PROGRAMACIÓN APLICADA
ELECTRICIDAD 2025-1
Integrantes:
Juliet Torres
Marvin Cuesta
Paralelo A
Ing. Erick Alcívar
2025-1
Control del nivel de contaminación del aire en zonas
urbanas
Resumen
En los últimos años con el desarrollo y avance tecnológico e industrial que es
indispensable es inevitable que produzcan residuos que se consideran potencialmente
peligrosos y tóxicos. Incluso según la OMS solo 7 países cumplieron en 2023 las guías
de conducción de calidad del aire para PM₂.₅ y más del 90 % de la población mundial vive
en áreas que exceden las guías de PM₂.₅, PM₁₀ y NO₂.
Es necesario un control efectivo sobre la situación por eso el objetivo general es
monitorear el ICA en zonas urbanas, y facilitar una herramienta de fácil acceso que ayude
a mantener un control, específicamente diseñar un sistema de monitoreo de la calidad del
aire utilizando Simulink, diseñar un algoritmo que calcule el ICA y utilizar los datos
ofrecidos por sensores para observar el comportamiento de estas concentraciones
En zonas urbanas según registros se acumulan mayormente contaminantes como, dióxido
de nitrógeno, material particulado, dióxido de azufre, monóxido de carbono, y ozono,
existe una medida llamada índice de calidad del aire que se obtiene mediante una fórmula
estandarizada. Se recolectaron datos de un estudio realizado en Delhi, para simular los
sensores, calcular el ICA y visualizar los valores. Esta investigación adopta una
metodología cuantitativa con un diseño no experimental, basado en el análisis de datos
secundarios del estudio mencionado. Como resultados obtenemos una gráfica del ICA, se
logra observar valores alrededor de 142, esto lo ubica en zona amarilla de peligro, así el
sistema de monitoreo implementado ofrece información del estado del aire.
Palabras clave: ICA, contaminantes, Simulink, contaminación urbana, monitoreo,
dióxido de nitrógeno, material particulado, dióxido de azufre, monóxido de carbono,
ozono, control ambiental, sensores. Delhi.
Abstract
In recent years, with technological and industrial development and progress, it has become inevitable
and essential that waste considered potentially hazardous and toxic is produced. According to the
WHO, only 7 countries met the air quality guidelines for PM₂.₅ in 2023, and more than 90% of the
world’s population lives in areas that exceed the recommended levels for PM₂.₅, PM₁₀, and NO₂.
Effective control over this situation is necessary. Therefore, the general objective is to monitor the Air
Quality Index (AQI) in urban areas and provide an easily accessible tool to help maintain control.
Specifically, the project aims to design an air quality monitoring system using Simulink, develop an
algorithm to calculate the AQI, and use data provided by sensors to observe the behavior of these
concentrations.
In urban areas, according to records, pollutants such as nitrogen dioxide, particulate matter, sulfur
dioxide, carbon monoxide, and ozone accumulate more frequently. There is a standardized measure
called the Air Quality Index (AQI), which is calculated through a specific formula. Data from a study
conducted in Delhi was collected to simulate sensor readings, calculate the AQI, and visualize the
values. This research adopts a quantitative methodology with a non-experimental design, based on the
analysis of secondary data from the mentioned study.
As a result, an AQI graph is obtained showing values around 142, which places it in the yellow danger
zone. Thus, the implemented monitoring system provides information about the current state of the
air.
Keywords: AQI, MATLAB, Simulink, Urban pollution, Environmental monitoring, Pollutants,
Nitrogen dioxide, particulate matter, sulfur dioxide, carbon monoxide, ozone, simulation, sensors,
environmental control, Delhi.
1. Introducción
1.1 Problemática.
En los últimos años con el desarrollo y avance tecnológico e industrial que es
indispensable en actividades tanto cotidianas, como sociales o económicas es inevitable
que con el uso de materiales o compuestos importantes para el desarrollo y producción se
produzcan una cantidad considerable o pequeña de residuos en el ambiente, muchos de
estos residuos se consideran potencialmente peligrosos y tóxicos para el ser humano en
cantidades determinadamente altas, pues muchos de estos de estos tienen consecuencias
a corto, mediano o largo plazo dependiendo del tiempo de exposición, el tipo de
compuesto y la cantidad de concentración de estos, a estos residuos o compuestos
suspendidos y que tienen efectos negativos no solo en la salud sino en el equilibrio
ecológico del ambiente se les llama contaminantes.
