1
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
https://vocero.uach.mx/index.php/tecnociencia
ISSN-e: 2683-3360
Artículo Científico
Patrones de concentración de carbono negro y
principales fuentes de emisión en Ciudad Juárez,
Chihuahua, México
Patterns of black carbon concentration and determination of its main
emission sources in Ciudad Juarez, Chihuahua, Mexico
*Correspondencia: yazmin.hernandez@uacj.mx (Yazmín Guadalupe Hernández-García)
DOI: https://doi.org/10.54167/tecnociencia.v14i2.399
Recibido: 26 de febrero de 2020; Aceptado: 27 de junio de 2020
Publicado por la Universidad Autónoma de Chihuahua, Dirección de Investigación y Posgrado.
Resumen
El carbono negro (CN) es un contaminante atmosférico producido de forma natural y como
resultado de la combustión incompleta de combustibles fósiles, biocombustibles y biomasa. La
región Paso del Norte (México-Estados Unidos) no cuenta con monitoreo continuo de CN, aun
cuando México tiene la meta internacional de reducir sus emisiones en 51% para el 2030. El
objetivo este estudio fue evaluar el patrón de comportamiento del CN y su correlación con óxido
de nitrógeno (NOx) y carbono (CO) por su asociación a emisiones vehiculares a diésel. El
monitoreo fue de octubre de 2018 a marzo de 2019 por ser los meses del año más fríos y de mayor
estabilidad atmosférica en la región. Las concentraciones de CN, todos los contaminantes criterio y
la meteorología se determinaron mediante etalómetro, analizadores Teledyne y estación
meteorológica Campbell Scientific en la estación de referencia científica IIT-01 en Ciudad Juárez,
Chihuahua, México. La correlación de Spearman arrojó una CO y NOx de R=0.735 y entre CO y CN
de R=0.704. Los resultados apoyan la relación significativa entre CN y NOx de R=0.794. Los
resultados apoyan la posibilidad de que la fuente del CN está asociada al tráfico vehicular y a su
patrón típico de comportamiento. Además de que la correlación significativa entre el CO y CN
permitirá realizar estimaciones sobre el comportamiento del CN en base a las concentraciones de
CO registradas por otras estaciones.
Palabras clave: contaminación atmosférica, contaminantes criterio, combustibles fósiles, quema
de biomasa, zona fronteriza Paso del Norte.
Frida Yael Toquinto-Manjarrez1, Felipe Adrián Vázquez-Galvez1, Yazmín Guadalupe
Hernández-Garcia1*, Luis Gerardo Bernadac-Villegas1, Sergio Saúl Solis1, Marisela Yadira
Soto-Padilla1, Miguel Domínguez-Acosta1, Gilberto Velázquez-Angulo1, Edith Flores-
Tavizón1, Alfredo Granados-Olivas1.
1Instituto de Ingeniería y Tecnología, Universidad Autónoma de Ciudad Juárez. Av. Del Charro 610 Nte.
Partido Romero C.P. 32310. 656-688-48-002
2
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Abstract
Black carbon (CN) is an atmospheric pollutant produced naturally and as a result of incomplete
combustion of fossil fuels, biofuels and biomass. The Paso del Norte region (Mexico-USA) does not
have continuous CN monitoring, even though Mexico has the international goal of reducing CN
emissions by 51% by 2030. The objective was to assess the CN's behavior pattern and its correlation
with nitrogen oxides (NOx) and carbon (CO) as a proxy to diesel vehicles. The monitoring was
from October 2018 to March 2019 because of the relative atmospheric stability associated to the
cold months in the region. CN concentrations were determined with an aethalometer, criteria air
pollutants by Teledyne analyzers and the meteorology by a Campbell Scientific automatic station
at the IIT-01 reference station in Ciudad Juarez, Chihuahua, México. The Spearman correlation
showed a significant relation between CN and NOx of R =0.794, between CO and NOx of R=0.735
and between CO and CN of R =0.704. Result support the inference that CN is associated with
vehicular traffic. In addition, the significant correlation between CO and CN will allow estimate
the relative presence of the CN based on the CO concentrations recorded by other stations within
the basin.
Keywords: atmospheric pollution, biomass burning, fossil fuels, pollutants criterion, Paso del
Norte border zone.
1. Introducción
El carbono negro (CN) es un contaminante atmosférico de importancia a nivel global debido a su
notable aportación al cambio climático. Esto funciona dispersando la luz solar entrante fuera de la
superficie de la tierra, afectando la temperatura, calentando la atmósfera y cambiando el balance
radiativo de la tierra. La emisión antropogénica de este ocupa el segundo lugar en la capacidad de
generar un forzamiento radiativo positivo en la atmósfera (Intergovernmental Panel on Climate
Change [IPCC], 2014). Se ha sugerido que el mitigar de forma temprana las concentraciones de CN,
así como los precursores de ozono (O3), permitirá ganar tiempo para que las estrategias de
sumideros de carbono sean viables bajo un mecanismo parecido al Protocolo de Montreal (Molina et
al., 2009). Además, el CN se ha asociado con ciertos padecimientos típicamente asociado al material
particulado fino (PM2.5), ya que estas pueden alcanzar zonas profundas del sistema respiratorio,
aumentado la incidencia de afecciones pulmonares (Díaz, 2016).
El CN es un aerosol emitido a la atmósfera como parte de la fracción de PM2.5 y generado de forma
principal a consecuencia de una combustión incompleta de combustibles fósiles y biomasa (Bond et
al., 2013; Lim et al., 2014). Es emitido en conjunto con otros aerosoles y es de esta interacción, junto
con las características químicas derivadas de su fuente de emisión, lo que le imprime propiedades
toxicológicas (Long et al., 2013).
