Estimación de la Turbidez Atmosférica Usando el Modelo IQC en el Área Metropolitana de Huancayo – Perú
DOI:
https://doi.org/10.11137/2020_3_72_83Keywords:
Turbidez atmosférica, aerosol, HuancayoAbstract
Por naturaleza el cielo no es totalmente limpio, sin embargo cuando la concentración de partículas es mayor a la normal puede atenuar con mayor intensidad la de radiación solar. Por lo que la cantidad de radiación solar que llega hasta la superficie terrestre depende en gran medida de la turbidez atmosférica. De esta manera, el objetivo de este trabajo fue estimar los valores óptimos diarios de la turbidez atmosférica y parámetros radiativos de superficie tales como: el coeficiente de turbidez de Angstrom (β), exponente de longitud de onda de Angstrom (α), el albedo de dispersión simple (ω0) y dispersión ascendente (Fc). Mediante mediciones de radiación solar incidente (global, directa y difusa), realizadas entre junio y julio del 2019 en la Provincia de Huancayo-Perú, se realizó los cálculos de los parámetros antes presentados. El modelo numérico usado para calcular los componentes de radiación solar directa, difusa y global, es el modelo numérico de parametrización de banda ancha para cielo despejado; IQC (Iqbal, 1993) el cual se basa en información sinóptica. Los resultados muestran valores de β y α de 0.16 y 1.3 respectivamente, sugiriendo una atmósfera parcialmente contaminada.References
Agencia de Protección Ambiental. 2004. Air quality criteria for particulate matter. Agencia de protección ambiental- Reporte final, 1: 1-900.
Bird, R. & Hulstrom, R. 1981a. Direct insolation models. Journal Solar Energy Engineering, 103:182–192.
Bird, R. & Hulstrom, R. 1981b. A simplified clear sky model for direct and diffuse insolation on horizontal surfaces. Solar Energy Research Institute, 103:642– 761.
Cholan, E. & Rojas, J.; Willems, B. & Ocola, L. 2017. Estimación del espesor óptico de los aerosoles a partir de las imágenes del sensor MODIS sobre el Perú (2004-2005). Revista de Investigación de Física, 19(2): 1-14.
Croft, B.; Lohmann, U.; Martin, R.V.; Stier, P.; Wurzler, S.; Feichter, J.; Posselt, R. & Ferrachat, S. 2009. Aerosol size-dependent below-cloud scavenging by rain and snow in the echam5-ham. Atmospheric Chemistry and Physics, 9: 4653-4675.
Djafer, D. & Irbah, A. 2013. Estimation of atmospheric turbidity over Ghardaïa city. Atmospheric Research, 128: 76–84.
Eanster, G. & Schaberl, T. 1994. Remote sensing of Turbulent Ozone Fluxes and the Ozone Budget in the Convective Boundary Layer with DIAL and Radar-RASS: A Case Study. Contribution to Atmospheric Physics, 69: 161-176.
Estevan, R.; Martínez, D.; Suarez, L.; Moya, A. & Silva, Y. 2019. First two and a half years of aerosol measurements with an AERONET sunphotometer at the Huancayo Observatory, Peru. Atmospheric Environment, 3: 1-13.
Flores, J.; Karam, H.; Marques-Filho, P. & Pereira-Filho, J. 2016. Estimation of atmospheric turbidity and surface radiative parameters using broadband clear sky solar irradiance models in Rio de Janeiro-Brasil. Theoretical and Applied Climatology, 123(3–4): 593–617.
Forster, P.; Ramaswamy, V.; Artaxo, P.; Berntsen, T.; Betts, R.; Fahey, D.W.; Haywood, J.; Lean, J.; Lowe, D.; Myhre, G.; Nganga, J.; Prinn, R.; Raga, G.; Schulz, M. & Dorland, R. 2007. Changes in Atmospheric Constituents and in Radiative Forcing. Intergovernmental Panel on Climate Change, 129– 234.
Grimmond, C. & Oke, T. 2002. Turbulent heat fluxes in urban areas: Observations and local scale urban meteorological parameterization scheme (LUMPS). Journal of Applied Meteorology and Climatology, 41(7): 792– 810.
Gupta, H.; Sorooshian, S. & Yapo, P. 1999. Status of automatic calibration for hydrologic models: Comparison with multilevel expert calibration. Journal of Hydrologic Engineering, 4(2): 135-143.
García, R. 2012. Aplicación de modelos de transferencia radiativa para el control operativo del programa BSRN (Baseline Surface Radiation Network) del Centro de Investigación Atmosférica de Izaña. Departamento de Fisica Teórica, Atómica y Óptica, Universidad de Valladolid, Tesis de doctorado, 274p.