En zonas urbanas donde la actividad y movimiento es mayor y dependientes del avance
tecnológico e industrial se concentra más contaminación ambiental, en donde según
registros predominan seis contaminantes. Incluso
“De acuerdo con el World Air Quality Report 2024 (IQAir), solo 7 países cumplieron en
2023 las guías de conducción de calidad del aire para PM₂.₅ definidas por la OMS, lo
que implica que el 92.5 % de los países excedieron esos límites. Además, la base de datos
ambiental de la OMS revela que más del 90 % de la población mundial vive en áreas que
exceden las guías de PM₂.₅, PM₁₀ y NO₂.”
Gracias a aquello es necesario tener cierto conocimiento sobre el estado del aire y la
concentración de contaminantes que puede haber, adicional a eso se evalúa el riesgo que
tienen ciertas cantidades y concentraciones para el cuerpo humano junto con el tiempo de
exposición, esto nos dará una idea de que tanta cantidad de cualquier contaminante es
dañina, potencialmente dañina, o inofensiva para el humano.
“La Agencia Europea del Media Ambiente indica que anualmente se registran en Europa
40.000 muertes prematuras atribuibles a la contaminación ambiental por PM2.5, otras
60.000 debidas al NO2, y 15.000 al O3.”
A pesar de que este sea un tema del que se tiene conocimiento, es importante tomar
medidas no solo para tener un control sobre la situación, sino también evaluar los posibles
riesgos y planificar las soluciones más óptimas y efectivas. Controlar la situación nos
facilita igualmente evaluar el riesgo al que pueden exponerse una población vulnerable o
sensible, normalmente por problemas respiratorios como el asma que no son tan poco
comunes, pues para un correcto control de la situación se requiere conocer todos los
riesgos posibles no solo para la población más amplia, sino más bien para toda.
Sin un correcto control de la situación podemos estar expuestos ya sea a corto, mediano
o largo plazo a concentraciones o cantidades que potencialmente pueden causar efectos
negativos en nuestra salud, tales como problemas respiratorios, cardiovasculares o un
deterioro lento del estado de salud de un individuo, por eso es importante tomar medidas,
y estas se toman gracias al monitoreo constante conocimiento y control de la situación.
La OMS afirma que:
“El monitoreo de la calidad del aire es el primer paso para comprender la exposición de
la población y tomar medidas. Se recomienda que cada país tenga acceso al menos a un
monitor de referencia, que sirve como base para múltiples métodos de modelado y para
evaluar el cumplimiento de estándares.”
Pero muchos países no cuentan con los suficientes recursos o posición económica
favorable como para invertir en estaciones o monitoreo, como consecuencia muchos
desconocen el estado actual del nivel de calidad del aire de sus zonas, sin ello es difícil
tomar medidas, aumentado las consecuencias negativas provocadas por mala calidad del
aire, por ello es importante y útil la utilización de herramientas de fácil acceso que
permitan mantener un control constante sobre aquella situación, de esta manera las
soluciones no se limitan solo a una parte del mundo.
1.2 Objetivos
1.2.1 Objetivos generales
• Controlar y monitorear el ICA en zonas urbanas
• Facilitar una herramienta de fácil acceso que ayude a mantener un control y
correcta planificación ante situaciones no favorables
1.2.2 Objetivos específicos
• Diseñar un sistema de monitoreo de la calidad del aire utilizando Simulink
• Diseñar un algoritmo que calcule el ICA utilizando Simulink
• Utilizar los datos ofrecidos por los sensores para observarlos comportamiento de
estas concentraciones
1.3 Justificación
El control y monitoreo de la calidad del aire es esencial para prevenir problemas de salud
y evitar imprevistos que podrían haberse anticipado con información y monitoreo
adecuado. Se cuenta con una herramienta accesible que permita conocer el estado del aire
en tiempo real mediante sensores y plataformas como MATLAB y Simulink. Al integrar
tecnologías de fácil acceso, se busca crear una solución práctica y comprensible que
facilite y mejore la toma de decisiones responsables gracias a un conocimiento y control
del Índice de Calidad del Aire (ICA).
2. Marco teórico
2.1 Contaminación del aire
La contaminación del aire se define como toda alteración molecular o química producida
en el ambiente que por normalidad es causada por una gran concentración de elementos
denominados contaminantes, más en concreto en el aire, capaz de producir y provocar el
desequilibrio natural del mismo y afectar tanto la salud humana como el equilibrio
ecológico del ambiente.
