La Refinería “Sergio Soto” de Cabaiguán, es un consolidado donde se atiende la refinación, distribución de combustibles, lubricantes y el transporte de los mismos. La refinería en sus orígenes en el año 1947 se construyó en las afueras de la zona residencial del poblado de Cabaiguán, con el desarrollo urbanístico e industrial hoy se localiza cerca de la zona residencial, las viviendas más cercanas solo distan de ésta 20 ó 30 m, es por ello que las emanaciones gaseosas que se generan no solo afectan a los trabajadores sino a una importante masa poblacional lo que ha originado quejas de la población y multas a la entidad por la contaminación del aire, así como la intervención del Ministerio de Salud Pública y el gobierno con el objetivo de convocar a la empresa a la solución de estos problemas.

Durante el proceso de refinación del petróleo se generan emisiones de gases que provocan graves problemas medioambientales, debido a que en la unidad de destilación al vacío se generan compuestos, sulfuro de hidrógeno (H2S) y dióxido de azufre (SO2), causando este proceso la generación de gases, hidrocarburos volátiles además, olores desagradables y toxicidad siendo la causa originaria de enfermedades respiratorias y del agravamiento de las personas que padecen estas enfermedades. El crudo refinado en esta instalación presenta altos contenidos de azufre, ya que son crudos nacionales. Las fuentes principales de emisiones estacionarias a la atmósfera en la refinería son los equipos de combustión (hornos y calderas) que utilizan fuel oil y mezclas de estos con diésel en el proceso de generación de vapor. Estas pueden contener como contaminantes fundamentales:

Compuestos Sulfurosos.

El olor desagradable unido a la toxicidad de estos compuestos pueden ser una de las causas por las cuales aparezcan en la población enfermedades respiratorias o se agudicen las mismas, sin embargo no existe ningún estudio científico que evidencie las principales categorías de impacto relacionadas con estos contaminantes (Consuegra, 2012).

Los datos analizados corresponden al inventario de emisiones de la Refinería “Sergio Soto” de Cabaiguán, fuente más representativa de este municipio.

El crudo refinado en esta instalación presenta altos contenidos de azufre, ya que son crudos nacionales. Las fuentes principales de emisiones estacionarias a la atmósfera en la refinería son los equipos de combustión (hornos y calderas) que utilizan fuel oil y mezclas de estos con diesel en el proceso de generación de vapor.

El contaminante analizado en el presente trabajo será el dióxido de azufre (SO2) por ser el que más altos niveles de concentración que presenta. Luego de obtener el inventario de emisiones de la fuente se procedió a la modelación de la emisión con el modelo AERMOD.

Tabla 1

Gases	Unidad	Cantidad
Dióxido de Azufre (SO2)	gramos/segundos	84.47

Fuente: Refinería ¨Sergio Soto¨ de Cabaiguán

El dióxido de azufre constituye uno de los agentes causantes el deterioro de monumentos históricos (mal de la piedra), induciendo igualmente alteraciones morfológicas y fisiológicas en los receptores vegetales. En estos últimos el SO2, tras penetrar por las estomas, causa daños en el mesófilo que conducen a la aparición de manchas necróticas de diferente color en función de la especie y la concentración. Estos daños, que afectan mayoritariamente a las hojas más jóvenes, se extienden en ambas caras (haz y envés), progresando desde la base hasta el ápice foliar (Tarija, 2016) .

La mayor parte de los efectos del SO2 sobre el hombre están relacionados con la irritación del sistema respiratorio provocando la aparición de infecciones respiratorias agudas (IRA) y la ocurrencia de crisis agudas de asma bronquial (CAAB). El dióxido de azufre es muy soluble en agua, por lo tanto, su exposición irrita rápidamente las mucosas de la nariz, boca, faringe y bronquios. Adicionalmente también irrita las vías respiratorias reduciendo a su vez la capacidad pulmonar, causando ronquera, respiración entrecortada y presión del pecho. Estos efectos aumentan con el ejercicio. Los asmáticos son mucho más sensibles a la exposición de dióxido de azufre que el resto de una comunidad. Algunos estudios muestran respuestas críticas a la exposición de dióxido de azufre por 10 minutos a concentraciones de alrededor de 1 000 µg/m3 y respuestas crónicas a las exposiciones a largo plazo hacia niveles de 100 µg/m3 o más, OMS (1997). Sobre la base de las evidencias de la exposición a corto plazo del dióxido de azufre, la OMS recomienda que no se deba exceder el valor de 500 µg/m3 por períodos promedios de diez minutos. Los estudios de exposición a largo plazo de dióxido de azufre en la población, muestran que el número de visitas diarias al médico aumentaron en un 10 por ciento para un promedio de aumento diario de 100 µg/m3, siendo las visitas por enfermedades respiratorias las que aumentaron más rápidamente, OMS (1992).

