El aire es un recurso vital para nuestra existencia, pero su calidad es amenazada en las ciudades. Las autoridades hacen esfuerzos por desplegar estaciones de monitoreo del aire, pero debido a los altos costos, el número es normalmente limitado. Es, por lo tanto, altamente deseable el desarrollo de sistemas de monitoreo de calidad del aire de bajo costo. Para ello, no solo es necesario sensores de bajo costo, si no, principalmente, modelos computacionales eficientes que den el mejor uso a los datos colectados para inferir contaminación en zonas no censadas. Por ese motivo, la comunidad científica ha desarrollado modelos de la físico-química atmosférica, con el fin de explicar mediciones históricas y proyectar escenarios futuros. La desventaja de dichos modelos es la necesidad de tener información precisa de los distintos parámetros y las condiciones iniciales y de frontera para generar simulaciones realistas; dicha información no está normalmente disponible en ciudades en vías de desarrollo como Lima, que solo cuenta con 10 estaciones de monitoreo para una área de más de 3000 km2. Asimismo, la alta demanda computacional de dichos modelos los hacen poco atractivos para ser incorporados en sistemas de monitoreo de bajo costo. En el presente proyecto se plantea el desarrollo de un sistema de monitoreo de calidad del aire de bajo costo, el cual comprende el desarrollo de una red de módulos de medición de bajo costo, junto con el desarrollo de modelos predictivos basados en Redes Bayesianas (RBs) para la generación de mapas de contaminación en tiempo real y de alta resolución espacial. Las RBs son técnicas de Inteligencia Artificial que han mostrado ser herramientas prometedoras para integrar diversas fuentes de información y lidiar con complejidad e incerteza. Serán desplegadas dos redes en etapas diferentes, una en Lima y otra en Arequipa. Con ello, se pretende contribuir con un sistema de bajo costo que nos informe sobre la calidad del aire que respiramos.

En Perú, el monitoreo de calidad del aire solo se realiza en Lima, con una red de 10 estaciones de SENAMHI que monitorean un área de 3000 km2 para 10 millones de habitantes (http://www.senamhi.gob.pe/?p=monitoreodecalidad-de-aire). Asimismo, se deben cumplir los Estándares de Calidad Ambiental (ECAs) establecidos por el Ministerio del Ambiente y supervisados por el Organismo de Evaluación y Fiscalización Ambiental (OEFA). Sin embargo, esta tarea de fiscalización es limitada por la escasez de estaciones de medición, la cual se explica por los altos costos de las estaciones de medición y también sus costos asociados de mantenimiento y operación. En adición a la baja densidad de estaciones de monitoreo, en Perú hubo poquísimos intentos de desarrollar modelos computacionales capaces de producir mapas de la contaminación ambiental de las ciudades con una resolución espacial y temporal que sea de utilidad para las autoridades y los ciudadanos. Entre esos intentos están los recientes trabajos de Sánchez-Ccoyllo et al. (2018) y Reátegui et al. (2018), que implementaron para Lima modelos numéricos de contaminación WRF-CHEM para predecir material particulado PM2.5. La resolución espacial fue de 5×5 km y la resolución temporal fue de hora en hora. Los resultados, validados con mediciones de las estaciones del SENAMHI en dos meses del 2016, mostraron la dificultad de tener estimaciones cercanas a los valores reales, la cual fue atribuidas a las incertezas en el inventario de emisiones y las simplificaciones paramétricas que se tuvieron que realizar. Dichas dificultades son usuales en los modelos numéricos, los cuales necesitan especificaciones precisas de los distintos parámetros y las condiciones iniciales y de frontera para generar simulaciones realistas. A su vez, los modelos numéricos son también altamente demandantes de recursos computacionales, ya que necesitan resolver complejos sistemas de ecuaciones, por lo que su escalabilidad con la resolución espacial y temporal es comúnmente problemática. Ello va en contraposición con algunos estudios en Lima que indican que los gradientes de contaminación relevantes para la salud se dan justamente a escalas sub-kilométricas (Baumann et al., 2018). Así, el problema identificado es la falta de un sistema de monitoreo de costo asequible que provea a los ciudadanos y las autoridades en Perú información precisa y oportuna sobre la calidad del aire que respiran.

