PrOlor es un sistema sencillo de predicción de impacto por olores en plantas de compostaje, que facilita la gestión recomendada por la BAT 37 del BREF, permitiendo anticipar episodios de olor en zonas sensibles.
Utiliza modelos meteorológicos y de dispersión (como GFS, WRF, CALMET y CALPUFF), ejecutados en la nube, para enviar diariamente por correo electrónico previsiones de superación de umbrales de olor. El trabajo busca además comparar esas predicciones con registros reales de episodios de olor en una planta concreta.
C. Díaz1, C. Izquierdo1, A. Antón1, R. Bianconi2 & R. Bellasio2
1Ambiente et Odora. C/Uribitarte 6, planta baja. 48001, Bilbao, Bizkaia
1 carlosdiaz@ambienteetodora.com
2Enviroware. Via Dante Alighieri 142. 20863 Concorezzo (MB), Italy
Conflictos de interés: El autor declara que no existe conflicto de intereses.
Editor académico: Carlos N Díaz.
Calidad del contenido: Este artículo científico ha sido revisado por al menos dos revisores. Vea el comité científico aquí.
Citación: C. Diaz, C. Izquierdo, A. Antón, R. Bianconi & R. Bellasio, 2025, Prolor, un Software de Pronóstico de Olor Sencillo, Congreso OLORES25, Santiago, Chile, www.olores.org.
Copyright: 2025 Olores.org. Los autores retienen la propiedad del copyright de sus artículos, pero los autores permiten a cualquier persona descargar, reusar, reimprimir, modificar, distribuir y/o copiar artículos del sitio web de olores.org, siempre que se citen los autores originales y las fuentes. No es necesario permiso específico de los autores o de los editores de esta web.
ISBN: pendiente
Palabras clave: CALPUFF, pronóstico de olor, quejas, superación umbral de olor, dispersión atmosférica
Vídeo
Resumen
La Mejor Técnica Disponible (MTD) 37 del BREF de tratamiento de residuos sugiere dos métodos para controlar el impacto por olor en plantas de compostaje, incluyendo la recomendación “Tener en cuenta las condiciones y previsiones meteorológicas cuando se lleven a cabo actividades de procesos importantes al aire libre. Por ejemplo, evitar la formación o el volteo de trincheras o pilas, el cribado o la trituración en caso de condiciones meteorológicas adversas en términos de dispersión de las emisiones”. Para ello, es útil contar con herramientas predictivas para anticipar concentraciones de olor en áreas sensibles y emitir alertas para evitar episodios de olor y quejas. Existen herramientas de pronóstico del impacto por olor, pero suelen ser complejas y costosas. El sistema PrOlor destaca por su simplicidad, enviando un correo electrónico diario con previsiones de superación de umbrales de olor. Este sistema utiliza modelos como GFS, WRF, CALMET y CALPUFF, ejecutados diariamente en la nube. Por último, otro de los objetivos del presente trabajo es comparar los datos pronosticados con registros reales de olor y para esta planta de compostaje.
1. Introducción
Es fundamental disponer de herramientas fiables para prever las concentraciones de olores ambientales cerca de las plantas que emiten olores. Estas herramientas deben emitir alertas cuando sea probable que se superen los umbrales de olor. Al actuar sobre estas alertas, las plantas pueden reducir potencialmente las emisiones durante las horas críticas, evitando episodios de olores y minimizando las quejas. Los propietarios y gestores de las plantas pueden abordar de forma proactiva los problemas relacionados con los olores, fomentando la buena voluntad de la comunidad y garantizando unos procesos de producción eficientes.
El sistema PrOlor ofrece una solución sencilla. Los usuarios reciben hasta cuatro correos electrónicos diarios en los que se destacan las horas futuras en las que pueden superarse determinados umbrales de olor. PrOlor emplea una cadena de modelos automatizada -que integra modelos avanzados GFS, WRF, CALMET y CALPUFF- que funciona a la perfección en un servidor en la nube sin necesidad de software instalado por el usuario ni acceso al sitio web.
PrOlor se ejecuta automáticamente en una infraestructura comercial en la nube, lo que garantiza el tiempo de actividad del servicio. Puede simular escenarios complejos mediante la configuración de recursos computacionales. Además, el sencillo script de instalación de PrOlor facilita un rápido despliegue global.
En este trabajo presentamos un caso de estudio de una planta de compostaje con un historial de quejas por olor. Demostramos la eficacia de capturar una instantánea completa de las condiciones imperantes aprovechando el sistema PrOlor junto con una metodología de ciencia ciudadana conforme a la norma UNE 77270 y la incorporación de un sensor de odorantes.