Este hecho puede ocurrir por procesos naturales normalmente interacciones o procesos
atmosféricos; como procesos antropogénicos, causados por intervención humana, como
procesos industriales, químicos o tecnológicos. En zonas urbanas solemos estar rodeados
de actividad humana a diario, en donde estas involucran procesos que contribuyen
diariamente al aumento de contaminantes en el ambiente, como tráfico o movilización
vehicular, industrias o fábricas, uso doméstico de combustibles fósiles, y fuentes agrícolas
como el uso de insecticidas y herbicidas. Esta gran cantidad de procesos a los que estamos
expuestos diariamente inevitablemente contribuyen y aumentan la concentración de
contaminantes y por tanto, a la contaminación ambiental y del aire.
2.2 Contaminante más comunes en zonas urbanas
A pesar de que existan diversas causas y procesos que favorezcan el aumento de
contaminación o la acumulación de contaminantes destacaremos seis de los
contaminantes más comunes en ciudades o zonas urbanas, donde solemos estar rodeados
de actividades a diario que acumulan la concentración de estos contaminantes, a
continuación, se mencionan.
Material Particulado fino (PM2.5): Son partículas finas (menor a 10 micras)
suspendidas en el aire, causado y generado principalmente por la quema de combustible
fósil, incendios, quema de basura, polvo en suspensión y cocinas de leña o carbón
Material particulado grueso (PM10): Son partículas de mayor volumen que un PM25,
se encuentran suspendidas en el aire gracias a procesos como polvo de carreteras sin
pavimentar, construcción, industria, y actividades agrícolas cercanas.
Dióxido de nitrógeno (NO2): Este es un compuesto que se considera contaminante y
tóxico, y se forma principalmente por la oxidación del monóxido de nitrógeno (NO)
producto de la combustión a altas temperaturas, como tráfico vehicular debido a su
combustión interna, centrales térmicas, calentadores y estufas de gas mal ventiladas e
industrias
Dióxido de azufre (SO2): Este es un compuesto químico que ocurre por la oxidación del
monóxido de azufre (SO) y es irritante y tóxico en concentraciones altas, y peligroso a
partir de 262mg/m^3
Monóxido de carbono (CO): Este es un gas altamente tóxico, sin olor, color ni sabor, su
detección es imposible sin instrumentos de medición y se produce por la combustión
incompleta de combustible como motores de gasolina mal regulados, quemas incompletas
de biomasa, fuga de gas en interiores o tabaco
Ozono troposférico (O3): Este es un compuesto que no se emite directamente, más bien
se forma por reacción química en la atmósfera entre óxidos de nitrógeno, compuesto
orgánicos volátiles y radiación solar, pero existen fuentes indirectas que favorecen su
producción como tráfico vehicular, disolventes industriales, gases de escape y emisiones
industriales, estos son fuentes indirectas de dicho compuesto y es un contaminante común.
Todos estos contaminantes en grandes cantidades y concentraciones pueden ser mortales,
por eso existen umbrales o rangos que nos indican cuando estas concentraciones suelen
ser peligrosas, mortales, con pocos efectos o efectos negativos casi nulos o insignificantes,
estas mediciones se suelen lograr gracias a sensores que miden la densidad de dichos
compuestos en el aire.
2.3 Índice de contaminación del aire (ICA)
Gracias al aumento de la tecnología y avances industriales es inevitable evitar el aumento
considerable de contaminación ambiental en el aire, es por ello que existen medidas
necesarias para el control de esta situación, esto nos permite planificar y actuar de manera
más rápida y eficaz ante posibles situaciones extremas. Entre estas medidas se encuentra
un monitoreo constante de dichos contaminantes en el ambiente, esto nos ayuda a
mantener un control y estar informado ante cualquier anomalía. Esto nos permite definir
una medida que nos ofrece información más generalizada del estado del aire, y que tan
contaminado está, a dicha medida se le conoce como índice de contaminación del aire
(ICA), y está se obtiene gracias a la concentración de los contaminantes mencionados
anterior, así que el monitoreo constante de estos nos permite conocer el ICA de la zona de
monitoreo, controlando de manera más eficiente el estado del aire y actuar y planificar
más rápido ante cualquier emergencia.