El aire es el recurso más valioso del planeta y hoy en día es amenazado por los altos niveles de contaminación. Según la Organización Mundial de la Salud (OMS) la mala calidad del aire provoca 1 de cada 10 muertes globalmente, 7 millones de personas fallecen al año debido a enfermedades causadas por la contaminación; además, también es un factor contribuyente al cambio climático, específicamente al calentamiento global, debido al aumento de concentraciones de los gases de efecto invernadero. Es por esto que la ONU estableció dentro de los objetivos de desarrollo sostenible a cumplir para el 2030 la Acción por el Clima, cuyo objetivo es adoptar medidas urgentes para combatir el cambio climático y sus efectos; así como también Ciudades y Comunidades Sostenibles, cuyo objetivo es lograr que las ciudades sean inclusivas, seguras, resilientes y sostenibles.

El aire en Perú es contaminado a altos niveles, comparado con otros países de Latinoamérica (Reátegui et al. 2018). Entre los efectos a corto plazo de estar expuestos a ambientes con elevada contaminación están la tos, el dolor de pecho y de cabeza, náuseas, bronquitis y neumonía. Los efectos a largo plazo incluyen cáncer de pulmón, enfermedades cardiovasculares y respiratorias y alergias (Reátegui et al. 2018). Es así que existe el desafío de crear sistemas que trabajen en tiempo real infiriendo y creando mapas detallados de concentraciones de contaminantes en el aire para posibilitar a las autoridades y ciudadanos tomar acciones de advertencia, control y prevención oportunas.

En este proyecto, se busca desarrollar una red de módulos de medición de calidad del aire de bajo costo, junto con modelos basados en Redes Bayesianas (RBs) para la predicción de contaminación en puntos no censados. La hipótesis es que las RBs son la alternativa adecuada para lidiar con el problema descrito. Ello se sustenta en los siguientes hechos: i) las RBs han demostrado ser herramientas poderosas para modelar dominios complejos y con incertezas en diversas áreas de la ciencia y la industria; ii) las RBs pueden combinar naturalmente fuentes de información diversas y conocimiento a priori; iii) al ser herramientas probabilísticas, consiguen lidiar de forma natural con datos faltantes o ruidosos; iv) pueden capturar relaciones causales desconocidas por los expertos o el conocimiento actual, pero que asoman en los datos; v) la estructura gráfica de los modelos de RBs facilita el entendimiento de los procesos subyacentes; y vi) existen métodos estables y computacionalmente eficientes para el aprendizaje e inferencia con RBs. Los modelos de RBs que se busca aprender modelarán la distribución de probabilidad conjunta de las concentraciones de contaminantes en el aire, junto con mediciones de Módulos de Calidad del Aire de bajo costo y variables meteorológicas de tráfico y de cobertura de terreno. Dichos modelos posibilitarán la inferencia probabilística de la calidad del aire en cualquier punto de interés, con lo cual se podrán generar mapas de contaminación de alta resolución espacial y en tiempo real. La virtud de este sistema será su bajo costo de despliegue y operación, ya que estará basado en módulos de bajo costo.

Los potenciales beneficiarios del sistema serían los organismos de vigilancia, supervisión, fiscalización y control ambiental, tales como el SENAMHI, Ministerio del Ambiente y el OEFA. Una segunda aplicación importante se dará en el área de salud pública, donde el sistema podrá ser usado para lanzar alertas a los ciudadanos sobre los lugares y horas donde los límites permitidos están siendo sobrepasados. Los beneficiarios de ello serían las autoridades de salud y los grupos sensibles a la contaminación del aire. Finalmente, una tercera aplicación será en el planeamiento urbano, donde la información histórica capturada puede ayudar a los planificadores a identificar zonas frecuentemente contaminadas y crear acciones paliativas.