El CN forma parte de los contaminantes climáticos de vida corta (CCVC), tiene un tiempo de
residencia medio de días a semanas en comparación con el bióxido de carbono (CO2) que puede
llegar a ser de cientos de años; sin embargo, no se ha determinado el tiempo de residencia
específica, el cual difiere de acuerdo con la región donde se calcule (Molina et al., 2009; Cape et al.,
2012).
Como parte de la respuesta para disminuir los efectos del cambio climático, en 2016 varios países
han firmado el Acuerdo de París, para lo cual, el gobierno mexicano ha planteado una nueva
estrategia de reducción de emisiones de gases de efecto invernadero (GEI) y CN. La estrategia
3
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
establece como meta la reducción de emisiones de CN en 51% para el año 2030, tomando como
línea base la tendencia actual proyectada hacia el 2030, lo que representa una reducción de 152 mil
toneladas métricas (tnm) a 75 mil tnm (Secretaría del Medio Ambiente y Recursos Naturales
[SEMARNAT], 2015). Por tanto, como parte de los esfuerzos para monitorear y modelar las
reducciones pactadas, se requiere de establecer las variaciones espacio tiempo, así como las
principales fuentes de emisión.
Varios estudios han encontrado que los principales contribuyentes a las emisiones de CN son el
tráfico vehicular y su comportamiento de movilidad; así como la relación entre las concentraciones
de este contaminante y los patrones climatológicos sinópticos y de mesoescala (Novakov y Hansen,
2004; Raju et al., 2011; Kalluri et al., 2017; Chand et al., 2018; Hussain et al., 2018; Ježek et al., 2018;
Kutzner et al., 2018).
Lugares como Buenos Aires, Argentina y algunas entidades federativas de México, han llevado a
cabo campañas de monitoreo de CN y de la huella característica por las emisiones de quema de
biomasa, particularmente de incendios forestales, dando como resultado la afectación de
ecosistemas y un aumento significativo de las concentraciones del contaminante, ocasionando un
comportamiento anormal en las tendencias de CN para las zonas identificadas (Subramanian et al.,
2010; Resquin et al., 2018).
En 2006 se realizó una campaña de medición de concentraciones de CN en relación con el tránsito
vehicular en la zona fronteriza de México y Estados Unidos, donde las ciudades mexicanas de
Mexicali y de Ciudad Juárez fueron las que mostraron mayor contribución de CN. La conclusión
del estudio fue que el transporte de carga media, dentro del lado fronterizo mexicano, es el
principal contribuyente de CN y además se recomendó la necesidad de realizar investigaciones a
fondo sobre la situación, dado que se percibieron ciertas desventajas con respecto a la metodología
utilizada, tales como: una inherente ambigüedad derivadas de las cambiantes condiciones de viento
en la región y la incapacidad de definir satisfactoriamente la procedencia real de algunos
automóviles (Kelly et al., 2006).
En el 2010, en Ciudad Juárez se llevó a cabo un proyecto cuya principal finalidad fue mejorar el
proceso de fabricación de ladrillos. Como parte complementaria al estudio se estimó que de la
cuenca atmosférica Paso del Norte, Ciudad Juárez fue la ciudad que mayormente contribuía a
emisiones de partículas suspendidas y de CN, con su consecuente incremento en los índices de
mortalidad (Blackman et al., 2006; Molina, 2010).
A partir de 2017, por iniciativa del Instituto Nacional de Cambio Climático (INECC) de México y la
Universidad Autónoma de Ciudad Juárez (UACJ), se inició el monitoreo continuo de CN. Uno de
los objetivos de dicha iniciativa es contribuir al conocimiento de los patrones de concentraciones
medias y fuentes de emisión del CN y demás contaminantes criterio en la región internacional. El
análisis de las concentraciones de contaminantes permitirá establecer el nivel de asociación con las
concentraciones de CN, con el fin de determinar los procesos que las producen y su metabolismo en
la atmósfera. Estos contaminantes son el óxido de nitrógeno (NOX) que en los ambientes urbanos
son producidos principalmente por la oxidación de nitrógeno a altas temperaturas, en máquinas de
combustión interna y hornos industriales de alta temperatura, y el monóxido de carbono (CO), que
puede ser emitido por diversos orígenes, como el tráfico vehicular, la quema de biomasa y procesos
industriales que involucran la quema de hidrocarburos (Jones et al., 2010; Subramanian et al., 2010;
Krecl et al., 2017).
En este trabajo se busca establecer la correlación entre las concentraciones de NOX y CN como un
artificio para establecer que las mismas fuentes que generan el NOX también son las fuentes de CN.
4
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
2. Materiales y Métodos
El área de estudio comprendió la zona fronteriza Paso del Norte, la cual abarca las ciudades de
El Paso, Texas y Sunland Park, Nuevo México, Estados Unidos y Ciudad Juárez, Chihuahua,
México. Ciudad Juárez cuenta con una población de aproximadamente 1.3 millones de habitantes y
para el 2006, contaba con un parque vehicular de 450 mil vehículos, de los cuales el 90% fue
adquirido en Estados Unidos y posteriormente introducido al país de manera legal o ilegal (Centro
Mario Molina [CMM], 2006).
La estación de monitoreo de calidad del aire IIT-01 está ubicada en el Instituto de Ingeniería y
Tecnología de la UACJ (Figura 1), la cual está equipada con analizadores de gases (NOx, bióxido
de azufre, O3 y CO) y partículas suspendidas menores a 2.5 y 10 micrómetros (PM2.5 y PM10), todos
de la marca Teledyne (2018, 2020). Dicho equipo realiza mediciones programables cada minuto y
lleva a cabo una calibración automática. El control de calidad de los datos se realiza en la estación y
los datos se publican de manera continua en el Sistema Nacional de Información de la Calidad del
Aire (SINAICA) operado por el INECC.
Figura 1. Mapa de localización de la estación de referencia científica IIT-01 operada por la UACJ al norte de
Ciudad Juárez, Chih.
