Verano Científico de la UANL 2020: Georreferenciación con datos de contaminantes en el Área Metropolitana de Monterrey (AMM).

Ver póster en español aquí.

2020 University Scientific Summer: Geostatistical analysis of pollution in the city of Monterrey, México.

See Spanish poster here.

Este proyecto cuenta con una interfaz de línea de comandos (CLI). Para usarla basta con ejecutar el archivo cli.py desde el directorio de este repositorio:

python georef/cli.py --help

También es posible instalar el programa para mandarlo a llamar desde un comando:

python setup.py install

Luego de instalarlo, el programa estará disponible con el comando georef, sin tener que usar el de Python:

georef --help

Translated from publication (not revised):

Meteorological stations monitor air quality only in the microenvironment around them, so spatial interpolation methods are used, which are used to estimate or predict new levels of pollutants at points without information, based on the locations of the stations. stations and their known values.

Kriging is a spatial interpolation method that provides the best unbiased linear estimator of a point and minimizes the variance of the estimate. In the present work, the ordinary kriging method is used.

Starting from the known locations, that is, the thirteen monitoring stations, the points with calculated values ​​of the pollutant are predicted using a recursive calculation method by grids: it begins by executing the kriging method with a 5 × 5 grid, which is used to calculate another by adding five rows and five columns, 10 × 10. The procedure ends when there is a 40 × 40 coordinate grid, within which each cell has an estimated value on the pollutant, which results in a total of 1600 estimated points. These new points are used to plot a heat map for a pollutant on the MMA.

Se requiere una base de datos CSV con la siguiente cabecera:

timestamp,station,CO,NO,NO2,NOX,O3,PM10,PM2_5,pressure,rainfall,humidity,SO2,solar,temperature,velocity,direction,valid,notes

También se necesita un token de Mapbox para poder generar estos mapas. Para los detalles, consultar ayuda de Mapbox (en inglés).

Al ejecutar la función plot_heatmap (ver heatmap.py) se genera un mapa de calor animado como el siguiente:

En la carpeta results/pollution se encuentran los HTML de mapas completos de distintas fechas, y enlaces para visualizarlos.

• La escala de colores representa el nivel del contaminante.
• La dirección de los marcadores indica la dirección del viento.
• La opacidad de los círculos sobre los marcadores representa la velocidad del viento.

Se requiere uno de los archivos EGRESO_{año}.csv disponibles en el sitio web de la Secretaría de Salud.

También se requiere un archivo GeoJSON que contenga la división municipal del AMM: resources/amm_mun2019gw.json (archivo local).

Al ejecutar la función plot_entries_choropleth (ver choropleth.py) se genera un mapa coroplético animado como el siguiente:

Muestra el número de casos de ingresos hospitalarios agrupados por CIE, municipio del AMM y semana epidemiológica.

En la carpeta results/entries se encuentra un HTML de un mapa, pero está incompleto, pues no contiene todas las semanas epidemiológicas, debido a que el límite de tamaño en GitHub son 100 MB. Para generar un mapa completo es necesario ejecutar la función.

Los archivos que necesita cada mapa deben encontrarse en una carpeta de nombre resources, como se muestra en este repositorio.