estimación de la calidad del aire en un área urbana o la evaluación de la exposición de la población urbana ala contaminación del aire (Raaschou-Nielsen y otros, 2001) que requieren de un conocimiento más detalladode la distribución espacial de la concentración de contaminantes en calles y avenidas individualmente. Estoes sólo posible si se utilizan modelos de dispersión de los contaminantes emitidos por los vehículos. Existenintentos destinados a incrementar la representatividad de los datos obtenidos a partir de mediciones puntualesacoplando los mismos a los valores obtenidos mediante modelos de dispersión atmosférica aplicados a lascalles urbanas (Rao, 2009). Desafortunadamente, los modelos numéricos basados en la solución de laecuación de dispersión atmosférica o los modelos estocásticos aplicados conjuntamente con otros modelosdestinados a evaluar el flujo del aire, son todavía muy complejos para ser aplicados en la mayoría de losproblemas a resolver. Los modelos más sofisticados, tales como los de Fluido-Dinámica Computacional(FDC), presentan en la actualidad dificultades para ser implementados. Éstas están relacionadas, porejemplo, con la necesidad de una alta capacidad computacional, debido a que la resolución espacial necesariapara calcular la contaminación originada por el tránsito automotor en calles urbanas utilizando modelos FDCdebería ser de unos pocos metros (Ketzel y otros, 2001; Solazzo y otros, 2011; Blocken y otros, 2012; Kim yotros, 2012). Por lo tanto, existe una necesidad de aplicación de modelos simples y confiables.Como ocurre con cualquier estudio de modelación relacionado con la naturaleza y con el ambiente enparticular, es importante tener en cuenta el propósito del modelado y su grado de sofisticación y complejidad(Jakeman y otros, 2006). Por otra parte, las aproximaciones y simplificaciones realizadas durante eldesarrollo de los modelos, no deben afectar los resultados de la aplicación del modelo. La confiabilidad deestos resultados puede ser evaluada en diferentes etapas del procedimiento de modelación. Por ejemplo, en ladefinición del propósito del modelado, en la estructura del modelo y en la evaluación del mismo (Jakeman yotros, 2006). En modelos relacionados con la contaminación del aire, esas etapas están generalmentevinculadas con el problema a estudiar y con los diferentes procedimientos utilizados para determinar losdatos de los parámetros de entrada requeridos por los mismos.Una alternativa que ha sido ampliamente adoptada es la utilización de modelos semi-empíricos basados ensuposiciones consideradas a priori sobre el flujo del aire y las condiciones de dispersión. Estos modelos sonsimples y no requieren gran capacidad computacional para su aplicación. Por esta razón, modelos comoSTREET (Johnson y otros, 1971), CPB (Yamartino y Wiegand, 1986), AEOLIUS (Buckland, 1998), OSPM(Berkowicz, 2000), STREET-BOX (Mensink y Lewyckyj, 2001) y SEP-SCAM (Papathanassiou y otros,2008) han encontrado una relativamente amplia aplicación (Mensink y otros, 2006).En este trabajo se presenta el modelo Semi-Empirical Urban Sreet (<strong>SEUS</strong>) que permite estimar laconcentración de contaminantes en aire dentro de cañones urbanos. Se evalúa su sensibilidad aplicando elmétodo de propagación de errores. A continuación <strong>SEUS</strong> es aplicado para calcular las concentracioneshorarias de NO x en aire en dos cañones urbanos atípicos, irregulares y complejos de las ciudades de BuenosAires (Argentina) y Copenhague (Dinamarca). Las concentraciones de fondo urbano respectivas fueronobtenidas utilizando los dos procedimientos convencionales: mediante la aplicación de un modelo dedispersión atmosférica (Buenos Aires) y a partir de concentraciones observadas (Copenhague). Se realizó unanálisis estadístico de la comparación entre los resultados obtenidos por el modelo <strong>SEUS</strong> con los valoresobservados.2. Descripción del modelo <strong>SEUS</strong>El Semi-Empirical Urban Sreet (<strong>SEUS</strong>) es un modelo simple basado en la ecuación de escalamiento de laconcentración (C) de contaminantes en aire en un cañón urbano (Kastner-Klein y otros, 2000, 2003):C = E u s -1 W -1 + C b [1]donde E es el caudal másico de contaminantes emitidos por unidad de longitud, W es el ancho del cañón, C bes la concentración de fondo urbano y u s es la velocidad dispersiva. Kastner Klein y otros (2000)introdujeron la siguiente expresión para u s :u s = (σ u 2 + σ v 2 ) 1/2 = (aU 2 + bV 2 ) [2]donde σ u es la desviación estándar de la velocidad del viento, σ v es la desviación estándar de la velocidad delaire generada por el movimiento de los automotores, U es la velocidad del viento ambiental, V es lavelocidad de los vehículos, a y b son parámetros empíricos adimensionales. El parámetro a es el coeficientede proporcionalidad entre la turbulencia natural del aire y el cuadrado de la velocidad del viento ambiental.
