APRÈN. Portal de la producció docent del professorat de la UPC

Aquest TFG consta d'un estudi numèric de la dinàmica de la dispersió de contaminants en regions urbanes, i més en concret en una zona determinada de l'Eixample de la ciutat de Barcelona. En l'actualitat la contaminació és un gran problema que s'ha de tractar amb cura i analitzar els seus efectes sobre la població. En aquest TFG mitjançant principalment l'aplicació COMSOL MULTIPHYSICS es duran a terme certs anàlisis CFD i diverses investigacions per tal d'estudiar com afecten i com es mouen els contaminants tant amb arbres com sense en certs punts on el trànsit de cotxes i població és elevat, tractant amb dades reals de Barcelona i amb l'estructura exacte de la zona estudiada. Amb aquests resultats es busca treure unes conclusions per tal de poder incidir en un futur sobre aquestes emissions per tal de reduir-les i sobretot coneixent la dinàmica amb la qual es mouen, actuar sobre elles per tal de que no siguin tant nocives per les persones i pel planeta. Estudiar l'efecte de la vegetació urbana en la dinàmica de la dispersió de contaminants a la ciutat

Este TFG consta de un estudio numérico de la dinámica de la dispersión de contaminantes en regiones urbanas, y más concretamente sobre una zona urbana de la ciudad de Barcelona. En la actualidad la contaminación es un gran problema que debe tratarse con cuidado y analizar sus efectos sobre la población. En este TFG mediante principalmente la aplicación COMSOL MULTIPHYSICS se llevarán a cabo ciertos análisis CFD y diversas investigaciones para estudiar cómo afectan y cómo se mueven los contaminantes en ciertos puntos donde el tráfico de coches y población es elevado, tratando con datos reales de Barcelona y con la estructura exacta de la zona estudiada. Con estos resultados se busca sacar unas conclusiones para poder incidir en un futuro sobre estas emisiones para reducirlas y sobre todo conociendo la dinámica con la que se mueven, actuar sobre ellas para que no sean tan nocivas para las personas y para el planeta.

La gestió efectiva de la qualitat de l'aire en entorns urbans és crucial per garantir la salut i el benestar dels residents, així com per a la preservació del medi ambient. Dins d'aquest context, el present Treball de Fi de Grau té com a objectiu l'estudi i la simulació de la dinàmica de dispersió de contaminants a la ciutat de Barcelona, utilitzant una metodologia basada en l'anàlisi de dades d'observacions de contaminació urbana i la implementació de simulacions de Dinàmica de Fluids Computacional (CFD). Amb un enfocament específic en zones crítiques, aquest estudi se centra en un carrer cèntric de l'Eixample, buscant oferir una comprensió detallada del comportament dels contaminants en aquest entorn urbà específic. Mitjançant l'ús de CFD, es pot aconseguir una representació precisa i detallada de la dispersió dels diferents contaminants. Es realitzaran diferents estudis, tant bidimensionals com tridimensionals, per tal d'avaluar l'eficiència dels models a l'hora de representar la dinàmica del flux, permetent no només la comprensió dels processos físics involucrats, sinó també la predicció de possibles escenaris futurs i l'avaluació de mesures de mitigació. Els resultats d'aquest estudi indiquen una clara dependència de la precisió dels models bidimensionals i tridimensionals respecte al tipus de flux que es desenvolupa, i subratlla la complexitat de modelar fluxos en entorns urbans, ja que petites modificacions en les condicions d'entrada o en la geometria poden tenir grans efectes en el posterior desenvolupament del flux, i en conseqüència, en la dispersió dels contaminants.

La gestión efectiva de la calidad del aire en entornos urbanos es crucial para garantizar la salud y el bienestar de los residentes, así como para la preservación del medio ambiente. Dentro de este contexto, el presente Trabajo de Fin de Grado tiene como objetivo el estudio y la simulación de la dinámica de dispersión de contaminantes en la ciudad de Barcelona, utilizando una metodología basada en el análisis de datos de observaciones de contaminación urbana y la implementación de simulaciones de Dinámica de Fluidos Computacional (CFD). Con un enfoque específico en zonas críticas, este estudio se centra en una calle céntrica del Eixample, buscando ofrecer una comprensión detallada del comportamiento de los contaminantes en este entorno urbano específico. Mediante el uso de CFD, se puede conseguir una representación precisa y detallada de la dispersión de los diferentes contaminantes. Se realizarán diferentes estudios, tanto bidimensionales como tridimensionales, para evaluar la eficiencia de los modelos a la hora de representar la dinámica del flujo, permitiendo no solo la comprensión de los procesos físicos involucrados, sino también la predicción de posibles escenarios futuros y la evaluación de medidas de mitigación. Los resultados de este estudio indican una clara dependencia de la precisión de los modelos bidimensionales y tridimensionales con respecto al tipo de flujo que se desarrolla, y subraya la complejidad de modelar flujos en entornos urbanos, dado que pequeñas modificaciones en las condiciones de entrada o en la geometría pueden tener grandes efectos en el posterior desarrollo del flujo, y en consecuencia, en la dispersión de los contaminantes.

