Un esfuerzo reciente dirigido por Randall Martin, profesor distinguido Raymond R. Tucker en la Escuela de Ingeniería McKelvey de la Universidad de Washington en St. Louis, analizó la materia particulada (PM) ambiental global para comprender dos de sus componentes clave, el polvo mineral y los oligoelementos. óxidos. Los oligoelementos, como el plomo y el arsénico, tienen asociaciones bien documentadas con resultados adversos para la salud. Mientras que el polvo se origina tanto en fuentes naturales como los desiertos como en actividades humanas como la construcción y la agricultura, los oligoelementos son emitidos predominantemente por actividades humanas como la quema de combustibles fósiles y los procesos industriales.

El equipo de Martin, incluido Jay Turner, profesor James McKelvey de Educación en Ingeniería en WashU, y Xuan Liu, un estudiante de posgrado que trabaja con Martin y Turner en el Departamento de Energía, Ingeniería Ambiental y Química, examinó los datos recopilados por Surface PARTiculate mAtter Network ( SPARTAN), la única red de monitoreo global que mide la composición elemental de PM.

Su trabajo, publicado en ACS ES&T Air , produjo un valioso conjunto de datos y una metodología para identificar regiones con elevados oligoelementos. Los hallazgos también resaltaron regiones preocupantes en Bangladesh, India y Vietnam, que podrían beneficiarse de intervenciones para reducir las emisiones de oligoelementos provenientes de actividades humanas.

"Los datos fiables sobre la composición elemental de las partículas ambientales son cruciales para comprender los riesgos para la salud asociados con la exposición a oligoelementos en el aire", dijo Liu, el primer autor del artículo. "Nuestro trabajo destaca los importantes riesgos para la salud causados ​​por niveles elevados de oligoelementos en el aire, particularmente arsénico, en el sur y sudeste de Asia".

"Este trabajo llama la atención sobre la necesidad de un seguimiento constante y sostenido de la composición elemental de las partículas finas en las zonas urbanas de todo el mundo", añadió Martin. "La identificación de posibles fuentes de emisión de estos elementos servirá de base para intervenciones específicas destinadas a mitigar la exposición y salvaguardar la salud pública".

Aunque Martin y sus colaboradores han descubierto en estudios anteriores que la contaminación global del aire por partículas finas disminuyó entre 1998 y 2019 y que estrategias como reemplazar las fuentes de combustible tradicionales con fuentes de energía sostenibles podrían frenar aún más la contaminación de PM, su análisis SPARTAN apunta a preocupaciones constantes con respecto a la exposición. a oligoelementos mediante la inhalación de PM. El equipo identificó el reciclaje informal de baterías de plomo-ácido, el reciclaje de desechos electrónicos y los hornos de ladrillos alimentados con carbón como posibles contribuyentes a las elevadas concentraciones de oligoelementos, particularmente en Dhaka, Bangladesh.

En términos más generales, el equipo observó que las concentraciones de oligoelementos son particularmente altas en los países de ingresos bajos y medios debido a la urbanización y la industrialización no reguladas. Sin embargo, las redes de monitoreo de partículas en estas áreas son, en el mejor de los casos, irregulares, lo que dificulta la comprensión de los investigadores sobre los niveles de polvo y oligoelementos y sus fuentes de emisión. Se necesitan métodos de muestreo uniformes y análisis confiables para permitir comparaciones en todo el mundo.

"Nuestra creciente colección de muestras conducirá a mejores estimaciones de las concentraciones de polvo y oligoelementos, lo que nos permitirá realizar una evaluación más precisa de los riesgos para la salud y una investigación exhaustiva de las fuentes de emisión", afirmó Liu. "Ciertos sitios SPARTAN han sido seleccionados o establecidos como parte de la misión satelital Multi-Angle Imager for Aerosols (MAIA) dedicada a estudiar los impactos en la salud de varios tipos de partículas en el aire. Esta colaboración producirá un gran conjunto de datos con una mayor frecuencia de muestreo, lo que ayudará identificaremos las fuentes de contaminación de forma más eficaz en el futuro."