Figure 1. Location map for scientific reference station IIT-01 operated by UACJ to the north of Ciudad Juarez,
Chih.
El etalómetro portátil es un equipo óptico que realiza mediciones cada cinco minutos y que mide la
concentración de CN a siete diferentes longitudes de onda (370 nanómetros [nm], 470nm, 520nm,
5
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
590nm, 660nm, 880nm y 950nm). Su funcionamiento se basa en la medición de la atenuación por la
absorción de las partículas, este proceso evalúa la masa de CN atrapado en un filtro de fibra de
cuarzo, lo que permite determinar el coeficiente de absorción de masa (MAC por sus siglas en
inglés). El cálculo del MAC asume que la composición de la masa es de un índice de refracción
compleja cercano al del CN puro, sin considerar la influencia de las partículas de polvo, la
incertidumbre asociada se asume consistente en toda la serie del tiempo. En la Tabla 1 se muestran
las características de los analizadores y el rango de medición de los equipos utilizados.
Los análisis del CN se realizaron utilizando la longitud de onda en el infrarrojo cercano (NIR) de
880nm. Si bien las fracciones cercanas al ultravioleta (UV) con longitudes de onda menores a
440nm son más sensibles a los procesos de añejamiento de las partículas de CN, es en el NIR es
dónde se puede observar el CN “fresco”. Esto es consistente con las mediciones que se realizan en
las principales estaciones de medición de CN para fines comparativos (Dumka et al., 2018).
La campaña de muestreo tuvo una duración de cinco meses, comenzando en octubre del 2018 y
finalizando en marzo de 2019. Se tomó el periodo de los meses fríos con el objeto de obtener los
registros más altos del año toda vez que es durante la estación de invierno, cuando se observa una
mayor estabilidad atmosférica (Baca-Santini y Vázquez-Gálvez, 2015). Los datos obtenidos
permitirán establecer la posible asociación de los contaminantes a estudiar con los procesos de
generación de estos, ya que se minimiza la dispersión natural por efecto de la estabilidad
atmosférica, eliminando así las posibles contribuciones de fuentes remotas como los incendios
forestales que son más frecuentes durante la primavera. Esta estrategia ha mostrado ser conveniente
en estudios sobre las posibles fuentes de emisión de CN, tanto en zonas urbanas como en zonas
rurales y donde se ha encontrado una aparente contribución del sector transporte (Gramsch et al.,
2000¸ Valenzuela et al., 2017; Singh et al., 2018). De esta manera, las fuentes conspicuas de CN se
limitan al transporte y la quema de biomasa de manera local y que es más importante durante los
meses de octubre a marzo (periodo que observa las temperaturas más frías).
Se recopilaron datos meteorológicos de dirección y velocidad del viento y las principales variables
mediante una estación automática Campbell Scientific para el mismo periodo de duración de la
Parámetro
Marca
Tipo de analizador y
método de medición
Rango de
medición
Calibración
Origen
NOx1
Teledyne
Modelo API T300
Fotometría
0-1 partes por
millón (ppm) a
0-1000 ppm
Automática por
mezcla de gases
Estados
Unidos
CO2
Teledyne
Modelo API T200
Quimioluminiscencia
0-50 partes por
billón (ppb) a
0-20 ppm
Automática por
mezcla
de gases
Estados
Unidos
CN3
Magee
Scientific
Modelo Etalómetro AE42-
7-ER
Atenuación óptica
0-1300
microgramos
sobre metro
cúbico (µg m-3) a
880 nm
Automática por el
método
Malissa- Novakov
Estados
Unidos
6
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
campaña de muestreo. Esta estación realiza mediciones cada minuto y la información se encuentra
disponible en el portal http://cecatev.uacj.mx/
En el análisis de los datos se utilizó el paquete de librerías OpenAir del programa estadístico de
programación R, en el cual facilita la manipulación de los datos de fuentes heterogéneas y generar
gráficos para el mejor análisis del comportamiento del CN en diferentes periodos de tiempo,
incluyendo la facilidad de producir gráficos polares para observar la relación entre las
concentraciones, dirección y velocidad de viento (Carslaw y Ropkins, 2012).
El análisis de datos requirió de la eliminación de algunos que no correspondían con la monotonía
de la tendencia de estos, descartándose aquellos que tuvieran dos desviaciones estándares, como lo
indican Young (1962) y Kutzner Et al., (2018). De igual forma se eliminaron datos iguales a cero y
negativos, los cuales se generaron por procedimientos internos asociados con calibraciones
automáticas y manuales de los equipos, así como pruebas internas de calidad (Dumka et al., 2018).
Las fuentes de emisión se determinaron a partir de correlaciones de Spearman (Ec. 1) entre CN y los
contaminantes criterio elegidos. Este es un coeficiente no paramétrico robusto que permite ciertos
desvíos del patrón normal. La función es evaluar la relación lineal entre dos variables a nivel
ordinal y que esta relación no sea debida al azar; es decir, que la relación sea estadísticamente
significativa (Restrepo et al., 2007).
󰇛 󰇜 
󰇛󰇜 (Ec. 1)
Donde D es la diferencia entre los correspondientes estadísticos de orden de x - y. N es el número
de parejas de datos (Restrepo et al., 2007).
Para generar los gráficos para evaluar el comportamiento temporal de los contaminantes, fue
necesario realizar la normalización de estos. Lo anterior con el fin de mejorar la visualización de los
datos, ya que las unidades de medida por norma son diferentes para cada contaminante. Para el
caso del carbono (CO) se mide en ppm, el NOx en ppb y el CN en µgm-3.
