📄 ciencias de la Tierra

Comparing geospatial interpolation techniques for estimating ambient PM2.5 mass concentrations from sugarcane burning in South Florida

Utilizando una densa red de sensores de bajo costo en el Área Agrícola de los Everglades en el sur de Florida, este estudio evaluó técnicas de interpolación geoespacial para estimar el PM2.5 proveniente de la quema de caña de azúcar, encontrando que si bien la ponderación por distancia inversa funcionó mejor de forma individual, un enfoque dinámico que seleccionaba el modelo óptimo diariamente proporcionó las estimaciones de exposición más robustas para futuras investigaciones de salud.

Autores originales: Anne Mielnik, Olivia Sablan, Jeffrey R. Pierce, Lilah M. Besser, Juyoung Park, Diana Mitsova, Diane Cook, Sherry WeMott, Christine L. Williams, Lisa A.K. Wiese, Sheryl Magzamen

Publicado 2026-10-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anne Mielnik, Olivia Sablan, Jeffrey R. Pierce, Lilah M. Besser, Juyoung Park, Diana Mitsova, Diane Cook, Sherry WeMott, Christine L. Williams, Lisa A.K. Wiese, Sheryl Magzamen

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En los rincones rurales del sur de Florida, donde el paisaje está dominado por vastos campos de caña de azúcar, un ritual estacional moldea el aire que la gente respira. Cada año, los agricultores queman más de 400,000 acres de estos campos para eliminar las hojas viejas y preparar el cultivo para la cosecha. Esta práctica, aunque eficiente para la agricultura, libera densas columnas de humo que contienen material particulado fino. Estas son partículas diminutas, lo suficientemente pequeñas como para deslizarse profundamente en los pulmones e incluso entrar en el torrente sanguíneo, lo que plantea riesgos para la salud humana. Durante décadas, los científicos han luchado por medir exactamente cuánto de este humo llega a los hogares y vecindarios individuales. El problema es que los monitores oficiales de calidad del aire utilizados por el gobierno son escasos en estas áreas rurales, lo que deja grandes brechas en los datos. Sin una red densa de sensores, es difícil saber si una persona que vive a pocos kilómetros de un campo en llamas está respirando aire más limpio que alguien que vive justo al lado de él. Para comprender el verdadero impacto en la salud de este humo, los investigadores necesitan una forma de completar esas piezas faltantes del rompecabezas, creando una imagen completa de la calidad del aire en toda la región.

Un equipo de investigadores se propuso resolver este problema desplegando una red de sensores de aire de bajo costo a través del Área Agrícola de los Everglades. Desde junio de 2024 hasta diciembre de 2025, colocaron 44 pequeños dispositivos en los hogares de voluntarios y en ubicaciones fijas, capturando lecturas horarias del aire. También recopilaron registros oficiales de cuándo y dónde se les permitió a los agricultores quemar sus campos, junto con imágenes satelitales que rastreaban el movimiento de las columnas de humo. El objetivo no era solo medir el aire donde se encontraban los sensores, sino utilizar esas mediciones para estimar cómo era la calidad del aire en todas partes de la región, incluyendo los patios traseros de personas que no tenían un sensor. Para hacer esto, el equipo probó varios métodos matemáticos diferentes, conocidos como interpolación geoespacial, que actúan como un puente que conecta puntos de datos conocidos con otros desconocidos. Compararon un método que simplemente otorga un gran peso a las mediciones cercanas frente a modelos estadísticos más complejos que intentan predecir cómo se propaga la contaminación a través de un paisaje.

Los investigadores descubrieron que la calidad del aire en esta región depende en gran medida de la presencia de humo. En los días en que se produjo la quema de caña de azúcar, la concentración de partículas finas en el aire aumentó significativamente, subiendo un promedio de 1.65 microgramos por metro cúbico en comparación con los días sin quema. Este aumento no se sintió por igual en todas partes; el humo estaba más concentrado en el interior, cerca de los campos donde se realizaba la quema y alrededor del lago Okeechobee. En contraste, el aire a lo largo de la costa permaneció mucho más limpio. Este patrón reveló una disparidad marcada: las comunidades que viven más cerca de los campos de quema, que a menudo incluyen poblaciones de menores ingresos y no blancas, estuvieron expuestas a los niveles más altos de contaminación, mientras que aquellos que viven cerca del océano respiraron un aire mucho más limpio. El estudio confirmó que la quema de caña de azúcar es una fuente de contaminación importante y localizada que crea un mosaico de calidad del aire a través de la región.

