Novasinergia 2025, 8(2), 72-91. https://doi.org/10.37135/ns.01.16.04 http://novasinergia.unach.edu.ec
Artículo de Investigación
Análisis geoespacial de las emisiones de CO y NO2 según el uso de suelo
en El Oro, Ecuador
Geospatial analysis of the CO and NO2 emissions with remote sensing by land use in El
Oro, Ecuador
Angie Mishell Belduma Narvaez1, Tito David Serrano Guartatanga1,
Jaime Enrique Maza Maza1
1Carrera de Ingeniería Ambiental, Facultad de Ingeniería Civil, Universidad Técnica de Machala, Machala, Ecuador, 070205;
abelduma4@utmachala.edu.ec; jemaza@utmachala.ed.ec
*Correspondencia: tserrano2@utmachala.edu.ec
Citación: Belduma, A.; Serrano, T. &
Maza, J., (2025). Análisis geoespacial
de las emisiones de CO y NO2 según
el uso de suelo en El Oro, Ecuador.
Novasinergia. 8(2). 72-91.
https://doi.org/10.37135/ns.01.16.04
Recibido: 19 marzo 2025
Aceptado: 13 mayo 2025
Publicado: 02 julio 2025
Novasinergia
ISSN: 2631-2654
Resumen: La presente investigación tiene por objetivo analizar las emisiones
de monóxido de carbono (CO) y dióxido de nitrógeno (NO2) en la provincia de
El Oro, Ecuador, mediante su cuantificación y mapeo geoespacial, con el fin de
identificar los patrones de distribución espacial asociados al uso del suelo. Para
ello, se implementaron imágenes del satélite Sentinel-5P TROPOMI y la
plataforma Google Earth Engine (GEE), complementando el análisis con
herramientas de Sistema de Información Geográfica (SIG), Microsoft Excel y el
software estadístico RStudio, mediante el cual se generaron diagramas de
barras para representar la variabilidad de las concentraciones. Los resultados
muestran que los cantones de Machala, Pasaje y El Guabo presentan las
mayores concentraciones promedio de estos gases (5.20 x10-5 mol/m²). Según
el tipo de cobertura, se observó que en zonas antrópicas predomina la
acumulación de NO2, especialmente en Arenillas, Marcabelí y Las Lajas,
mientras que en áreas de cobertura boscosa se registra una mayor
concentración de CO. Durante el periodo de pandemia, las emisiones de ambos
contaminantes disminuyeron significativamente; sin embargo, esta reducción
fue temporal, ya que el periodo posterior se registró un repunte. Se concluye
que la cobertura antrópica es un factor determinante en el aumento de las
emisiones, mientras que la vegetación arbustiva y herbácea contribuye a su
reducción, siendo además el comercio y el tránsito vehicular factores
adicionales que influyen en la distribución espacial de estos gases.
Palabras clave: Análisis Geoespacial, Contaminación Atmosférica, Emisiones
de CO, Emisiones de NO2, Google Earth Engine, Sentinel 5-P.
Copyright: 2025 derechos otorgados por
los autores a Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de Creative
Commons Attribution (CC BY NC).
(http://creativecommons.org/licenses/by/
4.0/).
Abstract: This research aims to analyze carbon monoxide (CO) and nitrogen dioxide
(NO₂) emissions in the province of El Oro, Ecuador, through their quantification and
geospatial mapping to identify spatial distribution patterns associated with land use.
To achieve this, Sentinel-5P TROPOMI satellite imagery and the Google Earth Engine
(GEE) platform were used, complemented by Geographic Information System (GIS)
tools, Microsoft Excel, and the statistical software RStudio, which was used to generate
bar charts representing the variability of concentrations. The results show that the
cantons of Machala, Pasaje, and El Guabo present the highest average concentrations
of these gases (5.20 x10⁻⁵ mol/m²). Regarding land cover type, it was observed that
NO₂ accumulation is predominant in anthropogenic areas, especially in Arenillas,
Marcabelí, and Las Lajas, while CO concentration is higher in forest-covered areas.
During the pandemic, emissions of both pollutants significantly decreased; however,
this reduction was temporary, as emissions rebounded in the following period. It is
concluded that anthropogenic land cover is a determining factor in the increase of
emissions, while shrub and herbaceous vegetation contribute to their reduction.
Additionally, commerce and vehicular traffic are identified as factors that influence the
spatial distribution of these gases.
Keywords: Geospatial Analysis, Air Pollution, CO Emissions, NO₂ Emissions,
Google Earth Engine, Sentinel-5P.
Novasinergia 2025, 8(2), 72-91 73
1. Introducción
En las últimas décadas, la concentración de Gases de Efecto Invernadero (GEI) ha
aumentado de forma alarmante como resultado directo de las actividades humanas,
convirtiéndose en una amenaza significativa para la salud ambiental y pública [1]. Entre los
principales GEI y contaminantes atmosféricos se encuentran el dióxido de nitrógeno (NO2)
y el monóxido de carbono (CO), los cuales contribuyen al calentamiento global e inciden
negativamente en la calidad del aire, provocando enfermedades respiratorias y
cardiovasculares, especialmente en zonas densamente pobladas e industrializadas [2].
Tradicionalmente, se ha señalado al transporte y a la industria como las principales fuentes
emisoras de NO2 y CO debido al uso intensivo de combustibles fósiles [3]. No obstante,
recientes investigaciones han demostrado que los cambios de uso y cobertura del suelo
(como la conversión de áreas naturales a zonas agrícolas, urbanas o industriales) también
juegan un rol crucial en la distribución espacial y concentración de estos gases [4].Estas
modificaciones afectan la dinámica atmosférica, alteran la absorción y emisiones de
contaminantes, e incluso pueden intensificar los niveles de emisión cuando se relacionan
con actividades agrícolas, deforestación o expansión urbana desordenada [5]. Por lo tanto,
comprender la relación entre el uso del suelo y la calidad del aire se vuelve indispensable
para el manejo ambiental y territorial sostenible.