Modalidad de proyecto: Proyecto de investigación multidisciplinario

Son propuestas de investigación aplicada o desarrollo tecnológico con objetivos y actividades multidisciplinarias. Participan, por lo menos, dos grupos de investigación de diversas disciplinas, ya sea de la misma o diferente entidad.

Los proyectos deben ser presentados de manera asociativa (con una o más entidades asociadas).

La conformación mínima es la siguiente:

• Un investigador principal
• Dos coinvestigadores (uno por cada grupo de investigación)
• Dos tesistas de posgrado
• Un gestor tecnológico
• Un coordinador administrativo

Nota: se debe contar con la participación de, por lo menos, un investigador de una institución proveniente de alguna región del interior del país.

Tipo de proyecto: Investigación aplicada

Subsector: Ambiente

Sector: General

Lugar de ejecución del proyecto: Lima, Arequipa

Fecha de inicio:  01/01/2019

Fecha de cierre:  01/09/2020

Plazo de ejecución (meses): 20

Objetivo principal

Desarrollar un sistema de monitoreo de calidad del aire para zonas urbanas en base a módulos de medición de calidad

de aire de bajo costo en tiempo real y técnicas de Inteligencia Artificial

Objetivo específico 1

Implementar dos redes piloto de módulos de medición de calidad del aire de bajo costo en tiempo real

Objetivo específico 2

Recolectar y pre-procesar un corpus de datos de las redes de medición de calidad del aire y variables urbanas para el entrenamiento y validación de modelos

Objetivo específico 3

Entrenar modelos basados en Redes Bayesianas para la predicción de niveles de contaminación e integrarlos en un software de monitoreo de calidad del aire en tiempo real

Objetivo específico 4

Validar el sistema en campo

Institución responsable del proyecto

Pontificia Universidad Católica del Perú

RUC: 20155945860

Tipo de entidad: Universidades que se encuentren licenciadas o en proceso de licenciamiento por la SUNEDU

Régimen: Privado

Tipo de organización: Sin fines de lucro

Departamento: Lima

Provincia: Lima

Distrito: San Miguel

Dependencias: Grupo de Inteligencia Artificial (IA-PUCP), Grupo de Innovación Tecnológica (GIT)

Institución asociada

Universidad Católica San Pablo

RUC: 20327998413

Tipo de entidad: Universidades que se encuentren licenciadas o en proceso de licenciamiento por la SUNEDU

Régimen: Privado

País: Perú

Departamento: Arequipa

Provincia: Arequipa

Distrito: Arequipa

Investigador principal

Nombres: Edwin Rafael

Apellido paterno: Villanueva

Apellido materno: Talavera

Grado académico: Doctorado

Nombre del grado académico: –

Entidad: Pontificia Universidad Católica del Perú

Dependencia: Grupo de Inteligencia Artificial (IA-PUCP)

Coinvestigadores

Nombres: Antonio Lincoln

Apellido paterno: Angulo

Apellido materno: Salas

Grado académico: Magister

Entidad: Pontificia Universidad Católica del Perú

Dependencia: Grupo de Innovación Tecnológica (GIT)

Nombres: José Eduardo

Apellido paterno: Ochoa

Apellido materno: Luna

Grado académico: Doctorado

Entidad: Universidad Católica San Pablo

Dependencia: Línea de Investigación de Sistemas Inteligentes, Departamento de Ciencia de la Computación

Tesistas

Nombres: Tesista no identificado 1

Apellido paterno: –

Apellido materno: –

Tipo de tesis: Maestría

Entidad: Pontificia Universidad Católica del Perú

Nombres: Tesista no identificado 2

Apellido paterno: –

Apellido materno: –

Tipo de tesis: Maestría

Entidad: Universidad Católica San Pablo

Gestor tecnológico

Nombres: Lizeth

Apellido paterno: López

Apellido materno: –

Entidad: Pontificia Universidad Católica del Perú

Coordinador administrativo

Nombres: María Kathia

Apellido paterno: Paredes

Apellido materno: Matos

Entidad: Pontificia Universidad Católica del Perú

Técnico

Nombres: Técnico no identificado 1

Apellidos: –

Entidad: Pontificia Universidad Católica del Perú

Asistente de investigación

Nombres: Mónica Lucia

Apellidos: Abarca Abarca

Entidad: Pontificia Universidad Católica del Perú

Rubros financiables

• Recursos humanos (hasta 50% del monto financiado)