Cuando se trató de determinar la mejor manera de estimar estos niveles de contaminación en áreas no monitoreadas, los investigadores descubrieron que la simplicidad a menudo funcionaba mejor que la complejidad. El método que funcionó de manera más consistente fue una técnica llamada ponderación de la distancia inversa. Este enfoque asume que las ubicaciones más cercanas a un sensor son más similares a la lectura de ese sensor que las ubicaciones más alejadas. Si bien los modelos estadísticos más avanzados a veces produjeron mejores resultados en días específicos, también generaron con frecuencia números imposibles, como niveles de contaminación negativos o concentraciones tan altas que desafiaban la realidad, especialmente cuando los datos eran escasos. El método más simple, sin embargo, rara vez cometió estos errores y proporcionó estimaciones confiables en casi el 97 por ciento de los días estudiados. El equipo concluyó que la forma más robusta de estimar la exposición para futuros estudios de salud es utilizar un sistema flexible y semiautomático que elija el mejor método para cada día específico basándose en la cantidad de datos disponibles y en qué tan bien se ajustan los modelos a las condiciones.

Este enfoque ofrece una nueva forma de estudiar los efectos en la salud de la quema agrícola sin necesidad de monitores costosos de grado gubernamental en cada vecindario. Al combinar sensores de bajo costo con datos satelitales y elecciones estadísticas inteligentes, los investigadores crearon un marco que puede utilizarse en otras áreas rurales donde las fuentes de contaminación son episódicas y el monitoreo es escaso. El estudio no demostró que el humo de la caña de azúcar cause enfermedades específicas en esta población, pero proporcionó con éxito los datos de exposición detallados y específicos de la ubicación que los científicos de la salud necesitan para plantear esas preguntas en el futuro. Los hallazgos resaltan que, si bien el humo es una parte natural del ciclo agrícola, su impacto no se distribuye de manera uniforme, dejando a algunas comunidades con la carga de soportar un mayor peso de la contaminación que a otras.

Resumen Técnico: Comparación de Técnicas de Interpolación Geoespacial para la Estimación de PM2.5 Ambiental derivado de la Quema de Caña de Azúcar en el Sur de la Florida

Planteamiento del Problema
La quema agrícola, específicamente la quema de caña de azúcar previa a la cosecha en el Área Agrícola de los Everglades (EAA) en el sur de la Florida, es una fuente significativa de material particulado fino (PM2.5). Si bien estudios previos han vinculado esta contaminación con resultados adversos para la salud (p. ej., asma, enfermedades respiratorias, mortalidad) a nivel de condado o de sector censal, existe una falta crítica de datos de exposición específicos por ubicación (residencial u ocupacional). Esta brecha existe debido al escaso monitoreo regulatorio de la calidad del aire en áreas rurales y a la naturaleza episódica y de corta duración de las columnas de humo, que los modelos de exposición a largo plazo estándar no logran capturar adecuadamente. En consecuencia, los estudios de salud a nivel individual que investigan los efectos a corto plazo de la quema agrícola se ven obstaculizados por la incapacidad de estimar con precisión las concentraciones diarias de PM2.5 en ubicaciones específicas.

Metodología
Para abordar estas brechas, los autores desplegaron una red densa de 44 sensores de bajo costo PurpleAir en los condados de Glades, Hendry, Okeechobee y Palm Beach, complementada con dos monitores del Sistema de Calidad del Aire (AQS) de la EPA de los EE. UU. (Método de Referencia Federal, FRM). La recolección de datos ocurrió desde el 8 de junio de 2024 hasta el 1 de diciembre de 2025, cubriendo tanto las temporadas de quema como las de no quema.

El estudio empleó un marco de procesamiento de datos y modelado de múltiples pasos:

Procesamiento de Datos: Los datos brutos de 10 minutos de los sensores fueron corregidos utilizando el factor de calibración de Barkjohn para alinearlos con los estándares de PM2.5 de la EPA. Los datos se agregaron en promedios horarios y de 24 horas, eliminando valores atípicos mediante el método del Rango Intercuartílico (IQR).
Identificación de Humo: Se identificaron días "impactados por humo" utilizando cuatro criterios: (1) PM2.5 ≥ 15 µg/m³ durante ≥1 hora; (2) PM2.5 ≥ 20 µg/m³ durante ≥1 hora; (3) PM2.5 ≥ 30 µg/m³ durante ≥1 hora; y (4) un enfoque híbrido que combina el umbral de 20 µg/m³ con los datos de las columnas de humo del Sistema de Mapeo de Peligros (HMS) de la NOAA. Un criterio secundario, más inclusivo (C2), utilizó los registros de Autorización de Quema Abierta (OBA) del Departamento de Agricultura y Servicios al Consumidor de la Florida.
Interpolación Geoespacial: Los autores ajustaron 11 modelos geoespaciales diferentes a los datos de promedio de 24 horas de PM2.5 transformados logarítmicamente en una cuadrícula de 5 km. Los modelos incluyeron:
- Ponderación por Distancia Inversa (IDW).
- Kriging Ordinario (OK) con cinco ajustes de variograma (Bessel, Exponencial, Gaussiano, Lineal, Nugget).
- Kriging Universal (UK) con cinco ajustes de variograma.
Evaluación de Modelos: El rendimiento se evaluó mediante Validación Cruzada de Dejar Uno Fuera (LOOCV), calculando $R^2$ , Error Cuadrático Medio (RMSE) y Error Absoluto Medio (MAE).
Enfoque de Conjunto (Ensemble): Se probó un enfoque "combinado" semiautomatizado, seleccionando el "mejor" modelo para cada día basándose en el recuento de mediciones, el ajuste del variograma y las métricas de LOOCV.
Análisis Estadístico: Se utilizaron pruebas de Wilcoxon para comparar las concentraciones estimadas de PM2.5 entre los días impactados por humo y los no impactados a través de toda el área de estudio.