En este contexto, la aplicación de tecnologías de teledetección satelital ha revolucionado el
monitoreo ambiental, ofreciendo datos continuos, confiables y de acceso libre para la
evaluación de contaminantes atmosféricos. El satélite Sentinel-5P, equipado con el sensor
TROPOMI, permite detectar y cuantificar de manera precisa las concentraciones de NO2 y
de CO a escala global, regional y local [6], [7]. Estos datos, procesados a través de
plataformas como GEE, son herramientas clave para analizar patrones espaciales de
contaminación del aire, incluso en regiones donde no existen redes terrestres de monitoreo
[8].
En Ecuador, aunque existen algunas estaciones de calidad del aire en ciudades como Quito,
su cobertura es limitada [9] [10]. En contraste, provincias como El Oro carecen de sistemas
robustos de monitoreo atmosférico, a pesar de registrar altos niveles de actividad agrícola
(especialmente bananera), urbana y comercial, lo que sugiere la posibilidad de emisiones
significativas de contaminantes. Sin embargo, no se han desarrollado estudios que
cuantifiquen y analicen espacialmente la distribución de NO2 y de CO en función del uso
del suelo en esta provincia.
En este sentido, la presente investigación busca explicar cómo se relacionan las
concentraciones espaciales de NO2 y de CO con los distintos tipos de uso del suelo en la
provincia de El Oro, Ecuador. Para ello, se plantea el análisis de las emisiones de NO2 y CO
mediante su cuantificación y mapeo geoespacial utilizando datos del satélite Sentinel-5P
TROPOMI y la plataforma GEE, con el fin de identificar patrones de distribución asociados
a diferentes coberturas de suelo.
Esta investigación aporta una perspectiva novedosa al integrar herramientas de
teledetección y SIG en la comprensión de la calidad del aire en una provincia donde la
presión sobre el territorio es elevada, pero el acceso a datos es limitado. Asimismo, busca
Novasinergia 2025, 8(2), 72-91 74
generar insumos técnicos para la toma de decisiones ambientales y urbanas basadas en
evidencia espacialmente explícita.
2. Metodología
2.1. Área de estudio
La provincia de El Oro, ubicada en el suroeste del Ecuador, constituye el área de
estudio (Figura 1). Tiene una extensión aproximada de 5 767 km² y presenta un gradiente
altitudinal que va desde los 0.5 hasta los 3900 msnm. Esta variabilidad topográfica, junto
con la influencia de diversas ecorregiones, da lugar a una alta heterogeneidad ambiental,
con presencia de aproximadamente 15 sistemas ecológicos diferenciados [11].
Figura 1. Ubicación geográfica del área de estudio
Administrativamente, El Oro se divide en 14 cantones, entre ellos Machala (capital
provincial), Huaquillas, Pasaje y Zaruma. La provincia mantiene una fuerte dinámica
comercial, agrícola y urbana, siendo el cultivo de banano una de sus principales actividades
económicas, Estas características, junto con su proximidad a la frontera con Perú, han
impulsado un desarrollo acelerado que también ha generado presiones ambientales
significativas.
La actividad antrópica asociada al transporte, comercio y expansión urbana incide
directamente en la calidad del aire, especialmente en cantones costeros como Machala,
donde las condiciones cálidas y secas favorecen una mayor concentración de contaminantes
[12]. En contraste los cantones andinos como Zaruma o Piñas con climas húmedos y lluvias
frecuentes, presentan una menor acumulación de gases, aunque factores topográficos
pueden limitar la dispersión vertical [13].
Novasinergia 2025, 8(2), 72-91 75
2.2. Recopilación y procesamiento de datos
La tabla 1 detalla la información georreferenciada empleada en esta investigación. Los
mapas de coberturas y uso del suelo fueron obtenidos directamente del Ministerio del
Ambiente, Agua y Transición Ecológica (MAATE), los cuales fueron clasificados en seis
categorías conforme a las directrices del IPCC. Para el presente análisis se seleccionaron
cuatro clases principales: bosque, tierra agropecuaria, vegetación arbustiva y herbácea, y
zona antrópica.
Las capas fueron reproyectadas al sistema de coordenadas WGS 1984 UTM Zona 17S, y
preparadas para su integración con los productos satelitales ráster. En este proceso se
respetó la resolución espacial nativa de los datos de menor detalla (más baja resolución),
evitando la reasignación a una resolución artificialmente más alta a fin de preservar la
integridad de los datos, en concordancia con lo recomendado por [14].
Las concentraciones de NO2 y de CO fueron obtenidas desde la plataforma GEE, a través de
scripts de codificación que permitieron filtrar los productos satelitales Sentinel-5P.
Finalmente, mediante el software ArcMap se integraron los datos de contaminación con las
coberturas de suelo, lo que permitió construir mapas temáticos y generar una base de datos
apta para el análisis espacial temporal.
Tabla 1: Información geoespacial del área de estudio
Insumos cartográficos
Fuente
Año
Formatos
Cobertura y uso de la tierra
Zona Urbana del Ecuador (Cantones)
Datos de emisión de Monóxido de Carbono
Datos de emisión de Dióxido de Nitrógeno
MAATE15
IEDG16
Google Earth
Engine17
2018-2020-2022
2015
2018-2020-2022
2018-2020-2022
Vectorial
Vectorial
Ráster
Ráster
Fuente: [15], [16], [17]
2.3. Enfoque metodológico
El presente estudio aplicó una metodología sistemática basada en el análisis de datos
geoespaciales para determinar las concentraciones de emisiones de NO2 y CO en la
provincia de El Oro durante los años 2018, 2020 y 2022. En la primera fase, se utilizó
información satelital del sensor TROPOMI, integrado en el satélite Sentinal 5-P. A través de
la plataforma GEE, se aplicaron filtros temporales y espaciales para seleccionar los conjuntos
de datos COPERNICUS/S5P/NRTI/L3_ NO2 y COPERNICUS/S5P/NRTI/L3_CO, utilizando
las variables tropospheric_NO2_column_number_density y
tropospheric_CO_column_number_density. Se delimitaron espacialmente los datos a los
límites provinicales y temporales de interés, generando promedios mensuales y anuales, se
exportaron en formato CSV y GeoTIFF para su posterior análisis.
Posteriormente, mediante el software ArcMap, se elaboraron mapas de distribución espacial
de contaminantes para cada año, en coordenadas geográficas WGS84, los cuales permitieron
validad visualmente la concentración y dispersión espacial de NO2 y CO en la provincia.