Tabla 2

Concentración (ppm) *	Efectos agudos
1 - 6	Bronco constricción
3 - 5	Concentración mínima detectable por el olfato
8 - 12	Irritación de la garganta
12 - 20	Irritación en ojos y tos
50 - 100	Concentración máxima para una exposición de 30 minutos
400 - 500	Mortal, incluso en exposición breve

Fuente: Curso básico de Toxicología Ambiental. 1988. * 1 ppm = 2856 µg/m3

Los modelos autorregresivos integrados de media móvil (ARIMA) son modelos estadísticos, utilizados en el análisis de series de tiempo, que utilizan variaciones y regresiones de datos estadísticos con el fin de encontrar patrones para una predicción hacia el futuro. Se trata de un modelo dinámico de series temporales, es decir, las estimaciones futuras vienen explicadas por los datos del pasado y no por variables independientes (Brooks, 2008). La función auto.arima de la librería forecast de R, proporciona una opción rápida para construir pronósticos con series temporales, debido a que evalúa entre todos los posibles modelos, al mejor modelo considerando diversos criterios: estacionariedad, estacionalidad, diferencias. La función auto.arima devuelve el posible mejor modelo de entre todos los modelos y realiza transformaciones de la variable de ser el caso que no sea estacionaria; adicionalmente, evalúa presencia de estacionalidad en la serie.

Para analizar los prejuicios causados a la salud humana por el SO2 utilizaremos la base de datos del 2016 del Departamento de Estadísticas de la Dirección Provincial de Salud Pública de Sancti Spíritus.

Figura 1

En la figura anterior es posible observar el comportamiento de las IRA y de CAAB durante todo el año 2016, expresados los datos por semanas estadísticas método que es utilizado por Salud Pública. Para el estudio fueron tomados los datos mostrados en la Tabla 3 por ser los de dos semanas donde se evidenciaron altos niveles de ocurrencia de IRA y CAAB.

Tabla 3

Fechas	Semana	IRA	AB
14-20/2/2016	Sem7	1332	60
6-12/3/2016	Sem10	1251	48
	Anual	49283	1739

Se procedió a la modelación de SO2 de los días relacionados en la Tabla 3 mediante el modelo Aermod, obteniendo los siguientes resultados.

Figura 2

Figura 3

Figura 4

Se observa que la dispersión de SO2 ocurre principalmente hacia la trama urbana del municipio incidiendo en la aparición de IRA y en la ocurrencia de CAAB. Con estos datos obtenidos se procedió al análisis de las mismas mediante el uso de paquetes del lenguaje R para sentar las bases para la elaboración de pronósticos de calidad del aire. Fue utilizada la función auto.arima de R: ya que proporciona una opción rápida para construir pronósticos con series temporales, debido a que evalúa entre todos los posibles modelos, al mejor modelo considerando diversos criterios: estacionalidad, diferencias, entre otras. Cuando se pronóstica con un modelo ARIMA simple, este usa valores pasados de la serie de tiempo de estudio para predecir valores futuros. Este tipo de modelo es recomendado para hacer predicciones a corto plazo porque la mayoría de ellos ponen mayor énfasis en el pasado reciente que en el pasado distante (Aguado, 2016). En el caso de estudio es posible observar que el uso de este tipo de modelos indica la tendencia al aumento de casos de IRA y de CAAB

Figura 5

Figura 6

La función auto.arima es más una ayuda que un instrumento final, debido a que es necesario que cada quien, evalúe las series en estudio paso a paso, y en base a la experiencia y a lo que dicta la teoría econométrica (estacionalidad, evaluación del modelo, capacidad predictiva, stress testing, entre otros.), se elaboren los modelos. De todas formas, la función auto.arima no deja de ser útil y de fácil entendimiento.

Se considera necesario la introducción de técnicas y herramientas de aprendizaje multinstancia y aprendizaje multi-etiqueta para lograr una mayor explotación de los datos existentes como podrían ser los paquetes de R

milr: realiza una regresión logística de datos multinstancia con la técnica Lasso Penalty

Las emisiones de SO2 de hornos y calderas de la Refinería Sergio Soto en el período estudiado causan efectos negativos a las zonas aledañas a dicha planta. Este efecto negativo se potencia por el olor desagradable y penetrante que es comúnmente percibido por la población.

Contaminantes como el SO2 minan nuestra salud de una manera silenciosa, se sabe que estos contaminantes existen, sin embargo, no se puede hacer mucho por evitarlos, ya que son gases que se respiran junto con el oxígeno que se necesita para vivir. Este gas en especial, suele desatar ataques de asma y todo tipo de enfermedades respiratorias.