3. Resultados y Discusión
De acuerdo con el análisis de 33,290 datos para cada uno de los parámetros, se observó que la
concentración de CN se presentó en un rango de promedio diario durante la campaña de entre
0.768 y 1.150 µgm-3, observando una prevalencia mayor a 1 µgm-3 los miércoles, jueves y viernes y
una disminución los fines de semana (Tabla 2). El CN al no ser incluido un contaminante criterio no
existen valores normados, sin embargo, es importante considerar que la presencia de CN se
encuentra incluido en el análisis del PM2.5, el cual está formado primordialmente por gases y por
material proveniente de la combustión. En términos generales, las partículas están formadas por un
núcleo de carbono y por compuestos orgánicos e inorgánicos, adheridos a su superficie. Los límites
máximos permisibles para la evaluación de este contaminante están dados por la NOM-025-SSA1-
2014, la cual establece un límite de 40 µgm-3 como promedio en 24 horas (h) (Diario Oficial de la
Federación [DOF], 2014). Bajo este esquema, se observa que las concentraciones obtenidas no
sobrepasan el límite de promedio en 24 horas.
En la Figura 2 se observa un patrón de comportamiento que obedece a las densidades de flujo típicas
de grandes ciudades (Peralta et al., 2019), lo que refuerza la hipótesis de que la mayor contribución
de CN es por parte de la flota vehicular, ya que los picos de contaminación se registraron a las
horas características de mayor tráfico vehicular en la zona de estudio, siendo consistentes en los días
hábiles y disminuyendo en los fines de semana.
7
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Tabla 2. Concentraciones de CN, CO y NOx medidas por la TELEDYNE y etalómetro durante la campaña
de muestreo.
Table 2. Concentrations of CN, CO and NOx measured by TELEDYNE and ethalometer during the
sampling campaign.
Día
CN (µgm-3)
CO (ppm)
NOx (ppb)
Lunes
0.921±0.98
0.279±0.33
29.308±28.94
Martes
0.935±1.01
0.287±0.37
30.189±33.20
Miércoles
1.027±1.08
0.313±0.39
33.946±35.63
Jueves
1.150±1.19
0.333±0.36
36.739±37.06
Viernes
1.061±1.21
0.312±0.40
33.423±35.23
Sábado
Domingo
0.898±1.09
0.768±0.86
0.306±0.37
0.272±0.30
28.572±32.37
21.353±20.14
Figura 2. Tendencia de CN en lapsos de una semana y de 24 horas. El sombreado representa 95% de intervalo
de confianza, determinado a través del método bootstrap resampling, integrado en la función Time Variation
de OpenAir.
Figure 2. CN trend in one-week and 24-hour periods. The shading represents a 95% confidence interval,
determined through the bootstrap resampling method, built into the OpenAir Time Variation function
8
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Las concentraciones de NOX mostradas en la Tabla 2, indican que las concentraciones oscilaron
entre 21.353 y 36.739 ppb y para CO fueron entre 0.272 y 0.333 ppm. En la Figura 3 y la Figura 4 se
hace una comparativa de las tendencias de los tres contaminantes en diferentes escalas y periodos
de tiempo. Los picos de mayor concentración observada concuerdan con las horas de mayor tráfico
vehicular en Ciudad Juárez, las cuales son de 6:30 a 8:30 horas y de 15:00 a 16:30 horas, además de
observar una tendencia a episodios de mayor concentración durante la noche lo que puede
estar relacionado con la capa limite planetaria y el enfriamiento nocturno (Dumka et al., 2018).
Igualmente, se identificó un incremento relevante de concentraciones los miércoles para el caso de
los tres contaminantes y los jueves solo para el CN, considerando una semana típica del periodo
de muestreo, sin embargo, no se identificó la causa de dicho incremento.
Estudios realizados por Singh et al., (2018) muestran el efecto de la contribución de CN atmosférico
por efecto del tráfico, de la misma manera, se observó un patrón diurno similar con picos de
concentración de CN en la mañana y en la noche, por lo que concluyeron que el mayor flujo de
tráfico produce mayores concentraciones atmosféricas de CN a lo largo del día; así como esta
investigación, la realizada por Sharma et al., (2018) coincide con el análisis diurno y semanal dónde se
expresan horarios significativos por la mañana y por la noche, presentando una contribución
significativa de la emisión de vehículos, mostrando un patrón definido con el volumen del flujo de
tráfico.
Figura 3. Tendencia de CN y NOx en lapsos de una semana y de 24 horas. El sombreado representa 95% de
intervalo de confianza determinado a través del método bootstrap resampling, integrado en la función Time
Variation de OpenAir.
9
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Figure 3. CN and NOx trend in one-week and 24-hour periods. The shading represents the 95% confidence
interval determined through the bootstrap resampling method, built into the OpenAir timeVariation function
La normativa mexicana, considera la NOM-021-SSA1-1993 para determina el valor permisible para
la concentración de CO en el aire ambiente, indicando que este, como contaminante atmosférico, no
debe rebasar el valor permisible de 11 ppm, en promedio móvil de ocho horas una vez al año, como
protección a la salud de la población susceptible (DOF, 1994). De acuerdo con lo registrado en la
Tabla 2, se observa que no hubo días en los que se sobrepasara el límite permisible. Por otro lado, la
misma normativa no contempla el análisis de NOx, sin embargo, si considera la evaluación de las
concentraciones de dióxido de nitrógeno (NO2). Este compuesto es considerado un contaminante
primario, el cual deriva de los procesos de combustión, siendo ésta la fuente principal de su
vertimiento a la atmósfera. Además de jugar un doble papel en materia medio ambiental, ya que es
conocido su efecto potencialmente dañino de manera directa, pero también es uno de los
precursores del ozono troposférico. Conforme a lo indicado en la NOM-023-SSA1-1993 sobre los
criterios para evaluar la calidad del aire ambiente con respecto al NO2, y si se asume que las
mediciones de NOx realizadas en este estudio corresponden en su totalidad a NO2, se considera que
no sobrepasan el límite permisible de 11 ppm (Secretaría de Salubridad y Asistencia [SSA], 1994).