Paralelamente, se empleó el lenguaje de programación R dentro de la plataforma RStudio
para procesar y analizar estadísticamente los valores extraídos. Se organizaron los datos en
Novasinergia 2025, 8(2), 72-91 76
tablas con valores mínimos, máximos y promedios anuales para cada cantón y para cada
categoría de uso y cobertura de suelo, conforme a la clasificación del IPCC.
En cuanto a la normalización por área, esta se llevó a cabo mediante un análisis cruzado
entre las concentraciones de contaminantes y las coberturas de suelo, lo cual permitió
estandarizar las unidades de análisis independientemente del tamaño territorial de los
cantones. Esta clasificación fue clave para evitar sesgos que podrían surgir por diferencias
en extensión geográfica, permitiendo así realizar comparaciones más justas y precisas entre
áreas con características similares. Al categorizar los datos por tiempo de cobertura (urbana,
agrícola, forestal, entre otras), se garantizó una homogeneidad analítica que funcionó como
forma indirecta de normalización.
Finalmente, se incorporó un análisis espacial cruzado entre las concentraciones promedio
de contaminantes y las distintas coberturas de suelo, con el objetivo de identificar patrones
de distribución y posibles fuentes asociadas a las actividades antrópicas. La metodología
utilizada se presenta en un diagrama de flujo (Figura 2).
Figura 2. Flujograma de la metodología del proceso de investigación
3. Resultados
3.1. Distribución espacial de cobertura y uso del suelo en la provincia de El Oro (2018, 2020,
2022)
La caracterización del territorio de la provincia de El Oro, según la cobertura y uso
del suelo permitió identificar la predominancia de ciertas coberturas sobre otras en los años
2018, 2020 y 2022. Las fig. 3, 4 y 5 representan cartográficamente la distribución espacial de
las coberturas del suelo clasificadas conforme a las categorías del IPCC, mientras que la
tabla 2 resumen sus respectivas superficies y porcentajes por año.
Novasinergia 2025, 8(2), 72-91 77
Se observa que la tierra agropecuaria representa consistentemente la mayor extensión
territorial, superando el 70% del área provincial en los tres años analizados, con un ligero
incremento del 70.97% en 2018 al 73.45% en 2022. Esta tendencia podría estar asociada al
avance de las actividades agrícolas intensivas en detrimento de otras coberturas naturales.
En contraste, el bosque muestra una disminución progresiva, pasando de 22.39% (118,477
ha) en 2018 a 19.83% (104,480 ha) en 2022, lo cual sugiere un proceso de transformación del
paisaje posiblemente vinculado al cambio de uso de suelo. Las coberturas de vegetación
arbustiva y herbácea se mantuvieron relativamente estables, alrededor del 4.6% del total.
Por su parte, las zonas antrópicas (urbanas e infraestructura) registran una leve pero
sostenida expansión, desde el 2.04% en 2018 al 2.10% en 2022.
Estos resultados permiten establecer un marco espacial de referencia clave para el análisis
posterior de las concentraciones de contaminantes atmosféricos, ya que la distribución de
las coberturas del suelo influye directamente en los patrones de emisión, dispersión y
acumulación de gases como el NO₂ y CO.
Figura 3. Distribución espacial de cobertura y uso del suelo en la provincia de El Oro (2018, 2020, 2022)
Tabla 2. Superficies y porcentajes de cobertura por año
2018
%
2020
%
2022
%
118,477.0
22.39
109,413.0
20.82
104,480.0
19.83
24,301.8
4.59
23,997.2
4.57
24,358.3
4.62
375,458.0
70.97
381,369.0
72.57
386,965.0
73.45
10,811.4
2.04
10,726.2
2.04
11,056.7
2.10
Novasinergia 2025, 8(2), 72-91 78
3.2. Concentración de NO2
Los mapas de concentración de NO₂ revelan una distribución espacial persistente con
máximos localizados en el norte y noroeste de El Oro, particularmente en los cantones de
Machala, Santa Rosa y Pasaje. En 2018, estas zonas registraron los valores más altos
(5.36×10⁻⁵ – 5.85×10⁻⁵ mol/m²), mientras que el sur y sureste presentaron las concentraciones
más bajas (3.35×10⁻⁵ – 4.35×10⁻⁵ mol/m²).
En 2020, se observa una leve disminución generalizada de NO₂, con un retroceso de las áreas
de alta concentración, coincidente con la reducción de movilidad durante la pandemia. En
contraste, 2022 muestra una recuperación de los niveles previos, especialmente en la zona
norte, sin superar los valores de 2018.
Los valores más bajos se mantienen en zonas rurales y forestales del sur y oriente de la
provincia, evidenciando la relación entre baja densidad urbana y menores emisiones. En
conjunto, el patrón espacial se mantiene estable, con variaciones moderadas atribuibles a
factores externos como la pandemia y la reactivación económica.
Figura 4. Concentraciones del NO2 en la provincia de El Oro (2018, 2020 y 2022)
3.3. Análisis de las concentraciones de NO2 por el tipo de cobertura y uso de suelo
La variación de las concentraciones de NO2 entre los años 2018 y 2022, diferenciada
por la cobertura de uso de suelo en los principales cantones de la provincia de El Oro:
Machala, Santa Rosa, Arenillas y Pasaje, revela patrones interesantes (Figura 5). En general,
Novasinergia 2025, 8(2), 72-91 79
se observa una tendencia a la estabilidad o un ligero incremento en las concentraciones de
NO2 a lo largo del periodo analizado en la mayoría de coberturas y cantones.
En el cantón Arenillas, las mayores concentraciones de NO2 se registraron consistentemente
en las zonas antrópicas durante todo el periodo, superando los 4x10-5 mol/m². La tierra
agropecuaria mostró valores intermedios.
Machala, siendo el cantón más poblado y con mayor actividad económica, exhibió también
las concentraciones más elevadas de NO2 en las zonas antrópicas, alcanzando valores
cercanos a los 5x10-5 mol/m² en algunos años. Al igual que en Arenillas, las coberturas de
bosque y vegetación arbustiva y herbácea mostraron concentraciones más bajas, aunque
ligeramente superiores a las observadas en Arenillas en algunos años. La tierra agropecuaria
presentó valores simulares a estas últimas.