Assegurar models de qualitat de l'aire fiables i corregits és crucial per ajudar les parts interessades en els processos de presa de decisions i millorar tant la salut pública com la sostenibilitat. L'objectiu d'aquest treball és corregir el model regional de qualitat de l'aire de la regió de Catalunya, amb una resolució d'1 km x 1 km, centrant-se en els següents contaminants: NO2, O3, PM10 i PM2,5. Per aconseguir-ho, s'ha desenvolupat un mètode de fusió de dades denominat universal kriging, que incorpora observacions de les estacions de la xarxa de vigilància de la Generalitat de Catalunya per millorar la precisió del model regional. La disponibilitat d'observacions en les estacions de monitoratge de la qualitat de l'aire per PM2.5, que són particularment nocives per a la salut humana, va ser limitada pels anys 2020, 2021 i 2022 a la regió de Catalunya. Com que els mètodes de fusió de dades depenen fortament de la disponibilitat d'observacions, el rendiment de la correcció per a PM2.5 va ser subòptim. Per abordar aquesta problemàtica, es va implementar un mètode d'intel·ligència artificial anomenat gradient boosting machine (GBM) per omplir les observacions restants, i així, millorar la precisió del model regional. Els resultats demostren que corregir el model regional mitjançant el mètode de fusió de dades millora significativament el seu rendiment. Particularment per a PM2.5, el mètode de fusió de dades es va mostrar molt dependent de la disponibilitat d'observacions, ja que va aconseguir un rendiment significativament millor quan incorporava les dades omplertes per GBM. Tot i que aquest estudi representa un pas inicial amb avanços prometedors en la correcció del model regional, es necessita més investigació per millorar el rendiment de la correcció. Això es pot aconseguir incorporant dades addicionals en el mètode de fusió, com la intensitat del trànsit, la densitat de població, la radiació solar, entre d'altres factors. Les futures investigacions haurien de centrar-se a perfeccionar el rendiment de la correcció mitjançant la integració de fonts de dades complementàries, facilitant avaluacions de qualitat de l'aire més precises i completes per a processos de presa de decisions efectius. A més, la investigació futura pot aprofitar l'habilitat de l'universal kriging per proporcionar una estimació de la incertesa associada a la correcció. Aquesta característica el diferencia d'altres metodologies, que sovint manquen d'aquesta quantificació. Tenint en compte la incertesa, les parts interessades poden prendre decisions informades basades en una comprensió més completa de la fiabilitat del model corregit

Asegurar modelos de calidad del aire fiables y corregidos es crucial para ayudar a las partes interesadas en los procesos de toma de decisiones y mejorar tanto la salud pública como la sostenibilidad. El objetivo de este trabajo es corregir el modelo regional de calidad del aire de la región de Cataluña, con una resolución de 1 km x 1 km, centrándose en los siguientes contaminantes: NO2, O3, PM10 y PM2.5. Para lograrlo, se ha desarrollado un método de fusión de datos denominado universal kriging, que incorpora observaciones de las estaciones de la red de vigilancia de la Generalitat de Cataluña para mejorar la precisión del modelo regional. La disponibilidad de observaciones en las estaciones de monitoreo de la calidad del aire para PM2.5, que son particularmente dañinas para la salud humana, fue limitada en los años 2020, 2021 y 2022 en la región de Cataluña. Dado que los métodos de fusión de datos dependen en gran medida de la disponibilidad de observaciones, el rendimiento de la corrección para PM2.5 fue subóptimo. Para abordar este problema, se implementó un método de inteligencia artificial llamado gradient boosting machine (GBM) para llenar las observaciones faltantes y mejorar la precisión del modelo regional. Los resultados demuestran que corregir el modelo regional mediante el método de fusión de datos mejora significativamente su rendimiento. Específicamente para PM2.5, el método de fusión de datos resultó ser muy dependiente de la disponibilidad de observaciones, ya que logró un rendimiento significativamente mejor al incorporar los datos llenados por GBM. Aunque este estudio representa un primer paso con avances prometedores en la corrección del modelo regional, se requiere más investigación para mejorar el rendimiento de la corrección. Esto se puede lograr incorporando datos adicionales en el método de fusión, como la intensidad del tráfico, la densidad de población, la radiación solar, entre otros factores. Las investigaciones futuras deberían centrarse en perfeccionar el rendimiento de la corrección mediante la integración de fuentes de datos complementarias, facilitando evaluaciones más precisas y completas de la calidad del aire para procesos efectivos de toma de decisiones. Además, la investigación futura puede aprovechar la capacidad del universal kriging para proporcionar una estimación de la incertidumbre asociada a la corrección. Esta característica lo diferencia de otras metodologías, que a menudo carecen de esta cuantificación. Al tener en cuenta la incertidumbre, las partes interesadas pueden tomar decisiones informadas basadas en una comprensión más completa de la fiabilidad del modelo corregido