Este Trabajo Fin de Máster analiza cómo las condiciones meteorológicas y las características físicas del entorno urbano afectan a los niveles de contaminación atmosférica registrados en distintas zonas de la ciudad de València. La calidad del aire es un factor clave para la salud pública y la sostenibilidad urbana, y este estudio ofrece una visión integrada, basada en el análisis de datos, para entender su comportamiento local.
Durante el desarrollo del proyecto se han recopilado, procesado y analizado más de 14 años de datos procedentes de diferentes fuentes:
- Datos de calidad del aire (Generalitat Valenciana)
- Datos meteorológicos (AEMET y AVAMET)
- Datos geoespaciales (Google Earth Engine, Copernicus, Ayuntamiento de València)
A partir de esta información, se ha creado una base de datos consolidada y estructurada que incluye tanto las concentraciones de contaminantes atmosféricos (NO₂, O₃, PM₁₀, etc.) como variables meteorológicas (temperatura, viento, humedad, presión) y urbanas (altura de edificios, densidad edificatoria, cobertura vegetal, tipo de vía, usos del suelo).
Se ha delimitado un área de influencia de 150 metros alrededor de cada estación de calidad del aire para estudiar su microentorno. A partir de ahí se han clasificado las estaciones en tres arquetipos urbanos:
- Urbano denso y construido
- Mixto verde-residencial
- Periurbano natural o abierto
Se han entrenado modelos de aprendizaje automático (regresión lineal y Random Forest) para estimar las concentraciones de contaminantes en función de las condiciones meteorológicas y urbanas. Los mejores resultados se obtuvieron con Random Forest, destacando:
- O₃: R² = 0.58
- NOx: R² = 0.41
Se ha implementado una aplicación interactiva que permite introducir parámetros ambientales y obtener predicciones de contaminantes, contribuyendo a una gestión más informada y accesible de la calidad del aire.
Se han identificado relaciones estadísticamente significativas entre variables como la temperatura, el viento o la vegetación y los niveles de contaminación. Por ejemplo:
-
- NO₂ y temperatura mínima: r ≈ -0.47
- O₃ y viento máximo: r ≈ 0.53
- PM₂.₅ y humedad: r ≈ 0.37
- NOx y densidad urbana (NDBI): r ≈ 0.31
A través de algoritmos de clustering se han definido tres patrones climáticos típicos (estival, transicional e invernal) que presentan comportamientos diferenciados en cuanto a la acumulación o dispersión de contaminantes.