Por otro lado, el cantón Pasaje mostró concentraciones de NO2 relativamente equiparables
entre las coberturas de bosque, tierra agropecuaria y vegetación herbácea, generalmente por
debajo de los 4x10-5 mol/m². Sin embargo, al igual que en los otros cantones, la zona
antrópica mostró las concentraciones más elevadas, especialmente en los años 2018 y 2022,
alcanzado valores cercanos a los 4x10-5 mol/m².
Es decir, el análisis comparativo entre cantones y coberturas de uso de suelo demuestran
que las zonas antrópicas son consistentemente las que presentan las mayores
concentraciones de NO2 en los principales cantones de la provincia de El Oro durante el
periodo 2018, 2020 y 2022. Las coberturas naturales y agropecuarias tienden a mostrar
concentraciones inferiores, con variaciones menores entre ellas. Esta tendencia refuerza la
influencia de las actividades humanas urbanas y potencialmente industriales en la emisión
y acumulación de NO2 en la zona.
Figura 5. Variación del NO2 por cobertura en los cantones Arenillas, Machala, Pasaje y Santa Rosa
3.4. Análisis mensual de las concentraciones de NO2 del año 2018
En el análisis mensual de 2018, se observa una notable variabilidad de las
concentraciones de NO2 entre los cantones y los diferentes meses del segundo semestre del
año. Destacan los meses de julio y septiembre como aquellos con picos elevados en varios
cantones, especialmente en Machala y Pasaje, cuyas concentraciones superan los 2x10-5
Novasinergia 2025, 8(2), 72-91 80
mol/m², notándose un incremento en las emisiones posiblemente relacionado con mayores
actividades vehiculares e industriales propias de estos centros urbanas. Por otro lado,
cantones como Atahualpa y Chilla presentan niveles menores, por debajo de 1x10-5 mol/m²,
lo cual podría atribuirse a su menor densidad poblacional y limitada presencia de fuentes
emisoras como tráfico vehicular o procesos industriales. La variabilidad mensual evidencia
una influencia estacional, posiblemente relacionada con patrones climáticos y
meteorológicos, con menor dispersión de contaminantes en condiciones de baja ventilación
atmosférica en ciertos meses [18].
Figura 6. Análisis mensual de las concentraciones del NO2 en el año 2018
3.5. Análisis mensual de las concentraciones de NO2 del año 2020
Durante el 2020, año marcado por la pandemia de COVID-19 y las restricciones de
movilidad, las concentraciones de NO2 presentaron una disminución relativa en
comparación con 2018, aunque siguen siendo elevadas en cantones como Machala,
Marcabelí y El Guabo, donde se superan los 5x10-5 mol/m² en los meses de marzo y abril.
Esta situación puede parecer contradictoria, pero puede explicarse por la reducción de
emisiones de corto plazo durante los confinamientos estrictos seguidos de repuntes
posteriores debido al reinicio parcial de las actividades. El patrón más homogéneo a lo largo
del año sugiere una menor estabilidad, influenciada por los cambios de dinámica social
durante la pandemia [19]. Además, la persistencia de altos niveles en zonas urbanas resalta
la dependencia de estas áreas del transporte motorizado como principal fuente emisora de
NO2 [20].
Novasinergia 2025, 8(2), 72-91 81
Figura 7. Análisis mensual de las concentraciones del NO2 en el año 2020
3.6. Análisis mensual de las concentraciones de NO2 del año 2022
En el año 2022 se observa un incremento generalizado en las concentraciones de NO2
en la mayoría de los cantones respecto a 2020, alcanzando valores máximos superiores a los
5.5x10-5 mol/m², principalmente en los meses de julio y septiembre. Nuevamente, los
cantones con mayor densidad poblacional y actividad económica como Machala, El Guabo
y Pasaje son los que concentran las mayores emisiones. Esta recuperación de niveles
elevados puede atribuirse al restablecimiento de las actividades económicas y la movilidad
urbana tras la pandemia. El mes de septiembre destaca por presentar picos elevados en al
menos cinco cantones, lo que podría estar relacionado con condiciones meteorológicas
desfavorables para la dispersión de contaminantes o con actividades económicas específicas
de este periodo. Cabe destacar que, a pesar de los esfuerzos por mejorar la calidad del aire,
la tendencia ascendente en 2022 sugiere la necesidad de políticas públicas más rigurosas
para el control de emisiones atmosféricas [21].
Figura 8. Análisis mensual de las concentraciones del NO2 en el año 2022
Novasinergia 2025, 8(2), 72-91 82
3.7. Concentración de CO
El análisis de las concentraciones de CO en la provincia de El Oro entre los años 2018,
2020 y 2022, representados en los mapas de la fig. 9 respectivamente, revela una distribución
espacial heterogénea con áreas de mayor y menor concentración que persisten a lo largo del
periodo estudiado. En general, se observa una tendencia a concentraciones más elevadas en
la zona costera occidental de la provincia, donde se ubican cantones como Machala, Pasaje,
Santa Rosa y Arenillas, así como algunas áreas del centro y suroeste.
En el año 2018 las mayores concentraciones de CO, representadas por las tonalidades rojizas
(3.24x10-2-3.63x10-2 mol/m²), se localizan principalmente en una franja que abarca la zona
costera y se extiende hacia el interior, cubriendo parcialmente los cantones antes
mencionados. Hacia el este el sur de la provincia, las concentraciones tienden a disminuir,
mostrando tonalidades amarillas y azules (2.13x10-2-3.01x10-2 mol/m²), lo que representa
menores emisiones o una mayor dispersión del contaminante en estas áreas.
Para el año 2020 se aprecia una distribución espacial de las concentraciones de CO similar a
la de 2018. Las zonas con las concentraciones más altas persisten en la franja costera
occidental y su extensión hacia el interior. Sin embargo, se puede notar una ligera
disminución generalizada en la intensidad de las concentraciones en algunas áreas, lo que
podría estar asociado a los efectos de las restricciones de movilidad y la menos actividad
económica durante la pandemia de COVID-19 en ese periodo. Las áreas del este y sur de la
provincia continúan presentando las concentraciones más bajas.