El ICA se calcula mediante la siguiente fórmula estandarizada para cada contaminante
𝑰𝒉𝒊𝒈𝒉 − 𝑰𝒍𝒐𝒘
𝑰𝑪𝑨 = ∙ (𝑪 − 𝑪𝒍𝒐𝒘 ) + 𝑰𝒍𝒐𝒘
𝑪𝒉𝒊𝒈𝒉 − 𝑪𝒍𝒐𝒘
Donde:
𝑰𝑪𝑨: Valor del índice de calidad
𝑪: Es la concentración medida del contaminante
𝑪𝒉𝒊𝒈𝒉 : Es el límite superior del rango de concentración en el que entra 𝑪
𝑪𝒍𝒐𝒘 : Es el límite inferior del rango de concentración en el que entra 𝑪
𝑰𝒍𝒐𝒘 : Es el límite inferior del rango del ICA correspondiente a 𝑪𝒍𝒐𝒘
𝑰𝒉𝒊𝒈𝒉 : Es el límite superior del rango del ICA correspondiente a 𝑪𝒉𝒊𝒈𝒉
Los rangos de concentración que se utilizan vienen dados por la tabla de puntos de ruptura,
nos detallan los rangos en donde cae la concentración del contaminante el rango del ICA
correspondiente según la concentración del contaminante, dichas tablas se detallan a
continuación para cada contaminante.
Contaminante Intervalo de Intervalo
concentración ICA
PM25 0.0 – 12.0 0 - 50
12.1 – 35.4 51 - 100
35.5 – 55.4 101 - 150
55.5 – 150.4 151 – 200
PM10 0.0 – 54.0 0 - 50
55.0 – 154.0 51 - 100
155.0 – 254.0 101 - 150
255.0 – 354.0 151 – 200
NO2 0.0 – 53.0 0 - 50
54.0 – 100.0 51 - 100
101.0 – 360.0 101 - 150
361.0 – 649.0 151 – 200
SO2 0.0 – 35.0 0 - 50
36.0 – 75.0 51 - 100
76.0 – 185.0 101 - 150
186.0 – 304.0 151 – 200
CO 0.0 – 4.4 0 - 50
4.5 – 9.4 51 - 100
9.5 – 12.4 101 - 150
12.5 – 15.4 151 – 200
O3 0.0 – 0.054 0 - 50
0.055 – 0.070 51 - 100
0.071 – 0.085 101 - 150
0.086 – 0.105 151 – 200
Esto solo nos dará un índice o valor adimensional estandarizado del contaminante que nos
dice que tan peligrosa es su concentración en el ambiente, está es información parcial
sobre el ICA global, pues si hacemos esto para todos los contaminantes el ICA global será
el mayor valor obtenido, por ende este valor es importante para comunicar que tan
peligroso es el aire en ciertas zonas, a continuación se presentan los valores estándar en
los que se clasifica el ICA según su nivel de peligrosidad en el ambiente:
[0-50]: Nivel de calidad bueno, no representa ningún riesgo a la población
[51-100]: Nivel de calidad moderado, puede existir riesgo leve en sensibles
[101-150]: Dañino para sensibles, sobre todo para asmáticos o personas con enfermedades
respiratorias
[151-200]: Riesgo de calidad dañino, representa riesgo para toda la población
[201-300]: Nivel de calidad extremadamente dañino, representa riesgo muy alto para la
población
Más de 300: Nivel de calidad mortal, representa riesgo mortal para toda la población
Teniendo en cuenta estos umbrales o rangos establecidos tenemos un control muy eficaz
de dicha situación, y gracias a estas medidas de controles se pueden tomar acciones
óptimas, efectivas y rápidas para solucionar cualquier problema y mantener una buena
calidad del aire del ambiente y evitar problemas de salud ya sea a largo, mediano o corto
plazo de la población
2.4 Solución planteada
El objetivo a cumplir es diseñar un sistema de monitoreo que recolecte datos de la
concentración de seis contaminantes y muestre una gráfica del ICA resultante para los
datos respectivos y simular esto mismo, para abarcar dicho objetivo se recolectaron datos
de un estudio realizado en una de las ciudades más contaminadas del mundo, Delhi
ubicada en el país de India, los datos recolectados pertenecen al monitoreo realizado en
el mes de enero de 2021, posteriormente se inició un modelo en Simulink, en donde nos
basamos en los datos ofrecidos del artículo de estudio del MDPI, por simplicidad se
decidió simular los seis sensores en donde estos varían alrededor de valores medios, y
dichos valores medios son los datos del estudio , cada sensor tiene un diagrama de bloques
que simulan una serie de datos aleatorios saturados en un rango realista, no muy lejano a
al dato constante que será la media del rango en donde los datos aleatorios simulados se
moverán, este diagrama fue hecho subsistema para simplificar el diagrama, así cada
sensor es un subsistema formado por los siguientes bloques
Bloques utilizados
• Constant
• Uniform Number Random
• Gain
• Sum
Se coloca un valor referencia en este la constante del bloque Constant, en el bloque
Uniform Random Number por configuración predeterminada dejamos el rango -1 a 1,
estos nos generará valores aleatorios en este rango; se conecta un bloque Gain al Uniform
Random Number, esto comprime los valores de salida multiplicándolos por el valor
colocado en el bloque Gain, después se coloca un bloque suma, este bloque con dos
entradas toma dos valores, en este caso la constante insertada y el número aleatorio
comprimido por el Gain, y los suma, dando así un efecto de variación alrededor de un
valor, simulando así los datos ofrecidos por un sensor que ofrece la concentración de un
contaminante.