Figura 4. Tendencia de CN y CO en lapsos de una semana y de 24 horas. El sombreado representa 95% de
intervalo de confianza determinado a través del método bootstrap resampling, integrado en la función Time
Variation de OpenAir.
Figure 4. CN and CO trend in periods of one week and 24 hours. The shading represents the 95% confidence
interval determined through the bootstrap resampling method, built into the OpenAir Time Variation
function.
En relación con la correlación, Ramos-Herrera et al., 2010 indicaron que una correlación de R=<0.6
son consideradas significativas para el análisis de contaminantes atmosféricos. El análisis de
correlación de Spearman mostró una alta correlación entre el CN y el NOx (R=0.794), seguida de la
10
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
correlación entre el NOx y el CO (R=0.738) y finalmente la relación entre el CN y el CO (R=0.704,).
Este análisis muestra una asociación entre los contaminantes, con el fin de predecir la posible fuente
potencial de CN en la región.
De acuerdo con estos resultados se infiere que la correlación entre el CN y el NOx, establece que la
fuente de la emisión de CN está asociada al tráfico vehicular y a los combustibles fósiles que
utilizan, ya que la principal fuente de NOx es el transporte vehicular (Jones et al., 2010;
Subramanian et al., 2010; Krecl et al., 2017). Estos resultados son consistentes con otros estudios,
como el de Vanderstraten Et al., (2011), los cuales, según en estudios realizados en Bruselas, Bélgica,
reportaron una mejor correlación entre CN y NO en comparación a la relación existente entre las
partículas y el CO. Raju et al., (2011) mencionan que la variación diurna presentada en la
concentración de CN se relaciona a actividades antropogénicas, ya que la correlación mostrada del
CN con otros aerosoles originados por actividades antropogénicas, indican una posible fuente
común. Mientras que Peralta et al., (2019) reportaron valores para ciudades mexicanas de
correlación aceptables para las concentraciones de CO y CN de R=0.76 a R=0.84 y para CO y PM2.5
de R=0.70 a R=0.76.
El CO puede ser producido tanto por la quema de biomasa como por el uso de combustibles fósiles
(Subramanian et al., 2010) y dado la relación dada entre CO y NOx (R=0.738) se considera que las
concentraciones de CO medidas por la estación IIT-01 provienen principalmente por el tráfico
vehicular. Es importante mencionar que de acuerdo con la relación que se obtuvo entre el CN y el CO
(R=0.704), el análisis de CO reportado por diversas estaciones servirá como una herramienta que
permitirá construir una línea de base de concentración de CN para otras estaciones de monitoreo en
la cuenca. Inclusive, se contempla utilizar estos resultados para reconstruir series de tiempo pasado
de concentraciones de este contaminante y proponer una línea base que sirva para sustanciar
indicadores en las estrategias de mitigación a los contaminantes de vida corta.
Las concentraciones de los contaminantes estudiados y las condiciones meteorológicas se pueden
establecer a partir de la estabilidad atmosférica medida como velocidad de viento. Durante la
campaña los vientos predominantes provenían del oeste, con una velocidad que oscilo entre los 0 y
11 ms. La Figura 5 muestra la distribución de los datos bajo diferentes categorías de estabilidad
atmosférica (velocidad de viento), de concentraciones de contaminantes y de correlación lineal de
CN, NOx y CO. Con base a la velocidad del viento, entre mayor sea la velocidad, menor será la
concentración de los tres contaminantes como consecuencia de la dispersión. Varios estudios han
reportado la importancia de conocer los umbrales de dispersión, es decir, la velocidad de viento a
partir de la cual las concentraciones de los contaminantes empiezan a considerarse relevantes (Jones
et al., 2010; Raju et al., 2011; Bond et al., 2013; Grundström et al., 2015). Esto permitirá inferir
posibles episodios de altas concentraciones en relación con pronósticos de viento.
11
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Figura 5. Gráfica de dispersión entre CN, CO, NOx y velocidad de viento, cada una corresponde a la
intersección entre las variables indicadas.
Figure 5. Dispersion graph between CN, CO, NOx and wind speed, each one corresponds to the intersection
between the indicated variables.
La influencia de advección en las concentraciones de contaminantes fue determinada por medio de
gráficos polares mostradas en la Figura 6, las cuales comparan las concentraciones de los
contaminantes con dirección y velocidad de viento y representan visualmente el resultado con
técnicas de suavizado sobre un plano cartesiano (Carslaw y Ropkins, 2012). Al igual que en los
gráficos de dispersión, se observa que cuando la velocidad del viento es menor, la concentración de
los contaminantes aumenta, esto considerando que el punto de monitoreo es el punto de origen del
plano. Para el caso del gráfico de CN, se presenta un punto de concentraciones altas provenientes
del suroeste, originado por alguna fuente no identificada, pero que coincide con una zona de alto
tráfico vehicular y donde confluyen varias vías de camiones de transporte urbano y carga como se
muestra en la Figura 7.
Figura 6. Gráficas polares de CN, CO y NOx, comparadas con dirección y velocidad de viento.
Figure 6. Polar graphs of CN, CO and NOx, compared with wind direction and speed
12
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Figura 7. Rutas de transporte público cercanas al área de estudio.
Figure 7. Public transport routes near the study area.
La dispersión del CN por advección está asociada a la exposición potencial de hidrocarburos
aromáticos policíclicos (HAPs) que se producen por su atrapamiento en la matriz de carbono, dichas
partículas están asociadas con daños oxidativos a nivel celular. Este aspecto fue estudiado con
anterioridad en Kelly et al., (2006) y se encontró una asociación entre las emisiones de CN y
HAPs en los camiones de Ciudad Juárez. Los HAPs están clasificados como cancerígenos,
potencialmente cancerígenos, mutagénicos y pueden generar problemas respiratorios, neurológicos
y pulmonares (Pepelko y Ris, 1992), es por ello la importancia de evaluar de manera rápida y
estandarizada las emisiones de CN en las ciudades.