2. Metodología
La cadena de modelización incorporada en PrOlor se basa en WRF (https://www.mmm.ucar.edu/models/wrf) y CALWRF, CALMET y CALPUFF del sistema de modelización CALPUFF versión 7 (https://www.src.com). Al inicio del proyecto piloto, se realizó una evaluación de la molestia por olores en el sector, utilizando para ello el método de encuestas descrito en la VDI 3883/1, norma que es homologada en Chile como NCh 3387:2015.
2.1. WRF
WRF (Skamarock et al., 2008), el modelo meteorológico de pronóstico incorporado en PrOlor, es el modelo de pronóstico más utilizado por la comunidad de modelización meteorológica y proporciona parametrizaciones de la atmósfera basadas en el estado de la ciencia.
En PrOlor, el WRF (núcleo ARW) se ejecuta con 45 niveles verticales, hasta 50 mb, con tres dominios anidados unidireccionales, con una resolución de malla creciente de 27 km, 9 km y 3 km, respectivamente. El dominio más interno del WRF se extiende unos 200 km tanto en longitud como en latitud y las dimensiones de los dominios internos son un tercio de las de su dominio principal. Puede activarse un cuarto dominio interno adicional con una resolución de 1 km para simulaciones en zonas con una orografía especialmente compleja.
2.2. CALWRF
CALWRF es un preprocesador meteorológico del sistema de modelización 7 CALPUFF. Toma como entrada la salida del modelo meteorológico WRF y la convierte en -matrices de cuatro dimensiones-que se dan como entrada a CALMET. Adicionalmente se realizó un análisis estadístico de observaciones ciudadanas referidas a aguas servidas, que se realizaron en los pilotos del proyecto D-NOSES en Barcelona (España) y Castellanza (Italia).
2.3. CALMET
CALMET (Scire et al., 2000a) es un modelo meteorológico de diagnóstico que reconstruye los campos tridimensionales de viento y temperatura y los campos bidimensionales de variables micrometeorológicas a partir de mediciones meteorológicas, datos orográficos y de uso del suelo.
CALMET también puede utilizar la salida de WRF. Cuando se ejecuta una previsión, esta entrada se convierte en esencial y es la única información requerida y disponible.
2.4. CALPUFF
CALPUFF (Scire et al., 2000b) es un modelo de dispersión lagrangiano tipo puff avanzado multiespecífico de estado no estacionario que simula los efectos de las condiciones meteorológicas variables en el tiempo y el espacio sobre el transporte, la transformación y la eliminación de contaminantes.
3. PrOlor datos geofísicos y meteorológicos de entrada
3.1. Datos meteorológicos
PrOlor utiliza el NCEP Global Forecast System (GFS), un modelo de previsión meteorológica desarrollado por los Centro Nacional de Predicción Medioambiental (NCEP) de Estados Unidos.
El GFS proporciona previsiones globales de hasta 384 horas antes, con actualizaciones cuatro veces al día, siendo la resolución de la malla es de 0,25° por 0,25°.
Las ejecuciones del GFS se producen a horas sinópticas (0, 6, 12, 18 UTC), y los datos pueden descargarse libremente (https://www.nco.ncep.noaa.gov/pmb/products/gfs/).
Estos datos del GFS sirven como condiciones iniciales y de contorno para ejecutar el modelo de Investigación y Predicción Meteorológica (WRF) en dominios específicos, mejorando la resolución espacial y temporal.
3.2. Elevación del terreno
Para el WRF, PrOlor utiliza el GMTED2010 (Global Multi-resolution Terrain Elevation Data 2010), un conjunto de datos global de modelos digitales de elevación (DEM) que proporciona información sobre la elevación de la superficie terrestre, desarrollado por el Servicio Geológico de Estados Unidos (USGS). GMTED2010 puede descargarse gratuitamente (https://www.usgs.gov/coastal-changes-and-impacts/gmted2010).
Para CALMET, PrOlor utiliza los datos digitales de elevación SRTM (Shuttle Radar Topography Mission), desarrollados originalmente por la NASA. Este conjunto de datos de elevación de alta resolución (30 metros en el ecuador) cubre grandes porciones del globo y puede descargarse de varios repositorios (por ejemplo, https://earthexplorer.usgs.gov/).
3.3. Datos sobre la ocupación del suelo
Tanto WRF como CALMET necesitan datos sobre la ocupación del suelo.
La cobertura del suelo del WRF se configura utilizando los productos MODIS (https://modis.gsfc.nasa.gov/data/dataprod/mod12.php).
Para CALMET , PrOlor utiliza los datos de cobertura terrestre de Copernicus Global Land Operations Vegetation and Energy (CGLOPS-1) con una resolución de 100 m (https://lcviewer.vito.be/download).
4. PrOlor setup
PrOlor requiere una configuración inicial para configurar sus dominios meteorológicos y de dispersión atmosférica. Esta configuración implica un script de configuración y la edición de archivos de plantilla para especificar fuentes y receptores.