Resultados Clave

Recolección de Datos: El estudio generó 12,814 mediciones de promedio de 24 horas de PM2.5. El número mediano de sensores activos por día fue 24 (rango: 2–34).
Impacto del Humo: Las concentraciones estimadas de PM2.5 fueron significativamente mayores en los días impactados por humo en comparación con los días no impactados en todos los modelos ( $p < 0.001$ ). En promedio, la presencia de humo de quema de caña de azúcar aumentó las concentraciones de 24 horas de PM2.5 en 1.65 µg/m³ (SE = 0.13 µg/m³).
Distribución Espacial: Las concentraciones de PM2.5 fueron más altas en el interior, cerca de la EAA y el Lago Okeechobee, y más bajas a lo largo de la costa. Esto resalta las disparidades en la calidad del aire, ya que las poblaciones de bajos ingresos y no blancas están más concentradas en las regiones de quema del interior.
Desempeño de los Modelos:
- IDW vs. Kriging: Los modelos IDW generalmente funcionaron mejor, manteniendo los $R^2$ más altos y las métricas de error más bajas durante la mayoría de los días. El IDW estimó con éxito las concentraciones en 527 de 541 días (97.4%). En contraste, los modelos OK y UK con ajustes Bessel y Gaussiano produjeron frecuentemente valores poco realistas (concentraciones negativas o valores atípicos extremos >1000 µg/m³) y fallaron en estimar datos en días con menos mediciones.
- Variabilidad: El desempeño de los modelos varió según la estación y la presencia de humo. Los valores de $R^2$ oscilaron entre 0 y 0.99. Los modelos OK con un ajuste "Nugget" mostraron un $R^2 = 1$ , pero esto se consideró engañoso, ya que el modelo predecía valores idénticos para todas las ubicaciones, fallando en capturar la heterogeneidad espacial.
- Enfoque Combinado: El enfoque semiautomatizado de seleccionar el mejor modelo diariamente produjo un rendimiento superior, con un 82.9% de los días alcanzando un $R^2 > 0.90$ .
Estimaciones de Exposición: Al aplicarse a 50 ubicaciones residenciales, los modelos IDW mostraron la mayor diferenciación entre los días con y sin humo (media de 5.52 µg/m³ frente a 3.31 µg/m³), mientras que algunos modelos de Kriging mostraron una diferenciación mínima, lo que sugiere que pueden suavizar los picos episódicos.

Significancia y Reivindicaciones
Los autores afirman que este es el primer estudio que estima las exposiciones de PM2.5 por ubicación provenientes de la quema agrícola en ubicaciones no monitoreadas en el sur de la Florida. La principal significancia del estudio radica en el desarrollo de un marco para apoyar futuros estudios epidemiológicos a nivel individual, específicamente aquellos que investigan resultados de salud a corto plazo como la función cognitiva en áreas de quema intermitente.

Contribuciones clave incluyen:

Validación Metodológica: Demostrar que el IDW es un método robusto y computacionalmente eficiente para fuentes de contaminación rurales y episódicas donde la densidad de datos es variable, superando a menudo a los complejos modelos de Kriging en este contexto específico.
Integración de Datos Híbridos: Combinar con éxito datos de sensores de bajo costo calibrados con detecciones de columnas de humo derivadas de satélites y permisos de quema regulatorios para superar las limitaciones del escaso monitoreo en regiones agrícolas rurales.
Perspectiva de Equidad en Salud: Proporcionar evidencia de que la exposición a PM2.5 derivada de la quema de caña de azúcar no es solo un problema regional, sino que afecta desproporcionadamente a las comunidades de bajos ingresos y no blancas que residen en el interior, cerca de la EAA, en contraste con los niveles de exposición más bajos a lo largo de la costa.

Los autores mantienen la modestia respecto a sus afirmaciones, reconociendo que los errores en los modelos de exposición pueden propagarse a las estimaciones de efecto en futuros estudios de salud. Señalan que asignar un único promedio de 24 horas puede subestimar los efectos en la salud al no capturar las variaciones temporales por hora. Además, advierten que, si bien su enfoque es generalizable a otras regiones de caña de azúcar (Luisiana, Texas) y áreas de quema agrícola, puede requerir modificaciones para regiones con terrenos complejos o dispersión impulsada por vientos fuertes.

Más como este