4. Conclusiones
Las correlaciones de NOx y CN y NOx y CO fueron relativamente altas (r=<0.7) y considerando
que los NOx son producidos por la quema de combustibles fósiles como la gasolina y el diésel, se
infiere que los tres contaminantes provienen del mismo origen, sin encontrar una aportación
exclusiva asociada a la quema de biomasa. Aunado a lo anterior, la tendencia observada de los
contaminantes, así como los datos promedio para las 24 horas del día, permite inferir con alto grado
de probabilidad que el principal contribuyente de CN es el tráfico vehicular, esto se atribuye a la
concordancia entre los picos de concentración con los horarios de mayor afluencia de transporte
privado y de personal en Ciudad Juárez.
Debido a la correlación entre CN y CO (R=0.770), es posible construir una herramienta para
aproximar los valores de CN a partir de valores conocidos de CO, medidos por las estaciones de
referencia de la región, lo que a su vez permitirá establecer zonas de mayor impacto por CN y así
asociar su prevalencia debido al flujo vehicular y los posibles impactos en poblaciones vulnerables
expuestas.
Con respecto a los parámetros meteorológicos, se encontró que la asociación con la velocidad del
viento es inversa a las concentraciones de los contaminantes y permite obtener los umbrales de
velocidad de viento asociados a altas concentraciones de contaminantes. Lo anterior ayuda a dar un
elemento adicional para el establecimiento de planes de contingencia y la protección por la
exposición de la población al CN y otros contaminantes criterio, considerando el comportamiento de
estos en el tiempo y su interacción con algunos parámetros meteorológicos.
13
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Las concentraciones de los tres contaminantes se encontraron por debajo de los niveles indicados
por la normativa mexica, sin embargo, es importante recalcar que esta normativa no considera al
CN como contaminante a evaluar. Para este contaminante se hizo una comparativa con la NOM-
025-SSA1-2014 que es utilizada para evaluar la concentración del PM2.5, ya que el CN forma parte de
este contaminante. Los mismo sucedió con el NOx, la normativa mexicana considera solo al NO2
como contaminante, por lo que se asumió que los niveles de NOx provenían exclusivamente de NO2.
Algunas de las recomendaciones realizadas para posteriores estudios es la ampliación en la
duración de la campaña de monitoreo, con el fin de incluir todas las estaciones del año, con esto
se pretenderá hacer una comparativa en las aportaciones de CO y verificar que efectivamente la
quema de biomasa no contribuye significativamente en las concentraciones de CN.
Así mismo y dada la repercusión que tienen estos contaminantes en la salud, se recomienda hacer
un análisis epidemiológico en los usuarios del transporte de urbano, ya que en la zona donde se
detectó una mayor concentración de CN, se caracteriza por una alta afluencia de este tipo de
vehículos.
Finalmente, en el futuro cercano se pretende estudiar el efecto de las partículas incluyendo el CN
como forzante del clima y su efecto en las temperaturas de la región.
5. Referencias
Baca-Santini, C. E. y Vázquez-Galvez, F.A. (2015). Estudio comparativo de la influencia de las zonas
arboladas urbanas en la calidad del aire de Ciudad Juárez, Chihuahua, México. Tecnociencia
Chihuahua 9(3):171-179.
Blackman, A., Shih, J. S., Evans, D., Batz, M., Newbold, S. y Cook, J. (2006). The benefits and costs of
informal sector pollution control: Mexican brick kilns. Environment and Development
Economics 11(5):603–627. http://doi.org/10.1017/S1355770X06003159
Bond, T. C., Doherty, S. J., Fahey, D. W., Forster, P. M., Berntsen, T., DeAngelo, B. J.,Flanner, M. G.,
Ghan, S., Karcher, B., Koch, D., Kondo, Y., Quinn, P. K., Sarofim, M. C., Schultz, M.,
Venkataraman, C., Zhang, H., Zhang, S., Bellouin, N., Guttikunda, S. K., Hopke, P. K.,
Jacobson, M. Z., Kaiser, J. W., Klimont, Z., Lohmann, U., Schwarz, J. P., Shindell, J. D.,
Storelvmo, T. y Warren, S. G., Zender, C. S. (2013). Bounding the role of black carbon in the
climate system: A scientific assessment. Journal of Geophysical Research: Atmospheres
118(11):5380-5552. http://doi.org/10.1002/jgrd.50171
Cape, J. N., Coyle, M. y Dumitrean, P. (2012). The atmospheric lifetime of black carbon.
Atmospheric Environment 59:256–263. http://doi.org/10.1016/j.atmosenv.2012.05.030
Carslaw, D. C. y Ropkins, K. (2012). Openair — An R package for air quality data analysis.