Suponiendo que el modelo WRF (Weather Research and Forecasting) ya está instalado en el servidor, junto con los datos geofísicos globales, el script de configuración se ejecuta al crear un nuevo dominio para la previsión del impacto de los olores.
El usuario proporciona las coordenadas del centro del dominio de dispersión y el script se ejecuta con los ajustes por defecto, que pueden anularse si es necesario (por ejemplo, ajustando la extensión del dominio de dispersión ).
Una vez ejecutado, el script crea la estructura del sistema de archivos y los archivos de configuración/plantilla.
Preprocesadores dedicados preparan la entrada geofísica para el modelo CALMET de alta resolución dentro del dominio especificado.
Por último, el gestor del sistema edita los archivos de plantilla, introduciendo los parámetros de la fuente (geométricos y emisivos) y las coordenadas de los receptores sensibles. También se especifican los destinatarios de los correos electrónicos de notificación.
5. Sesiones de previsión
En el archivo crontab del servidor se especifican una o varias sesiones de previsión PrOlor, cada una de ellas definida mediante un script personalizado, para su ejecución automática a intervalos predefinidos.
Las sesiones de PrOlor suelen ejecutarse cada seis horas, lo que garantiza el uso de los datos de inicialización más recientes. Por este motivo, PrOlor comienza cuatro horas después de que estén disponibles las previsiones del GFS.
La sesión PrOlor comienza descargando las previsiones GFS, luego se ejecuta la cadena de modelización meteorológica (WRF/CALWRF/CALMET) primero y la cadena de modelización de la dispersión (CALPUFF/postproceso) después.
Por último, PrOlor envía un correo electrónico a los destinatarios seleccionados, en función de los resultados, para comunicar el cumplimiento del nivel de preocupación en los receptores o para emitir una alerta si se supera el nivel de preocupación.
6. Una aplicación para una planta de compostaje
Presentamos un caso práctico de una planta de compostaje de nueva construcción con un historial de quejas por olores. Durante un período de tiempo de un año, vecinos y vecinas de la misma población donde se ubica la planta, a más de 2 km del casco urbano, se realizó la recogida de registros de olor, siguiendo la metodología de ciencia ciudadana de acuerdo con la norma UNE 77270, además de la monitorización en continuo de un sensor de odorantes (amoniaco).
Utilizando los datos de los registros vecinales a través de una aplicación móvil, que registra con exactitud en lugar y la hora de las observaciones de olor, se compararán con los datos de pronóstico del sistema PrOlor durante casi 6 meses (04/08/2023-15/01/2024). Durante ese período se recibieron 465 registros de olor de la ciudadanía participante en el proyecto, siendo la gran mayoría del período de verano. Para ello, se realizarán diferentes análisis (Díaz et al. 2015) para buscar coincidencias estadísticamente significativas entre las diferentes variables (concentración de olor pronosticada, hora y lugar de registros, intensidad de estos, velocidad y dirección de viento, y datos de la monitorización en continuo de sensores).
Este análisis aún no se ha realizado, ya que el proyecto aún sigue en marcha, pero se espera que los datos estén disponibles para la presentación en el congreso.
7. Conclusiones
El complejo sistema PrOlor que emplea una cadena de modelos automatizada, que integra modelos avanzados GFS, WRF, CALMET y CALPUFF, se resume en una aparente sencillez para el usuario final (gestores de actividades), facilitado así la toma de decisiones cuando se lleven a cabo actividades de procesos que puedan generar molestias por olor a receptores sensibles cercanos.
Además, se ha aprovechado para presentar el sistema en un caso de estudio real en una planta de compostaje en la que además se estaban registrando datos de quejas ciudadanas de olor y se monitorizaba en continuo ciertos odorantes para comprobar y analizar los resultados.
8. Bibliografía
AENOR. UNE 77270:2023 - Construcción de mapas de olor colaborativos mediante ciencia ciudadana. CTN 77/SC 2/GT 1.
Díaz C.N., Izquierdo C., Cartelle D., Vellón J.M., Rodríguez A., 2015, PrOlor, Pronostica el Olor Dos Días Antes. Caso de Estudio en una Planta de Procesado de SANDACH. III Conferencia Internacional sobre Gestión de Olores en el Medio Ambiente, Bilbao. Olores.org
Scire J.S., Robe F.R., Fernau M.E. y Yamartino R.J.: 2000a, A user's guide for the CALMET meteorological model (Version 5.0).
Scire, J.S., D.G. Strimaitis y R.J. Yamartino, 2000b, A user's guide for the CALPUFF dispersion model (Version 5). Earth Tech. Inc., Concord, MA.
Skamarock, W. C., Klemp, J. B., Dudhia J., Gill, D. O., Barker, D. M., Duda, M.G., Huang, X.-Y., Wang, W., y Powers, J. G, 2008, A Description of the Advanced Research WRF Version 3, Centro Nacional de Investigación Atmosférica, Boulder, Colorado.