1. Incentivo monetario para el investigador principal y coinvestigadores: no debe sobrepasar el máximo de S/ 2,000 mensuales por investigador.
2. Pago a los tesistas: no debe sobrepasar el máximo de S/ 1,500 mensuales por tesista.
3. Pago al personal técnico o asistente de investigación: no debe sobrepasar el máximo de S/ 1,000 mensuales por técnico.
4. Honorarios o incentivos para un gestor tecnológico: no debe de sobrepasar el máximo de S/. 1,500 mensuales.

• Equipos y bienes duraderos (hasta 20% del monto financiado)

Corresponde a la adquisición de equipos menores para el proyecto de investigación.

• Materiales e insumos

1. Materiales, insumos, reactivos, accesorios, componentes electrónicos o mecánicos, bienes no inventariables.
2. Material bibliográfico, tales como manuales, bases de datos, libros especializados, otros, y/o suscripciones a redes de información (en físico o electrónico).
3. Software especializado para el desarrollo de los proyectos de investigación.

• Viajes

Corresponde a los gastos de viajes relacionados a actividades propias del proyecto de investigación.

Los gastos que aplican para este rubro son los siguientes:

1. Pasajes: terrestres, aéreos, nacionales e internacionales, en clase económica.
2. Viáticos: comprenden los gastos por concepto de alimentación, hospedaje y movilidad (hacia y desde el lugar de embarque), así como el desplazamiento en el lugar donde se realizan las actividades. El concepto de viáticos es aplicable para estancias cuya duración sea menor a los quince (15) días calendario, considerando los topes máximos diarios detallados en el Anexo 2.
3. Manutención: comprenden los gastos de alojamiento, alimentación y movilidad local durante su permanencia en el lugar sede del objeto del beneficio otorgado, o desplazamientos relacionados con el mismo. El concepto de manutención es aplicable siempre que se trate de una estancia cuya duración sea mayor o igual a quince (15) días calendario, considerando los topes máximos diarios detallados en la convocatoria.
4. Seguro de viaje: el seguro es de carácter obligatorio y su valor debe estar de acuerdo al precio de mercado. La cobertura típicamente incluye gastos médicos de emergencia, muerte accidental, invalidez e imprevistos logísticos durante el viaje (retraso de vuelos, demora o pérdida de equipaje, robos, etc.). El precio del seguro puede variar en función a la edad, duración del viaje y el destino. Se puede financiar hasta un máximo de S/ 2,000.

• Servicios de no consultoría.

Corresponde a los gastos de contratación de personas naturales o jurídicas para la ejecución de actividades de índole técnica especializada, consideradas como críticas para lograr el buen resultado del proyecto de investigación: servicios de laboratorio, colección de datos, procesamiento de muestras, análisis y diseño.

• Otros servicios

Corresponde a los gastos de contratación de personas naturales o jurídicas para la ejecución de actividades complementarias del proyecto de investigación, tales como:

1. Actividades de difusión:

1. Gastos de organización de taller de cierre del proyecto.
2. Costo de publicación de artículos en revistas indizadas.

• Costo de inscripción para participar en eventos o para discutir los resultados con personal interesado o calificado.

1. Actividades complementarias de la investigación:

1. Gastos de importación y desaduanaje de materiales, insumos o equipos relacionados al proyecto de investigación que se adquieran en el extranjero.
2. Gastos relacionados a la obtención del título o grado.

• Gastos relacionados a la solicitud de patentes.

1. Gastos de mantenimiento correctivo para los equipos adquiridos u otro equipo de laboratorio que deba usarse en el proyecto.

• Gastos de gestión (hasta 10% del monto financiado)

Corresponde al incentivo monetario para el coordinador administrativo, útiles de oficina y servicios de imprenta.