¿Cuánto nos contamina la ciudad? Medir la exposición a la contaminación a través de datos de telefonía móvil
El número de personas que reside en ciudades continúa aumentando. Este fenómeno provoca que los procesos de urbanización se aceleren y, en consecuencia, que el nivel de exposición a la contaminación supere los índices recomendados. ¿Cómo abordar este desafío? El primer paso es comprender su impacto. Las fuentes de información dinámicas, como los datos de telefonía móvil, permiten medir con precisión cómo afecta a la población y diseñar políticas públicas eficaces para lograr ciudades más saludables y sostenibles.
Según la ONU, más del 50 % de la población mundial vive actualmente en ciudades y se estima que, para 2050, esta cifra supere el 66%. Esta creciente urbanización conlleva una mayor concentración de emisiones contaminantes, lo que agrava los niveles de polución en los núcleos urbanos.
El aumento del tráfico es, en gran medida, una de las causas de este fenómeno. Sin embargo, el aumento de la demanda energética en sectores como el residencial, el industrial y el de servicios también incrementaría significativamente las emisiones.
Las consecuencias de esta contaminación afectan directamente a la salud de los habitantes de las ciudades, especialmente a largo plazo. En concreto, de acuerdo a la Organización Mundial de la Salud (OMS), la contaminación atmosférica es el segundo factor de enfermedades no transmisibles (solo por detrás del tabaco), causando 4,2 millones de muertes prematuras en todo el mundo en 2019.
La contaminación urbana: un desafío para la salud pública
Ante esta situación, las ciudades tienen la responsabilidad de implementar medidas para mitigar el impacto. Algunas estrategias clave incluyen: el desarrollo de políticas de urbanismo sostenible para incorporar más espacios verdes, la promoción de energías renovables, la mejora del transporte público o la adopción de iniciativas para reducir las emisiones de los sectores más contaminantes (como la implementación de zonas de bajas emisiones).
Sin embargo, para diseñar políticas eficaces que combatan estos efectos, es fundamental contar con información precisa sobre la distribución y el impacto de la contaminación.
En este sentido, hay dos tipos de datos esenciales: la concentración de contaminantes en el ambiente y la distribución de la población. Comprender cuál es el grado de exposición a sustancias contaminantes de la población y cómo éstas les afectan permitirá tomar decisiones más efectivas y eficientes para mejorar la calidad del aire en los entornos urbanos.
Limitaciones de los modelos estáticos: ¿Por qué necesitamos datos dinámicos?
Los modelos de transporte químico permiten estimar las concentraciones de contaminantes en una región. A partir de información sobre emisiones y condiciones meteorológicas, simulan la dispersión de sustancias nocivas, permitiendo identificar las zonas donde se concentrarán. Estos modelos son clave para estimar la presencia de los principales contaminantes relacionados con la salud respiratoria, como el ozono (O3), el dióxido de nitrógeno (NO2) y las partículas en suspensión (PM10 y PM2.5). Su aplicación nos brinda información crucial, ya que el lugar de emisión de un contaminante no tiene por qué coincidir con el lugar donde su concentración será más alta.
Sin embargo, conocer dónde se concentra la contaminación no es suficiente para determinar su impacto: también es necesario saber dónde se encuentran la población y cómo se mueve a lo largo del día. Hasta ahora, muchos estudios han adoptado un enfoque estático, analizando los contaminantes únicamente en el lugar de residencia de las personas. Sin embargo, este enfoque asume que la población permanece en su domicilio la mayor parte del tiempo, lo que resulta una simplificación excesiva y poco realista.
De cara a realizar estudios de exposición a la contaminación representativos y fiables, es necesario conocer cómo se mueve la población para averiguar en qué lugares está más expuesta.
En este contexto, las fuentes de datos dinámicas, como los datos de telefonía móvil, adquieren una relevancia fundamental. Estos datos proporcionan información longitudinal sobre los patrones de movilidad de la población, permitiendo un análisis detallado de la ubicación y desplazamientos de las personas a lo largo del día. Además, cuentan con información sociodemográfica de los usuarios (como edad y género). Por otro lado, su análisis longitudinal permite identificar información relevante de los usuarios, como su lugar de residencia y trabajo, o poder adquisitivo. A partir de esta información se puede conocer el motivo de un viaje o de una actividad (por ejemplo, desplazarse hasta el lugar de trabajo), lo que permite caracterizar los patrones de movilidad de distintos grupos poblacionales.
Al cruzar la información sobre patrones de movilidad extraída de los datos de telefonía móvil con las concentraciones de contaminantes obtenidas mediante modelos de transporte químico, es posible analizar con mayor precisión la exposición real de la población a lo largo del día. Esto permite conocer no solo los niveles de contaminación en cada ubicación, sino también cómo y cuándo las personas están expuestas a estos contaminantes.