En el año 2022 la distribución espacial de las concentraciones de CO muestra un patrón que
se asemeja al observado en 2018, con una recuperación de las concentraciones más elevadas
en la zona costera occidental y su extensión hacia el interior. Las áreas con las mayores
concentraciones (toneladas rojizas) parecen expandirse ligeramente en la comparación con
2020, lo que podría indicar un retorno a los niveles de actividad prepandemia y un
consiguiente aumento de las emisiones de CO en estas zonas. Los cantones del este y sur
mantienen las concentraciones más bajas.
Al comparar las concentraciones de CO para los años 2018, 2020 y 2022, se evidencia una
relativa estabilidad en los patrones de distribución espacial. La zona costera occidental y su
área de influencia interior se mantienen como las regiones con las concentraciones más
elevadas de CO a lo largo del periodo estudiado. La disminución observada en 2020 sugiere
un impacto temporal de la pandemia en la reducción de las emisiones, seguido de una
recuperación en 2022 hacia patrones similares a los de 2018. Las áreas del este y sur de la
provincia consistentemente presentan concentraciones más bajas de CO. Esta persistencia
de las zonas alta de concentración sugiere la presencia de fuentes de emisión relativamente
estables en la zona costera, posiblemente relacionas con actividades urbanas portuarias,
industriales o la quema de biomasa agrícola.
Novasinergia 2025, 8(2), 72-91 83
Figura 9. Concentraciones del CO en la provincia de El Oro (2018, 2020 y 2022)
3.8. Análisis de las concentraciones de CO por el tipo de cobertura y uso de suelo
El análisis de las concentraciones de CO en los cantones Arenillas, Machala, Pasaje y
Santa Rosa, diferenciado por la cobertura del suelo entre los años 2018, 2020 y 2022 (fig. 10),
revela variaciones específicas asociadas a cada tipo de cobertura. En general, se observa una
tendencia a la estabilidad de las concentraciones de CO a lo largo del tiempo para cada
cobertura dentro de cada cantón, aunque con diferencias notables entre ellas.
En arenillas, las concentraciones de CO fueron relativamente similares entre las diferentes
coberturas, con ligeras fluctuaciones anuales. La zona antrópica y la tierra agropecuaria
tendieron a presentar valores marginales superiores en algunos años, mientras que el
bosque y la vegetación arbustiva y herbácea mostraron concentraciones ligeramente
menores.
Machala, al igual que se observó en el análisis genera, exhibió consistentemente
concentraciones de CO elevadas en todas las coberturas en comparación con otros cantones.
La zona antrópica y la tierra agropecuaria presentaron los valores más altos, superando los
3x10-2 mol/m² en varios años. Las coberturas de bosque y vegetación arbustiva y herbácea,
aunque también elevadas, se mantuvieron ligeramente por debajo de estos valores.
El cantón Pasaje mostró una mayor variabilidad entre las coberturas. Si bien la tierra
agropecuaria presentó las concentraciones más altas en algunos años, la zona antrópica
también da a conocer valores considerables. La vegetación arbustiva y herbácea mostró las
concentraciones más bajas de CO en este cantón durante la mayor parte del periodo
analizado.
Novasinergia 2025, 8(2), 72-91 84
En Santa Rosa, las concentraciones de CO fueron relativamente homogéneas entre las
coberturas de bosque, tierra agropecuaria y zona antrópica, con valores que se mantuvieron
en un rango simular a lo largo de los años. La vegetación arbustiva y herbácea, sin embargo,
tendió a presentar concentraciones ligeramente inferiores en comparación con las otras
coberturas en este cantón.
En contraposición a lo observado con el NO2, donde la zona antrópica mostraba una clara
predominancia en las concentraciones, el CO presenta una distribución más equitativa entre
las diferentes coberturas, especialmente con cantones como Arenillas y Santa Rosa. Machala
es uno de los cantones que presenta las concentraciones más elevadas de CO en todas las
coberturas, lo que refuerza la idea de una mayor actividad general que contribuye a la
emisión de este contaminante. La variabilidad observada en Pasaje sugiere una influencia
más marcada del tipo específico de uso de suelo en las concentraciones de CO en este cantón.
Esta diferenciación en el comportamiento del CO en relación con la cobertura del suelo, en
comparación con el NO2, subraya la importancia de considerar las fuentes de emisión
específicas de cada conteniente y su interacción con los diferentes tipos de uso de suelo
presentes en la provincia de El Oro.
Figura 10. Variación del CO por cobertura en los cantones Arenillas, Machala, Pasaje y Santa Rosa
3.9. Análisis mensual de las concentraciones de CO del año 2018
Durante 2018, se observó una variabilidad moderada de las concentraciones de CO
entre los meses analizados. Septiembre presentó los valores más elevados en la mayoría de
los cantones, alcanzando picos cercanos a 4.1x10-2 mol/m² en cantones como Machala y Santa
Rosa. Octubre también mostró concentraciones relativas altas, mientras que julio y
diciembre evidenciaron los niveles más bajos, especialmente en cantones como Zaruma y
Chilla, con valores mínimos de hasta 2.4x10-2 mol/m². Esta distribución sugiere una posible
influencia de actividades agrícolas o de quema de los meses secos, particularmente
septiembre, como ya ha sido señalado por autores como [22], quienes vinculan estos
incrementos con emisiones relacionadas a activadas humanas estacionales.
Novasinergia 2025, 8(2), 72-91 85
Figura 11. Análisis mensual de las concentraciones del CO en el año 2018
3.10. Análisis mensual de las concentraciones de CO del año 2020
En 2020, las concentraciones de CO fueron más consistentes entre meses, pero con
valores generales levemente superiores a los de 2018, destacando nuevamente septiembre
como el mes con mayor carga de CO en la atmósfera (hasta 4.3x10-2 mol/m² en cantones
como Santa Rosa). Octubre y marzo también mostraron concentraciones significativas, lo
cual puede estar asociada a una reducción momentánea de restricciones de movilidad por
la pandemia de COVID-19, lo que elevó las emisiones. Por otro lado, enero, julio y agosto
presentaron valores menores, oscilando entre 2.4x10-2 y 3x10-2 mol/m². El patrón más
uniforme sugiere un impacto atípico por las medidas sanitarias implementadas en ese año,
coincidiendo con estudios como [23] el de sobre la influencia de la pandemia en la calidad
del aire.