Environmental Modelling and Software 27 (28): 52–61.
https://doi.org/10.1016/j.envsoft.2011.09.008
Centro Mario Molina (CMM). (2006). Medición de emisiones vehiculares en Ciudad Juárez
Chihuahua. https://bit.ly/3traptg
Chand, M., Kumar, V., Kumar, R., Umer, S., Chakrawarthy, E. y Acharya, P. (2018). Urban Climate
Seasonal characteristics of black carbon aerosol mass concentrations and influence of
meteorology, New Delhi (India). Urban Climate 24:968–981.
https://doi.org/10.1016/j.uclim.2017.12.002
Diario Oficial de la Federación (DOF). (1994). Norma Oficial Mexicana NOM-021-SSA-1994, Salud
ambiental. Criterio para evaluar la calidad del aire, monóxido de carbono (CO), Valor permisible
14
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
para la concentración de monóxido de carbono en el ambiente, como medida de protección a la
salud de la población. https://bit.ly/3NXAaZQ
Diario Oficial de la Federación (DOF). (2014). Norma Oficial Mexicana NO-025-SSA1-2014, Salud
ambiental. Valores límites permisibles para la concentración de partículas suspendidas PM10 y
PM2.5 en el aire ambiente y criterios para su evaluación. https://bit.ly/3zrodrj
Díaz Hernández, C.G. (2016). Estudio del Carbono Negro (Black Carbon) contenido en partículas
suspendidas en ambientes urbanos (tesis de posgrado), Centro de Investigación en Materiales
Avanzados, S.C. México. http://cimav.repositorioinstitucional.mx/jspui/handle/1004/2244
Dumka, U. C., Kaskaoutis, D. G., Tiwari, S., Safai, P. D., Attri, S. D., Soni, V. K., Singh, N.y
Mihalopoulos, N. (2018). Assessment of biomass burning and fossil fuel contribution toblack
carbon concentrations in Delhi during winter. Atmospheric Environment 194:93–109.
http://doi.org/10.1016/j.atmosenv.2018.09.033
Gramsch, E., Catalán, L., Ormeño, I. y Palma G. (2000). Traffic and seasonal dependence of the light
absorption coefficient in Santiago de Chile. Applied Optics, 39(27):4895–901.
http://doi.org/10.1364/AO.39.004895
Grundström, M., Hak, C., Chen, D., Hallquist, M. y Pleijel, H. (2015). Variation and co-variation of
PM10, particle number concentration, NOx and NO2 in the urban air -Relationships with
wind speed, vertical temperature gradient and weather type. Atmospheric Environment
120(2):317-327. http://doi.org/10.1016/j.atmosenv.2015.08.057
Hussain, S. N., Rao, T. C., Balakrishnaiah, G., Rama, G. K., Reddy, K. R. O., Reddy, N. S.K., Reddy,
T. L., Kumari, S. P., Reddy, P. E. y Reddy, R. R. (2018). Investigation of black carbon aerosols and
their characteristics over tropical urban and semi-arid rural environments in peninsular India.
Journal of Atmospheric and Solar-Terrestrial Physics 167:48–57.
http://doi.org/10.1016/j.jastp.2017.10.010
Intergovernmental Panel on Climate Change (IPCC). 2014. Climate change 2014. Synthesis report.
Versión inglés. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II
and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. 169 p.
https://www.ipcc.ch/report/ar5/syr/
Ježek, I., Blond, N., Skupinski, G. y Močnik, G. (2018). The traffic emission-dispersion model for a
Central-European city agrees with measured black carbon apportioned to traffic. Atmospheric
Environment 184:177–190. http://doi.org/10.1016/j.atmosenv.2018.04.028
Jones, A. M., Harrison, R. M. y Baker, J. (2010). The wind speed dependence of the concentrations of
airborne particulate matter and NOx. Atmospheric Environment 44(13):1682–1690.
http://doi.org/10.1016/j.atmosenv.2010.01.007
Kalluri, R. O. R., Gugamsetty, B., Kotalo, R. G., Nagireddy, S. K. R., Rao, C. R., Tandule, L. R.,
Thotli, L., Shaik, N. H., Maraka, V. R., Rajuru, R. R. y Nair, S.B.S. (2017). Seasonal variation of
near surface black carbon and satellite derived vertical distribution of aerosols over semi-
aridstation in India. Atmospheric Research 184:77–87.
http://doi.org/10.1016/j.atmosres.2016.09.003
Kelly, K., Wagner, D., Lighty, J., Núñez, M. Q., Vazquez, F. A., Collins, K. y Barud-Zubillaga, A.
(2006). Black carbon and polycyclic aromatic hydrocarbon emissions from vehicles in the United
States-Mexico border region: pilot study. Journal of the Air and Waste Management Association
56(3):285–293. http://doi.org/10.1080/10473289.2006.10464465
Krecl, P., Johansson, C., Targino, A. C., Ström, J. y Burman. L. (2017). Trends in black carbon and
size-resolved particle number concentrations and vehicle emission factors under real-world
conditions. Atmospheric Environment165:155–168. http://doi.org/10.1016/j.atmosenv.2017.06.036
15
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
Kotu, V. y Bala, D. (2019.) Chapter 3 - Data Exploration. En Data Science: Concepts and Practice (pp.
39–64). Morgan Kaufmann.
Kutzner, R. D., von Schneidemesser, E., Kuik, F., Quedenau, J., Weatherhead, E. C. y Schmale, J.
(2018). Long-term monitoring of black carbon across Germany. Atmospheric Environment
185:41–52. http://doi.org/10.1016/j.atmosenv.2018.04.039
Lim, S., Faïn, X., Zanatta, M., Cozic, J., Jaffrezo, J., Ginot, P. y Laj. P. (2014). Refractory black carbon
mass concentrations in snow and ice: method evaluation and inter-comparison with elemental
carbon measurement. Atmospheric Measurement Techniques 7(10):3307–3324.
http://doi.org/10.5194/amt-7-3307-2014
Long, C. M., Nascarella, M. A. y Valberg, P.A. (2013). Carbon black vs. black carbon and other
airborne materials containing elemental carbon: Physical and chemical distinctions.
Environmental Pollution 181:271–286. http://doi.org/10.1016/j.envpol.2013.06.009
Magee Scientific. (2018). Operation Manual Black Carbon Photometer.
https://twobtech.com/docs/manuals/model_BCP_revA-2.pdf
Molina, L. T. (2010). Policy Case Study: Ciudad Juarez Brick-makers’ Project (tesis de posgrado),
University of London.
Molina, M., Zaelke, D., Sarma, K. M., Andersen, S. O., Ramanathan, V. y Kaniaru, D. (2009).
