 237, 117729. Doi: 10.1016/j.jclepro.2019.117729.

Munir, S., Mayfield, M., Coca, D., & Jubb, S. A. (2019). “Structuring an integrated air quality monitoring network in large urban areas – Discussing the purpose, criteria and deployment strategy”. Atmospheric Environment X, 2. Doi: 10.1016/j.aeaoa.2019.100027.

Lim, C. C., et al. (2019). “Mapping urban air quality using mobile sampling with low-cost sensors and machine learning in Seoul, South Korea”. Environmental International, 131, 105022. Doi: 10.1016/j.envint.2019.105022.

Lee, S. Y., Lee, I. B., Yeo, U. H., Kim, R. W., & Kim, J. G. (2019). “Optimal sensor placement for monitoring and controlling greenhouse internal environments”. Biosystems Engineering, 188, 190-206. Doi: 10.1016/j.biosystemseng.2019.10.005.

Sun, C., Yu, Y., Li, V. O. K., & Lam, J. C. K. (2019). “Multi-type sensor placements in Gaussian spatial fields for environmental monitoring”. Sensors (Switzerland), 19(1), 1889. Doi: 10.3390/s19010189.

Admasie, A., Kumie, A., Worku, A., & Tsehayu, W. (2019). “Household fine particulate matter (PM2.5) concentrations from cooking fuels: the case in an urban setting, Wolaita Sodo, Ethiopia”. Air Quality, Atmosphere & Health, 12(6), 755-763. Doi: 10.1007/s11869-019-00700-0.

Al-Harbi, M., & BuHamra, S. (2019). “The level of particulate matter (PM2.5) in several indoor public venues”. Environmental Progress & Sustainable Energy, 38(4). Doi: 10.1002/ep.13096.

Nugroho, F. W., Suryono, S., & Suseno, J. E. (2020). “Fog Computing for Monitoring of Various Area Mapping Pollution Carbon Monoxide (CO) with Ordinary Kriging Method”.

Weissert, L. F., Chen, Y., Morawska, L., & Johnson, B. R. (2019). “Low-cost sensors and microscale land use regression: Data fusion to resolve air quality variations with high spatial and temporal resolution”. Atmos. Environ., 213, 285-295. https://doi.org/10.1016/j.atmosenv.2019.06.019

Sun, C., Li, V. O. K., Lam, J. C. K., & Leslie, I. (2019). Optimal Citizen-Centric Sensor Placement for Air Quality Monitoring: A Case Study of City of Cambridge, the United Kingdom. IEEE Access, 7, 47390-47400. https://doi.org/10.1109/ACCESS.2019.2909111

Stampfer, O., Austin, E., Ganuelas, T., Fiander, T., Seto, E., & Karr, C. J. (2020). “Use of low-cost PM monitors and a multi-wavelength aethalometer to characterize PM2.5 in the Yakama Nation reservation”. Atmos. Environ., 224, 117292. https://doi.org/10.1016/j.atmosenv.2020.117292

Lin, Y. C., Chi, W. J., & Lin, Y. Q. (2020). “The improvement of spatial-temporal resolution of PM2.5 estimation based on micro-air quality sensors by using data fusion technique”. Environ. Int., 134, 105305. https://doi.org/10.1016/j.envint.2019.105305

Tagle, M., Cortés, P., Lissi, E., & Aguayo, J. (2020). “Field performance of a low-cost sensor in the monitoring of particulate matter in Santiago, Chile”. Environ. Monit. Assess., 192(3), 210. https://doi.org/10.1007/s10661-020-8118-4

Descargas

Publicado

2022-12-30

Cómo citar

Salas Parodi, C. A., & Torres Herrera, L. (2022). Estudio de la distribución geográfica óptima para sensores de control de calidad del aire. Teknos Revista científica, 22(2), 30–48. https://doi.org/10.25044/25392190.1049
QR Code
Crossref Cited-by logo

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.