Figura 12. Análisis mensual de las concentraciones del CO en el año 2020
Novasinergia 2025, 8(2), 72-91 86
3.11. Análisis mensual de las concentraciones de CO del año 2022
En 2022, se identificó un repunte generalizado en las concentraciones de CO en
comparación con 2018 y 2020. Septiembre se mantuvo como el mes de mayor concentración,
con valores que alcanzaron hasta 4.5x10-2 mol/m² en Machala y Santa Rosa, consolidando
una tendencia de incremento en este mes a lo largo de los años. Octubre y marzo también
reportaron altos niveles, reflejando posiblemente un retorno a la normalidad en las
actividades económicas y de transporte. En cambio, julio y diciembre nuevamente
registraron los niveles más bajos, especialmente en Zaruma y Piñas. Este comportamiento
sugiere una recuperación de las fuentes emisoras tras la pandemia, reforzando la necesidad
de un monitoreo sostenido y políticas de mitigación en zonas urbanas con alta densidad
vehicular e industrial.
Figura 13. Análisis mensual de las concentraciones del CO en el año 2022
4. Discusión
Este estudio analizó la distribución geoespacial de las emisiones de NO₂ y CO en la
provincia de El Oro, Ecuador, y su relación con las coberturas durante el periodo 2018 - 2022.
Los resultados revelaron patrones espaciales y temporales distintivos para ambos
contaminantes, así como una influencia clara del tipo de cobertura terrestre en sus
concentraciones.
En cuanto a la distribución del uso del suelo, se confirmó la predominancia de la tierra
agropecuaria como la cobertura más extensa en la provincia, con una tendencia al ligero
incremento entre 2018 y 2022. Como lo dice [24] este hallazgo es consistente con las
tendencias de expansión agrícola observadas en otras provincias de Ecuador y se encuentra
asociada a políticas de desarrollo agrícola y cambios en la demanda del mercado. Por otro
lado, la disminución progresiva de la cobertura boscosa plantea preocupaciones sobre la
deforestación y sus potenciales efectos en los ciclos biogeoquímicos y la biodiversidad local,
un problema también presente en otras provincias costeras del Ecuador, como lo presenta
[25] en la provincia de Manabí. La expansión leve pero constante de las zonas antrópicas
refleja el crecimiento urbano e infraestructural característico del desarrollo de las provincias
Novasinergia 2025, 8(2), 72-91 87
[26]. Este marco de referencia espacial del uso del suelo es fundamental para comprender la
distribución de los contaminantes atmosféricos analizados.
El análisis geoespacial de las concentraciones de NO₂ evidenció una persistente zona de alta
concentración en el norte y noroeste de la provincia, particularmente en los cantones de
Machala, Santa Rosa y Pasaje. Estas zonas presentan una fuerte asociación con áreas de
mayor densidad poblacional y actividad económica, donde el tráfico vehicular y las
activades industriales son más intensas [27], [28]. La leve disminución generalizada en 2020,
coincidente con las restricciones de movilidad por pandemia, subraya la influencia directa
de las actividades antropogénicas en las emisiones de NO₂, tal como lo reportaron estudios
a nivel global como el de [29] realizado en Ecuador. La posterior recuperación de los niveles
en 2022 refuerza esta interpretación, indicando una resiliencia de las fuentes de emisión tras
la relajación de las medidas. En contraste, las zonas rurales y forestales del sur y oriente
consistentemente mostraron concentraciones más bajas, lo que apoya la hipótesis de que la
baja densidad de fuentes emisoras se traduce a una mejor calidad del aire en estas áreas.
Al analizar las concentraciones de NO₂ en relación con el tipo de cobertura, se observó que
las zonas antrópicas presentan los valores más elevados en los principales cantones. Estos
resultados son coherentes con estudios como el de [30] donde señala que el transporte y las
actividades urbanas son las principales fuentes de emisión de NO₂. Las coberturas naturales
y agropecuarias mostraron concentraciones inferiores, aunque con ligeras variaciones entre
ellas, influenciadas por la cercanía a vías de comunicación o actividades agrícolas como lo
plantea [31] en su estudio realizado en Argentina sobre un análisis multitemporal sobre la
dinámica y el impacto de la cobertura y uso de suelo y las emisiones de GEI.
Los resultados de CO, reveló una distribución espacial heterogénea con concentraciones
más elevadas en la zona costera occidental y su área de influencia interior a lo largo del
periodo estudiado. Esta persistencia presenta fuentes de emisión relativamente estables en
estos cantones, posiblemente relacionadas con las actividades presentes como portuarias,
industriales, la quema de biomasa agrícola, y prácticas comunes en zonas costeras para la
preparación de tierras. La disminución observada en 2020 también apunta a un impacto de
la pandemia en la reducción de emisiones, seguido de un alza en 2022, aunque los patrones
espaciales se mantuvieron relativamente consistentes. A diferencia del NO₂ el CO mostró
una distribución más equitativa entre las diferentes coberturas de uso del suelo,
especialmente en cantones como Arenillas y Santa Rosa. Sin embargo, Machala
consistentemente presentó concentraciones elevadas en todas las coberturas, lo que indica
una mayor carga general de emisión de CO asociada a la intensa actividad del cantón. Los
picos mensuales de CO en septiembre durante los tres años analizados están relacionados
con las prácticas agrícolas estacionales o las condiciones meteorológicas como se mencionó
anteriormente.
Una limitación importante de este estudio radica en la disponibilidad y resolución de los
datos de emisiones, que fueron inferidos a partir de modelos satelitales, futuras
investigaciones podrían beneficiarse del uso de datos de monitoreo in situ para validad y
complementar los hallazgos obtenidos, proporcionando una evaluación más detallada a
nivel provincial. Asimismo, sería interesante explorar con mayor detalle la influencia de
factores meteorológicos específicos (como la velocidad y dirección del viento, la
Novasinergia 2025, 8(2), 72-91 88
temperatura y la precipitación) en la dispersión y acumulación de los contaminantes
analizados, utilizando modelos de dispersión atmosférica.