Hermoza, N. 2017. Variabilidad Temporal de espectro óptico de los aerosoles sobre Huayao-Huancayo usando imágenes satelitales. Escuela Profesional de Ingeniería Ambiental, Universidad Nacional Tecnológica de Lima sur, Tesis de bachiller, 86p.
Holben, B.; Eck, T.; Slutsker, I.; Tanré, D.; Buis, J.; Setzer, A. & Smirnov, A. 1998. AERONET - A federated instrument network and data archive for aerosol characterization. Remote Sensing of Environment, 66(1): 1-16. Disponible en: https://doi.org/10.1016/S0034-4257(98)00031-5. Acceso en: 2 de febrero de 2020 y 1 de junio de 2020.
Instituto Geofísico del Perú. 2012. Eventos Meteorológicos extremos en el Valle del Mantaro. Disponible en: http://www.met.igp.gob. pe/publicaciones/2012/maremexvol1.pdf. Acceso en: 2 de febrero de 2020 y 1 de junio de 2020.
Instituto Nacional de Estadística e Informática. 2007. Censos Nacionales 2007: XI de población y VI de vivienda. Disponible en: https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1136/libro.pdf. Acceso en 2 de febrero de 2020 y 1 de junio de 2020.
Iqbal M. 1993. An Introduction to Solar Radiation. Academic Press, 390p.
Janjai, S.; Kumharn, W. & Laksanaboonsong, J. 2003. Determination of Angstrom’s turbidity coefficient over Thailand. Renewable Energy, 28: 1685-1700.
Kottek, M.; Grieser, J.; Beck, C.; Rudolf, B. & Rubel, F. 2006. World map of the Koppen-Geiger climate classification updated. Meteorologische Zeitschrift, 15(3): 259-263.
Legates, D. & McCabe, G. 1999. Evaluating the use of goodness of t measures in hydrologic and hydroclimatic model validation. Water Resources Research, 35(1): 233-241.
Leckner, B. 1978. The spectral distribution of solar radiation at the earth surface - elements of a model. Solar Energy, 20(2): 143-150.
Lin, A.; Zou, L.; Wang, L.; Gong, W. & Zhu, H. 2016. Estimation of atmospheric turbidity coefficient β over Zhengzhou , China during 1961 e 2013 using an improved hybrid model. Renewable Energy, 86: 1134–1144.
Nash, J. & Sutcliffe, J. 1970. River ow forecasting through conceptual models: Part 1. a discussion of principles. Journal Hydrology, 10(3): 282-290.
Osfai, M. & Molnar, A. 2000. Atmospheric aerosol particles: a mineralogical introduction. Mineralogical Society, 13: 197-252
Raes, F.; Dingenen, R.; Vignati, E.; Wilson, J.; Putaud, J.; Sinfeld, J. & Adams, P. 2011. Formation and cycling of aerosols in the global troposphere. Atmospheric Environment, 34: 4215-4240.
Saad, M.; Trabelsi, A.; Masmoudi, M.; & Alfaro, S. 2016. Spatial and temporal variability of the atmospheric turbidity in Tunisia. Journal of Atmospheric and Solar-Terrestrial Physics, 149: 93–99.
Schmale, J.; Henning, S.; Henzing, B.; Keskinen, H.; Sellegri, K.; Ovadnevaite, J. & Gysel, M. 2017. Collocated observations of cloud condensation nuclei, particle size distributions, and chemical composition. Scientific Data, 14(4): 1-27.
Suárez, L.; Álvarez, D.; Bendezú, Y. & Pomalaya, J. 2017. Caracterización química del material particulado atmosférico del centro urbano de Huancayo, Perú. Revista de la Sociedad Química del Perú, 83 (2): 187-199.
Suarez, L.; Flores, J.; Pereira, A. & Karam, H. 2017. Ultraviolet Solar radiation in tropical central Andes (12.0 S). Photochemical & Photobiological Sciences, 16: 954-971.
Wang, L; Chen, Y.; Niu, Y.; Salazar, G.& Gong, W. 2017. Analysis of atmospheric turbidity in clear skies at Wuhan, Central China. Journal of Earth Science, 28(4): 729–738.
Downloads
Published
Issue
Section
License
This journal is licensed under a Creative Commons — Attribution 4.0 International — CC BY 4.0, which permits use, distribution and reproduction in any medium, provided the original work is properly cited.
Except where otherwise noted, content on this site is licensed under a license 