Esta información es esencial para evaluar el impacto real de la contaminación en una región y determinar quiénes son los más afectados. Conocer la cantidad de contaminantes a la que está expuesta la población, así como dónde tiene lugar esta exposición, es clave para diseñar políticas efectivas que reduzcan su impacto. Gracias a estos datos, es posible identificar qué zonas requieren una intervención prioritaria para disminuir el riesgo para la ciudadanía.
Ventajas de los datos de telefonía móvil en el análisis de la calidad del aire
Las ventajas de usar los datos de telefonía móvil como fuente dinámica para el estudio de la exposición a la contaminación son múltiples.
Corrección de sesgos
En primer lugar, caracterizar la dinámica poblacional permite corregir los sesgos comunes de la estimación siguiendo un enfoque estático. Por ejemplo, se suele sobrestimar la exposición de las personas que residen en zonas altamente contaminadas, ya que muchas de ellas se desplazan regularmente a áreas con menor concentración de contaminantes. Por el contrario, se tiende a subestimar la exposición de quienes viven en zonas menos contaminadas, ya que sus desplazamientos suelen llevarlos a áreas con mayor polución.
Representatividad y precisión sociodemográfica
En segundo lugar, la gran penetración de la muestra en todos los estratos sociales garantiza la representatividad de cada grupo poblacional al segmentar los patrones de movilidad según características sociodemográficas (edad, género, lugar de residencia, poder adquisitivo, etc.). Esta representatividad facilita la identificación de grupos especialmente vulnerables y el diseño de políticas públicas para proteger su salud, alineadas con principios de justicia ambiental.
Segmentación por modos de transporte y actividad
Además, la fusión y el enriquecimiento de estos datos con otras fuentes, como trazas GPS o encuestas de movilidad, hace posible diferenciar entre presencia en interior y exterior, así como la segmentación de la movilidad por modo de transporte. De esta manera, es posible estimar de manera más precisa la exposición debida a desplazamientos en diferentes modos de transporte, identificando, por ejemplo, la exposición causada por la movilidad obligada al desplazarse al lugar de trabajo, así como la autoexposición en el hogar.
Asimismo, estos datos pueden utilizarse para analizar la correlación con la incidencia de enfermedades cardiorrespiratorias. Un enfoque basado en datos más detallados permite comprender mejor el impacto real de la contaminación en la salud de la población y diseñar estrategias más efectivas para mitigar sus efectos.
Actualización continua para la toma de decisiones en diferentes momentos del año
Por último, la utilización de datos de telefonía móvil también permite medir si el nivel de exposición a la contaminación de un determinado grupo de población se encuentra dentro de los rangos establecidos por la OMS. Su precisión y versatilidad ofrecen una imagen actualizada y realista de la situación facilitando la identificación de problemas que requieren intervención urgente.
Casos de éxito: el compromiso de Nommon con el urbanismo sostenible
Nommon participa en varios proyectos para analizar la exposición a la contaminación de la población en diferentes lugares de España.
El proyecto SIMAD, liderado por Nommon y con la participación de Aimsun y la Universidad Politécnica de Madrid, ha desarrollado una herramienta para la monitorización de la calidad del aire en la ciudad de Madrid. Esta herramienta permite monitorizar las emisiones, concentraciones y exposición de la población de la región, así como simular escenarios futuros. Esto facilita el análisis integrado de los tres aspectos con el objetivo de definir medidas efectivas en el desarrollo de ciudades más sostenibles.
El proyecto MePreCiSa, liderado por el Barcelona Supercomputing Center con la colaboración de Nommon, tenía como objetivo ofrecer una solución en la nube, flexible y escalable para el análisis integrado y la gestión de problemas de la salud en las ciudades, a través de la integración de datos de movilidad de la población basados en telefonía móvil, datos de salud y datos medioambientales. Uno de sus casos de uso se centró en medir el impacto de la calidad del aire en la población de Cataluña, con el objetivo de entender la relación entre la movilidad, la calidad del aire y la salud pública. Los resultados de este análisis servirán como soporte para la toma de decisiones en el diseño e implementación de intervenciones efectivas que mejoren la salud y el bienestar de los habitantes de Cataluña.
Ambos proyectos explotan las soluciones de Nommon Mobility Insights y Population Insights para el análisis de la dinámica poblacional en un territorio. Estas soluciones permiten extraer los patrones de movilidad y actividad, respectivamente, de la población de una región. El análisis de esta información en conjunto con los datos de concentración de contaminantes permite obtener una visión detallada sobre la exposición de la población a diferentes contaminantes (O3, NO2, PM10 y PM2.5). A partir de ello, podemos caracterizar dicha exposición a la contaminación en función de variables sociodemográficas como la edad, el género y el lugar de residencia. Este enfoque proporciona respuestas clave a cuestiones como cuál es el nivel de contaminación al que están expuestos los residentes de una determinada zona, dónde ocurre dicha exposición, qué áreas presentan los niveles más altos de exposición y qué grupos sociales son más vulnerables a la contaminación.