Este estudio geoespacial proporciona una visión clara y sobre todo detallada sobre la
distribución de NO₂ y CO en la provincia de El Oro y la relación con la cobertura y uso del
suelo. Los resultados destacan la influencia entre las actividades antropogénicas urbanas e
industriales en las concentraciones de NO₂ mientras que en el CO presenta una distribución
más compleja, influenciada por una variedad de fuentes y usos del suelo. La persistencia de
zonas de alta concentración de ambos contaminantes, especialmente en áreas urbanas y la
costa, subraya la necesidad de implementar políticas de gestión ambiental y control de
emisiones más efectivas para proteger la calidad del aire y la salud públicas en la provincia
de El Oro.
5. Conclusiones
El uso de suelo influyó en la distribución de los contaminantes atmosféricos
estudiados dentro de la provincia de El Oro. Las zonas urbanas con alta densidad vehicular
y las áreas agrícolas intensivas fueron identificadas como los principales focos emisores.
El análisis geoespacial mediante datos satelitales como TROPOMI demostró ser una
herramienta eficaz para identificar patrones de contaminación atmosférica en cantones y
provincias donde no existen sistemas de monitoreo terrestre, facilitando el seguimiento
continuo y la toma de decisiones informadas en la gestión ambiental.
Las coberturas vegetales naturales como bosques secos y vegetación herbácea y arbustiva
presentaron menores concentraciones de NO₂ y CO, lo cual reafirma su papel fundamental
como reguladores ecológicos y sumideros naturales de contaminantes, destacando la
importancia de su conservación.
La expansión urbana no planificada y el uso intensivo de fertilizantes son factores clave que
incrementan las emisiones contaminantes en la provincia. Este resultado destaca la urgencia
de implementar políticas de movilidad sostenible y buenas prácticas agrícolas con bajo
impacto ambiental.
El estudio evidencia la necesidad de una planificación territorial ambientalmente
responsable, que contemple el uso de tecnologías geoespaciales y estrategias integradas
para reducir la contaminación atmosférica, espacialmente en zonas vulnerables y en
crecimiento.
Contribuciones de los autores
Conceptualización, B.A. y M.J.; metodología, B.A.; software, S.T. y M.J.; validación,
S.T.; análisis formal, S.T. y M.J.; investigación, B.A. y S.T.; recursos, B.A. y S.T.; curación de
datos, B.A., S.T. y M.J.; redacción—preparación del borrador original, B.A.; redacción—
revisión y edición, S.T. y M.J.; visualización, B.A., S.T. y M.J.; supervisión, M.J.;
administración del proyecto, B.A., S.T. y M.J. Todos los autores han leído y aprobado la
versión publicada del manuscrito.
Novasinergia 2025, 8(2), 72-91 89
Conflicto de Interés
Los autores no reportan conflictos de interés relacionados con esta investigación.
Declaración sobre el uso de Inteligencia Artificial Generativa
No se utilizó inteligencia artificial generativa en la preparación de este artículo.
Referencias
[1] Kumar S, S. Himanshu, y Gupta KK, “Effect of Global Warming on Mankind-A Review,” Int. Res. J.
Environment Sci., vol. 1, no. 4, pp. 56–59, Nov. 2012, [En línea]. Disponible en:
https://www.isca.me/IJENS/Archive/v1/i4/9.ISCA-IRJEvsS-2012-060.pdf
[2] H. Bhattarai, A. P. K. Tai, M. Val Martin, y D. H. Y. Yung, “Impacts of changes in climate, land use, and
emissions on global ozone air quality by mid-21st century following selected Shared Socioeconomic
Pathways,” Sci. Total Environ., vol. 906, p. 167759, ene. 2024, doi:
https://doi.org/10.1016/j.scitotenv.2023.167759.
[3] F. Drumm, A. Gerhardt, G. Fernandes, P. Chagas, M. Sucolotti, y P. Kemerich, “POLUIÇÃO
ATMOSFÉRICA PROVENIENTE DA QUEIMA DE COMBUSTÍVEIS DERIVADOS DO PETRÓLEO
EM VEÍCULOS AUTOMOTORES.,” REGET, vol. 18, no. 1, abr. 2014, doi:
https://doi.org/10.5902/2236117010537.
[4] A. Y. H. Wong y J. Geddes, “On the competing effects of contemporary land management vs. land
cover changes on global air quality,” Atmos Chem Phys, mar. 2021, doi: https://doi.org/10.5194/acp-2021-
132.
[5] N. Ramankutty, A. T. Evan, C. Monfreda, y J. A. Foley, “Farming the planet: 1. Geographic distribution
of global agricultural lands in the year 2000,” Global Biogeochem Cycles, vol. 22, no. 1, ene. 2008, doi:
https://doi.org/10.1029/2007GB002952.
[6] A. Neckel et al., “Geospatial applicability optics of the TROPOspheric monitoring instrument
(TROPOMI) on a global scale: An overview,” Geoscience Frontiers, vol. 16, no. 2, mar. 2025, doi:
https://doi.org/10.1016/j.gsf.2025.102008.
[7] A. Cersosimo, C. Serio, y G. Masiello, “TROPOMI NO2 tropospheric column data: Regridding to 1 km
grid-resolution and assessment of their consistency with in situ surface observations,” Remote Sens.,
vol. 12, no. 14, jul. 2020, doi: https://doi.org/10.3390/rs12142212.
[8] M. Kazemi Garajeh, G. Laneve, H. Rezaei, M. Sadeghnejad, N. Mohamadzadeh, y B. Salmani,
“Monitoring Trends of CO, NO2, SO2, and O3 Pollutants Using Time-Series Sentinel-5 Images Based
on Google Earth Engine,” Pollutants, vol. 3, no. 2, pp. 255–279, may. 2023, doi:
https://doi.org/10.3390/pollutants3020019.
[9] V. Díaz Suárez y C. Páez Pérez, “Contaminación por material particulado en Quito y caracterización
química de las muestras,” ACTA NOVA, vol. 3, no. 2, pp. 308–322, jun. 2006. Disponible en:
http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S1683-07892006000100011
[10] C. I. Alvarez, A. Teodoro, N. Torres, y V. Vivanco, “Assessment of remote sensing data to model PM10
estimation in cities with a low number of air quality stations: A case of study in Quito, Ecuador,”
Environments, vol. 6, no. 7, p. 85, jul. 2019, doi: https://doi.org/10.3390/environments6070085.