Reducing abrupt climate change risk using the Montreal Protocol and other regulatory actions to
complement cuts in CO2 emissions. Proceedings of the National Academy of Sciences
106(49):20616–20621. https://doi.org/10.1073/pnas.0902568106
Novakov, T. y Hansen. J.E. (2004). Black carbon emissions in the United Kingdom during the past
four decades: an empirical analysis. Atmospheric Environment 38(25):4155–4163.
https://doi.org/10.1016/j.atmosenv.2004.04.031
Pepelko, W., y Ris, C. (1992). Update on U.S. Environmental Protection Agency Activities in the
Assessment of Mobile Sources Air Toxics. En Toxic Air Pollutants from MobileSources:
Emissions and Health Effects (pp. 193–200). Pitsburg: Air and Waste Management Association.
Peralta, O., Ortínez-Alvarez, A., Basaldud, R., Santiago, N., Alvarez-Ospina, H., De la Cruz, K.,
Barrera, V., Espinosa, M. L., Saavedra, I., Castro, T., Martínez-Arroyo, A., Páramo, V. H., Ruíz-
Suárez, L. G., Vázquez-Gálvez, F. A. y Gavilán, A. (2019). Atmospheric blackcarbon
concentrations in Mexico. Atmospheric Research 230: 104626.
http://doi.org/10.1016/j.atmosres.2019.104626
Raju, M. P., Safai, P., Rao, P. S. P., Devara, P. C. S. y Budhavant, K.B. (2011). Seasonal characteristics
of black carbon aerosols over a high altitude station in Southwest India. Atmospheric Research
100(1):103–110. http://doi.org/10.1016/j.atmosres.2011.01.006
Ramos-Herrera, S., Bautista-Margulis, R. y Valdez-Manzanilla, A. (2010). Estudio estadístico de la
correlación entre contaminantes atmosféricos y variables meteorológicas en la zona nortes de
Chiapas, México. Universidad y Ciencia, Trópico Húmedo 26(1):65-80.
Resquin, M. D., Santágata, D., Gallardo, L., Gómez, D., Rössler, C. y Dawidowski, L. (2018). Local
and remote black carbon sources in the Metropolitan Area of Buenos Aires. Atmospheric
Environment 182:105–114. http://doi.org/10.1016/j.atmosenv.2018.03.018
Restrepo, L. F., González, J. (2007). De Pearson a Spearman, Revista Colombiana de Ciencias
Pecuarias 20(2): 183-192. https://revistas.udea.edu.co/index.php/rccp/article/view/324135
Secretaria de Medio Ambiente y Recursos Naturales (SEMARNAT). 2015. Intended Nationally
Determinded Contribution: Mexico. Ciudad de México. 21 p. https://bit.ly/3xzxV9Y
Secretaría de Salubridad y Asistencia (SSA) (1994). Norma Oficial Mexicana NOM-023.SSA1-1993.
salud ambiental. Criterio para evaluar la calidad del aire ambiente, con respecto al bióxido de
nitrógeno (NO2). Valor normado para la concentración de bióxido de nitrógeno (NO2) en el aire
16
Toquinto- Manjarrez et al.
TECNOCIENCIA CHIHUAHUA, Vol. XIV (2) e 399 (2020)
ambiente, como medida de protección a la salud de la población.
http://www.salud.gob.mx/unidades/cdi/nom/023ssa13.html
Sharma, M. C., Pandey, V. K., Kumar, R., Latief, S. U., Chakrawarthy, E. y Acharya, P. (2018).
Seasonal characteristics of black carbon aerosol mass concentrations and influence of
meteorology, New Delhi (India). Urban Climate 24: 968-981.
http://doi.org/10.1016/j.uclim.2017.12.002
Singh, V., Ravindra, K., Sahu, L. y Sokhi, R. (2018). Trends of atmospheric black
carbonconcentration over United Kingdom. Atmospheric
Environment 178:148–157. http://doi.org/10.1016/j.atmosenv.2018.01.030
Subramanian, R., Kok, G. L., Baumgardner, D., Clarke, A., Shinozuka, Y., Campos, T. L., Heizer, C.
G., Stephens, B. B., de Foy, B., Voss, P. B. y Zaveri, R. A. (2010). Black carbon over Mexico: the
effect of atmospheric transport on mixing state, mass absorption cross- section, and BC/CO
ratios. Atmospheric Chemistry and Physics 10(1):219–237. https://doi.org/10.5194/acp-10-219-
2010
TELEDYNE API. (2018). Operation Manual Model T300/T300M Carbon Monoxide Analyzer.
http://www.teledyne-ml.com/support_/hardware/Documents/T300_M.pdf
TELEDYNE API. (2020). Model T200. http://www.teledyne-api.com/products/nitrogen-compound-
instrument/t200
Valenzuela, A., Arola, A., Antón, M., Quirantes, A. y Alados-arboledas, L. (2017). Black carbon
radiative forcing derived from AERONET measurements and models over an urban location in
the southeastern Iberian Peninsula. Atmospheric Research 191:44–56.
http://dx.doi.org/10.1016/j.atmosres.2017.03.007
Vanderstraeten, P., Forton, M., Brasseur, O. y Offer, Z. Y. (2011). Black Carbon Instead of Particle
Mass Concentration as an Indicator for the Traffic Related Particles in the Brussels Capital
Region. Journal of Environmental Protection 2(5): 525–532. http://doi.org/10.4236/jep.2011.25060
Young, H. D. (1962). Statistical Treatment of Experimental Data. McGraw-Hill Company, New
York. https://doi.org/10.1002/bimj.19650070123
2020 TECNOCIENCIA CHIHUAHUA.
Esta obra está bajo la Licencia Creative Commons Atribución No Comercial 4.0 Internacional.
https://creativecommons.org/licenses/by-nc/4.0/