Una vez teniendo los seis sensores hechos, se modificaron los bloques para que recepten
y emitan valores con un Sample Time = 1, por tanto, cada segundo durante 25 segundos
se genera un nuevo valor formando así un arreglo de tamaño 25x1 con los valores de cada
sensor, cada sensor se conecta a un Demux, para luego conectarlo a un Scope en donde
se visualizará la gráfica de los valores tirados por los seis sensores.
Una vez tenemos simulados los seis sensores y recolectados los datos gracias a un Demux,
mediante un bloque Matlab System se define una clase en un script en Matlab que
guardaremos como ICAcalculadora.m y este script toma los valores dados de los sensores,
y calcula el ICA resultante para cada recolección de datos tirados cada segundo, dando
así un arreglo de tamaño 25x1 que da el valor del ICA para cada segundo, el script toma
las concentraciones del arreglo que tira cada sensor de un determinado contaminante,
define los puntos de ruptura para cada contaminante mediante una matriz y calcula el ICA
parcial de cada contaminante según esto, después de realizar este proceso con cada
contaminante de los seis, entonces se declara un arreglo con los seis contaminantes como
elementos, tomando el elemento máximo del arreglo se obtiene el ICA, se repite el
proceso para los demás datos arrojados en el segundo dos, así con los restantes, formando
como resultado del script un arreglo con todos los ICA obtenidos cada segundo, a
continuación se detalla el código completo
classdef ICAcalculator < [Link]
methods (Access = protected)
function y = stepImpl(~, x)
% Asegurarse de que x sea vector columna
x = x(:);
ica_values = zeros(6,1);
breakpoints = {
[0.0 12.0 0 50;
12.1 35.4 51 100;
35.5 55.4 101 150;
55.5 150.4 151 200];
[0 54 0 50;
55 154 51 100;
155 254 101 150;
255 354 151 200];
[0 53 0 50;
54 100 51 100;
101 360 101 150;
361 649 151 200];
[0 35 0 50;
36 75 51 100;
76 185 101 150;
186 304 151 200];
[0.0 4.4 0 50;
4.5 9.4 51 100;
9.5 12.4 101 150;
12.5 15.4 151 200];
[0.000 0.054 0 50;
0.055 0.070 51 100;
0.071 0.085 101 150;
0.086 0.105 151 200];
}
for i = 1:6
value = x(i); % Valor del contaminante i
bp = breakpoints{i};
ica = 0;
for j = 1:size(bp,1)
Clow = bp(j,1);
Chigh = bp(j,2);
Ilow = bp(j,3);
Ihigh = bp(j,4);
if value >= Clow && value <= Chigh
ica = ((Ihigh - Ilow)/(Chigh - Clow)) * (value - Clow) + Ilow;
break;
end
end
ica_values(i) = ica;
end
y = max(ica_values);
end
function validateInputsImpl(~, x)
if ~isvector(x) || length(x) ~= 6
error('La entrada debe ser un vector de 6 elementos [PM2.5; PM10; NO2; SO2; CO;
O3].');
end
end
end
end
Una vez realizada esta clase para el bloque Matlab System, se elige el script realizado,
entonces el bloque espera como entrada los valores de los sensores y como salida tiene el
arreglo con los ICA, para visualizar los datos resultantes se conectó el bloque a un Scope,
obteniendo así una gráfica del ICA cada segundo en la simulación realizada
3. Metodología de Investigación
Esta investigación adopta un enfoque cuantitativo con un diseño no experimental y
descriptivo, basado en el análisis de datos secundarios provenientes de estaciones
oficiales de monitoreo de calidad del aire en la ciudad de Delhi, India. Se utilizaron datos
recolectados por múltiples estaciones en el mes de enero de 2021, disponibles
públicamente en el repositorio Mendeley Data y utilizados en estudios publicados por
revistas revisadas por pares.