[11] Gobierno Autónomo Descentralizado Provincial de El Oro, “Plan de Desarrollo y Ordenamiento
Territorial de la Provincia de El Oro,” 2020. [En línea]. Disponible en: https://www.eloro.gob.ec/
[12] K. Jara y M. Lojan, “Estudio de la contaminación del aire ambiente por material particulado
sedimentable en el casco urbano de la ciudad de Machala provincia de El Oro,” tesis de grado,
Universidad de Cuenca, Cuenca, 2023.
Novasinergia 2025, 8(2), 72-91 90
[13] Gobierno Autónomo Descentralizado Municipal del Cantón Piñas, “Modelo De Gestión,” Piñas, 2019.
[En línea]. Disponible en: https://pinas.gob.ec/images/2021/PDOT/PLAN_DE_DESARROLLO_Y_O
RDENAMIENTO _TERRITORIAL_2019-2023/CAPITULO_IX_MODELO_DE_GESTION_PINAS.pdf
[14] T. Hengl, “Finding the right pixel size,” Comput Geosci, vol. 32, no. 9, pp. 1283–1298, nov. 2006, doi:
https://doi.org/10.1016/j.cageo.2005.11.008.
[15] Ministerio del Ambiente, Agua y Transición Ecológica, 2015, “Mapa Interactivo Ambiental,” Ministerio
del Ambiente, Agua y Transición Ecológica. [En línea]. Disponible en:
http://ide.ambiente.gob.ec/mapainteractivo/.
[16] Google Earth Engine, “Earth Engine Data Catalog,” Google Earth Engine. [En línea]. Disponible en:
https://developers.google.com/earth-engine/datasets?hl=es-419.
[17] Sistema Nacional de Información, “Visor Geográfico IEDG,” Infraestructura ecuatoriana de datos
Geoespaciales. [En línea]. Disponible en: https://visorgeografico.sni.gob.ec/.
[18] R. Cichowicz, G. Wielgosiński, y W. Fetter, “Dispersion of atmospheric air pollution in summer and
winter season,” Environ Monit Assess, vol. 189, no. 12, nov. 2017, doi: https://doi.org/10.1007/s10661-
017-6319-2.
[19] D. Alvim et al., “COVID-19 Pandemic: Impacts on Air Quality during Partial Lockdown in the
Metropolitan Area of São Paulo,” Remote Sens., vol. 15, no. 5, feb. 2023, doi:
https://doi.org/10.3390/rs15051262.
[20] E. Felix, A. Schilmann, M. Hurtado, J. Texcalac, y H. Riojas, “Revision rapida: contaminación del aire y
morbimortalidad por Covid-19,” Salud Publica Mex, vol. 62, no. 5, pp. 582–589, ago. 2020, doi:
https://doi.org/10.21149/11481.
[21] A. Locke, R. Heffernan, G. McDonagh, J. Yassa, y G. Flaherty, “Clearing the Air: a Global Health
Perspective on Air Pollution,” Int J Travel Med Glob Health, vol. 10, no. 2, pp. 46–49, abr. 2022, doi:
https://doi.org/10.34172/ijtmgh.2022.09.
[22] L. T. Molina y M. J. Molina, Eds., Air Quality in the Mexico Megacit. Springer Netherlands, 2002. doi:
https://doi.org/10.1007/978-94-010-0454-1.
[23] R. J. Isaifan, “The dramatic impact of coronavirus outbreak on air quality: Has it saved as much as it
has killed so far?,” Global J. Environ. Sci. Manage., vol. 6, no. 3, pp. 275–288, jul. 2020. Disponible en:
https://www.gjesm.net/article_38731_cf646bbab04352d3ffb6947f139c78ca.pdf
[24] F. Intriago, “La mecanización agrícola y su impacto en el desarrollo agropecuario del Ecuador,”
SATHIRI, vol. 14, no. 2, p. 289-299, dic. 2019, doi: https://doi.org/10.32645/13906925.910.
[25] A. Montilla, A. Reyes, y E. Agüero, “Análisis de Deforestación en Ecosistemas Boscosos del Refugio de
Vida Silvestre Pacoche, Manabí Manta, Ecuador,” Rev Invest, vol. 41, no. 92, pp. 74–94, dic. 2017.
Disponible en: https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1010-29142017000300005
[26] E. Benavides-Londo, G. Berrones-Lluguay, L.M. Merino-Cayán, y L. F. Piñas-Piñas, “Asentamientos
urbanos informales, falencias y limitación en las zonas de expansión,” VD, vol. 3, no. especial4, pp. 97–
104, dic. 2024, doi: https://doi.org/10.62574/dk3dga10.
[27] Instituto Nacional de Estadística y Censo, 2022, “Presentación de Resultados Nacionales,” INEC. [En
línea]. Disponible en: https://www.censoecuador.gob.ec/
[28] O. B. Burgo Bencomo, “Planificación Del Desarrollo Provincia El Oro y Cantón Machala: Examen
Crítico Desde La Dimensión Cultural,” Conrado, vol. 18, no. 85, pp. 345–354, abr. 2022. Disponible en:
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442022000200345&lng=es&tlng=es
[29] R. J. Barragan Monrroy, A. M. Macias Mendoza, y B. B. González Ososrio, “Niveles de dióxido de
nitrógeno y monóxido de carbono tras la pandemia de COVID-19 en la provincia de Los Ríos,
Ecuador,” Revista de Climatología, vol. 24, pp. 9-16, jun. 2024, doi:
https://doi.org/10.59427/rcli/2024/v24.09-16.
Novasinergia 2025, 8(2), 72-91 91
[30] R. Pérez, y W. O. Herrera, “Impacto de los sistemas de transporte público latinoamericanos en la
movilidad urbana y en el ambiente,” Publ. Cienc. Tecnol., vol. 13, no. 2 pp. 38–53, dic. 2019, doi:
https://doi.org/10.13140/RG.2.2.14346.70083.
[31] V. Fernández-Maldonado, A. L. Navas, M. P. Fabani, G. Mazza, y R. Rodríguez, “A Multi-Temporal
Analysis on the Dynamics of the Impact of Land Use and Land Cover on NO2 and CO Emissions in
Argentina for Sustainable Environmental Management,” Sustainability, vol. 16, no. 11, p. 4400, may.
2024, doi: https://doi.org/10.3390/su16114400.