Este parámetro depende, entre otrosfactores, dela geometría del cañón urbano, del viento y de la ubicacióndel muestreador de calidad de aire. El parámetrob es el coeficiente de proporcionalidad entre laturbulenciainducida por el movimiento de los vehículos y el cuadrado de la velocidad de los mismos, y depende de lascondicionesdel flujo detránsito automotor. En condiciones de barlovento, bV 2 es despreciable.Los parámetros a y b fueron estimados para cuatro cañones urbanos y para todas las direcciones de viento(Mazzeo y Venegas, 2011). Los datos utilizadospara esa evaluación provinieron de mediciones realizadas encañones urbanos de Göttinger Strasse (Hannover, Alemania), Schildhornstrasse (Berlín, Alemania), Jagtvej(Copenhague, Dinamarca) y Hornsgatan (Estocolmo, Suecia). En esos cañones se midieron concentracionesde contaminantes en aire, contaminación de fondo, velocidad y dirección del viento determinadaa en el techode un edificio cercano y el flujo de tránsito para diferentes tipos de vehículos. Debido a que la orientación dela calle de cada uno de los cuatro cañones urbanos es diferente en relación con un mismo puntocardinal, ladirección (WD) del viento ambiental no puede ser utilizada como el indicador común de las condiciones desotavento y barlovento. En su lugar, se utilizó el parámetro θ (Mazzeo y Venegas, 2011) que depende de ladirección del viento y de la orientación de cada cañón considerado. Los valores del parámetro θ (Figura 1) seobtienen mediante:θ =WD– STθ =WD+ 360º – STcuando WD ≥ STcuando WD < STdonde ST es el ángulo entre el nortey el eje de la calle de cada cañón ubicado haciaa la derecha del monitor.El valor deθ está expresado en grados. De esta forma, en todos los cañones la condiciónn estricta desotavento está asociada con θ = 90º y la de barlovento con θ = 270º.Figura1. Definición de θ.En la Tablaa 1 se incluye la geometría, el flujo medio diariode tránsito automotor, la orientación de la callerespecto delnorte y el valor de ST, de cada uno de los cuatrocañones.Cañón urbanoGöttingerSchildhornstrasseJagtvejHornsgatanH/W0,80,930,721,0veh/día30.00045.00022.00035.000Orientación conrespecto al norte163º120º30º66ºST163º120º30º246ºTablaa 1. Relaciónde aspecto (H/W), flujo medio diariode vehículos (veh/día), orientación de la callerespecto del norte y ST, de cada uno de loscañones urbanos. H es la altura media de los edificios.Los parámetros a y b seobtuvieron aplicando métodos estadísticos (Mazzeo y Venegas, 2005, 2009, 2011) alos datos observacionales de los cuatro cañones mencionados, agrupadosen 16 sectores de direcciones vientode 22,5º centrados en θ=0º, 22,5º, 45,0º, 67,5º, 90,0º, 112,5º, 135,0º, 157,5º, 180,0º º, 202,5º, 225,0º, 247,5º, ,270,0º, 292,5º, 315,0º and 337,5º.Los datos fueron analizados considerando los “casos desotavento”(0º≤θ≤180º)y los “casos de barlovento” (180º<