Los contaminantes analizados fueron: material particulado fino (PM₂.₅), material
particulado grueso (PM₁₀), dióxido de nitrógeno (NO₂), dióxido de azufre (SO₂),
monóxido de carbono (CO) y ozono (O₃). Se procesaron los registros horarios de
concentración para evaluar el sistema de monitoreo.
Para el análisis y visualización de datos, se utilizó el software MATLAB, integrando
herramientas como App Simulink para simular escenarios y visualizar gráficamente el
Índice de Calidad del Aire (ICA) en función de las concentraciones medidas.
Este estudio permite observar las tendencias y niveles de contaminación atmosférica en
una ciudad con problemas reales de calidad del aire, con el fin de generar conciencia sobre
la necesidad de sistemas de monitoreo ambiental más eficientes y automatizados y de fácil
adquisición y acceso.
4. Resultados
Como resultados esperados de nuestro objetivo propuesto nos basamos en los siguientes
datos recolectados como se mencionó anteriormente para la obtención de nuestros
resultados
Rango de
variación
Contaminant
Valores utilizados para la
es
simulación del
sensor
PM2.5 52.5μ/m^3 [52.3 - 52.7]
PM10 157.38μ/m^3 [157.1 – 157.5]
NO2 66.85μ/m^3=35.5ppb [67.0 – 66.6]
SO2 12.98μ/m^3=4.92ppb [13.1 – 12.7]
CO 1.88μ/m^3=1.57ppm [2.0 – 1.6]
O3 23.78μ/m^3=0.012ppm [23.9 – 23.5]
Cómo se indicó anteriormente, se obtiene una gráfica del ICA en el tiempo, la gráfica nos
muestra cómo cambia el ICA con una tasa de actualización de un segundo ofrecido por
los sensores simulados según los datos mencionados en la anterior tabla de referencia
Como se logra observar el ICA según los datos muestra valores alrededor de [142 – 143]
lo que sugiere según los niveles de peligrosidad una calidad dañina, sobre todo para una
población vulnerable y sensible.
Adicional a esto se obtiene las seis graficas de cada contaminante y como estas varían en
el tiempo, ofreciendo así no solo un monitoreo constante del ICA global, sino también un
monitoreo de los seis contaminantes en el ambiente, gracias a los sensores simulados
5. Conclusiones
El sistema de monitoreo implementado y simulado en Simulink ofrece información sobre
la concentración de los contaminantes más comunes y significativos en zonas urbanas,
mediante estas mediciones y datos proporcionados por los sensores se calcula y grafica
el ICA global, ofreciendo información sobre el estado del aire, permitiendo así tener un
control sobre el ambiente y su nivel de contaminación y poder actuar y planificar de
manera adecuada y efectiva ante cualquier problema.
6. Anexos
Diagrama del sistema de monitoreo en Simulink
Subsistema que simula un sensor de PM25
7. Bibliografía
1. González, Y., Fuentes, I., González, G., Álvarez, I., & Rodríguez, L. (2006). Contaminación
atmosférica por dióxido de azufre en la ciudad de Santiago de Cuba. Revista Cubana de
Higiene y Epidemiología, 44(2), 0–0.
[Link]
2. Centro de Información de Recursos Naturales (CIREN). (2021). Sistema de monitoreo de
calidad del aire en Santiago de Chile: Evaluación de estaciones y contaminación
atmosférica. Biblioteca Digital del CIREN.
[Link]
d6eeb3982530/content
3. Mendez, M. B., Ponce de León, L., & Almansa, J. M. (2023). Assessment of air pollution
and health risk levels using AQI and integrated indices in urban environments.
Atmosphere, 14(9), 1390.
[Link]